Zum Hauptinhalt springen

Customer Data Platforms – eine Klassifizierung

Anders als bei Marketing-Automation-Lösungen wird nicht nach Funktionsumfang wie Enterprise bzw. Best-of-Breed unterschieden, sondern nach dem funktionsseitigen Schwerpunkt der Customer Data Platform. Das heißt, je nachdem, wie die Anforderungen definiert sind, kann man bereits im Vorhinein eine Auswahl der richtigen CDP-Art durchführen.

Insgesamt lassen sich drei verschiedene Kategorien von Customer Data Platforms unterscheiden:

  • Data CDP
  • Analytics
  • Engagement CDP

Customer Data Platforms – Funktionsüberblick und die drei Klassifizierungen

Data CDP

Die Data CDP ist in diesem Kontext analog einer Kundendatenbank zu sehen, weil sie innerhalb der CDP mit Standard-Konnektoren für Datenzusammenführung, Datenaggregationen, das Identitäts-Matching und die Datenpersistenz sorgt. Einige Funktionen zur Diagnose bzw. Sicherung und zum Monitoring der Datenqualität sollte die Lösung mitbringen; auf diese Weise kann bereits bei der Integration der Daten eine hohe Datenqualität innerhalb der CDP sichergestellt werden.

Analytics CDP

Eine Analytics CDP reichert zum einen die CDP-interne Kundendatenbank um Segmentierungsinformationen und Kundenprofile an und erstellt Scores. Zum anderen werden in einer Analytics CDP mit den Daten und Informationen Selektionen und Zielgruppenbestimmungen teilweise mit künstlicher Intelligenz durchgeführt, die dann in nachgelagerten Journeys genutzt werden. State-of-the-Art-Darstellungen der Analysen und Kennzahlen runden das Bild einer modernen Analytics CDP ab

Engagement CDP

Die Engagement CDP vereint die Disziplinen Kundendatenbank, Analyse/Selektion und Kampagne. Sie erstellt durch Standard-Konnektoren und Identitäts-Matching die für Kampagnen notwendige Kundensicht, produziert Segmente und selektiert Zielgruppen. Diese Zielgruppen erhalten dann in Multi-Step- und Multi-Channel-Kampagnen zielgenaue Angebote. Der Schwerpunkt einer Campaign CDP liegt damit in der Orchestrierung der Customer Journeys.

 

Nicht jede Customer Data Platform passt zu jedem Vorhaben

Wirft man einen zweiten Blick auf die einzelnen Klassifizierungen, so muss man vor allem hinsichtlich der Data CDP und der Engagement CDP folgende Fragen stellen:

Passt eine Data CDP in meine Zielarchitektur?

Ein Blick auf meine anzuschließenden Quellsysteme hilft mir, die Frage zu beantworten. Habe ich viele Quellsysteme, die ich mit Standard-Konnektoren an meine Data CDP anbinden kann, und kann ich die Kundendaten mit einer identischen Kundennummer relativ problemlos zusammenführen?

Falls ja, kann eine Data CDP hier die erste Wahl sein. Dann kann es zu einer interessanten Konstellation kommen, ich der ich eine Engagement CDP an eine Data CDP anschließe. Über eine Datenversorgung zwischen den CDPs sollte man sich dann ebenfalls Gedanken machen. Alternativ kann ich bestimmte Dinge wie einen Golden Record, die Konsolidierung von Kundendaten aus verschiedenen Quellen oder auch eine persistente Datenhaltung auch in einem extra dafür vorgesehenen vorgeschalteten Data bzw. Customer Hub erstellen. Auf die Nutzung von Standard-Konnektoren muss dann zwar verzichtet werden, aber die Datenmodellierung und die Konsolidierung der Daten kann ich dann über moderne ETL-Werkzeuge bewerkstelligen.

Welche Funktionalitäten in den digitalen Kanälen bringt die Engagement CDP out of the box mit?

