Ujednolicony profil klienta: jak zbudować jeden widok klienta, z którego naprawdę możesz korzystać

Finanse zaglądają do systemu zamówień. Marketing sprawdza bazę e-mailową. Liczby się nie zgadzają, a różnica jest zbyt duża, żeby zrzucić ją na drobną rozbieżność w raportowaniu.

Bardzo często za tą różnicą kryją się duplikaty.

Jedna osoba zrobiła zakupy jako gość, później zapisała się z firmowego adresu e-mail, a jakiś czas później wróciła z telefonu, którego strona wcześniej nie znała. Jeden człowiek, trzy rekordy.

Każdy z nich z osobna wygląda wiarygodnie. I właśnie dlatego zduplikowane profile klientów mogą miesiącami pozostawać w bazie, zanim ktokolwiek zauważy, co robią z wynikami.

Ujednolicony profil klienta ma temu zapobiegać. Nie jest jednorazowym porządkiem w bazie, po którym można uznać temat za zamknięty. To stale działająca warstwa, która utrzymuje dane klienta w jednym miejscu, mimo że firma cały czas generuje kolejne informacje.

W dalszej części artykułu przyjrzymy się temu, co powinno znaleźć się w takim profilu, jak działa rozpoznawanie tożsamości klientów i reguły scalania, kiedy w grę wchodzi prawdziwy bałagan danych, gdzie profile najczęściej rozsypują się w eCommerce oraz jak sprawdzić, czy Twój single customer view jest rzeczywiście ujednolicony, czy tylko dobrze wygląda w panelu.

Najważniejsze wnioski

• Ujednolicony profil klienta, nazywany również single customer view, to jeden stale aktualizowany rekord zawierający wszystko, co firma wie o konkretnej osobie na podstawie istotnych źródeł danych.

• Najtrudniejsze zwykle nie jest samo zebranie danych, ale ustalenie, co zrobić, kiedy dwa profile klienta sobie przeczą.

• Zgody marketingowe powinny być częścią profilu wraz z pełną historią zmian, a nie osobnym arkuszem otwieranym dopiero wtedy, gdy zgłosi się dział prawny.

• Zduplikowane profile potrafią być bardziej szkodliwe niż brakujące, ponieważ modele predykcyjne traktują je jak prawdziwych ludzi.

• Ujednolicone dane klientów są fundamentem segmentacji, personalizacji i modeli predykcyjnych. Dlatego problemy z jakością danych bardzo często najpierw objawiają się jako problemy marketingowe.

• Single customer view ma sens tylko wtedy, gdy aktualizuje się wystarczająco szybko, żeby wpłynąć na kolejne działanie. To oznacza dane w czasie rzeczywistym, a nie synchronizację, która kończy się już po tym, jak właściwy moment minął.

Czym właściwie jest ujednolicony profil klienta?

Ujednolicony profil klienta to jeden stale aktualizowany rekord, który łączy wszystko, co organizacja wie o konkretnej osobie: jej tożsamość, zachowania w różnych kanałach, historię zakupów, preferencje i zgody.

Zbudowanie takiego rekordu oznacza dopasowanie informacji pochodzących z różnych źródeł, rozwiązanie konfliktów między nimi i udostępnienie wyniku wszędzie tam, gdzie firma potrzebuje pełnego, użytecznego widoku klienta.

Definicja jest celowo prosta, bo sama idea nie jest szczególnie skomplikowana.

Większość zespołów marketingowych od dawna zgadza się, że dane klientów nie powinny być porozrzucane po sześciu różnych systemach. W wielu planach zarządzania danymi podobny postulat pojawia się już od lat.

Prawdziwa praca zaczyna się wtedy, gdy dane zachowują się tak, jak zwykle zachowują się w działającym biznesie: zmieniają się, docierają z opóźnieniem, pojawiają się dwa razy, przeczą starszej wartości albo nagle wypływają w systemie, o którym nikt nie pamiętał podczas rysowania architektury.

Trzy warstwy, których potrzebuje każdy ujednolicony profil

Niezależnie od technologii, na której jest zbudowany, ujednolicony profil klienta składa się z tych samych trzech podstawowych warstw.

Kim jest klient

Warstwa tożsamości jest najbardziej oczywista: adres e-mail, numer telefonu, imię, adres pocztowy, data urodzenia, firma i stanowisko, jeśli ma to znaczenie, a także wszelkie zewnętrzne identyfikatory nadawane przez platformę e-commerce.

Zwykle jest to znacznie cieńsza warstwa, niż można się spodziewać.

