Historien upprepar sig: kundanalys, C360 och warehouse-native

Många organisationer som jag har arbetat med under de senaste åren är någonstans i processen att bygga upp en Customer 360 (C360) i sitt datalager. C360 är tänkt att vara en enda sanningskälla som innehåller all data om våra kunder och som kan användas i hela företaget för allt från rapportering till kundaktivering. Produkt-, marknadsförings- och kundservicedata... du kan välja och vraka och C360 kommer att innehålla allt. Och det är inte svårt att föreställa sig varför man skulle vilja ha det här. I en värld där företag är sammanflätade - vad du bygger avgör hur du marknadsför och vice versa - och relationer rutinmässigt är omnikanal, är det viktigt att ha en sådan vy.

Figur 1 visar flera grenar av affärsanalys som används idag, tillsammans med de tillhörande data som krävs. Låt oss definiera varje term:

Kundanalys - Förståelse för våra kunders tidigare beteende för att kunna förutsäga och ändra framtida beteende genom all tillgänglig data om dem

• C360 Data - Ett enhetligt lager med allt vi vet om kunden och den perfekta platsen för att utföra kundanalyser

Marketing Analytics - Mätning och utvärdering av våra kundanskaffningsinsatser för att informera om framtida marknadsföringsinvesteringar och initiativ

• Marknadsförings-/kampanjdata - Data om tidigare marknadsföringskampanjer och eventuella resultat som involverar våra kunder, ofta hämtade från annonsplattformar och våra egna system

Produktanalys - Mätning och utvärdering av de produkter vi levererar till våra kunder för att informera om beslut om framtida produkt- och funktionsutveckling

• Produkthändelsedata - Data från produkten som fångar upp varje steg i en kunds interaktion med vår produkt

Operativ analys - Mätning och utvärdering av de mänskliga interaktioner (t.ex. försäljning, kundtjänst) som vi har med våra kunder för att få insikter om kvaliteten på dessa interaktioner och var det kan finnas avvikelser och möjligheter att mildra dem genom vår produkt

• Customer Contact Data - Data som ofta genereras av våra telefoni- och chattplattformar och som fångar upp detaljerade interaktioner mellan våra kunder och agenter

För en senare diskussion definierar vi även följande:

Customer Data Platform (CDP) - Ett operativt datalager som innehåller data om våra kunder och som ofta används för att aktivera kunder genom marknadsföringskampanjer och andra personaliserade upplevelser (t.ex. produktpersonalisering)

Alla företag har en önskan om att förstå hela kundresan, över varje enskild digital och icke-digital kontaktpunkt och över tid. De vill förstå användning, engagemang, konvertering, kvarhållande och affärseffekter, men måste navigera bland affärssystem, datakällor, dataåtkomst och till och med datatyper, från tidsseriedata till statisk data. Behovet av Customer Analytics förblir det yttersta målet.

I centrum för allt detta står C360. Idén om en C360 kan verka som ett nytt koncept, men sanningen är att vi under större delen av analytikens historia har haft den. Vi hade bara inget namn för det eftersom det var en grundläggande förväntan på våra datalager. Så vad förändrades? När produkterna började bli digitala producerade de data i en takt som våra befintliga plattformar inte kunde hantera. Detta ledde till fragmentering i vår datastack och punktlösningar, till exempel produktanalysplattformar, som förvarade en del av det vi visste om våra kunder i sina respektive åtskilda silos. I ärlighetens namn var denna eftergift en teknisk nödvändighet eftersom datalager inte var tillräckligt högpresterande för att hantera dessa data, än mindre väva samman dem med allt annat vi visste om våra kunder. Men denna eftergift, och andra liknande inom områden som marknadsföring, fragmenterade vår syn på kunden och fick oss att längta efter en enda sanningskälla.

Det här är inte bara ett abstrakt problem som leder till roliga esoteriska debatter utan större betydelse. Tvärtom, i ett företag där jag ledde analysavdelningen var en av våra största utmaningar med vår produktanalyslösning att hindra våra PM:er från att rapportera de retentionssiffror som plattformen tillhandahöll. Eftersom produktdata fanns i en åtskild del och våra offline-data (telefon) om avbokningar fanns i en annan, överskattades de retentionssiffror som rapporterades i vår produktanalyslösning väsentligt. Istället var vi tvungna att föra in produkthändelsedata i lagret och manuellt skapa rapporter om kvarhållande för att kunna rapportera om kvarhållande - vilket kraftigt saktade ner hela verksamheten och motverkade syftet med investeringarna i produktanalys.

Så småningom kom databasplattformar som Snowflake och Databricks ikapp problemet. Nu kan våra lager bearbeta stora volymer av t.ex. produkthändelsedata med tillräckligt låg latens för att tillgodose de flesta användningsfall. Åtskildheterna inom marknadsföring och produkt är inte längre tekniska nödvändigheter utan bara artefakter av våra befintliga datastackar. Äntligen kan vi samla ihop allt och bygga lösningar i våra datalager - CDP:er, produktanalyser, C360:er etc. kan göras på samma ställe. Det som gör idén med warehouse-native så övertygande är att eftersom alla dessa saker finns på samma ställe kan vi förhindra duplicering och de därmed sammanhängande ökningarna av saker som lagringskostnader och datainkonsekvenser.

Faktum är att när man tittar på många av dessa C360: er ser de konstigt ut som CDP: er. De har inte bara många av samma dataelement, utan många av användningsområdena kompletterar varandra. Det kundattribut som finns i vår CDP och som används för målgruppsinriktning av en kampanj är samma sak som vi behöver i vår rapporteringslösning för att dimensionera kampanj- och affärsprestanda. I många fall härleds dessa attribut från produkthändelsedata som tidigare var åtskilda i produktanalyslösningen. Den konceptuella återanvändningen av dataelement i olika användningsfall är helt logisk. När allt kommer omkring är kundattributet intressant eftersom det är handlingsbart, så frågan blir hur vi gör den fysiska implementeringen till en och samma sak? Tillkomsten av performanta datalagerplattformar och sedan warehouse-native analytics har tagit oss till en punkt där C360 och CDP kan vara en och samma sak.

Detta för oss tillbaka till där vi började - kundanalys och aktivering sker på samma plats och i samma takt. Inga fler åtskilda funktioner som splittrar vår syn på kunden och hindrar oss från att förstå dem i den utsträckning som krävs för att ge dem bra service. Den moderna datastacken, inklusive lagerbaserade plattformar, återförenar oss med våra kunder, och det är inte en stund för tidigt.

John Humphrey har över två decenniers upplevelse av att hjälpa företag att frigöra insikter och aktivera data i skala upp. Hans upplevelse inkluderar att ha varit den första datahyrningen på Goodreads (förvärvad av Amazon), ledande LegalZooms dataorganisation genom sin börsintroduktion och senast som Chief Data Officer på Intuit Mailchimp. John är rådgivare på Optimizely Warehouse-Native Analytics.