Einige Engagement-CDP-Anbieter bieten sehr ausgereifte Personalisierungsfunktionalitäten für die Touchpoints Web, Mobile App oder auch E-Mail an, die ein wirkungsvolles Engagement der Kunden an den entsprechenden Touchpoints sicherstellen. Daher haben wir eine weitere Unterteilung der Engagement CDP vorgenommen.

customer-data-platforms-kategorien

Eine detaillierte Beschreibung der einzelnen Kategorien inklusive der Erweiterungen von b.telligent finden Sie hier.

Die Auswahl des richtigen Anbieters und die dazugehörige Erstellung von Use Cases

Notwendige Pflicht oder lästiges Übel?

Use Cases (Anwendungsfälle) sollte man dann erstellen, wenn man Teile des Geschäftszwecks bzw. bestimmte Teile des Geschäftsmodells in einem System abgebildet haben möchte. In einem Use Case wird somit das Verhalten eines Systems oder einer bestimmten Funktion aus Anwendersicht beschrieben. Um die Funktionen einer bestimmten CDP anforderungsseitig zu definieren und auch zu bewerten, sollte man sich im Klaren sein, welche Use Cases durch welchen Teil einer CDP abgedeckt werden können. Die einzelnen CDP-Typen unterscheiden sich somit auch signifikant im Abdeckungsgrad in Abhängigkeit der einzelnen Use Cases.

Folgende Beispiel-Use-Cases deckt eine Data CDP schwerpunktmäßig ab:

  • Zusammenführung von Kundendaten aus mehreren Datenquellen, darunter z. B. Daten von Webseiten, ERP- oder auch CRM-Daten
  • Durchführung einer Datenbereinigung und Standardisierung der unterschiedlichen Datenformate beim Import

Folgende Beispiel-Use-Cases deckt eine Analytics CDP schwerpunktmäßig ab:

  • Analyse der Konvertierung einer Kampagne (Responses wie z. B. Bestellungen)
  • Erstellung von passgenauen Kundenprofilen, Segmenten oder Personas zur gezielten Ansprache per Mail oder auf der Webseite

Folgende Beispiel-Use-Cases deckt eine Engagement CDP schwerpunktmäßig ab:

  • Anbindung einer Data Management Platform, Export einer Audience zu einer DMP, Erstellung eines Look-alike-Matchings
  • Übermittlung von Webbesuchern für Re-Targeting an eine Data Management Platform (DMP)

 

Zusammenfassung

Bei Auswahl der richtigen CDP-Art sollte man unbedingt auf die verschiedenen Schwerpunkte achten, die die einzelnen Kategorien von Customer Data Platforms aufweisen. Legt man den Schwerpunkt der Anforderungen auf die Integration der Kundendaten, so ist eine Data CDP die erste Wahl, liegt der Schwerpunkt auf Analytics oder komplexe Journeys, so fällt die Wahl auf eine Analytics oder Engagement CDP. Vorher erstellte Use Cases, die das eigene Geschäftsmodell möglichst konkret abbilden, sollten bei der Auswahl der richtigen Customer-Data-Platform-Kategorie unerlässlich sein.

Im dritten und letzten Beitrag der CDP-Blogreihe geht es um die Auswahl und Entscheidungsfindung für eine Customer Data Platform: Wie gehe ich bei einer Evaluierung vor? Welche einzelnen Schritte sind zu tun? Was gibt es dabei zu beachten? Und: Welche typischen Fehler kann man vermeiden?

Laurentius Malter
Dein Ansprechpartner
Laurentius Malter
Competence Center Leiter
Laurentius ist leidenschaftlicher Experte für Customer Engagement & MarTech. Eines steht fest: Marketing und Customer Experience wird immer digitaler und damit immer technischer. Der Einsatz von Marketing Automation und das richtige Daten-Management sorgen dafür, dass die richtige digitale Interaktion mit den Kunden zu einem echten Wettbewerbsvorteil wird.
#Kundenversteher #dataisthenewfuel #engagementisfuture