אתמול בערב, בעודי מתקשר לספק התקשורת שלי (עמו שוחחתי 5 פעמים בשבוע האחרון בנוגע לתקלות ממיר חוזרות ונשנות) וממתין בחוסר סבלנות לנציג השירות, שוטטתי במכשיר הנייד שלי באחד מאתרי החדשות. והנה, מודעות נוצצות של אותו ספק תקשורת מלאו את האתר ועדכנו אותי על השירותים החדשים הנהדרים של הספק. באותו הרגע נמלאתי בכעס על הספק שבמקום להשקיע את כספו בשירות בי ולקוחות מתוסכלים אחרים משקיע בגיוס לקוחות עתידיים "מסכנים" נוספים. בנוסף, הרגשתי תחושת כאב עבור הספק שמבזבז את כספו על שיווק ללקוחות שמצבם "הנפשי" איננו מאפשר להם להיות בקשב לקמפיין שלו בו הושקע מאמץ וכסף רב.
מה נדרש היה כדי שאני ולקוחות אחרים לא נעבור חווית לקוח אומללה זאת שהחלישה את האהדה שלנו לספק?
היה נדרש:
• סנכרון מלא בזמן אמת של נתוני הלקוחות ממקורות המידע השונים : שירות, שיווק, מלאי וכו וראיית לקוח רחבה המרכזת את כל המידעים לתמונה מקיפה על הלקוח בכל נקודת זמן.
• יכולת אנליטית המנתחת באופן עצמאי את מכלול נתוני הלקוח ומסיקה שהלקוח נמצא בתקלת שירות מתמשכת הנמשכת מספר ימים ולפיכך "אינו פנוי" להצעות שיווקיות.
• יכולת אקטיבצית פעילות שיווקית/שירותית הולמת במגוון הנכסים הדיגיטליים של הארגון, ערוצי המגע המסורתיים (מוקד שירות, SMS, …) וערוצי מדיה (כגון פייסבוק, גוגל, …) היודעת להתחשב בתובנות וחיזויים כדי להתאים בחוכמה את המסרים ורשימות הפוטנציאל לקמפיין.
אחד מהנושאים החמים ביותר ביותר בשנה האחרונה בעולמות ה- Data Analytics ו- Marketing Analytics הנו Customer Data Platform (CDP) ליצירת ראיית לקוח אחידה בזמן אמת שתאפשר תקשורת מושכלת ויעילה מול כל לקוח באופן פרסונלי.
הנה מספר דוגמאות לשימוש ב- CDP:
• שילוב נתוני השירות עם השיווק בבנק כדי להבין שהלקוח סיים שיחת מיקוח על עמלות לפני זמן קצר בה בקשתו נדחתה ולכן כדאי להפסיק פעילות שיווקית מולו באימיילים, פייסבוק וגוגל ביומיים הקרובים, כדי לחסוך בתקציב השיווק ולא "לעצבן" אף יותר את הלקוח
• שילוב מערכות המלאי של חברת ecomm עם מערכות השיווק כדי לעדכן את הלקוח באופן מיידי כאשר מוצר שחיפש והיה מחוץ למלאי, שב למלאי וניתן לרוכשו, כולל המלצה על הנחה של 30% על מוצר משלים שמודל NBO הראה כי יש סיכוי גבוה שהלקוח ירכוש עם המוצר המשלים
• שילוב נתוני מכירות בחברת חומרה/תוכנה B2B עם נתוני השיווק, כדי לאפיין את פרופיל הלקוחות הרוכשים בהיקפים גבוהים, זיהוי לקוחות דומים להם בעולם באמצעות מודל Look-alike והשקת קמפיין לינקדאין בקרב מקבלי ההחלטות (CIO/CTO) בארגונים שזוהו כפוטנציאליים
אז כיצד CDP שונה מפתרונות שיושמו עד כה?
שילוב של נתונים ממקורות שונים לראיית לקוח רחבה הנו נושא ותיק שעבר גלגולים רבים לאורך השנים. מ- מעולם ה- Customer Data Management, דרך ה- Data Warehouse ועד ל- Data Lakes הנפוצים בשנים האחרונות.
