CDP: Die versteckten Schätze in den Daten
Daten sind in der heutigen Geschäftswelt der Schlüssel zum Erfolg. Um Kunden präzise zu verstehen und ihnen maßgeschneiderte Erlebnisse zu bieten, analysieren Unternehmen große Informationsmengen. In diesem Zusammenhang gewinnen Customer Data Platforms (CDPs) zunehmend an Bedeutung. Nach einer Einführung in die verschiedenen CDP-Systeme und deren Funktionen, richtet sich unser Augenmerk jetzt auf den wertvollsten Schatz, den eine CDP bergen kann: die Kundendaten.
Die All-in-One Lösung für datengetriebene Kundenbindung und personalisierte Kommunikation
Eine CDP ist eine Software, die Kundeninformationen sammelt, analysiert und verwaltet. Die Daten stammen in der Regel aus unterschiedlichen Quellen wie beispielsweise CRM-Systemen, Werbekanälen/Websites, sozialen Medien, E-Commerce-Plattformen und anderen und werden durch die CDP an einer Stelle zusammengeführt, für integrierte Prozesse aufbereitet und prozessbedingt wieder verteilt. Unternehmen, die sie einsetzen, können sich so strukturiert mit ihren Kunden auseinandersetzen, tiefere Insights gewinnen und die erlangten Erkenntnisse nutzen, um durch individuellere und personalisierte Kommunikation eine stärkere Kundenbindung zu erzeugen.
Doch bevor wir über die technischen Aspekte sprechen, gilt die erste Überlegung dem Inhalt – also den Kundendaten.
Was ist eine Customer Data Platform?
Quelle: Vision11 nach insidebigdata
Die entscheidenden Schritte zu optimalen Nutzung einer CDP
Die aus der Datenbanklehre noch bekannten drei Normalformen finden in abgewandelter Form hier wieder ihre Anwendung. So ist es bei einer CDP-Nutzung durchaus ratsam, folgende Punkte weitreichend zu betrachten:
- Datenanalyse: Datenquellen und ihre –strukturen
- Datenbereinigung: Datenquantität und -qualität
- Datenintegration: Datenquellen und -flüsse (und ein bisschen Datenhoheit)
Datenanalyse
Ein grundlegendes Konzept in der Datenanalyse ist die sogenannte Normalisierung, die dazu dient, Datenbanken in eine bestimmte Form zu bringen, um ihre Effizienz und Integrität zu gewährleisten. Eine wichtige Stufe dieser Normalisierung ist die erste Normalform: „Jedes Attribut der Relation muss einen atomaren Wertebereich haben, und die Relation muss frei von Wiederholungsgruppen sein.“
Wird dieses Konzept auf die CDP übertragen, ergeben sich folgende Fragen:
Welche Daten sollen in der CDP zusammengetragen werden?
Sinnvoll ist sicherlich die gängige Gliederung in Stammdaten, also Informationen, die sich nicht oder selten ändern:
- Transaktionale Daten, wie Bestellungen in einem Onlineshop
- Marketingrelevante Daten wie Newsletter-Abonnements, Interessen oder Favoriten
- Alle datenschutz-relevanten Informationen wie erteilte oder entzogene Einwilligungen
Welche Datenquellen werden für die Daten benötigt?
Hier stellt sich häufig die Frage, welches System für die Generierung und Speicherung der Daten genutzt wird. Sind Schnittstellen zu diesen Systemen vorhanden und wie können diese genutzt werden? Häufig ist hier auch schon zu überlegen, wer die Verantwortung für diese Daten hat und wie sich diese auf einen späteren Prozess auswirken.
Welche Prozesse generieren die Daten?
Und damit verbunden die weiteren Fragen: Wie vertrauensvoll sind diese? Kann den Daten und ihrer Qualität blind vertraut werden oder sind Sicherheitsmechanismen wie z.B. ein Vier-Augen-Prinzip notwendig?
In welcher Granularität liegen die Daten vor und sind die Datenfelder wirklich „atomar“?
Datenbereinigung
Die zweite Normalform würde sich nun auf die Relation beziehen. Hier weichen wir allerdings etwas vom Vergleich ab und hinterfragen, wie viele Datensätze tatsächlich ein-eindeutig sind, welche Datensätze unseren Qualitätsansprüchen genügen oder ob wir uns auch von Datensätzen befreien können, sprich diese löschen können.
Diese Fragen stellen wir uns vor allem, um einerseits die CDP nicht mit unnötigen Daten zu befüllen und andererseits später keine weiteren Doubletten zu erzeugen oder Analysen zu verfälschen.
