如何通过CDP让数据为我所用,提升转化? 创略科技 5天前

来源:创略科技 时间: 2020-04-16

本文应《数字观察》约稿,阐释创略科技在疫情下的行业观点。

2019年是零售业面临巨大挑战和机遇的一年。一方面,实体店的未来仍然存在问题。

 

据Coresight Research估计,截至2019年12月20日,美国零售业已宣布关闭9302家门店,较2018年增加59%。

 

另一方面,我们正处于多渠道购物的一个令人难以置信的动态增长期,传统商店专注于数字化展示,而直接面向消费者(DTC)业务则出现爆炸式增长,年轻的DTC品牌投资于实体零售店。

 

2020年初,新冠肺炎疫情突如其来。这场公共卫生危机,在许多方面都是残酷和不公平的。

 

不过,可以肯定的是,此次疫情极大提升了新零售企业的市场渗透率。伴随用户在线时长的增加,数字零售企业收集了大量且丰富的第一方客户数据,足以为客户打造高度个性化的旅程,满足客户超个性化的营销体验,从而提升转化。

 

数据孤岛是营销人最大挑战

 

在竞争激烈的零售市场上,大规模的个性化已经成为一种商业需求。主要原因在于:客户获取成本(Customer Acquisition Costs,简称CAC)逐年上升。与此同时,客户生命价值(CLV)处于平均、停滞甚至下降的状态。

 

许多零售企业虽然拥有大量的第一方客户数据,例如网站、移动应用程序、电子邮件、购买和退货交易,甚至呼叫中心交互,均带来客户与品牌交互的大量信息。但营销人在实际营销活动中只能访问、分析和激活其中的一小部分数据。

 

问题在于,大多数营销人缺乏对所有实时数据的直接的、交互式的访问。当下,许多企业仍在以下一项或多项努力中苦苦挣扎:

 

l 相关性和敏捷性。不管是有危机还是没有危机,企业的每项业务都应专注于相关性与敏捷性。相关性意味着可以大规模的个性化。敏捷性则意味着对新信息或变化做出快速响应。

 

例如,如果能将客户浏览行为与过去的购买、服务交互、对产品的亲和力、电子邮件回复、购买频次等数据洞察结合起来。那么,营销人可以发现与最佳客户具有共同属性的其他消费者,如此,便能够针对这批消费者开展大规模的个性化营销策略,反之,实施起来则颇为困难。

 

就敏捷性而言,营销人可以试着问问自己:对客户的留言是否充耳不闻?以企业现在的响应方式,需要多久能实现营销目标……

 

l 数据孤岛。许多零售企业的数据散落在不同的营销渠道与系统,譬如散落在移动应用程序、网站、微信、CRM、电子表格、ESP、数据仓库等,这加深了数据的碎片化,形成数据孤岛。

 

由于数据彼此之间没有“交流”,或跨部门团队之间不能实现共享,抑或不能与martech堆栈中的其他软件同步,这阻碍了有效利用第一方客户数据,开展真正有效的营销。从新零售企业到新兴的DTC企业,都某种形式地经历了数据孤岛。

 

不过,仅因为数据分散在martech堆栈中而需要手动收集客户数据集,就不再是现代企业的关注点,尤其是独特且有一定规模的数据集成需求的企业。

 

此外,如果数据仍停留在过时的、分散的数据库中,那么数据孤岛可能会导致现有客户和潜在客户的信息重复,影响客户画像的完善;当然,还会产生财务影响,因为要拥有大量不同的系统来托管数据,通常需要花费很多金钱。

 

l 营销对IT的依赖。让营销人访问并且与所有相关数据交互并不容易,为此,许多零售企业都依赖IT,诸如,依赖IT进行数据收集、清洗、细分,以及将数据输送到其他平台,或依赖IT添加、删除字段,以及向客户资料添加新属性、推荐、评分,抑或依赖IT查看、部署和评估模型等。

 

如此,无法让营销人拥有更多的数据控制权,以针对客户数据洞察做出快速的、正确的营销响应。

 

最终,零售企业往往只根据一小部分数据和其他已经拥有的客户洞察开展营销活动,推送“有哪些新动态”和“你可能也喜欢”之类的泛泛信息。

 

或者,会根据单个客户的行为,比如点击数字广告或浏览产品页面,进行重新定位,这些策略在过去可能奏效,但最近的一项研究显示,其效果正变得越来越差。

 

如何通过CDP让数据为我所用

提升转化?

 

那么,如何充分利用好第一方客户数据,实时调整管理客户体验,满足快速变化的客户需求,进而提升转换?