Jeden wiarygodny identyfikator często wystarcza, żeby utrzymać cały profil klienta w całości. Reszta dostarcza przede wszystkim kontekstu.

Co robi klient

W tym miejscu ujednolicony profil przestaje być po prostu uporządkowaną książką adresową.

Odwiedzone strony, wyszukiwania, oglądane produkty, czas spędzony na stronie, rozpoczęte i porzucone koszyki, otwarte i kliknięte e-maile, dostarczone SMS-y, odebrane web pushe czy aktywność w aplikacji rejestrowana przez mobile SDK. Wszystkie te interakcje tworzą warstwę behawioralną.

Co ważne, dane te często docierają w czasie rzeczywistym, zdarzenie po zdarzeniu. To właśnie dlatego wiele starszych systemów ma problem z ich skalą.

Jeszcze ważniejsze jest jednak to, że warstwa behawioralna pokazuje ścieżkę klienta wtedy, kiedy faktycznie się dzieje. Zespół nie musi później rekonstruować jej z fragmentów.

Co kupuje klient

Warstwa transakcyjna obejmuje historię zamówień, średnią wartość koszyka, całkowitą wartość zakupów, zwroty oraz szczegóły dotyczące konkretnych produktów.

Najczęściej dane pochodzą bezpośrednio z platformy e-commerce.

A ponieważ finanse zwykle ufają rekordom transakcyjnym bardziej niż niemal wszystkim innym danym, ta warstwa często staje się punktem odniesienia, kiedy profil klienta trzeba skonfrontować z rzeczywistością.

Warstwy, których w większości profili nadal brakuje

Są jeszcze trzy elementy, które decydują o tym, czy profil jest tylko kompletny, czy rzeczywiście użyteczny.

I bardzo często są to dokładnie te elementy, które podczas wdrożenia dostają etykietę „faza druga”, a później zostają tam na dobre.

Zgody wraz z historią zmian. Pole „tak/nie” to za mało. Status zgody powinien znajdować się bezpośrednio w profilu klienta, osobno dla każdego kanału, wraz z informacją, kiedy się zmienił i co tę zmianę wywołało: formularz, import, API czy ręczna edycja. Zespoły, które przechowują te informacje gdzie indziej, zwykle przypominają sobie o problemie dopiero wtedy, gdy wpada wniosek o dostęp do danych osobowych.

Zero-party data. Ulubione kategorie, rozmiary, budżet, preferowana częstotliwość komunikacji i wszystkie inne informacje, które klient przekazał marce samodzielnie, na przykład przez centrum preferencji. To wyjątkowo wartościowe dane, bo niczego nie trzeba tutaj zgadywać ani wyliczać. Okazuje się, że zapytanie klienta wprost, czego chce, nadal działa zaskakująco dobrze.

Atrybuty predykcyjne. Prawdopodobieństwo zakupu, ryzyko churnu, prognozowany Customer Lifetime Value czy najlepszy kanał komunikacji nie są zbierane bezpośrednio. Tworzą je modele uczenia maszynowego. Ich jakość zależy więc bezpośrednio od jakości profili klientów, na których pracują.

Czym ujednolicony profil klienta nie jest

Nie jest kontaktem w CRM-ie z kilkoma dodatkowymi kolumnami.

Tradycyjna baza danych rejestruje, kim dana osoba jest i co kupiła. Ujednolicony profil klienta przechowuje również informacje o tym, co zrobiła, kiedy, na jakim urządzeniu i na jakie działania wyraziła zgodę po drodze.

Nie jest też raportem.

Panel pokazujący zagregowane dane dotyczące segmentów odbiorców to analiza profili klientów, a nie same profile.

Jeżeli marketer widzi, że segment „nieaktywni klienci o wysokich wydatkach” liczy 4300 osób, ale nie może otworzyć jednego z tych profili i prześledzić jego indywidualnej historii, ma do czynienia z analityką, a nie single customer view.

Ujednolicony profil klienta nigdy nie jest też naprawdę „skończony”.

Adresy e-mail przestają działać. Numery telefonu trafiają do nowych właścicieli. Preferencje się zmieniają. Jakość danych zaczyna spadać właściwie od chwili, gdy nikt jej nie kontroluje.

Single customer view to proces, który działa stale, a nie punkt na liście kontrolnej wdrożenia, który można raz odhaczyć.

Unified customer profile, single customer view, Customer 360: czy nazwa ma znaczenie?

W codziennych rozmowach o marketingu niezbyt duże.

