CDP composables : en quoi diffèrent-ils des solutions packagées ?

« Le CDP composable n'est pas une chose. L'architecture composable l'est », a précédemment écrit mon collègue Craig Howard dans une missive interne. Il a expliqué que les plates-formes de données client (CDP) ont gagné du terrain lorsque les organisations ne pouvaient pas mettre en œuvre leur propre magasin de données client natif dans le cloud et pouvaient acheter une solution commerciale prête à l'emploi - un CDP "packagé" - qui pourrait les aider à réaliser les avantages des technologies cloud en gérant leurs données clients.

Mais les choses ont changé plus récemment :

• Les organisations informatiques ont évolué et développé des compétences autour des technologies cloud.
• Les besoins d'intégration de données ont souvent dépassé les capacités du CDP. De nombreux CDP ont du mal à gérer des structures de données complexes ou à répondre à des questions complexes sur les données.
• Les politiques et un patchwork de lois mondiales ont introduit de la complexité autour de la confidentialité, du consentement et de la résidence des données.

Les marques créent désormais leur vue client unique avec des capacités de résolution d'identité natives dans le cloud, d'intégration de données et de stockage de données. Les CDP s'adaptent à ce paradigme, aux nuages ​​de données et au modèle architectural composable qui en résulte, s'appelant eux-mêmes un « CDP composable ».

Emballé vs composable

Un CDP composable est basé sur une architecture ancrée sur un magasin de données cloud pour les données clients. Dans composable, le CDP devient une plateforme d'orchestration — gérant les audiences et les parcours et activant les données clients.

Pourtant, décider d'opter pour un CDP composable ou packagé n'est pas simple. Premièrement, si vous magasinez pour l'un ou l'autre, votre tête est au bon endroit. L'avenir consiste à activer les données de première partie sur tous les canaux. Si votre décision est composable ou autonome, il y a beaucoup à déballer.

Convergence

En 2021, il fallait choisir entre reverse ETL (composable) ou CDP. Aujourd'hui, ce choix n'est pas tranché. De nombreux CDP et technologies marketing peuvent interroger une base de données.

Par exemple, Lytics, ActionIQ, mParticle, Blueshift et d'autres ont fait des progrès vers la connexion native à un entrepôt de données client et aux précieuses données qu'il contient. On peut effectivement pratiquer le composable avec certains CDP précédemment considérés comme packagés.

Mise en œuvre

Cela semble simple - appliquez un ETL inversé sur un entrepôt de données existant. Oui, "composable" peut être plus facile à mettre en œuvre. Le délai de rentabilisation est généralement plus rapide si vous disposez des éléments suivants :

• Tous les flux de données clés sont facilement accessibles dans votre entrepôt de données.
• Stratégie de résolution d'identité élaborée.
• Une équipe d'analyse ou de données d'entreprise engagée.

Ainsi, un CDP composable pousse les dépendances vers l'entrepôt de données client. Un CDP peut fournir un délai de valorisation comparable ou supérieur si vous ne remplissez pas les critères ci-dessus. Par exemple, une stratégie de résolution d'identité est établie lors de l'intégration avec de nombreux CDP packagés.

De plus, des connecteurs communs pour les plates-formes de messagerie et autres martech peuvent fournir au client des ensembles de données qu'il n'avait pas stockés auparavant. Ces nouvelles données et la stratégie de résolution d'identité offrent à de nombreux clients un "client 360" comme valeur ajoutée.

Creusez plus profondément : où un CDP devrait-il s'intégrer dans votre pile martech ?

Cas d'utilisation CDP composable ou packagé

Les cas d'utilisation réalisés dans une approche composable ne diffèrent pas fondamentalement du CDP packagé. Il existe des exceptions - les CDP tels que Lytics et BlueConic offrent une personnalisation simple du site.

Si les données sous-jacentes au segment sont fiables à des fins marketing et que la stratégie de résolution d'identité permet l'activation dans un canal donné, les cas d'utilisation ne sont limités que par les capacités de l'équipe utilisant l'outil. Cependant, les CDP packagés peuvent avoir un apprentissage automatique (ML) intégré, des rapports et une prise en charge en temps réel que les praticiens composables peuvent avoir besoin de résoudre séparément.

Résolution d'identité

Une solution composable ne créera pas de résolution d'identité. Les architectures composables s'appuient sur des clés de jointure préexistantes, une résolution d'identité native dans le cloud pour des ensembles de données disparates ou une table client préexistante avec tous les critères de segmentation pertinents.

Les CDP peuvent travailler avec une stratégie de résolution d'identité préexistante, similaire aux architectures composables, ou ils peuvent créer une stratégie de résolution d'identité pour le client dans le cadre de leur mise en œuvre. Souvent, il existe une approche hybride dans laquelle un CDP utilise la stratégie de résolution d'identité préexistante du client, puis mappe de nouveaux canaux et flux de données dans cette stratégie de résolution d'identité.

Creusez plus profondément : un guide sur le nouveau monde étrange de la résolution d'identité

Segmentation

De nombreux CDP packagés offrent des interfaces sans SQL, et les solutions ETL inverses composables ont fait des progrès sur ce front. De même, tous les CDP ne sont pas créés de la même manière et certains imposent une charge technique plus lourde à l'utilisateur final.