 

1.客户数据合规

 

对营销人而言,合规是必选项。采取同意管理策略收集客户数据,更新如何使用他们的个人信息,以及为什么使用这些信息,是合规的一个重要组成部分。

 

同意管理策略能够帮助企业,通过允许选择不使用客户的营销信息,以及不掌控客户的数据,来表明关心客户和隐私。客户越信任,忠诚度越高。

 

此外,零售企业营销团队除了需要遵守《网络安全法》和《通用数据保护条例》(GDPR)等法规外,还需要遵循业务范围的安全标准,这取决于在处理之前实际存储和保存数据的位置。所有这些都是营销人如何思考合规性,以及使用客户数据中台(CDP)的基础。

 

2.客户数据准确且值得信赖

 

任何营销团队需要知道所创建和生成的每一个数据都是准确和可信的。

 

如果企业要理解和分析客户行为特征,则需要为客户存储许多接触点。例如,他们可能会拥有多个设备,可能有多个地址和电子邮件地址,有社会媒体标识,客户交互的任何接触点都将是一段数据,当然,这些必须以合规的方式处理。

 

为了了解预期或以往花费,营销人还需要检查交易交互。但是,需要达到怎样的准确性?诸如,知道订购数量,但是否清楚退回数量;价格是含税的还是不含税的。

 

数据的准确性和表现形式不仅仅取决于数据的数量,还取决于数据处理的方式。软指标可能值得考虑,比如客户可能会点击哪些产品,对什么感兴趣?最喜欢的颜色或时尚类型是什么?住在哪个地区?那里的气候怎么样?所有这些指标使你了解客户是谁。

 

挑战在于,客户搬家、更换电子邮件、结婚或离婚,子女数量、以及更改其喜好等变数。那么,营销人如何创建一个数据平台,该平台不仅在实施之日是准确的,而且随着时间的推移将变得更加值得信赖?

 

这是一个好的CDP将要面对的挑战。营销人如何将这些数据实时统一、整合在一起,以清晰地了解客户画像?如果营销人了解客户,知道他们对某一特定产品感兴趣,就能够相应地对客户进行响应。

 

但如果数据是错误的,那么基于数据的决策也将是错误的;如果支撑这一决策的指标是错误的,那么任何大规模个性化的尝试都将适得其反。

 

3.对客户数据拥有更多控制权

 

零售企业常说,“我花了3周时间添加一个新字段”,或者“2周前我就要求提取数据,但依然在等。”“IT部门和编写代码的人并没有感受到营销人的紧迫感。

 

”为了降低在需要时无法获得数据洞察的风险,营销人必须加以控制客户数据。这就是CDP发挥作用之处。

 

任何使用过数据库的营销人都知道,要获取答案的唯一有效方法是提取数据,将数据放入Excel中,然后将结果加载回数据库中。每个数据源必须经过摄取、清洗、标准化、验证,然后跨渠道和设备进行匹配和合并,才能添加到“黄金记录”中。

 

挑战在于,如果需要更改规则,例如假设营销人想要在任何系统,添加或删除字段,或更改偏斜定义,那么营销人将无法在没有完全控制所有相关数据的情况下进行更改。

 

因此,零售企业的营销人需要控制如何处理数据。CDP旨在为营销人提供控制权。如果营销人想要添加或删除数据,向客户资料添加新属性,或者添加推荐或评分,那么应该能够这样做。如此,营销人可以及时地做出正确的营销决策。

 

4.激活和执行数据

 

激活数据意味着将客户数据转换为支持营销决策的信息,而执行数据则意味着通过任何流出渠道或第三方系统发送数据以获得响应。这很关键,因为一旦数据干净、可信、准确,并由营销团队拥有与掌控,就必须对其进行集成。

 

如果无法进行集成,那么拥有这些数据就没有意义,所以许多CDP都具有内置的激活和集成功能。

 

考虑一下营销人可能需要执行的每一种数据处理(细分、分析、归因、报告、偏好管理、选择添加、安全),并加入客户旅程策划和营销活动管理。

 

当营销人说,“我需要激活并执行数据”,并不是在谈论导出数据或创建一个文件,而是试图实施自动化来减少人力劳作和减轻激活风险,从而以准确、合规、值得信赖和有效的方式执行典型的营销任务。

 

5.运用客户数据提升销售额和CLV

 

1)识别锁定类似最佳客户的潜在客户

 

理想状态下,营销人希望所有的客户都像最佳客户一样。事实证明,营销人越能统一不同营销渠道的数据,最佳客户就越好,也就越容易找到其他类似的客户。

 

营销人不仅可以针对对某一产品或产品类别感兴趣的消费者,还可以专门针对与你的最佳客户群拥有相同关键属性的人。这样,营销人可以制作出更有可能吸引这些潜在高价值客户注意力的信息。

 

2)设计关联性的客户旅程

 

在创建关联性的客户旅程时,请考虑以下关键的一步。

 

l 正确传递欢迎信息。第一次互动需要有所关联。要做到这一点,营销人需要区分,例如,哪些人分享了电子邮件地址但从未购买,哪些人因为第一次购买而分享电子邮件地址,哪些人是成为客户一段时间后才决定分享电子邮件地址。

 

l 通过合适的推荐实现快速响应。AI和机器学习可以帮助零售企业及时响应客户。营销人可以采用人工智能,根据客户行为和特定属性,自动、及时提供相关优惠。譬如,根据实时行为数据和所得细分数据,向忠诚客户提供特殊优惠。