Te pojęcia w dużej mierze na siebie nachodzą, a dostawcy często używają kilku z nich do opisania tej samej podstawowej idei.

Różnice zaczynają mieć znaczenie wewnątrz organizacji, ponieważ poszczególne zespoły często rozumieją ten sam termin nieco inaczej.

Najwięcej niepotrzebnego zamieszania powoduje określenie Customer 360 platform.

W praktyce często działa bardziej jak nazwa kategorii produktowej niż jednoznaczna definicja technologii. Salesforce wykorzystuje Customer 360 jako wspólny parasol dla połączonych rozwiązań chmurowych, więc w dokumentach zakupowych termin ten może już z góry oznaczać bardzo konkretny zestaw produktów.

Jeżeli porównujesz narzędzia, nie patrz więc przede wszystkim na to, jakie określenie pojawia się na stronie głównej.

Zapytaj, co faktycznie dzieje się z danymi klienta po wejściu do systemu.

Ile kosztują rozproszone dane klientów

Argument za ujednoliceniem danych zwykle zaczyna się od doświadczenia klienta: lepsza personalizacja, silniejsze relacje, większa satysfakcja.

To wszystko ma sens, ale efekty często potrzebują czasu, a wpływ samej retencji trudno oddzielić od wszystkiego innego, co w tym samym czasie dzieje się w marketingu.

Poniższe koszty są znacznie łatwiejsze do zauważenia, bo zwykle pojawiają się wcześniej.

Jeden kupujący, czterech klientów

Wyobraź sobie, że klient kupuje przez internet parę butów z dostawą do domu, używając prywatnego adresu e-mail. Kilka dni później składa zamówienie online z odbiorem w sklepie, ale tym razem podaje służbowy adres, bo potrzebuje faktury.

Bez single customer view system widzi dwie zupełnie różne osoby, a nie jednego powracającego, lojalnego klienta.

Powtórz ten schemat dla zakupów bez rejestracji, zmian urządzeń i późniejszego zakładania kont, a baza zacznie „produkować” profile klientów szybciej, niż firma pozyskuje rzeczywistych ludzi.

Liczba klientów rośnie.

Średnia wartość klienta spada.

A oba wskaźniki nadal mogą wyglądać całkiem wiarygodnie w raporcie.

Ten sam problem może pojawić się w bardziej oczywistym miejscu, na przykład gdy ankieta satysfakcji trafi do tego samego gospodarstwa domowego trzy razy w ciągu miesiąca.

Inny objaw, ten sam problem z profilem klienta.

Atrybucja przypisująca sukces niewłaściwemu kanałowi

Jeżeli jedna osoba istnieje jako kilka profili, więcej niż jeden kanał może przypisać sobie zasługę za tę samą sprzedaż.

Pozyskanie klienta zaczyna wyglądać na droższe, niż było w rzeczywistości. Retencja może wyglądać na tańszą. A późniejsza rozmowa o budżecie opiera się na interakcjach, które zostały policzone więcej niż raz.

W efekcie zespół optymalizuje ścieżkę klienta, która nigdy się nie wydarzyła.

Właśnie tutaj fragmentacja danych zaczyna kosztować w mniej widoczny sposób.

Doświadczenie klienta projektowane przez zespół opiera się już na obrazie, w którym jedna osoba została rozbita na kilka.

Predykcje AI uczące się na klientach, którzy nie istnieją

Ten koszt bardzo szybko urósł wraz z popularyzacją AI.

Analityka predykcyjna, scoring churnu, najlepsze kolejne działanie i modele skłonności uczą się na profilach klientów, które dostają.

Najprościej mówiąc: każdy zduplikowany profil tworzy sztuczny punkt danych, przez co model uczy się na bazie klientów, która po prostu nie istnieje.

Jeden klient, który kupił dwa razy, staje się dwoma klientami, którzy kupili po razie.

Lojalność wygląda na słabszą. Ryzyko churnu się zmienia. Model może zaproponować rabat komuś, kto wcale go nie potrzebował. Wynik nadal może wyglądać bardzo profesjonalnie i pewnie, dlatego taki błąd potrafi przetrwać wyjątkowo długo.

Porządkowanie jakości danych przed wdrażaniem sztucznej inteligencji nie jest najbardziej efektownym elementem planu rozwoju AI. Modelowi jest jednak wszystko jedno, czy ta rada dobrze wygląda na slajdzie.

Jak powstaje ujednolicony profil klienta

Proces można podzielić na pięć etapów.

Ich kolejność ma większe znaczenie niż konkretne narzędzie.

