Den komponerbare CDP-en og hva den betyr for produktanalyse

Det er flere trender som er i ferd med å forandre produktanalyse i dag. I mitt forrige innlegg snakket jeg om hvordan apper flyttes til et sentralisert datavarehus i skyen, og hvorfor produktanalyse bør bygges direkte på datavarehuset.

Datavarehusene er også i ferd med å endre hvordan bedrifter lagrer kundedataene sine i CDP-er (kundedataplattformer). CDP-er ble populære det siste tiåret som knutepunkter for innsamling, omforming og aktivering av data generert av kundeinteraksjoner på tvers av digitale berøringspunkter.

Nå ser vi fremveksten av en ny type CDP: den komponerbare CD P-en. Denne nye tilnærmingen er bygget rundt datavarehuset. Den tilbyr et modulbasert system av førsteklasses verktøy i stedet for den rigide, monolittiske arkitekturen som finnes i tradisjonelle CDP-er. I dette innlegget vil jeg kartlegge utviklingen fra CDP til komponerbar CDP og hvordan dette skiftet påvirker fremtiden for produktanalyse.

En kort historikk om CDP-er

En CDP er en alt-i-ett-dataplattform bygget for markedsførings- og produktteam. CDP-er fungerer som en database med all kundeinformasjon, med et samlet aktiveringslag som utnytter data for markedsføringsautomatisering. Før CDP-er fantes, fantes det administrasjon av webtagger.

En tagg er grunnleggende for digital annonsering og markedsføring, og en tagg er en usynlig del av innholdet på nettet, f.eks. en transparent sporingspiksel. På begynnelsen av 2010-tallet dukket CDP-er opp som en erstatning for tagger for å løse deres mange begrensninger.

CDP-er har en datasentrisk tilnærming til håndtering av kundeinformasjon. I stedet for å bruke tagger, samler CDP-er inn kundedata sentralt ved hjelp av SDK-er eller API-er, transformerer dem og sender dem videre til nedstrømsapper for aktivering. De fungerer på tvers av nett, mobil og andre plattformer. De fleste CDP-er har et bestemt skjema for å forenkle nedstrøms bruk, så det er opp til selskapet å følge CDP-spesifikasjonene for å få mest mulig verdi ut av dem.

I dag fremstår CDP-er som en vedvarende, enhetlig kundedatabase med følgende nøkkelfunksjoner

1. Datainnsamling: Innhenting av data i sanntid fra alle datakilder, inkludert full kundekontekst.
2. Datalagring og -styring: Lagring av skjematiserte data på ubestemt tid, tilgangskontroll og styring.
3. Datatransformasjon: Berik innsamlede data, først og fremst gjennom identitetsoppløsning, som slår sammen en persons interaksjoner på tvers av kanaler til en enhetlig profil.
4. Dataaktivering: Synkroniser profiler og målgruppesegmenter til nedstrømsapper, f.eks. markedsføringskanaler.

Fremtiden: komponerbar CDP

Selv om CDP-er var en katalysator for vekst i begynnelsen, har de i økende grad blitt en flaskehals i innføringen av moderne datapraksis. Den grunnleggende begrensningen er at de er bygget på et forenklet datalag, noe som hindrer mange applikasjoner med rike data i å utnytte kundeinformasjonen fullt ut.

Komponerbare CDP-er løser dette ved å bruke et standardkompatibelt datavarehus i skyen som dataplattformen som et helt økosystem av legoklosser kan bygges rundt for å gi førsteklasses løsninger for ulike behov.

Dette er en videreutvikling av CDP-arkitekturen i retning av større datasentrisitet, der datavarehuset blir den eneste sannhetskilden og databehandlingsplattformen for alle kundebehov:

• Datainnsamling: Utvidet til også å samle inn data som ikke er klikkstrømsdata (som status) fra applikasjonsdatabaser, SaaS-verktøy fra tredjeparter osv. for å gi et 360-graders bilde av kunden.
• Datatransformasjon: De enkle tingene er fortsatt enkle, f.eks. identitetsoppløsning gjennom DBT, men mer avanserte muligheter er tilgjengelige takket være SQLs fulle kraft. Brukerne kan utføre sammenkoblinger eller utføre komplekse beregninger, f.eks. ML-basert identitetsoppløsning med Zingg.
• Datamodellering: Få full kontroll over datamodellen slik at den passer til forretningsbehovene dine, nå og i fremtiden.
• Aktivering av data: Datavarehusets sofistikerte datamanipuleringsfunksjoner muliggjør et rikere økosystem av dataaktiveringsverktøy, slik at man unngår datasiloer.

Dagens store datavarehus i skyen (f.eks. Snowflake, Databricks) posisjonerer seg som den foretrukne komponerbare CDP-en. Rundt disse plattformene har det vokst frem et rikt økosystem av gjennomtenkte og velintegrerte dataapper og -tjenester.

Produktanalyse og CDP

Fremveksten av den komponerbare CDP-en fører til et skifte innen produktanalyse. Førstegenerasjons produktanalyseverktøy, som Mixpanel og Amplitude, henter inn produktinstrumenteringsdata fra SDK-en eller fra en CDP. Dataene plasseres i deres egne datasiloer, og analysene er begrenset til de "out-of-box"-funksjonene som disse verktøyene tilbyr.

Neste generasjon av produktanalyseverktøy kan derimot utnytte de mange data- og beregningsmulighetene som datavarehuset tilbyr. Det er derfor ingen overraskelse at 80 % av førstegenerasjons produktanalyseverktøy eksporterer instrumenteringsdata til datavarehuset for å kunne utføre mer omfattende analyser. Dette fører til større kompleksitet og kostnader.

La oss ta en titt på hvordan en typisk arbeidsflyt for produktanalyse ser ut ved bruk av Optimizely Warehouse-Native Analytics på en komponerbar CDP:

• Datainnsamling: Hent instrumenteringsdata fra Segment, Snowplow eller Rudderstack, sammen med forretningsdata fra applikasjonsdatabasene dine eller SaaS-verktøy fra tredjeparter ved hjelp av Fivetran. Lagre alle disse dataene i et datavarehus i skyen, for eksempel Snowflake, Databricks, AWS Redshift eller Google BigQuery.
• Datatransformasjon og modellering: Bygg en datamodell i Optimizely Warehouse-Native Analytics med full fleksibilitet fra et datavarehus med generell SQL-kompatibilitet, eventuelt ved hjelp av åpen kildekode-verktøy som dbt.
• Produkt- og atferdsanalyse med Optimizely Warehouse-Native Analytics: Ta utgangspunkt i selvbetjente produktanalysemaler, og fortsett med ad hoc-datautforskning for å få en dypere og rikere forståelse av produktbruk og kundeopplevelse.