CDPs القابلة للتكوين: كيف تختلف عن الحلول المجمعة؟

"CDP القابل للتكوين ليس شيئًا. الهندسة المعمارية القابلة للتركيب هي "، كما كتب زميلي كريج هوارد سابقًا في رسالة داخلية. وأوضح أن منصات بيانات العملاء (CDPs) اكتسبت قوة دفع عندما لم تتمكن المؤسسات من تنفيذ متجر بيانات العملاء الخاص بها على السحابة الأصلية ويمكنها شراء حل تجاري جاهز - وهو حل CDP "مجمّع" - يمكن أن يساعدهم على إدراك الفوائد من تقنيات السحابة من خلال إدارة بيانات العملاء الخاصة بهم.

لكن الأمور تغيرت مؤخرًا:

• طورت مؤسسات تكنولوجيا المعلومات وبنت مهارات حول تقنيات السحابة.
• غالبًا ما تجاوزت احتياجات تكامل البيانات قدرات CDP. يكافح العديد من CDPs لإدارة هياكل البيانات المعقدة أو التعامل مع الإجابة على الأسئلة المعقدة حول البيانات.
• أدخلت السياسات ومجموعة من القوانين العالمية تعقيدًا حول الخصوصية والموافقة وإقامة البيانات.

تعمل العلامات التجارية الآن على إنشاء عرض العميل الفردي الخاص بها من خلال دقة الهوية السحابية الأصلية وتكامل البيانات وإمكانيات تخزين البيانات. تتكيف CDPs مع هذا النموذج ، وسحب البيانات والنمط المعماري الناتج ، ويطلقون على أنفسهم اسم "CDP قابل للتكوين".

المعبأة مقابل التركيب

يعتمد CDP القابل للإنشاء على بنية مثبتة في مخزن بيانات سحابي لبيانات العميل. في التركيب ، يصبح CDP منصة تنسيق - إدارة الجماهير والرحلات وتفعيل بيانات العميل.

ومع ذلك ، فإن اتخاذ قرار بشأن استخدام CDP القابل للتكوين مقابل المعبأ ليس بالأمر السهل. أولاً ، إذا كنت تتسوق لأي منهما ، فإن رأسك في المكان المناسب. تنشيط بيانات الطرف الأول عبر القنوات هو المستقبل. إذا كان قرارك قابلاً للتكوين مقابل مستقل ، فهناك الكثير لتفكيكه.

التقارب

في عام 2021 ، كان على المرء أن يختار بين ETL العكسي (المركب) أو CDP. اليوم ، هذا الخيار ليس واضحًا. يمكن للعديد من CDPs وتقنيات التسويق الاستعلام عن قاعدة بيانات.

على سبيل المثال ، خطت Lytics و ActionIQ و mParticle و Blueshift وغيرها خطوات نحو الاتصال أصلاً بمستودع بيانات العميل والبيانات القيمة الموجودة فيه. يمكن للمرء أن يتدرب بشكل فعال على التركيب مع بعض CDPs التي سبق اعتبارها معبأة.

تطبيق

يبدو الأمر بسيطًا - قم بصفع ETL عكسيًا على مستودع بيانات موجود. نعم ، قد يكون تنفيذ "قابل للإنشاء" أسهل في التنفيذ. عادةً ما يكون وقت التقييم أسرع إذا كان لديك ما يلي:

• يمكن الوصول بسهولة إلى جميع تدفقات البيانات الرئيسية في مستودع البيانات الخاص بك.
• تم وضع إستراتيجية حل الهوية.
• فريق تحليلات أو بيانات مؤسسية متفاعل.

وبالتالي ، يدفع CDP المركب التبعيات إلى مستودع بيانات العميل. قد يوفر CDP وقتًا مشابهًا أو أفضل للقيمة إذا لم تستوف المعايير المذكورة أعلاه. على سبيل المثال ، يتم وضع إستراتيجية لحل الهوية أثناء الإعداد باستخدام العديد من حزم CDPs.

بالإضافة إلى ذلك ، قد تزود الموصلات الشائعة لمنصات البريد الإلكتروني وغيرها من martech العميل بمجموعات بيانات لم يخزنها من قبل. تمنح هذه البيانات الجديدة واستراتيجية دقة الهوية العديد من العملاء "عميل 360" كقيمة مضافة.

