Giảm thời gian và các bước từ thông tin chi tiết về khách hàng đến hành động. Kích hoạt trải nghiệm kênh chéo kịp thời và được cá nhân hóa. Giảm thiểu rủi ro về dữ liệu người tiêu dùng đầu cuối. Có nhiều lý do để đầu tư vào nền tảng dữ liệu khách hàng (CDP) ngay hôm nay.
Và cũng có nhiều cách tiếp thị, phân tích, trải nghiệm kỹ thuật số và các nhóm tập trung vào tăng trưởng khác chịu trách nhiệm tương tác với khách hàng và / hoặc thúc đẩy tăng trưởng kinh doanh có thể tận dụng công nghệ để hợp lý hóa hoạt động hàng ngày và nhận ra kết quả kinh doanh tốt hơn.
Bất kể ngành hoặc mô hình kinh doanh của bạn là gì, CDP như BlueConic là một công nghệ thiết yếu cho phép công ty chuyển đổi rộng hơn và nhiều sáng kiến tăng trưởng gắn liền với nó, bao gồm đa dạng hóa trực tiếp đến người tiêu dùng (DTC), tiếp thị vòng đời kênh chéo, sản phẩm và trải nghiệm kỹ thuật số, kiếm tiền từ khán giả, dân chủ hóa phân tích và khoa học dữ liệu, v.v.
Tuy nhiên, một trong những rào cản lớn nhất để tận dụng tối đa CDP là hiểu những cách thức riêng biệt mà một doanh nghiệp có thể tận dụng để đạt được các mục tiêu chuyển đổi của mình. Vì vậy, chúng tôi đã tổng hợp một số Case study trong thế giới thực trình bày chi tiết cách các công ty trong các ngành – từ nhà bán lẻ, nhà sản xuất đến nhà xuất bản và hàng tiêu dùng – sử dụng BlueConic để chuyển đổi mối quan hệ của họ với khách hàng và tăng tốc phát triển.
Trường hợp sử dụng # 1: Xây dựng mối quan hệ DTC (Direct to consumer)
Đối với các công ty phải đối mặt với những thách thức cơ bản trong việc thu thập dữ liệu khách hàng – hãy nghĩ rằng các doanh nghiệp và nhà sản xuất hàng tiêu dùng đóng gói (CPG) dựa vào các nhà bán lẻ truyền thống và / hoặc thị trường thương mại điện tử để bán hàng của họ – thật khó để hiểu khách hàng của họ là ai, chưa nói đến việc đưa ra sự tương tác thông minh hơn chiến lược dẫn đến sự hài lòng và lòng trung thành cao hơn. Vấn đề này không phải là mới, nhưng nó đã được tăng cường do COVID-19. Khi ngày càng có nhiều người tiêu dùng chuyển sang online , áp lực đặt ra đối với các công ty này trong việc ưu tiên các mối quan hệ DTC để duy trì sự liên quan.
Giải pháp
Đó là lý do tại sao nhiều tổ chức trong số này đang chuyển sang sử dụng CDP: để xây dựng tập dữ liệu bên thứ nhất mạnh mẽ, hiểu rõ hơn về đối tượng của họ và giảm sự phụ thuộc của họ vào các nhà bán lẻ và nhà cung cấp bên thứ ba. Với dữ liệu thống nhất, có thể hành động trong tầm tay của họ, các công ty này sau đó có thể tạo ra các chiến lược tương tác DTC hoàn toàn mới. Cụ thể, họ có thể khám phá thông tin chi tiết mới về khách hàng, xây dựng các phân khúc thông minh hơn và áp dụng số liệu phân tích để hiểu rõ hơn và hành động theo thời gian thực về thói quen mua hàng, hành vi duyệt web, sở thích sản phẩm, v.v. của khách hàng.
Ví dụ trong thế giới thực: Nhà máy Đạp xe Bỉ (BCF)
Nhà sản xuất xe đạp biết rằng họ cần phải thiết lập một chiến lược DTC một cách nhanh chóng khi các đại lý của họ buộc phải đóng cửa trong thời gian xảy ra đại dịch. Bằng cách xây dựng một cửa hàng thương mại điện tử và sử dụng nó để thu thập dữ liệu người mua hàng, sau đó kết hợp dữ liệu đó với dữ liệu CRM do các đại lý cung cấp, BCF có thể tạo hàng triệu hồ sơ khách hàng hợp nhất bao gồm dữ liệu hành vi theo thời gian thực, trạng thái đồng ý tiếp thị, lịch sử mua hàng và hơn.
