1、CDP究竟是什么?
David Raab 2013 年首次提出了 (Customer Data Platform)CDP 的概念,其定义为:CDP 的目标是汇集所有客户数据并将数据存储在统一的、可多部门访问的数据平台中,让企业个部门都可以轻松使用。
C是企业存储的用户数据的汇总中心,企业可以通过CDP,拥有一个针对所有用户数据的“处理中心”,通过建立用户个人档案把各个渠道中的相关数据“串”起来,让各个部门能更容易看清用户的状态和特征,统一运用。
2、什么是用户数据?
CDP之所以存在,是因为用户数据对业务和营销运营都至关重要,那么用户数据究竟是什么呢?
用户数据是消费者在使用网络并与公司进行在线和离线互动时留下的信息,比如:通过网站、文章、视频等与公司进行的互动。
CDP 收集和组织的用户数据主要有四种。
(1)身份数据
身份数据构成了 CDP 中每个客户档案的基础。这种类型的数据使企业能够识别每个客户。
身份数据包括:
姓名信息,名字和姓氏
人口统计信息,年龄和性别
位置信息,地址、城市和邮政编码
联系信息,电话号码和电子邮件地址
社交信息,在社交平台的昵称
专业信息,公司和职位职
帐户信息,邮箱电话
(2)描述性数据
描述性数据扩展了身份数据,让企业更全面地了解客户。描述性数据的类别根据公司类型而有所不同。
例如汽车经销商可能会收集用户的生活方式,比如通勤、活动范围、日常兴趣爱好等,而母婴公司则会收集用户的家庭情况,比如是否有孩子、有几个孩子、男孩还是女孩等。
描述性数据包括:
职业信息,例如以前的雇主、行业、收入和工作级别
生活方式信息,例如家庭、车辆的信息
家庭信息,例如子女人数和婚姻状况
业余爱好信息
(3)定量或行为数据
定量数据使企业能够了解每个客户如何与其进行互动。
定量数据包括:
交易信息,近期购买商品信息,多久购买一次等
电子邮件通信信息,如电子邮件打开、电子邮件点击率、电子邮件响应和日期
在线活动信息,例如网站访问量、网站点击率、产品视图和社交媒体参与度
客户服务信息,例如通信日期、查询详细信息和服务代表详细信息
(4)定性数据
定性数据为客户档案提供背景信息;它赋予客户数据个性。这种类型的数据收集企业客户表达的任何动机,意见或态度。
定性数据包括:
动机信息,怎么接触到企业的?对企业印象如何?为什么会选择这家企业?
意见信息,例如您如何评价此产品?,您如何评价我们的客户服务?
态度信息,例如喜欢的颜色、动物、纺织品或食物
3、CDP与CRM的区别
CDP和CRM都可以收集用户数据并为企业提供价值。但是两者存在本质的区别:
CRM主要是给公司销售人员用的。因为CRM是销售人员与客户的沟通管理工具,所以CRM里主要是用“电话”来识别客户的。
CDP能融合了能获取的所有信息,为企业营销获客提供支持。CDP通常会接入CRM、售后、客服、用户访问、网络舆情、广告平台等一切能够获取到的客户数据。然后对所有数据进行尽可能的归并、打通,进行统一化处理,最后打上各种标签。这样就能对外提供统一的服务,在公司外部可以提供广告投放的支持,内部则可以提供内部运营的支持。
以下是 CDP 和 CRM 之间的一些关键区别。
CDP收集匿名访问者的数据,而CRM仅报告已知客户或潜在客户。
CDP分析终身客户行为和客户旅程,而CRM主要分析销售渠道和预测。
CDP 同时跟踪在线和离线客户数据,而 CRM 除非手动输入,否则无法获取离线数据。
CDP 旨在处理来自大量来源的多个数据点,这意味着复制或丢失数据的可能性很小。另一方面,CRM收集单独输入的数据,如果处理不当,这些数据可能会丢失或贴错标签。
4、CDP的核心价值
之所以会火,本质上是因为CDP能够更好地帮助营销人员工作。
我们认为,CDP吸引人的核心价值点有三个:
(1)用户数据的统一汇总和存储
企业和用户的交互呈现出多渠道和多形式的特点:一个用户可能同时活跃在多个互动触点上,并且在企业内部的多个系统中留下自己的行为数据。企业更需要具备跨越多个平台系统,对海量、高复杂度的用户数据进行统一处理和运用的能力。
而CDP可以通过建立用户的唯一识别ID,在不同渠道的数据绑定为用户的统一ID上;记录用户的原始数据:动态交互、消费行为、兴趣喜好等等。
通过存储大量的用户的数据,为第二步建立基础。
(2)数据的加工和处理
企业在建立企业自己的数据中心时,数据维度有多种,此时需要结合企业运营目标,搭建企业的用户标签体系和用户画像体系;要结合用户的经营目标设计算法模型。
(3)个性化标签和业务紧密结合。
例如一个企服公司在做会员标题体系设计时,会考虑用户所属的行业和职业。