Zacznij od źródeł danych, które już masz

Zanim wybierzesz platformę, spisz, jakie dane firma faktycznie posiada i kto jest ich właścicielem.

Zespoły eCommerce średniej wielkości często dopiero przy takim ćwiczeniu odkrywają, ile danych klientów znajduje się poza najbardziej oczywistymi systemami.

Źródła wewnętrzne i zewnętrzne

Profile klientów składają się z danych pochodzących ze źródeł wewnętrznych i zewnętrznych. Warto rozpisać ten podział jeszcze przed pierwszym demo dostawcy.

Źródła wewnętrzne to systemy, które kontrolujesz: eCommerce, CRM, e-mail marketing, zachowania na stronie, zgłoszenia do obsługi klienta, program lojalnościowy czy aplikacja mobilna.

Dane zewnętrzne to wszystko, co trafia do firmy spoza własnych systemów: dane zamówień z platform handlowych, zewnętrzne wzbogacanie danych, platformy reklamowe zarządzane przez agencje czy narzędzia analityczne, które przechowują historię zachowań wyłącznie jako dane zagregowane, bez możliwości przypisania ich do indywidualnego profilu.

Ta ostatnia kategoria często zaskakuje.

W systemach analitycznych może znajdować się mnóstwo wartościowej historii, która nigdy nie stanie się częścią profilu konkretnej osoby.

To nie jest problem z jakością danych. Po prostu właśnie do tego te narzędzia zostały zaprojektowane.

First-, second- i third-party data

First-party data pochodzą bezpośrednio od Twoich klientów i powinny być podstawą każdego wiarygodnego single customer view.

Second-party data to first-party data innej organizacji, które zostały Ci udostępnione.

Third-party data są kupowane z zewnątrz, a ich znaczenie maleje wraz z kolejnymi ograniczeniami po stronie przeglądarek i platform.

Rozsądna zasada projektowa jest prosta:

single customer view powinien działać poprawnie wyłącznie na first-party data.

Wszystkie pozostałe informacje mogą wzbogacać profil, ale cała struktura nie powinna się rozsypać, jeśli któregoś dnia dodatkowe dane przestaną być dostępne.

Najpierw wyczyść dane, dopiero później je łącz

Ujednolicić trzeba między innymi sposób zapisu adresów e-mail, numerów telefonów, kodów krajów, adresów pocztowych czy walut.

Dopiero wtedy powinno ruszać rozpoznawanie tożsamości klientów.

Dopasowywanie rekordów uruchomione na nieuporządkowanych danych rzadko kończy się widowiskową awarią.

Po prostu tworzy kolejne profile klientów.

Nie pojawia się żaden komunikat o błędzie. Duplikat spokojnie czeka w bazie, aż ujawni się podczas kampanii, raportu albo rozmowy z obsługą klienta.

Tak właśnie działa słaba jakość danych.nPo cichu.

Jest to również jeden z najczęstszych powodów, dla których projekty unifikacji grzęzną.

Usunięcie duplikatów z 400 tys. profili dziś jest prostsze niż wykonanie tej samej pracy za osiemnaście miesięcy, kiedy do obecnego bałaganu dołączą dwa nowe systemy i kolejna migracja.

Rozpoznawanie tożsamości klientów: ustal, które rekordy należą do tej samej osoby

Rozpoznawanie tożsamości klientów to proces określania, które rekordy opisują tę samą osobę, a następnie ich łączenia.

Dopasowanie deterministyczne

W tym podejściu rekordy są uznawane za należące do tej samej osoby, ponieważ mają wspólny, dokładny identyfikator: ten sam adres e-mail, identyfikator klienta czy numer zamówienia.

Zaleta jest oczywista.

Reguła jest łatwa do zrozumienia, poziom pewności wysoki, a wynik można łatwo audytować.

Wada jest równie oczywista.

Dopasowanie deterministyczne nie rozpozna osób korzystających z różnych adresów e-mail, urządzeń, adresów dostawy czy zakupów bez rejestracji.

Dopasowanie probabilistyczne

Dopasowanie probabilistyczne próbuje wnioskować o tożsamości na podstawie takich wzorców jak urządzenie, adres IP, zachowanie czy czas wystąpienia zdarzeń.

Dzięki temu może połączyć profile, których dopasowanie deterministyczne nie byłoby w stanie zestawić.

Może jednak również połączyć ludzi, których nigdy nie należało ze sobą scalać.

Najłatwiej myśleć o tym jak o kompromisie między zasięgiem a dokładnością.