Đổi lại, công ty có thể xây dựng các phân khúc đa chiều, phong phú và kích hoạt chúng trên các kênh để mang lại trải nghiệm được cá nhân hóa cao. Cuối cùng, việc xây dựng mối quan hệ trực tiếp này với khách hàng đã cho phép BCF tối ưu hóa trải nghiệm của họ, chuyển đổi thành một doanh nghiệp thực sự dựa trên dữ liệu và đẩy nhanh tốc độ tăng trưởng doanh thu.
Kể từ khi thực hiện chiến lược DTC với BlueConic, Nhà máy Đạp xe Bỉ đã tăng 10-15% doanh số bán hàng.
Trường hợp sử dụng # 2: Cải thiện cá nhân hóa
Đưa ra thông điệp kịp thời, phù hợp với những khách hàng tiềm năng và khách hàng phù hợp với những tương tác, hành vi và sở thích gần đây nhất của họ và ‘gặp gỡ’ họ ở nơi họ đang có trong chuyến hành trình độc đáo. Đó là mục tiêu của nhiều công ty ngày nay. Nhưng có một điều mà nhiều người không thể nhận ra vì họ thiếu một giải pháp cho phép các nhà tiếp thị và các nhóm tập trung vào tăng trưởng khác nhận ra cùng một cá nhân trên các kênh và hệ thống và sử dụng những gì họ biết về người đó để liên tục đưa ra các thông điệp đúng (và ngăn chặn sai cái) ở mọi điểm tiếp xúc.
Giải pháp
Thay vì cung cấp những trải nghiệm và thời đại hỗn độn không liên quan và sai thời gian dựa trên vị thế hạn chế của mỗi cá nhân, các công ty có CDP có thể tận dụng chế độ xem khách hàng toàn diện, theo thời gian thực dựa trên dữ liệu từ các hành trình của khách hàng.
Sử dụng khả năng cá nhân hóa tích hợp và kết nối với nền tảng kích hoạt, các nhóm có thể cung cấp trải nghiệm phù hợp và có giá trị trên tất cả các điểm tiếp xúc và trong mọi giai đoạn vòng đời của khách hàng, đồng thời đáp ứng những thay đổi về sở thích, hành vi và tùy chọn quyền riêng tư của từng cá nhân.
Ví dụ trong thế giới thực: Franklin Sports
Nhà sản xuất đồ thể thao sử dụng BlueConic để hợp nhất tất cả dữ liệu hành vi, mua sắm và sở thích online và offline của họ trong các hồ sơ cấp độ cá nhân, liên tục. Một chế độ xem khách hàng duy nhất và giao diện CDP giúp Franklin dễ dàng xây dựng các phân khúc đa chiều, được nhắm mục tiêu cao dựa trên bất kỳ thuộc tính nào của khách hàng và dễ dàng sử dụng các phân khúc đó cho các đề xuất tại chỗ và gửi đến ESP của mình cũng như Google và Facebook để nhắm mục tiêu.
Franklin sử dụng BlueConic để loại bỏ sự phức tạp khỏi nỗ lực cá nhân hóa 1-1 của họ. Khách hàng không bao giờ thấy quảng cáo cho các sản phẩm mà họ đã mua gần đây và thay vào đó, họ thấy quảng cáo cho các sản phẩm có liên quan bởi vì họ dựa vào phân khúc BlueConic để trở thành động cơ thông minh đằng sau mọi tương tác trong suốt vòng đời. Khoảng 90% trải nghiệm trang chủ được cá nhân hóa mà Franklin Sports cung cấp cho khách truy cập được cung cấp bởi các cấu hình thống nhất trong BlueConic.
Trường hợp sử dụng # 3: Hợp nhất dữ liệu online và offline
Các thách thức
Các công ty có cả sự hiện diện thực tế và kỹ thuật số không thể chỉ dựa vào dữ liệu khách hàng online để thông báo cho những nỗ lực tương tác của họ. Để tạo trải nghiệm đa kênh, họ cũng phải dựa vào dữ liệu offline từ các hệ thống khác (ví dụ: POS, CRM) để đảm bảo họ có lịch sử cập nhật, đầy đủ về các tương tác của tất cả các cá nhân với doanh nghiệp của họ. Nhưng nhiều công ty trong số này phải phân bổ nguồn lực đáng kể để thống nhất dữ liệu online và offline . Vào thời điểm họ có được chế độ xem khách hàng đơn lẻ được tạo theo cách thủ công này, dữ liệu có thể không phản ánh các hành động và hành vi gần đây nhất của khách hàng.