 

l 对客户长期的行为模式做出反应。对于“普通”客户而言,三个月内没有购买并不那么糟糕。但对于特定的客户而言,这可能是一个强烈的信号,表明他们已经脱离并最终可能流失。为此,需要考虑创建积极主动的个性化沟通来重新吸引。

 

3)创造二次购买营销

 

据估计,80%的新顾客购买一次指定品牌。然而,在那20%的二次购买客户中,营销人有更好的机会将其转化为忠诚的长期客户。

 

这也是第二次购买为何如此重要。你越了解你的新客户,第二次购买营销活动就会越有效。

 

l 确定机会之窗。营销人常说,90天是推动二次购买的关键窗口。实际上,不同的品牌、不同的客户之间的机会窗口差异很大。如果某个特定客户的窗口只有几周,那么你不希望等待12周才发送留存消息。

 

但如果这段时间实际上是6个月,你不会想在3个月后就放弃。利用现有客户的历史数据,你可以更准确地确定你的机会窗口,并据此设计营销活动。

 

l 注重敏捷与交互性。不管机会的窗口有多长,营销人必须能够迅速行动,因为时间一到,顾客就开始购买。为了策划有效的营销活动,营销人应该能够访问并与首次购买时收集的所有相关客户数据进行交互,如购买的产品和总支出。

 

l 确定最佳二次购买优惠。“买了X的人也买了Y”的通用信息,就像所有基于单个客户接触点的消息传递一样,变得越来越没有效果。

 

然而,当营销人了解客户的历史、行为,并可以访问新客的所有相关数据时,便能够使用“相似”模型,即,发现现有客户关键特征的算法,从而以更高的精度确定下一个最佳优惠。

 

4)智能管理客户生命周期价值,增加客户留存率

 

麻省理工学院的研究数据显示,在新客与老客带来盈利相同的情况下,获取新客的成本比留住老客的成本高出16倍。

 

对于大多数零售企业而言,创建长期的、高价值客户,需要扩大他们从你这里购买的产品和服务的范围。同样,如果营销人对你当前高价值客户的行为有全面的洞察,则你将获得更细致的能力,来定位与他们具有一系列关键的行为和属性的其他客户。

 

而且,如果你可以快速,无缝地将过去的行为数据与实时数据结合在一起,那么你可以在客户处于购买模式时,向其传递正确的信息。

 

如今,AI和机器学习已成为现代营销的重要元素,许多营销人希望使用机器学习来构建和部署客户生命周期价值(CLV)模型,例如交叉销售模型、流失预警模型。

 

对零售企业营销人而言,留住客户并最大程度地提高客户体验,以增加CLV是营销的重点目标。

 

通过流失预警模型,对客户流失的倾向进行洞察,将帮助营销人创建超个性化的客户留存信息,并在客户旅程的正确时刻传递,从而增加客户留存率。

 

在现实世界中提升数据转化

 

案例一——某连锁咖啡品牌 创略科技通过收集的、基于该品牌全国的数据和客户的个人数据,释放AI,进行预测性机器学习,为TA推荐可搭配的甜品或其他产品,间接提升客户体验,进而实现数据转化。

 

具体实施包括:第一步,明确构建CDP的目的,包括打通ID、统一客户数据、完善客户画像、实现数据洞察。

第二步,接入、打通不同营销渠道、不同系统的数据,并实现数据可视化。

第三步,建立属于品牌自有的标签体系,包括注册地址、人口属性、支付偏好、会员信息、线上行为、门店消费等,并分析每个标签下的聚类结果,以及单个顾客的各项属性值。

第四步,结合AI,根据食品与饮品间的关系,实现针对品类的个性化推荐,与此同时,根据客户行为推荐优惠券。

第五步,将实际数据回传到CDP中,真正形成营销数据闭环。结果,平均客单价提高了至少10%。

 

案例二——某大型餐饮外卖O2O平台 创略科技通过为该O2O平台搭建完善的数字营销体系,提升微信端精准推送效率,快速激活粉丝,获取全网新客首单。

 

针对该O2O平台,主要应用场景包括:

 

1)缺少长期客户线上行为数据积累,难以做进一步的客户分析。

 

为此,创略科技帮助该平台收集微信小程序和公众号用户访问行为数据,实现打通OpenID和UnionID,并定期进行重定向营销。

 

2)通过运用高度个性化的微信内容传递来替代普通的微信内容,提升营销转化。第一步,将官方微信公众号的粉丝数据采用API的形式导入到CDP。

 

第二步,依据微信数据既有维度,完善客户标签体系,构建目标人群。

 

第三步,输出目标人群到微信营销模块,通过自动化营销功能,开展微信内容的个性化营销推送。最终,微信粉丝活跃度提升52%,新客获客成本降低15%。

 

2020年,注定是个不平凡的一年。从这次危机中走出来的企业将变得更加强大,因为它们能够在充满不确定性的时候采取大胆的行动。

 

希望零售企业可以借此机会,运用客户数据中台(CDP),加速数字化转型,充分让第一方客户数据为我所用。