Jak wybrać między nimi

Praktyczne pytanie brzmi:

co się stanie, jeśli dopasowanie okaże się błędne?

Niepoprawne połączenie w grupie reklamowej może kosztować jedną zmarnowaną emisję reklamy.

Niepoprawne połączenie w komunikacji transakcyjnej może spowodować wysłanie informacji o zamówieniu jednego klienta do zupełnie innej osoby.

W przypadku komunikacji bezpośredniej i danych osobowych konsekwencje są więc znacznie poważniejsze.

Dlatego strategia dopasowywania powinna wynikać z poziomu ryzyka, a nie z tego, która metoda brzmi bardziej zaawansowanie.

Ustal, co ma się wydarzyć, kiedy dwa rekordy sobie przeczą

To moment, w którym wiele bardzo schludnych diagramów przestaje być użytecznych.

Która wartość wygrywa?

Załóżmy, że do bazy trafiają nowe dane osoby, która już w niej istnieje. Stary numer telefonu jest inny niż numer w imporcie. System potrzebuje reguły określającej, która wartość ma pozostać. Wiele platform domyślnie przyjmuje zasadę „najnowsza wartość wygrywa”.

W przypadku zmiany numeru telefonu zwykle ma to sens.

Znacznie mniej wtedy, gdy błędny import właśnie nadpisał prawidłowe imię przypadkową wartością. Puste pola w plikach importowych tworzą kolejny problem. „Puste” może oznaczać: „usuń istniejącą wartość” albo: „tej informacji po prostu nie ma w tym pliku”.

Bezpieczniejszym ustawieniem domyślnym jest drugie podejście. Puste pole nie powinno usuwać zapisanej wcześniej informacji bez wyraźnej instrukcji.

Duplikaty wewnątrz jednego pliku również wymagają osobnej reguły. W przeciwnym razie import może stworzyć dokładnie te profile klientów, które miał pomóc uporządkować.

Co dzieje się ze zgodami?

Zgody marketingowe wymagają innej logiki. Zasada „najnowsza wartość wygrywa” jest tutaj zbyt prymitywna. Wycofanie zgody powinno być łatwe do zapisania i natychmiast propagowane niezależnie od źródła. Ponowne udzielenie zgody powinno wymagać więcej. Plik importowy nie powinien móc automatycznie przywrócić zgody osobie, która wcześniej ją wycofała, tylko dlatego, że w jednej kolumnie pojawiło się „tak”.

Ponowne udzielenie zgody powinno wymagać działania samego klienta, na przykład podwójnego potwierdzenia zgody albo innego zweryfikowanego kroku.

Podczas migracji może to być irytujące. Alternatywa jest jednak znacznie gorsza.

Co się dzieje, gdy scalenie było błędne?

Warto zadać to pytanie podczas rozmowy z dostawcą, bo odpowiedź zaskakująco często brzmi: „nie da się tego po prostu cofnąć”.

Kiedy dwa profile klientów zostaną scalone w jeden rekord, rozdzielenie ich historii behawioralnej rzadko jest operacją na jedno kliknięcie. Naprawa może wymagać ręcznej edycji rekordu, a jeżeli w procesie brały udział pliki cookie, również ich usunięcia z urządzenia klienta.

Brak dopasowania zwykle można później naprawić. Błędnego scalenia często już nie. Właśnie dlatego ostrożne reguły łączenia mają sens.

Przekaż profil do systemów, które faktycznie z niego korzystają

Single customer view istniejący wyłącznie wewnątrz jednej platformy jest niekompletny.

Ujednolicony profil musi trafiać do systemów, które z niego korzystają: e-maila i SMS, personalizacji strony, platform reklamowych odbierających segmenty odbiorców, helpdesku czy silnika rekomendacji.

Każde z tych narzędzi widzi inny fragment ścieżki klienta. Każde działa lepiej, kiedy korzysta z tej samej wersji profilu. Co równie ważne, te systemy muszą również zapisywać nowe interakcje z powrotem do profilu. W przeciwnym razie ujednolicone dane zaczynają się starzeć właściwie od chwili, gdy zostały utworzone.

I właśnie tutaj dane w czasie rzeczywistym zaczynają mieć realne znaczenie biznesowe. Synchronizacja wykonywana w nocy może powiedzieć Ci, że ktoś porzucił koszyk wczoraj. Dane w czasie rzeczywistym pozwalają zareagować, kiedy ta osoba wciąż zastanawia się nad zakupem.