Giải pháp
Nhờ khả năng kết nối với tất cả các công nghệ kinh doanh khác, bao gồm cả những công nghệ lưu trữ dữ liệu giao dịch offline , sau đó chuyển đổi dữ liệu đó, CDP giúp các công ty có được một cái nhìn khách hàng thực sự cho tất cả các tương tác online và offline mà các cá nhân có với họ. Do dữ liệu được lưu trữ liên tục trong hồ sơ khách hàng thống nhất, cập nhật, các nhóm tập trung vào tăng trưởng có thể gửi thông điệp phù hợp, kịp thời đến các cá nhân và các phân khúc mục tiêu trên các kênh để hỗ trợ các chương trình tiếp thị vòng đời ngắn hạn và dài hạn.
Ví dụ trong thế giới thực: Lovesac
Chuỗi nội thất đặt BlueConic vào trung tâm của hệ thống công nghệ để thúc đẩy sự tương tác của khách hàng thông minh hơn trong toàn bộ vòng đời của khách hàng. Bằng cách tận dụng nhiều điểm dữ liệu và hành vi của trang web vào một hồ sơ, cùng với việc xác định và chuyển đổi những khách truy cập web ẩn danh, họ có thể tăng khả năng cá nhân hóa, cho phép phân đoạn động và thực hiện các tương tác trong thời gian thực với các thuộc tính hồ sơ cụ thể trước đây ở trạng thái không hoạt động .
Dữ liệu thống nhất của bên thứ nhất sẽ cho phép các nhóm như hoạt động bán lẻ, tiếp thị và dịch vụ khách hàng làm việc với một cái nhìn duy nhất về khách hàng để tạo điều kiện thuận lợi nhất cho hành trình của khách hàng – cho dù họ đến với họ trên trang web, trên tầng trưng bày hay thông qua các kênh dịch vụ khách hàng. Lovesac có thể tạo ra hiệu quả hoạt động với CDP và sử dụng nó theo chức năng chéo để cải thiện trải nghiệm tổng thể của khách hàng.
Trường hợp sử dụng # 4: Bán chéo và bán thêm tốt hơn
Các thách thức
Có được khách hàng mới có thể là một nhiệm vụ cao cả đối với các doanh nghiệp. Nhưng việc giữ chân khách hàng hiện tại có thể khó khăn không kém nếu các công ty không có khả năng thực hiện các chương trình bán kèm và bán thêm được cá nhân hóa được thiết kế để tăng cường khả năng giữ chân, lòng trung thành và giá trị lâu dài của khách hàng (CLV).
Nhưng cách duy nhất các tổ chức này có thể cá nhân hóa các ưu đãi và đề xuất sản phẩm là hiểu sở thích của mỗi cá nhân, các lần mua hàng trước đây, hành vi duyệt web gần đây và các điểm dữ liệu khách hàng tương tự theo thời gian thực (không phải gần đây).
Giải pháp
Sử dụng CDP thuần chơi để nắm bắt các thuộc tính hồ sơ không giới hạn cho mọi cá nhân trong khách hàng tiềm năng và khách hàng của bạn. Sau đó, khai thác dữ liệu của bên thứ nhất này để nhận ra và giữ chân những khách hàng có rủi ro cũng như bán thêm và bán chéo những khách hàng trung thành. Ví dụ: các công ty bán thông qua thương mại điện tử có thể sử dụng CDP của chúng tôi để tận dụng hồ sơ khách hàng thống nhất và tạo phân khúc tùy chỉnh (ví dụ: phân khúc dành cho những cá nhân có điểm CLV cao và thấp), sau đó sử dụng đề xuất sản phẩm để hiển thị các giao dịch hiện hành và sản phẩm có liên quan cho từng phân khúc dựa trên hành vi mua và sở thích động trên trang web.