一个B2B企业,会根据用户和公司互动行为、点击内容来调整自己的营销策略。
这些个性化标签维度和业务深度结合,在数据使用时,也能赋能业务。实现用户精准营销。
5、CDP数据的应用场景
数据只有被有效应用才能产生价值。
数据的有效存储和合理加工处理后,在应用层面才能发挥最大效能。
企业在数据应用层面,最常应用的场景有两个:
对内提升经营效率,通过对现有的数据分析,辅助企业做经营决策;
对外提升用户的运营价值,可以实现分层精准运营,提升运营效率。
在经营决策场景中,不同渠道的投入产出比数据可以让企业判断在做渠道投入时是否可以提升投放价格。
在营销策略场景中,成交转化率和7日内成交量可以辅助判断对本品牌更有效的活动策略。在用户私域运营过程中,通过用户CLV分析可以计算企业预期收入变化情况。
Photo by NEW DATA SERVICES on Unsplash
文章转载自公众号「联否Linkflow(ID:linkflowtech)」
原文作者:Leonardo Federico
译文作者:卡罗
数字化浪潮中,企业已经学会利用数据驱动营销,根据数据做出决策 ,但大多数企业没有充分利用他们的数据。 企业在利用现代营销栈提升营销效率的同时,营销栈的结构却导致了大量的数据碎片。随着企业收集的数据越来越多,拼凑和管理这些数据变得越来越困难,更重要的是, 企业难以实时使用这些数据来创建更好的营销活动, 这意味着企业把钱留在桌上没赚。
客户数据中台(CDP)的出现,打破了现有的SaaS营销栈格局。 要了解现在,必须了解过去,今天,小编带大家了解,CDP是如何挑起时代重任的。
数字营销的起源:
传统CRM的诞生
早在1986年,当数字营销刚刚起步时,一家公司推出了联系人管理软件。这款软件旨在存储信息和管理客户联系信息, 所有操作均为手动。
7年后,也就是1993年,Tom Siebel认为可以将内部销售应用程序作为独立产品出售, Siebel就将此应用程序提炼出来,并将其与联系人管理解决方案软件相结合,于是有了第一个CRM。
直到4年后才出现了一个新的天才打破了CRM的行业格局。他的名字是Mark Benioff,他在1999年有幸 向商业世界介绍了第一个云端CRM。
在此之后, 云计算成了一种更具可扩展性和成本效益的方法, 让中小型企业能够根据非常具体的市场需求构建CRM,并在新的垂直细分市场中建立统治地位。
数字营销的发展时期:
营销自动化的诞生
2000年初,个人计算机的普及改变了用户做出决策的方式,而传统买卖双方关系再次发生了变化。 Mark Organ在已经非常拥挤的CRM行业看到了一个商机,并创立了最早期的营销自动化产品。 那是2003年,营销自动化刚刚诞生。
营销自动化是为营销人员打造的产品,它能够组织多渠道营销活动、细分受众群体和分发个性化内容, 营销自动化的出现让这些营销任务突然变得前所未有的轻松。
在此之后,不到几年的时间就看到下一代营销自动化平台纷纷涌现,如 Marketo、Pardot、ExactTarget、Autopilot、Hubspot等等。在此之后的几年内, 营销自动化已经成为整个数字营销领域的最大子集。
当然,正如我们今天所知,市场营销自动化存在局限性。具体体现在以下三方面:
数据利用率低
回到营销自动化刚刚诞生的早期时代,世界以网络为中心,现在情况完全不同了。与十年前相比, 现在的用户以更加复杂和多样的方式与数字产品进行交互。 正如上文所述,用户交互的复杂性和中间设备的增加,导致SaaS产品栈需要在具有特定需求的特定市场上垂直拓展。
具有特定功能产品的完美组合不仅节省成本,而且与传统的一体化解决方案相比可以确保更好的质量。
SaaS产品栈为公司提供了快速适应需求的灵活性, 但它们也是造成巨大数据碎片的原因,有价值的客户数据隐藏在这些断开连接的工具中。
数据是每家公司里许多部门成功的基石,营销也不例外。企业的SaaS产品栈越复杂,在不同工具上积累的客户数据就越多,企业就需要更多时间来重新组合零碎的客户拼图,以获得完整合理的画像。 这表示数据碎片将随SaaS的复杂性呈指数级增长。
黄色的是「个性化曲线」,即企业实际利用的数据量。可见,随着SaaS产品栈复杂性和数据碎片增加, 企业真正利用起来的数据几乎在同一个级别上,变化不大。 蓝色交叉部分就是「数据损失量」,也就是企业拥有但无法使用的数据。
营销「最佳实践」疲劳
Nathan Konty曾指出一个非常普遍的问题,战术「疲劳」存在于许多领域,如人类美学、口语、甚至电影,营销也不例外。随着观众更频繁地接触营销战术,战术的有效性就会逐渐消失,这种情况一直发生在广告中。