To jedna z przyczyn, dla których firmy budują Customer Data Platform zamiast polegać wyłącznie na raportach z data warehouse. To także różnica między doświadczeniem klienta, które reaguje na bieżące zachowanie, a takim, które próbuje dogonić je po fakcie. Opóźnienie również staje się częścią doświadczenia klienta, niezależnie od tego, czy zespół je zaplanował.

Zarządzanie danymi, ich jakość i prywatność

To nie są elementy projektu ujednoliconego profilu klienta, które najlepiej wyglądają na screenshotach. To właśnie one decydują, czy rok po wdrożeniu profil nadal będzie wiarygodny.

Jakość danych to stały koszt, a nie jednorazowy projekt

Baza danych rzadko psuje się z dnia na dzień. Jej jakość pogarsza się stopniowo.

Tu zaczyna odbijać e-mail.

Tam przestaje działać numer telefonu.

Gdzie indziej preferencja klienta nie była aktualizowana od osiemnastu miesięcy.

Żaden pojedynczy przypadek nie wygląda dramatycznie. I właśnie dlatego zespoły potrafią przez długi czas prowadzić kampanie na coraz mniej wiarygodnych profilach, zanim ktokolwiek zauważy problem.

Ogólny wskaźnik kompletności profilu również niewiele mówi. Jeżeli kampania wymaga rozmiaru buta, profil kompletny w 95%, ale bez informacji o rozmiarze, nadal jest dla tej kampanii bezużyteczny.

Jakość danych warto więc monitorować na poziomie konkretnych atrybutów i ich aktualności, szczególnie tych pól, na których opierają się aktywne kampanie.

Prywatność danych tylko zwiększa znaczenie tej dyscypliny, bo każde przechowywane pole może kiedyś wymagać wyjaśnienia, eksportu albo usunięcia.

Zarządzanie danymi zaczyna się od ustalenia właściciela konkretnego pola

Zarządzanie danymi brzmi jak temat na osobne spotkanie. W praktyce zaczyna się od przypisania odpowiedzialności za konkretne atrybuty. Jeżeli platforma eCommerce i CRM mogą jednocześnie zapisywać adres dostawy w tych samych profilach klientów, a nikt nie ustalił, które źródło jest nadrzędne, wartość będzie się zmieniać.

Pierwszym zespołem, który zauważy problem, może być ten, który później zostanie obwiniony za paczkę wysłaną pod zły adres. Odpowiedzialność ma również znaczenie na poziomie całego rekordu. Przypisywanie profili do konkretnych właścicieli może pomóc kontrolować, kto w organizacji ma dostęp do poszczególnych klientów i może się z nimi komunikować.

Staje się to szczególnie istotne, gdy marketing i sprzedaż korzystają z tej samej bazy.

Starsze systemy i problem migracji

Starsze systemy często obwinia się o problemy z unifikacją, ponieważ historyczne dane są zapisane w strukturach, których nowsze platformy nie potrafią łatwo przyjąć. Część danych nie migruje wcale. Część migruje źle. Część zostaje odtworzona pod nowymi identyfikatorami.

I właśnie w ten sposób migracje potrafią stworzyć zupełnie nową partię zduplikowanych profili klientów.

Jeżeli migracja jest przed Tobą, rozpoznawanie tożsamości warto przeprowadzić jeszcze przed przeniesieniem danych.

Porządkowanie profili po migracji oznacza konieczność porównywania nowego systemu z systemami, od których przecież właśnie próbujesz odejść. A wtedy praca bardzo szybko staje się bardziej skomplikowana.

Gdzie ujednolicone profile rozsypują się w prawdziwym e-commerce

Model wygląda bardzo schludnie, dopóki klienci nie zaczną zachowywać się jak klienci.

Zakupy bez rejestracji

Zakupy bez rejestracji są jednym z największych źródeł niedopasowanych danych klientów w e-commerce.

Na szczęście problem jest łatwiejszy do opanowania, niż mogłoby się wydawać, ponieważ podczas zakupu klient zwykle podaje adres e-mail. Jeżeli zdarzenie zakupowe zawiera ten adres, a system najpierw sprawdza istniejące profile, zamówienie może zostać dopisane do już istniejącego profilu. Nie trzeba tworzyć duplikatu. Jeśli adres faktycznie jest nowy, powstaje nowy kontakt.

Warto oznaczać takie profile jako niezarejestrowanych kupujących, ponieważ często zachowują się inaczej i mogą wymagać innej pierwszej kampanii.