Ví dụ trong thế giới thực: Công ty Telia
Tầm nhìn của công ty viễn thông này là “cá nhân hóa trên quy mô lớn” – khả năng điều chỉnh tương tác với khách hàng tại mọi thời điểm trong vòng đời và sử dụng dữ liệu để thúc đẩy mức độ tương tác của khách hàng thông minh hơn. Với khách hàng trên nhiều quốc gia, sản phẩm, thương hiệu và hệ thống, Telia dựa vào BlueConic để xây dựng các cấu hình thống nhất có thể được sử dụng trong các kênh kích hoạt. Với hồ sơ thống nhất, Telia có thể sử dụng dữ liệu cập nhật để hiểu vị trí của một khách hàng hoặc khách hàng tiềm năng cụ thể trong vòng đời của họ và tạo các phân khúc động bằng cách sử dụng các hành vi, tương tác gần đây, ngày gia hạn đăng ký, sự đồng ý, điểm số của khách hàng, v.v. Chẳng hạn, việc nhận biết khách hàng trên các hệ thống cho phép nhóm Dịch vụ khách hàng đưa ưu đãi bán thêm phù hợp nhất trước mặt khách hàng đang yêu cầu gia hạn.
Trường hợp sử dụng số 5: Tạo sản phẩm kỹ thuật số mới
Các thách thức
Trong bối cảnh kinh doanh ngày càng cạnh tranh, điều cần thiết là các công ty phải tạo ra sự khác biệt bằng cách tạo ra các sản phẩm và trải nghiệm kỹ thuật số độc đáo, định hướng giá trị mà không đối thủ cạnh tranh nào khác có thể tái tạo.
Vấn đề đối với nhiều tổ chức là họ không có nền tảng dữ liệu khách hàng thống nhất và có thể hành động để xây dựng các sản phẩm và trải nghiệm đó. Nếu không có khả năng cung cấp năng lượng cho việc thu thập dữ liệu của bên thứ nhất đằng sau và từ sự tương tác kỹ thuật số, họ không thể sử dụng dữ liệu đó để tăng mức độ liên quan của các tương tác của họ với khách hàng.
Giải pháp
Trong khi CRM, nền tảng quản lý dữ liệu, hệ thống tự động hóa tiếp thị và các công cụ khác có thể thu thập dữ liệu khách hàng từ các nguồn khác nhau, chỉ một CDP thuần chơi mới có khả năng xử lý khối lượng, sự đa dạng và tốc độ của dữ liệu do các cá nhân tạo ra trong kỷ nguyên kỹ thuật số. Bằng cách hợp lý hóa việc thu thập dữ liệu từ nhiều nguồn và hợp nhất nó ở một vị trí tập trung, các nhóm sản phẩm kỹ thuật số có thể truy cập và sử dụng dữ liệu thời gian thực đó để thúc đẩy trải nghiệm động, được cá nhân hóa trên các kênh và chứng minh mức độ liên quan của các tương tác của khách hàng trên quy mô lớn.
Ví dụ trong thế giới thực: HEINEKEN USA
Giống như nhiều công ty sản xuất hoặc CPG, HEINEKEN USA thiếu khả năng tiếp cận trực tiếp với khán giả của họ và những hiểu biết sâu sắc về hành vi của người tiêu dùng. HEINEKEN thu thập dữ liệu của bên thứ nhất thông qua tương tác với người tiêu dùng thông qua các điểm tiếp xúc online khác nhau như rút thăm trúng thưởng, sự kiện ảo, lượt truy cập trang web và các nhà bán lẻ đối tác, cũng như các điểm tiếp xúc offline như các sự kiện thể thao và lễ hội âm nhạc được tài trợ.
Bằng cách trước đây dựa vào các phân khúc dựa trên DMP, Heineken thiếu thông tin chi tiết về khách hàng của họ là ai và khiến họ không thể đan xen trải nghiệm quảng cáo vào hành trình gắn kết của người tiêu dùng. Ngoài ra, vì các DMP phụ thuộc nhiều vào cookie của bên thứ ba, nên điều quan trọng đối với Heineken là phải thay thế các phân đoạn dựa trên DMP của họ bằng một giải pháp bền vững hơn bằng cách sử dụng khả năng phân đoạn đa chiều và năng động trong BlueConic. Giờ đây, Heineken có thể xây dựng các phân khúc để sử dụng trên các kênh tiếp thị dựa trên sở thích, hành vi, nhân khẩu học, sự đồng ý tiếp thị của người tiêu dùng, v.v.