حفر أعمق: أين يجب أن يتناسب CDP في كومة martech الخاصة بك؟

حالات استخدام CDP القابلة للتكوين مقابل المعبأة

حالات الاستخدام التي تم تحقيقها في نهج قابل للتركيب لا تختلف اختلافًا جوهريًا عن CDP المعبأ. هناك استثناءات - تقدم CDPs مثل Lytics و BlueConic تخصيصًا بسيطًا للموقع.

إذا كانت البيانات الأساسية للقطاع موثوقة لأغراض التسويق وتسمح استراتيجية حل الهوية بالتنشيط في قناة معينة ، فإن حالات الاستخدام محدودة فقط بقدرات الفريق الذي يستخدم الأداة. ومع ذلك ، قد تحتوي CDPs المعبأة على تعلم آلي (ML) ، وإعداد تقارير ودعم في الوقت الفعلي قد يحتاج الممارسون القابلون للتكوين إلى حلها بشكل منفصل.

دقة الهوية

لن يؤدي الحل القابل للإنشاء إلى تحليل هوية. تعتمد البنى القابلة للتركيب على مفاتيح الربط الموجودة مسبقًا ، أو دقة الهوية السحابية الأصلية لمجموعات البيانات المتباينة أو جدول العملاء الموجود مسبقًا مع جميع معايير التجزئة ذات الصلة.

يمكن أن تعمل CDPs مع إستراتيجية حل هوية موجودة مسبقًا ، على غرار البنى القابلة للتركيب - أو يمكنهم إنشاء إستراتيجية حل هوية للعميل كجزء من تنفيذها. في كثير من الأحيان ، هناك نهج هجين حيث يستخدم CDP استراتيجية حل الهوية الموجودة مسبقًا للعميل ثم يقوم بتعيين القنوات الجديدة وتدفقات البيانات في استراتيجية حل الهوية هذه.

حفر أعمق: دليل إلى عالم جديد غريب من دقة الهوية

تجزئة

تقدم العديد من CDPs المعبأة واجهات أمامية بدون SQL ، وقد حققت حلول ETL العكسية القابلة للتكوين تقدمًا على هذا الصعيد. وبالمثل ، لا يتم إنشاء جميع CDPs بالتساوي وبعضها يضع عبئًا تقنيًا أكبر على المستخدم النهائي.

تحتاج بعض CDPs إلى تسوية البيانات أو تعيينها للحد من الصلات المعقدة. هذا للحد من أبعاد البيانات وتقديم استجابات في الوقت الفعلي.

قد تكون الطبيعة في الوقت الفعلي لهذه العمارة ميزة للبعض. ومع ذلك ، فإنه يضع قيودًا حقيقية على القدرة على طرح أسئلة معقدة عن البيانات. إذا كان الوقت الفعلي مهمًا ، فقد يكون لبرامج CDP المعبأة ميزة. إذا كانت الأسئلة المعقدة وتخطيط البيانات الأقل صعوبة في التنفيذ أمرًا بالغ الأهمية ، فقد يعمل التركيب بشكل أفضل بالنسبة لك.

مراقبة البيانات

المتطلبات القانونية المعقدة للموافقة ، وتخزين البيانات ، وإقامة البيانات وحقوق الوصول / الحذف هي على رأس أولويات العديد من صانعي القرار في البنية التركيبية مقابل قرار CDP المعبأ. في هذا المجال ، يتمتع composable بميزة.

يضع Composable مستودع البيانات في مركز عالم التسويق. توفر مستودعات البيانات السحابية ضوابط مرنة للموافقة وإقامة البيانات. يمكن أن تعمل الحلول القابلة للإنشاء ضمن إطار عمل حوكمة موجود مسبقًا ، بما في ذلك الدعم متعدد المناطق وانتهاء صلاحية البيانات والحماية على مستوى العمود.

غالبًا ما تقوم CDPs المعبأة بإعادة إنشاء الجوانب الرئيسية لبيانات العميل في بيئة مُدارة من CDP. يؤدي هذا إلى إنشاء مشكلات عملية لأشياء مثل الطلبات ذات الصلة بـ GDPR و CCPA. كما أنهم مجبرون على العمل مع سمات الموافقة المقدمة من العميل أو الاندماج مع منصات موافقة الجهات الخارجية. تحاول بعض CDP تخفيف هذا الأمر عن طريق تثبيت CDP "محليًا".