Problem współdzielonej skrzynki e-mail

Dwie osoby w jednym gospodarstwie domowym mogą korzystać z tego samego adresu e-mail. Wtedy jeden profil zaczyna zbierać zachowania dwóch różnych ludzi. Preferencje zaczynają się wzajemnie nadpisywać, sygnały behawioralne mieszają, a profil przestaje dobrze opisywać którąkolwiek z tych osób.

Nie istnieje tutaj idealne rozwiązanie.

Większość platform, w tym Manago AI, traktuje jeden adres e-mail jako jedną osobę. Każdego dostawcę, który obiecuje idealne rozpoznawanie gospodarstw domowych, warto poprosić o pokazanie tego na własnych danych.

Praktycznym sposobem ograniczenia problemu jest centrum preferencji, ponieważ bezpośrednio wskazane wybory mogą skorygować profil zaburzony przez niejednoznaczne zachowania.

Zamówienia z platform handlowych

Zamówienia z platform handlowych często trafiają do systemu z zastępczymi adresami e-mail zamiast prawdziwego adresu kupującego.

Można je oczywiście uwzględniać w przychodach, ale zwykle nie da się ich powiązać z bezpośrednimi profilami klientów, dopóki nie pojawi się inny wiarygodny identyfikator.

Traktuj więc taki przychód jako osobne dane zewnętrzne i utrzymuj go jako odrębną populację do czasu, aż takie powiązanie rzeczywiście powstanie. W przeciwnym razie wskaźnik identyfikacji wygląda wprawdzie lepiej, ale profil klienta wcale nie staje się bardziej spójny.

Jak sprawdzić, czy profil jest naprawdę ujednolicony

Profil pełen danych udowadnia, że interfejs działa. Nie udowadnia jednak, że widok klienta jest dobry. Baza może wyglądać bardzo schludnie i nadal zawierać ogromną liczbę duplikatów.

Więcej powiedzą Ci poniższe wskaźniki.

Wskaźnik identyfikacji. Jaki procent sesji na stronie da się przypisać do znanych profili klientów zamiast anonimowych odwiedzających? To pokazuje, do jakiej części ruchu personalizacja w ogóle może dotrzeć.

Odsetek duplikatów. Jaki szacunkowy procent profili reprezentuje osoby, które istnieją już gdzieś indziej w bazie? Ręczne sprawdzenie kilkuset rekordów może powiedzieć więcej niż branżowy punkt odniesienia dostawcy.

Poprawność scalania. Jak często rekordy należące do tej samej osoby są łączone poprawnie, a jak często nie? Tego w praktyce dowiesz się dopiero po obejrzeniu konkretnych przykładów.

Kompletność atrybutów. Mierz kompletność pól, których faktycznie używają kampanie. Ogólny procent może ukryć brak jednego atrybutu, który naprawdę ma znaczenie.

Aktualność danych. Ile czasu mija od interakcji klienta do momentu, w którym wynikający z niej atrybut można wykorzystać w segmentacji? Jeżeli nikt nie zna odpowiedzi na to pytanie, to już sama w sobie jest cenna informacja.

Kompletność informacji o zgodach. Jaki procent profili ma zapisany status zgody dla każdego kanału wraz ze wskazanym źródłem? Każdy rekord bez informacji o źródle zasługuje na uwagę.

Test, który możesz zrobić jeszcze w tym tygodniu

Wybierz pięciu klientów, o których wiesz, że są prawdziwi. Najlepiej współpracowników, którzy rzeczywiście kupowali w Twoim sklepie.

1. Wyszukaj każdą osobę najpierw po adresie e-mail.

2. Potem po numerze telefonu.

3. Na końcu po imieniu i nazwisku.

4. Policz, ile profili wróciło w wynikach.

5. Następnie otwórz jeden profil i poszukaj aktywności z zeszłego tygodnia, nie z zeszłego miesiąca, nie z ostatniego zamkniętego okresu raportowego. Z zeszłego tygodnia.

Ten prosty test bardzo często powie Ci więcej o stanie danych klientów niż dopracowana prezentacja z audytu.

Gdzie powinien znajdować się profil klienta?

Najczęściej spotkasz cztery odpowiedzi.

Wielkość firmy ma tutaj mniejsze znaczenie niż to, co ma się wydarzyć z ujednoliconym profilem, kiedy już powstanie.

W CRM. To może działać, jeśli interakcje z klientami mają stosunkowo niewielką skalę i w większości są obsługiwane przez ludzi. CRM-y projektowano wokół kont i szans sprzedażowych, dlatego zwykle kiepsko radzą sobie z ogromną liczbą zdarzeń behawioralnych generowanych przez duży serwis.