Ví dụ: HEINEKEN sử dụng dữ liệu dây đeo cổ tay được thu thập từ những khách truy cập vào khu vực được tài trợ của họ tại một trong những lễ hội âm nhạc lớn nhất quốc gia để thu hút lại họ online bằng cách cung cấp vé cho các loại sự kiện khác mà họ có thể quan tâm – tạo ra sự trao đổi giá trị với người tiêu dùng. Sử dụng BlueConic, HEINEKEN đã tạo ra một chiến lược tương tác trực tiếp với người tiêu dùng và xây dựng các sản phẩm kỹ thuật số mới nhằm thúc đẩy sự tương tác của khách hàng thông minh hơn.
Kết quả là Trong một năm, Heineken đã tạo ra hàng triệu kỷ lục tiêu dùng vàng. Ngoài ra, họ đang thấy hiệu quả truyền thông được cải thiện khi so sánh các chỉ số hiệu suất chính trước và sau khi BlueConic được triển khai.
Họ cũng có thể thêm các kênh và chương trình mới vào hỗn hợp tiếp thị của họ mà trước đây không thể thực hiện được. Ví dụ: Heineken sẽ khởi chạy thử nghiệm tiếp thị qua email của họ vào năm 2021, sử dụng dữ liệu, phân khúc và thông tin chi tiết từ BlueConic để tiếp tục phát triển mối quan hệ trực tiếp với người tiêu dùng.
Ngoài ra, nhóm tiếp thị của Heineken hiện có thể tận dụng dữ liệu trong BlueConic để phát triển những trải nghiệm mới nhằm thúc đẩy lòng trung thành và nhận thức về các sự kiện được tài trợ mà không cần phải dựa vào hệ thống CRM thiếu dữ liệu, tốc độ và tính linh hoạt cần thiết để cung cấp năng lượng hiệu quả cho những trải nghiệm này.
Trường hợp sử dụng số 6: Kiếm tiền từ đối tượng mới
Các thách thức
Các thương hiệu và nhà xuất bản đều nhận thấy rằng họ có cơ hội không chỉ hợp nhất và kích hoạt dữ liệu của bên thứ nhất mà họ đã thu thập để nâng cao nỗ lực tương tác với khách hàng mà còn tạo ra các luồng doanh thu mới bằng cách sử dụng dữ liệu đó để phát triển các chiến lược kiếm tiền từ đối tượng có thể mở rộng. Tuy nhiên, nhiều công ty trong số này thiếu chiến lược dữ liệu của bên thứ nhất tuân thủ quyền riêng tư, tập trung vào sự đồng ý. Họ tiếp tục dựa vào cookie của bên thứ ba sắp tuyệt chủng và / hoặc dữ liệu bên thứ ba không thể tin cậy được thay vì tạo tập dữ liệu bên thứ nhất mạnh mẽ, hợp nhất mà họ có thể kiếm tiền và sử dụng để tăng tốc phát triển.
Giải pháp
Khi luật bảo mật tiếp tục phát triển, chiến lược cá nhân hóa và kiếm tiền từ khán giả phải dựa vào sự đồng ý của người tiêu dùng. Với chức năng quản lý sự đồng ý của BlueConic, các công ty có thể liên tục lưu trữ trạng thái đồng ý trong hồ sơ cấp cá nhân. Điều này có nghĩa là các nhóm có thể dễ dàng phân biệt cá nhân nào đã chọn tham gia (hoặc không tham gia) truyền thông tiếp thị và kích hoạt dữ liệu của họ khi nào và ở đâu một cách tự tin. Hơn nữa, các nhà bán lẻ và nhà xuất bản có thể đóng gói và bán dữ liệu của bên thứ nhất được sự đồng ý của họ cho các đối tác để sử dụng trong hoạt động tiếp thị của riêng họ – tất cả đều có sự đồng ý.
Ví dụ trong thế giới thực: Nhà xuất bản Dennis
Trong khi nhiều công ty gặp khó khăn trong việc thích ứng với đại dịch, Dennis Publishing, công ty mẹ của một số ấn phẩm ô tô, đã quyết định ưu tiên chuyển đổi kinh doanh và tìm những cách mới để thúc đẩy tăng trưởng thông qua việc kiếm tiền từ khán giả. Tận dụng dữ liệu của bên thứ nhất mà họ đã có từ phía xuất bản truyền thống của doanh nghiệp, công ty có thể thúc đẩy tăng trưởng cho doanh nghiệp thương mại điện tử ô tô độc lập của mình, Autovia. Sử dụng BlueConic, công ty có thể ưu tiên và quảng bá các thương hiệu và sản phẩm được cung cấp cho một cá nhân trên trang thương mại điện tử ô tô của mình dựa trên nội dung mà họ đã sử dụng trên trang web truyền thông của mình – thúc đẩy những cải thiện lớn về chuyển đổi giữa những đối tượng mua xe tương tác cao trong quá trình.