营销自动化中这种情况更加明显。 当每个公司的每个营销/产品团队,对每个行业都应用相同的「最佳实践」时,营销就逐渐失去了效率。 两位心理学家用下图解释了这种「疲劳」。
当我们正在处理绝对的新奇事物时,会感受到快乐。这种刺激的特征值被视为一个函数,上升到峰值(X1,特征值的最佳水平),然后逐渐会下降到幻灭阶段(X2)。 刺激的效果被认为与它的新颖性直接相关。 市场营销需要不断的创新模式来使刺激效果尽可能高,如下图所示。
PQL逐渐取代MQL模式
MQL(高质量营销线索)是对公司/产品感兴趣的潜在客户,这些客户已经准备好与销售进行互动。营销和销售部门对MQL的定义是非常一致。PQL(高质量产品线索)完全不同于传统的MQL模型。
MQL优先考虑用户的属性,即询问「这个联系人的电子邮件是什么?它是B2B还是B2C电子邮件?这个联系人在哪个公司工作?他在公司中扮演什么角色?」
而 PQL优先考虑用户的行为和产品采用水平,如「他试过产品吗?他先尝试了什么功能?」等。
换句话说,PQL模型所统计的是对产品感到满意的客户, 所以PQL模型面临的真正挑战是如何深度吸引目标用户。
但是,当涉及到产品指标数据时,传统的营销自动化平台无法直接获取这些数据,只能通过人工从产品后台采集。
营销自动化平台擅长「培育和提供个性化内容」,但在数据打通、获得首单并逐渐让新用户测试和尝试您的产品功能方面做得不好。
数字营销蓬勃时期:
CDP挑起时代重任
总结上文所述,扭曲的、错误的、偏颇的或不存在的数据,只会导致扭曲的、错误的、偏颇的或不存在的行为。
于是, CDP顺应时代而生。 首先,它与企业使用的每个SaaS产品栈无缝集成,成为获取数据的主要方式。另一方面,它具有先进的自动化功能,可实际运行营销策略。
CDP能做什么
连接:即连接企业SaaS产品栈中的所有应用程序,打破数据壁垒。
整合:归一整合所有客户数据,形成完整客户画像,以细分市场和受众群体。
行动:根据企业的营销情况,提供自动化旅程,或提供决策建议。
洞察:提供全面、多元、实时的数据分析报表,掌握营销效果。
为什么CDP会改变游戏规则
CDP将以三种重要方式填补当前的技术差距:
1. 最大程度降低数据丢失量
通过对接,CDP能够掌握SaaS工具的确切配置。因此,即使SaaS产品栈越来越复杂,数据碎片也不会增加,数据丢失减少,个性化曲线遵循的轨迹和红线十分相近。
2. 实现SaaS产品栈的可扩展性
相比之下,传统的集成供应商通常具有很高的转换成本,但CDP却能够用较低的成本让现代公司随着业务的发展随时改变SaaS产品栈。这使得公司可以非常快速地更改其团队使用的技术,同时不会丢失关键数据。
3. 解决营销策略疲劳
CDP能够处理用户在使用产品时拥有的无限数量的接触点和交互,当企业的营销栈变得更复杂时,企业反而可以通过更多渠道更轻松地创建不寻常的用户旅程。企业越了解客户,就越能提供难忘的体验。
当前企业面临的下一个重大挑战是,如何将越来越多的数据与对该数据采取行动的能力联系起来。CDP正在填补这一空白,因此如果企业担心数据丢失、战术疲劳、复杂性或可扩展性问题,请将CDP视为潜在的解决方案。
原力大数据
原力大数据旨在为企业实现:管理、分析、激活企业大数据,发掘企业大数据金矿;洞察、连接、盘活企业存量客户,深度营销企业存量客户。
原力大数据专注于为企业提供基于大数据、云计算技术的数字化市场营销产品与服务,包括自主研发的原力MarTech(Marketing Technology营销技术)云平台、原力互联网商情云平台、企业大数据平台构建及软硬件集成、企业大数据平台规划咨询及相关专业服务。
官 网 丨www.bigdataforce.com
商务联系 丨020- 85279103
词频分析十九大报告丨歌词文本分析丨舆情分析-周杰伦“道歉”丨机器学习预测丨舆情分析-人民的名义丨位置大数据应用丨商圈分析丨大数据产品丨教育大数据丨广告效果评估丨政务大数据
大数据学习
分析思维丨数据分析师自我修养丨如何写价值百万的分析报告丨入行方向丨大数据就业丨原力大讲堂
私域流量背后,是你看不到的Martech营销技术的力量 | 流量红利消退的2019年,存量运营是增长突破口丨“媒体”和“渠道”投放KPI驱动的营销,为何难以实现增长 | 大数据变革已是大势所趋,企业不变将被时代抛弃丨今天不是人工智能的爆炸时代,却是场景构建元年丨90%大数据产品都是伪需求丨大数据时代刚刚开启,尚未到来丨高校开设大数据学科的机遇和挑战丨为什么现阶段不看好大数据交易
干货/收藏
28个数据源网站丨9种数据分析方法丨52个可视化工具丨可视化技巧
高校大数据讲座
大数据就业指导公益巡讲广州大学站丨暨南大学博雅大讲堂