حان الوقت للقيمة

يختلف الوقت المستغرق في القيمة بشكل كبير من قبل العميل. كما ذكر أعلاه ، من الناحية النظرية ، يكون الوقت المستغرق في القيمة أسرع مع إمكانية التركيب إذا تم استيفاء معايير تنظيمية معينة. إذا لم يتم استيفاء هذه المعايير ، فإن CDP المعبأ له بعض المزايا الهيكلية.

ومع ذلك ، لا يمكن أن تدعي CDPs النجاح دائمًا. لقد رأينا وقتًا للتقييم في أقل من 30 يومًا ، ولسوء الحظ تم استدعاؤنا لإنقاذ الجهود المتعددة السنوات مع تقديم القليل من القيمة. على الرغم من ذلك ، إذا كانت لديك مشكلة متعددة السنوات ولم تنجح ، فربما لا تتعلق المشكلة بالتكنولوجيا بقدر ما تتعلق باستراتيجية حالة الاستخدام ، أو عمليتك لاعتماد التكنولوجيا الجديدة أو نقص المهارات أو التوافر أو الاستمرارية في فريق العمل لديك.

علم البيانات والتعلم الآلي

يعتمد النهج القابل للتركيب على مؤسسة تقدم معلوماتها الخاصة أو أفضل الحلول لمجموعة البيانات. تقدم العديد من CDPs علم بيانات خارج الصندوق. في تجربتنا ، تقتصر القدرات التي يوفرها CDP على الفريق الذي يستخدم النظام الأساسي. إذا كان الفريق متقدمًا ، فقد يتمكن من استخراج قيمة من ميزات علوم البيانات.

نعتقد أن علم البيانات يجب أن يكون راسخًا داخل عملية التسويق. إذا لم يجد فريقك فائدة في إمكانيات ML لديهم ، فلديك الفريق الخطأ أو العملية الخاطئة. إذا لم يكن لدى فريقك قدرات تعلم الآلة ، فاعمل مع خبير يمكنه مساعدتك في تحديث عمليات التسويق الخاصة بك.

حفر أعمق: قياس اعتماد CDP: إطار شامل

الأسئلة الرئيسية التي يجب مراعاتها قبل الانتقال إلى CDP القابل للتكوين

إن قرار الانتقال إلى CDP القابل للتكوين أو المعبأ دقيق للغاية. تتداخل الاختلافات وهناك تبعيات محددة لمستودع بيانات العلامة التجارية ، والتقنيات المكملة (ذكاء الأعمال ، والتعلم الآلي ، وما إلى ذلك) وحالات الاستخدام المرغوبة.

قبل اتخاذ قرار بشأن نهج ما ، يجب على العلامات التجارية أن تطرح على نفسها بعض الأسئلة التالية:

• ما هي حالات الاستخدام التي أحاول حلها؟ يجب مراعاة الاعتبارات المتعلقة بحذف ملفات تعريف الارتباط للجهات الخارجية ، والحاجة إلى حالات الاستخدام في الوقت الفعلي والاتصال بمكدس martech الحالي.
• هل جميع البيانات الرئيسية مقيمة بالفعل في مستودع البيانات الخاص بي؟ على سبيل المثال ، هل لديّ البريد الإلكتروني وموقع الويب والبيانات الرئيسية من المتاجر أو القنوات المملوكة الأخرى المتاحة على مستوى العميل؟ هل يمكنني ضم مجموعات البيانات هذه معًا للحصول على عرض عميل موثوق به بشكل معقول بالفعل؟
• ما مدى نضج قدرة التقارير والتحليلات الخاصة بي؟ هل يمكنهم بسهولة دعم الإبلاغ عن الجماهير التي أنوي تكوينها واستخدام الحالات التي أعتزم نشرها والعائد على الاستثمار المرتبط بهذه الجهود؟
• هل لدي الأدوات اللازمة لدعم القرار القائم على ML في جمهوري؟

عندما نعمل مع الشركات التي تنشر CDP ، يكون فريقنا عمومًا قد قدم التزامًا تنظيميًا لنشر بيانات الطرف الأول على نطاق واسع. ساعد هذا الالتزام المتأصل في سرعة ونجاح عمليات نشر CDP.

من المبكر معرفة كيف ستؤثر حلول ETL العكسية على نشر بيانات عملاء الطرف الأول على نطاق واسع. ومع ذلك ، فإن المستقبل مشرق للتطبيقات السريعة للوقت للقيمة والقدرة على السماح بتواجد البيانات ومخاوف الخصوصية.