Trường hợp sử dụng # 7: Tận dụng Điểm số đánh giá khách hàng
Các thách thức
Vai trò của mô hình dự đoán trong mô hình tương tác với khách hàng hiện đại tiếp tục phát triển. Về mặt lịch sử, các nhà khoa học dữ liệu và chuyên gia trí tuệ kinh doanh chịu trách nhiệm về trí tuệ nhân tạo và thực thi máy học – bao gồm xây dựng, đào tạo và triển khai các mô hình. Mục tiêu của các nhóm này là chia sẻ kết quả đầu ra của các mô hình này (tức là điểm số của khách hàng) và thông tin chi tiết với các nhóm tiếp thị và các nhóm tập trung vào tăng trưởng khác và hệ thống mà họ sử dụng để kích hoạt trên dữ liệu đó nhằm tối ưu hóa CX. Nhưng quá trình này tốn nhiều thời gian và công sức và dẫn đến việc sử dụng dữ liệu của bên thứ nhất tiềm ẩn, không hiệu quả.
Giải pháp
Dân chủ hóa khoa học dữ liệu và phân tích là một sáng kiến tăng trưởng hàng đầu cho các công ty trong các ngành công nghiệp ngày nay. Một phần của quá trình dân chủ hóa đó có nghĩa là người dùng doanh nghiệp không có kỹ năng kỹ thuật hoặc kiến thức SQL cần có khả năng thu thập thông tin chi tiết một cách hiệu quả và hành động trên dữ liệu của bên thứ nhất trong thời gian thực. Và điều đó bao gồm điểm số của khách hàng được tạo ra từ các mô hình dự đoán. Với BlueConic, tất cả các nhóm tăng trưởng đều có thể triển khai các mô hình sẵn có (nguyên trạng hoặc tùy chỉnh) để tính toán CLV và dự báo xu hướng mua hoặc bỏ cuộc của khách hàng, sau đó kết hợp các điểm số đó vào các hoạt động tương tác của họ.
Ví dụ trong thế giới thực: Công ty giải trí
Trước khi triển khai BlueConic, một doanh nghiệp giải trí đã yêu cầu nhóm phân tích của họ chạy báo cáo hai tháng một lần để tính toán điểm tương tác của khách hàng. Quá trình kéo dài này có nghĩa là tổ chức tiếp thị buộc phải dựa vào dữ liệu lỗi thời để cung cấp thông tin cho các chiến dịch email của mình. Sử dụng giao diện người dùng thân thiện với nhà tiếp thị để tạo mô hình học máy dựa trên dữ liệu của bên thứ nhất, các nhà tiếp thị tại công ty đã lên lịch để điểm số tương tác của khách hàng tự động làm mới lại sau mỗi vài phút.
Những điểm số đó cho biết họ nên nhắm mục tiêu đến những khách hàng tương tác cao nào trong các chiến dịch email. Vì cả hồ sơ và phân khúc khách hàng đều tự động cập nhật với điểm số mới nhất, nên nhóm không còn lo lắng về việc chờ đợi các phân khúc từ phân tích. Thay vào đó, tiếp thị có thể kích hoạt dữ liệu ngay khi ý định được tiết lộ.
Trường hợp sử dụng # 08: Dân chủ hóa Dữ liệu & Phân tích
Các thách thức
Các công ty sẽ luôn phải vật lộn với ngân sách, thời gian và nguồn lực hạn chế khi nói đến dữ liệu và phân tích. Mặc dù những cá nhân có kỹ năng cao như nhà khoa học dữ liệu đóng một vai trò quan trọng, nhưng các quy trình yêu cầu nhà khoa học dữ liệu dành thời gian làm sạch dữ liệu hoặc quản lý hàng đợi yêu cầu cuối cùng sẽ làm ảnh hưởng đến khả năng cung cấp trải nghiệm khách hàng tốt nhất của bạn. V
í dụ: nhóm tiếp thị thường phải đợi một vài tuần để nhóm phân tích tạo phân khúc dựa trên điểm số tương tác. Vào thời điểm họ lấy lại dữ liệu, dữ liệu đó đã lỗi thời – và thời điểm để tận dụng mức độ tương tác cao của khách hàng đã qua.