W data warehouse, z aktywacją przez modułowe CDP. To dobre rozwiązanie dla organizacji, które mają już zespół danych odpowiedzialny za hurtownię danych i potrzebują profili klientów zarówno do analityki, jak i marketingu. Ceną jest szybkość. Zmiany trwają dłużej, a pomysł na kampanię może bardzo szybko zamienić się w zgłoszenie do zespołu danych.

W gotowym CDP. Takie rozwiązanie jest projektowane specjalnie z myślą o rozpoznawaniu tożsamości klientów i segmentacji, a marketerzy zwykle mogą z niego korzystać bez wsparcia zespołu technicznego. Warto jednak sprawdzić, co dzieje się po zbudowaniu segmentu. Jeśli CDP kończy pracę na stworzeniu grupy odbiorców, kampanię nadal trzeba zbudować gdzie indziej.

W Customer Engagement Platform. Profile klientów i kanały aktywacji znajdują się w jednym środowisku, dzięki czemu dane w czasie rzeczywistym mogą uruchamiać komunikację bez osobnego eksportu. To podejście pasuje szczególnie dobrze wtedy, gdy marketing jest głównym użytkownikiem ujednoliconego profilu.

Jeżeli wąskim gardłem jest analiza, optymalizuj pod hurtownię danych. Jeżeli problemem jest wykonanie kampanii, optymalizuj pod aktywację.

Jak budujemy single customer view w Manago AI

Customer Data Platform w Manago AI zaczyna od jednej świadomie przyjętej zasady:

adres e-mail jest unikalnym identyfikatorem kontaktu.

Wszystko inne w profilu klienta jest atrybutem tego rekordu. Dzięki temu system nie zgaduje. Marketer może też odpowiedzieć na podstawowe pytanie, kiedy dwa rekordy stają się jednym: dlaczego system uznał, że należą do tej samej osoby?

Kiedy komunikacja trafia do prawdziwych klientów, taka wyjaśnialność ma większą wartość niż kilka dodatkowych punktów zasięgu uzyskanych dzięki dopasowaniu probabilistycznemu.

Rozpoznawanie klienta odbywa się w dwóch etapach. Anonimowy użytkownik otrzymuje śledzący plik cookie podczas pierwszej wizyty, a jego historia przeglądania jest zbierana pod tym identyfikatorem. Kiedy później użytkownik ujawni swoją tożsamość, na przykład klikając link w e-mailu, wysyłając formularz lub finalizując zakup, anonimowa historia zostaje automatycznie przypisana do właściwego profilu.

W profilu różnica ta pozostaje widoczna, dzięki czemu zespół może sprawdzić, co wydarzyło się przed identyfikacją, a co później. Zakup bez rejestracji obsługiwany jest w tym samym momencie. Jeżeli zdarzenie zakupowe zawiera adres e-mail, który już istnieje w profilu klienta, zakup trafia do tego rekordu zamiast tworzyć kolejny. Nowy adres tworzy nowy kontakt oznaczony jako niezarejestrowany kupujący.

Różnicę dla marketingu najlepiej widać w szybkości działania architektury.

Zewnętrzne zdarzenia są przetwarzane w czasie krótszym niż jedna sekunda, średnio około 16 milisekund, a dane o koszyku i zakupie są automatycznie przesyłane bezpośrednio z platformy e-commerce natychmiast po wystąpieniu zdarzenia.

To dane w czasie rzeczywistym w dosłownym znaczeniu tego słowa. To różnica między wiadomością o porzuconym koszyku wysłaną wtedy, kiedy klient wciąż zastanawia się nad zakupem, a wiadomością, która dociera już po podjęciu decyzji.

Sam ujednolicony profil klienta zawiera zgody osobno dla każdego kanału, wraz z pełną historią i źródłem, preferencje deklarowane bezpośrednio przez klienta w Customer Preference Center, kolekcje produktowe obejmujące produkty oglądane, zakupione, dodane do listy życzeń i porzucone, poziom oraz punkty w programie lojalnościowym, a także atrybuty predykcyjne, takie jak prawdopodobieństwo zakupu, ryzyko churnu, prognozowany Customer Lifetime Value i najlepszy kanał.

Gotowe integracje obejmują Shopify, Magento, PrestaShop i WooCommerce. Dla pozostałych systemów dostępne są otwarte REST API oraz mobile SDK.

Ujednolicony profil klienta: krótkie odpowiedzi