Blog

Der Begriff Customer Data Platform oder kurz CDP ist gerade ein ziemliches Hypethema im Bereich der Marketingapplikationen. Viele Softwarehersteller springen auf diesen Zug auf. Doch was genau steckt eigentlich hinter dem Buzzword CDP und was bringt mir eine Customer Data Platform?

Was ist eine Customer Data Platform?

Fangen wir ganz einfach mit der Definition nach Gartner an:

A CDP is a marketing system that unifies a company’s customer data from marketing and other channels to enable customer modeling and optimize the timing and targeting of messages and offers.

Lizzy Foo Kune, James Meyers – Gartner Research März 2018

Ok, lasst mich das kurz übersetzen: Ein CDP ist also ein Marketingsystem, das die Kundendaten eines Unternehmens aus Marketing- und anderen Kanälen zusammenführt, um die Kundenmodellierung zu ermöglichen und das Timing und die Ausrichtung von Botschaften und Angeboten zu optimieren.

Lasst es mich noch mit meinen eigenen Worten formulieren:
Eine Customer Data Platform vereint die Kundendaten aus allen Kanälen, um die Kunden besser zu verstehen und diese Erkenntnisse direkt für weitere Marketingmaßnahmen nutzen zu können.

Ich denke das leuchtet einem sofort ein, aber woher stammt der Bedarf für eine CDP? Was fehlt aktuell in meiner Systemlandschaft?

Welches Problem löst eine Customer Data Platform?

Denken wir ein paar Jahrzehnte zurück: Früher kauften die Leute ihre Sachen in lokalen Geschäften und hatten eine persönliche Beziehung zu dem Verkaufspersonal. Die Verkäufer wussten genau über die Bedürfnisse ihrer Kunden Bescheid und konnten darauf eingehen.

Heutzutage findet ein zunehmender Teil der Interaktion mit Marken und Unternehmen über digitale Kanäle statt. Das heißt, die Kunden interagieren immer mehr mit Softwaresystemen statt mit Menschen. Das hat viele Vorteile, wie z.B. orts- und zeitunabhängiges Shopping.

Gleichzeitig fällt es den Unternehmen aber immer schwerer auf persönliche Bedürfnisse der Kunden einzugehen, insbesondere wenn Kunden über viele verschiedene Kanäle mit der Marke kommunizieren. Hinter jedem Kanal stecken ein oder mehrere Softwaresysteme, die die Kundendaten verarbeiten und speichern.

Die Herausforderung ist nun, dass in jedem dieser Systeme unterschiedliche Informationen zu jedem Kunden liegen, z.B.

• Website – Cookies
• Web Tracking – Browsingverhalten
• E-Mail Marketing – Newsletter Opt-In, Öffnungsraten, Klickraten, etc.
• eCommerce – Online Käufe, Retouren, etc.
• Call Center – Service und Beschwerden
• CRM – Kundenstammdaten
• uvm.

Was allerdings fehlt, ist der zentrale Überblick über alle Daten aus allen Systemen. Viele Firmen versuchen nun die Daten in einem großen Datawarehouse oder in einem Datalake zusammenzuführen. Dabei gibt es in erster Linie zwei Herausforderungen:

• Das Matching der Kontakte aus den verschiedenen Systemen ist nicht trivial. Es ist schwierig zu erkennen, dass unterschiedliche Profile ein und dem selben Kunden gehören, weil die Kunden unterschiedliche Daten über sich hinterlassen. Einmal ist es eine E-Mail Adresse, einmal eine Telefonnummer, dann vielleicht nur der Name…
• Der Zugriff auf diese Daten und deren Nutzung ist oftmals schwierig, weil die IT Abteilung die Hand auf der zentralen Datenbank hat und nur technisch versierte Leute damit umgehen können. Wenn nun das Marketing die Daten für Analysen oder Kampagnen nutzen möchte, dauert es oft sehr lange bis sich jemand hinsetzt und diese Informationen zur Verfügung stellt.

Aus Sicht des Endkunden leidet das Nutzererlebnis unter diesen Datensilos. Das merkt man bspw. daran, dass man immer wieder Anzeigen für Produkte sieht, die man schon längst gekauft hat, oder dass man per E-Mail immer wieder Angebote erhält, die einen nicht im geringsten interessieren.

Auch ein Mitarbeiter im Kundenservice tut sich schwer, weil er nicht alle Informationen zur Hand hat, die im Moment des Anrufs relevant sind. Was hat der Kunde sich bereits auf der Website angesehen? Hat er bereits ein Produkt in den Warenkorb gelegt?

Wie funktioniert eine Customer Data Platform?

Eigentlich ist es relativ einfach. Die CDP wird nun in die Mitte zwischen alle existierenden Systeme gesetzt und tauscht Daten in beide Richtungen aus. Erst werden alle verfügbaren Kundendaten aus den Quellsystemen geholt, dann werden diese bereinigt und zusammengeführt, damit man eine saubere Datenbasis bekommt. Auf dieser Basis kann man nun Analysen durchführen und Machine Learning Modelle darüber laufen lassen um Vorhersagen zu treffen, Stichwort Predictive Marketing.

Alles zielt darauf ab die Kunden besser zu verstehen und letztendlich Zielgruppen von Kunden zu bilden, die dann sofort für Marketingkampagnen genutzt werden können. Wenn ich meinen Kunden wirklich verstehe, dann kann ich ihm im richtigen Kanal, zur richtigen Zeit ein für ihn relevantes Angebot machen. Das Ganze ist dann sozusagen ein Data First Ansatz. Ich brauche erst eine vollständige und saubere Datenbasis, damit ich valide und intelligente Entscheidungen treffen kann.