Giải pháp
Sử dụng hồ sơ, kết nối và AI Workbench hợp nhất của BlueConic, các nhà khoa học dữ liệu có thể xây dựng hoặc nhập các mô hình dự đoán trên đầu tài sản dữ liệu của bên thứ nhất của công ty. Kết quả của những điểm số đó được tự động ghi vào hồ sơ để chúng có thể được sử dụng để kích hoạt trong thời gian gần thực. Người dùng không chuyên về kỹ thuật thậm chí có thể sử dụng các mô hình ngoại vi trong BlueConic để tính toán điểm số như CLV và RFM, xây dựng đối tượng ưa nhìn, phân khúc theo xu hướng mua hoặc bỏ cuộc, v.v. Mô hình có thể được đặt để làm mới, nếu cần. Bằng cách đưa dữ liệu, thông tin chi tiết và kích hoạt đến gần nhau hơn, BlueConic giúp bạn xây dựng mối quan hệ tốt hơn với khách hàng và giảm sự phụ thuộc của các nhóm của bạn vào nguồn tài nguyên khan hiếm.
Ví dụ trong thế giới thực: goba Sports Group
Sử dụng dữ liệu hồ sơ trong BlueConic và không dựa vào các tài nguyên phân tích hoặc khoa học dữ liệu bổ sung, nhóm tiếp thị sử dụng các kết nối BlueConic để hiểu sâu hơn về khách hàng – tất cả đồng thời loại bỏ chi phí. Khả năng truy cập dữ liệu trong BlueConic cũng dẫn đến việc hợp nhất ngăn xếp công nghệ. goba Sports Group dựa vào trang tổng quan trong Data Studio của Google để có được thông tin chi tiết mà họ cần để đưa ra các quyết định thông minh, dựa trên dữ liệu.
Trong suốt một năm, goba Sports Group đã loại bỏ nhu cầu về nền tảng kinh doanh thông minh thứ cấp (BI) của họ, Tableau, vì kiến trúc mở của BlueConic và khả năng thống nhất dữ liệu của họ trên các công nghệ tiếp thị. BlueConic giúp dễ dàng xuất dữ liệu sang Data Studio. Như Phó Giám đốc Tiếp thị Tăng trưởng của họ đã nói, “BlueConic tự trả giá bằng cách loại bỏ nhu cầu về Tableau”.
Trường hợp sử dụng # 09: Chống lại việc ngừng sử dụng dữ liệu
Các thách thức
Hầu hết các chiến lược cá nhân hóa ngày nay đều được xây dựng dựa trên công nghệ tiếp thị và quảng cáo sử dụng cookie của bên thứ ba làm đại diện cho danh tính. Vấn đề với phương pháp này là bạn không thực sự biết những khách hàng đó là ai hoặc thậm chí họ có đồng ý để được theo dõi và tiếp thị hay không. Để làm phức tạp vấn đề, các quyết định của Google Chrome, Apple Safari và các trình duyệt chính khác nhằm loại bỏ hoặc ngăn chặn nghiêm trọng việc sử dụng cookie của bên thứ ba có nghĩa là các công ty sẽ mất dữ liệu của bên thứ ba mà họ đã sử dụng để tăng cường nhắm mục tiêu theo đối tượng, cá nhân hóa và các chiến lược đo lường trong nhiều thập kỷ.
Giải pháp
CDP BlueConic được thiết kế để giúp giải quyết vấn đề hiểu và nhắm mục tiêu cá nhân. Bằng cách tập trung vào việc thu thập và quản trị dữ liệu của bên thứ nhất, cung cấp khả năng quản lý sự đồng ý từ đầu đến cuối linh hoạt và tự động, áp dụng các phương pháp xác định và xác suất để giải quyết danh tính và tạo điều kiện cho bên thứ hai chia sẻ dữ liệu thông qua phòng sạch dữ liệu, BlueConic cho phép các công ty liên kết với hoạt động tiếp thị của họ và các chiến thuật cá nhân hóa từ các công nghệ dựa trên cookie của bên thứ ba và làm cho dữ liệu của bên thứ nhất được đồng ý, trở thành nền tảng trong các chiến lược lấy khách hàng làm trọng tâm.
