客户数据中台(CDP):当代数字化营销的顶梁柱

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。

ce3b9f1a77761e17a6d38cfd801744b5.jpg

编者按:本文系专栏作者投稿,作者联否Linkflow。

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。

本文为专栏作者授权创业邦发表,版权归原作者所有。文章系作者个人观点,不代表创业邦立场,转载请联系原作者。如有任何疑问,请联系editor@cyzone.cn。


来源:联否Linkflow
反馈
联系我们
推荐订阅