Genaueres zum Thema Datenbereinigung gibt es hier.
Bei der Datenbereinigung geht es vor allem auch um die Vollständigkeit und Korrektheit der Daten und wie diese für eine marketingrelevante Segmentierung genutzt werden können. Häufig stellen wir bei der Bereinigung auch fest, dass Lücken oder Fehler vorhanden sind. Diese können dann entweder über andere bereits bestehende Systeme sowie Datenpunkte geschlossen oder korrigiert werden. In den meisten Fällen ist es auch hier ratsam, sich Gedanken über die Prozesse der Datenaktualisierung zu machen, damit die Daten stets auf dem neuesten Stand sind.
Datenintegration
Aus der dritten Normalform: „Eine Relation befindet sich in der 3. Normalform, wenn sie die 2. NF erfüllt und keine funktionalen Abhängigkeiten der Nichtschlüssel-Attribute untereinander bestehen. Solche Abhängigkeiten bezeichnet man auch als transitive Abhängigkeiten. Weiterhin müssen alle Nichtschlüssel voll funktional abhängig vom Schlüsselattribut sein.“
Übertragen auf die CDP heißt das also: Bei der Anbindung der Quellsysteme ist darauf zu achten, dass die zu übertragenden Daten so gespeichert werden, dass sie unabhängig von der späteren Verwendung abgebildet werden können“. Zur Verdeutlichung ein Beispiel: Eine Kundenkampagne soll an alle versendet werden, die eine spezielle Produktgruppe als Interesse ausgewählt haben. Darüber hinaus könnten aber auch Website-Besuche indirekt als Interesse interpretiert werden. Es muss also möglich sein, das Interesse auf unterschiedliche Interessenquellen zu übertragen und über diese auf Personen zu schließen. Diese werden dann in die Zielgruppe übernommen.
Bei der Verwaltung der CDP ist daher die Effizienz und Effektivität, mit der Daten gespeichert und wieder abgerufen werden, für ein Unternehmen mit am wichtigsten. Denn daraus generiert das Unternehmen den Mehrwert für seine Kunden.
Ein weiterer wichtiger Aspekt der Datenintegration ist die Gewährleistung der Datensicherheit und -privatsphäre. Mit der Einführung von GDPR und anderen Datenschutzgesetzen müssen Unternehmen sicherstellen, dass sie die Zustimmung der Kunden zur Nutzung ihrer Daten haben und dass die Daten sicher gespeichert und verwendet werden. Eine CDP kann dabei helfen, indem es eine zentrale und sichere Speicherlösung für Kundendaten bietet und gleichzeitig die Einhaltung der Datenschutzvorschriften gewährleistet.
CDP: Daten optimal für Kundengewinnung und –bindung nutzen
Die Nutzung einer Customer Data Platform (CDP) bietet die Möglichkeit, Kundeninformationen effektiv zu sammeln, zu analysieren und zu verwalten. Doch bevor man sich in die technischen Aspekte stürzt, ist es entscheidend, den Fokus auf die Kundendaten zu legen. Durch eine gründliche Datenanalyse, Datenbereinigung und Datenintegration können Unternehmen den wertvollen Schatz in den Daten effektiv nutzen und damit den Erfolg im digitalen Zeitalter vorantreiben.
In den nächsten Blogbeiträgen gehen wir näher auf die Auswahlkriterien der CDPs und der Implementierung ein.
Haben Sie Interesse an unserem Vorgehen, an Projektreferenzen oder an Best Practice Use Cases?
Kontaktieren Sie uns:
Daniel Erlwein
M +49 151 10832950
Weitere Posts
- 01 Oktober | Daniel Erlwein | CX Services |
Webformulare: Fluch oder Segen?
- 19 September | Daniel Erlwein | CX Services |
Lead Management: Aus der Praxis für die Praxis
Im digitalen Zeitalter sind Daten der Schlüssel zum Erfolg. Unternehmen sammeln und analysieren Unmengen von Informationen, um ihre Kunden besser zu verstehen und personalisierte Erlebnisse zu bieten. In diesem Kontext rückt eine Technologie immer stärker in den Fokus: Customer Data Platforms, kurz CDPs. Nachdem bereits auf die verschiedenen CDP-Systeme und deren Funktionen eingegangen worden ist, werfen wir nun einen Blick auf den wertvollsten Schatz, den eine CDP bergen kann: die Kundendaten.