Ví dụ trong thế giới thực: Công ty Truyền thông Châu Âu
Với việc ngừng sử dụng cookie của bên thứ ba, một công ty truyền thông hàng đầu ở Châu Âu đã triển khai giải pháp bảng điều khiển tên máy chủ bên thứ nhất của BlueConic để chống lại hậu quả không chủ ý của việc ngừng sử dụng dữ liệu trên web. Triển khai giải pháp của BlueConic để giúp họ quản lý sự phức tạp của các trang web đa quốc gia, đa thương hiệu, công ty truyền thông này có thể tiếp tục thu thập dữ liệu của bên thứ nhất trên các tài sản thuộc sở hữu của họ.
Sau khi thiết lập thử nghiệm ban đầu để xem các thay đổi cookie có thể ảnh hưởng như thế nào đến dữ liệu họ thu thập trên trang web của mình, họ nhận thấy bảng điều khiển tên máy chủ của bên thứ nhất đã giúp họ giảm mất dữ liệu cũng như cấp cho họ quyền truy cập vào các hồ sơ bị công nghệ chặn quảng cáo chặn trước đó. Cùng với các tính năng của BlueConic như quản lý sự đồng ý, công ty truyền thông này tiếp tục khai thác tối đa dữ liệu của bên thứ nhất để cá nhân hóa, kiếm tiền từ khán giả, v.v.
Trường hợp sử dụng # 10: Nâng cao hiệu suất quảng cáo
Các thách thức
Để đảm bảo lợi tức chi tiêu quảng cáo cao, các nhà tiếp thị cần có khả năng nhắm mục tiêu các phân khúc tương tác trên các kênh và điểm tiếp xúc. Nhưng họ chỉ có thể chi tiết hóa nỗ lực nhắm mục tiêu của mình khi họ có thể sử dụng bất kỳ dữ liệu nào được liên kết với một cá nhân (bao gồm dữ liệu online , offline và dữ liệu hành vi cũng như điểm số được tính toán) để tạo các phân khúc đa chiều, phong phú. Hơn thế nữa, các nhà tiếp thị thấy được kết quả tốt hơn khi họ sắp xếp và mở rộng quy mô nỗ lực quảng cáo của mình bằng cách tự tạo phân khúc và tự động gửi chúng đến các nền tảng quảng cáo để kích hoạt ngay lập tức.
Giải pháp
Với CDP, các công ty có thể loại bỏ việc kéo danh sách thủ công và phân bổ giữa các nhóm. Các nhà tiếp thị và người dùng doanh nghiệp khác có thể chọn bất kỳ sự kết hợp nào của các thuộc tính khách hàng để xây dựng các phân khúc được nhắm mục tiêu cao và gửi các phân khúc đó trực tiếp đến nền tảng quảng cáo của họ thông qua các kết nối ngoại vi. Vì các phân khúc cập nhật theo thời gian thực khi thuộc tính của các cá nhân thay đổi, các nhà tiếp thị không chỉ có thể tiếp cận đúng người với đúng thông điệp dựa trên sở thích và hành vi gần đây nhất của họ mà còn ngăn chặn quảng cáo từ những người không có khả năng chuyển đổi, như khách hàng đã mua hàng .
Ví dụ trong thế giới thực: Nhà bán lẻ nhỏ
Một cửa hàng bán lẻ hoạt động với cả ngân sách và nguồn lực hạn chế. Để cạnh tranh với Amazon, nó đã chuyển sang sử dụng BlueConic để tối ưu hóa chi tiêu quảng cáo của mình. Bằng cách hợp nhất dữ liệu online và offline vào BlueConic và tận dụng khả năng học máy của nền tảng, nhà bán lẻ đã chạy các mô hình để tính điểm CLV và RFM mà không cần bất kỳ tài nguyên phân tích bổ sung nào. Sau đó, nó sử dụng những điểm số đó để xây dựng các phân đoạn động được chuyển đến các nền tảng quảng cáo của nó để kích hoạt ngay lập tức. Nhà bán lẻ cũng có thể ngăn chặn tin nhắn từ những khách hàng nằm trong phần tư thấp nhất của điểm RFM (và do đó, không có khả năng chuyển đổi) và tạo ra các phân khúc trông giống nhau cho những khách hàng có CLV cao và RFM cao – tất cả đều dẫn đến nhiều chuyển đổi hơn và ROAS tốt hơn.
Nguồn : BlueConic.