Wie nutze ich eine CDP?

Der komplette Prozess der CDP Nutzung sieht folgendermaßen aus:

1. Data Ingestion: Alles beginnt mit der Integration der Quellsysteme. Hier ist es wichtig zu entscheiden, welche Daten benötigt werden und dass diese sauber gemapped werden.
2. Identity Resolution: Im nächsten Schritt werden die Daten standardisiert, damit sie möglichst gut miteinander verglichen werden können. Die Profile eines Kunden aus den verschiedenen Systemen werden nun zu einem einheitlichen Profil zusammengeführt. Hierfür gibt es viele Buzzwords, wie z.B. das 360° Kundenprofil, das Unified Customer Profile oder das goldene Kundenprofil. Hier fließen also alle Informationen über den Kunden zusammen, seine Transaktionen, sein Browsing und Klickverhalten, usw.
3. Analytics & Machine Learning: Nachdem wir nun eine saubere Datenbasis haben, können wir unsere Kunden und deren Verhalten analysieren. Machine Learning Algorithmen helfen dabei Verhaltensmuster zu erkennen, Cluster zu bilden und Erkenntnisse zu gewinnen auf deren Basis dann weitere Marketingaktivitäten durchgeführt werden können. Prinzipiell geht es darum Marketingmaßnahmen zu optimieren, damit man kein Geld verbrennt indem man den falschen Leuten irrelevante Angebote in den falschen Kanälen macht. Mit Hilfe von Machine Learning kann man Vorhersagen treffen wie hoch die Wahrscheinlichkeit ist, dass jemand heute noch etwas kauft oder auf einem bestimmten Kanal reagiert. Man kann bspw. auch Produktempfehlungen aussprechen oder die Sendezeit von Nachrichten optimieren.
4. Segmentation: Nun geht es Schritt für Schritt Richtung Kampagnen. Wir bilden Zielgruppen von Kunden mit gemeinsamen Eigenschaften, wie z.B. alle weiblichen Kunden aus Bayern, die innerhalb des letzten Jahres etwas gekauft haben, sich für Bergsportartikel interessieren, gut auf den E-Mail Kanal reagieren und eine hohe Wahrscheinlichkeit haben etwas zu kaufen.
5. Action: Dieses Kundensegment sende ich nun als Kampagne an eine Execution Platform, also an ein System das die Kampagne durchführt, bzw. sie versendet. Das kann bspw. ein E-Mail Marketing System sein, dass einen Newsletter versendet, oder ein Advertisingsystem, das Display Werbung schaltet, oder eine Re-Targeting Kampagne in den sozialen Medien. Die Kampagnen können natürlich auch automatisiert durchgeführt werden, z.B. wiederkehrend jede Woche.

Ist erstmal alles aufgesetzt, arbeiten Marketers im täglichen Betrieb nur noch mit Teilen der Plattform z.B. mit den Kampagnen oder mit den Analysefunktionen. Aber auch anderen Mitarbeitern aus anderen Fachbereichen kann der Zugriff auf die Plattform gewährt werden. So können bspw. Call Center Agenten aus dem Kundenservice Liveabfragen an das System schicken die Kundendaten einzusehen und um die Kunden besser beraten zu können.

Was unterscheidet eine CDP von anderen Tools auf dem Markt?

Eine CDP ist keine DMP! Eine Data Management Platform arbeitet in erster Linie mit anonymen Daten die für das Advertising gedacht sind. Eine Customer Data Platform arbeitet mit bekannten Kundendaten.

Eine CDP ist kein CRM! Ein Customer Relationship Management System speichert die Stammdaten und die Kommunikationshistorie der Kunden und kann somit als Datenquelle für eine Customer Data Platform dienen. Die CDP ist eher ein Marketingwerkzeug womit man die Kundendaten für Marketingzwecke nutzen kann.

Eine CDP ist kein DWH oder Data Lake! Ein Data Warehouse oder ein Data Lake ist eine Ansammlung von großen Datenbanken, die von der IT-Abteilung verwaltet werden. Der Zugriff auf die Daten ist in der Regel IT Mitarbeitern vorbehalten. In einer CDP haben die Marketers direkten Zugriff auf die Daten und können diese sofort für Kampagnen nutzen.

Der CDP Markt

Obwohl dieses Thema noch relativ neu ist, gibt es bereits eine Menge Softwarehersteller auf dem Markt, die eine Customer Data Platform anbieten. Manche davon sind noch sehr neu und klein, aber auch die ganz großen Marketing Cloud Anbieter sind gerade dabei ihre eigenen oder zugekauften Lösungen zu positionieren. Der Reifegrad der Lösungen unterscheidet sich allerdings teils erheblich. Insbesondere die Identity Resolution wird oft unterschätzt. Auch bei der Skalierbarkeit der Lösungen (die Menge der Daten die performant verarbeitet werden kann) gibt es enorme Unterschiede.

Eine gute Quelle für mehr Informationen zu CDPs ist das CDP Institute. Dort gibt es auch Vergleiche der verschiedenen Plattformen.

Zu guter Letzt möchte ich noch eine Buchempfehlung aussprechen. Der Gründer unserer CDP Omer Artun hat zusammen mit Dominique Levin ein Buch namens „Predictive Marketing“ geschrieben, in dem er erklärt, wie man die Software erfolgreich für sein Unternehmen einsetzt.

Ich hoffe mein kleiner Einblick in die CDP Welt hat euch gefallen. Wenn ihr mehr Informationen benötigt, könnt ihr euch gerne jederzeit an mich wenden.