ישנם מספר גורמים שהופכים את ה- CDP לנושא חדשני הטומן בחובו יכולות שלא היו קיימות בעבר, אל מול Data lakes ויישומים היסטוריים אחרים לאיחוד דטה ברמת הלקוח :
1. Real-Time Data Collection – לא מספיק לאחד את נתוני הלקוח ממערכות השונות, נדרש לעשות זאת בזמן אמת כדי שתהיה אמת אחת עדכנית בכל רגע נתון אודות כל לקוח. Data lakes משמשים בעיקר לאחסון נתונים המעודכנים אחת לפרק זמן (Batch) ושילוב יכולות עדכון נתונים ב- Real-Time מורכב מאד ליישום ותחזוקה שוטפת ב- Data Lakes.
2. שימוש במודלי AI ו- Data Science אוטומטיים, ללא צורך בפיתוח מודלים ידני, להעשרת הנתונים הגולמיים בתובנות ותחזיות המאפשרות לשפר את יכולות הסגמנטציה של הארגון. לדוגמה, ברשת שיווק, סיווג אוטומטי של הלקוחות לפי רמת פעילותם בכל קטגוריה ובאופן כולל או מתן אינדיקציה אם הם לקוחות קבועים או מזדמנים חובבי מבצעים בלבד (Cherry Pickers). או לדוגמה אחרת בעולם הפיננסי, על בסיס ניתוח הנתונים מהמקורות השונים, חיזוי סיכוי נטישת לקוח כבסיס לקמפיין שימור בפייסבוק בו יוצג קריאיטיב שונה ללקוחות בהתאם לרמת הסיכון נטישה שלהם. Data lakes אינם כוללים יכולות AI וכדי להפעיל AI ו- Data Science על הנתונים הנאגרים בהם נדרשת עבודת Data Science ידנית, ארוכה ומורכבת ע"י Data Scientists.
3. יכולת ניתוח הנתונים וסגמנטציה שלהם ע"י משתמשים עסקיים – אין טעם באיסוף וריכוז נתונים אם למשתמשים העסקיים לא קל ונוח לנתח אותם. מרבית פרויקטי Data Lake נכשלים בהנגשת הנתונים הנאספים בהם למשתמשים כך שיוכלו לנתח ולסגמנט המידע בקלות.
4. Real time Activation – נדרשת היכולת לאקטב את הדטה הגולמי והמועשר בתובנות וחיזויים , בזמן אמת, מול מגוון ערוצי מגע קלאסיים (מוקד), נכסים דיגיטליים (אתר, אפליקציה) וערוצי מדיה שונים(פייסבוק, גוגל, לינקדאין, אאוטבריין, …). בצורה זאת מידע שהתעדכן בזמן אמת, נניח שיחה קשה של הלקוח עם מוקד השירות, ישפיע מיידית על היכללות הלקוח והמסר המועבר ללקוח בקמפינים שיווקים בהם ייתכן והוא משתתף באותו הרגע. Data Lakes אינם כוללים כלל יכולות ניהול קמפיינים והחיבור שלהם לניהול קמפיינים בזמן אמת הנו מורכב ודורש תחזוקה שוטפת.
ארגונים שישכילו להשתמש בפתרונות CDP יצליחו לשתות מה- "גביע הקדוש" אותו מחפשים ה- Marketers שנים רבות ויהנו מיכולת שליטה בחווית הלקוח בזמן אמת, על בסיס ראיית לקוח מלאה, אחידה ועדכנית ותובנות ותחזיות חכמות. כל אלו יתורגמו לחווית לקוח טובה יותר ומבדלת ושביעות רצון לקוחות גוברת שיובילו להגדלת המכירות.
בשנה באחרונה Oracle השיקה פתרון CDP מתקדם הכולל יכולות איחוד נתונים ממקורות שונים בזמן אמת, מודלי AI ו- RT Predictive Scoring מובנים, כלי פרסונליזציה באתר ואפלקיציה, המלצות מבוססות AI ו- Predictive Scoring, ממשק משתמש ייעודי לאנשי שיווק ואינטגרציות מובנות לכלי מרקטינג אוטומיישן. הכלי משמש כיום ארגונים מובילים בעולם כתשתית נתונים מקיפה למתן חווית לקוח מעולה.
הכותב הוא: שמיר סגל , Marketing Cloud – Israel Sales Leader at Oracle
שריינו ביומנים – אירוע וירטואלי לאנשי שיווק ודאטה 8.3.21 // ORACLE