Certains CDP doivent aplatir ou mapper les données pour limiter les jointures complexes. Cela permet de limiter la dimensionnalité des données et de fournir des réponses en temps réel.

La nature en temps réel de cette architecture peut être un avantage pour certains. Cependant, cela impose de réelles limites à la capacité de poser des questions complexes sur les données. Si le temps réel est important, les CDP packagés peuvent présenter un avantage. Si des questions complexes et un mappage de données moins onéreux dans la mise en œuvre sont essentiels, composable peut mieux fonctionner pour vous.

Gouvernance des données

Les exigences légales complexes en matière de consentement, de stockage des données, de résidence des données et de droits d'accès/de suppression sont au cœur des préoccupations de nombreux décideurs dans l'architecture composable par rapport à la décision CDP packagée. Dans ce domaine, composable bénéficie d'un avantage.

Composable place l'entrepôt de données au centre de l'univers marketing. Les entrepôts de données cloud offrent des contrôles flexibles pour le consentement et la résidence des données. Les solutions composables peuvent fonctionner dans un cadre de gouvernance préexistant, y compris la prise en charge multirégionale, l'expiration des données et la protection au niveau des colonnes.

Les CDP packagés recréent souvent des aspects clés des données client dans un environnement géré par CDP. Cela crée des problèmes de processus pour des éléments tels que les demandes liées au RGPD et au CCPA. Ils sont également obligés de travailler avec des attributs de consentement fournis par le client ou de s'intégrer à des plateformes de consentement tierces. Certains CDP tentent d'atténuer ce problème en installant leur CDP "sur site".

Temps de valorisation

Le délai de rentabilisation varie trop largement d'un client à l'autre. Comme mentionné ci-dessus, théoriquement, le délai de valorisation est plus rapide avec composable si certains critères organisationnels sont remplis. Si ces critères ne sont pas remplis, le CDP packagé présente certains avantages structurels.

Cependant, les CDP ne peuvent pas toujours revendiquer le succès. Nous avons vu le temps de valoriser en aussi peu que 30 jours et nous avons malheureusement été appelés pour sauver des efforts pluriannuels avec peu de valeur fournie. Cependant, si vous rencontrez un problème pluriannuel sans succès, le problème n'est probablement pas tant la technologie que votre stratégie de cas d'utilisation, votre processus d'adoption de la nouvelle technologie ou le manque de compétences, de disponibilité ou de continuité de votre personnel.

Science des données et apprentissage automatique

L'approche composable repose sur une entreprise apportant sa propre intelligence ou une solution de pointe à l'ensemble de données. De nombreux CDP proposent une science des données prête à l'emploi. D'après notre expérience, les capacités fournies par CDP sont limitées à l'équipe utilisant la plateforme. Si l'équipe est avancée, elle peut être en mesure d'extraire de la valeur des fonctionnalités de science des données.

Nous pensons que la science des données doit être bien ancrée dans une opération marketing. Si votre équipe n'a pas trouvé d'utilité dans les capacités de ML dont elle dispose, vous avez la mauvaise équipe ou le mauvais processus. Si votre équipe ne dispose pas de capacités de ML, travaillez avec un expert qui peut vous aider à moderniser vos processus marketing.

Approfondir : Mesurer l'adoption du CDP : un cadre complet

Questions clés à prendre en compte avant d'opter pour le CDP composable

La décision d'opter pour un CDP composable ou packagé est très nuancée. Les distinctions se chevauchent et il existe des dépendances spécifiques de l'entrepôt de données d'une marque, des technologies complémentaires (BI, machine learning, etc., etc.) et des cas d'utilisation souhaités.

Avant de décider d'une approche, les marques doivent se poser certaines des questions suivantes :

• Pour quels cas d'utilisation est-ce que j'essaie de résoudre ? Les considérations relatives à la suppression des cookies tiers, la nécessité de cas d'utilisation en temps réel et la connectivité à la pile martech existante doivent être prises en compte.
• Est-ce que toutes les données clés résident déjà dans mon entrepôt de données ? Par exemple, ai-je mon adresse e-mail, mon site Web et les données clés des magasins ou d'autres canaux propriétaires disponibles au niveau du client ? Puis-je déjà joindre ces ensembles de données pour obtenir une vue client raisonnablement fiable ?
• Quel est le niveau de maturité de mes capacités de reporting et d'analyse ? Peuvent-ils facilement prendre en charge les rapports sur les audiences que j'ai l'intention de créer, les cas d'utilisation que j'ai l'intention de déployer et le retour sur investissement associé à ces efforts ?
• Ai-je les outils nécessaires pour prendre en charge la prise de décision basée sur le ML dans mes audiences ?

Lorsque nous travaillons avec des entreprises qui déploient un CDP, notre équipe a généralement pris l'engagement organisationnel de déployer des données de première partie à grande échelle. Cet engagement inhérent a contribué à la rapidité et au succès des déploiements CDP.

Il est encore trop tôt pour dire quel sera l'impact des solutions ETL inversées sur le déploiement des données client de première partie à grande échelle. Cependant, l'avenir est prometteur pour les applications à rentabilité rapide et la capacité à tenir compte des problèmes de résidence des données et de confidentialité.