CDP: organizando e classificando a jornada dos clientes a partir dos diversos pontos de contato com a marca

CDP: organizando e classificando a jornada dos clientes a partir dos diversos pontos de contato com a marca
73

Ao longo da evolução das plataformas de gestão de dados, constatamos que uma CDP é definida por uma função essencial, criar perfis de clientes, mas se tornou evidente que ela não está limitada a isso. 

De acordo com David Raab, CEO e fundador do CDP Institute, uma CDP precisa cumprir 3 funções básicas: “criar perfis persistentes, unificados e compartilháveis com outros sistemas”, 

Quando falamos da criação de perfis, estamos considerando diversas fontes que são inseridas na CDP, salvas e armazenadas de forma persistente. Com isso, você poderá acessar essas informações para gerar insumos importantes para análises futuras, que vão possibilitar tomadas de decisões mais estratégicas.

Como bem pontuado por Raab, os perfis são unificados para que não haja redundância de dados, por isso uma CDP deve ter funções de limpeza, deduplicação, transformação de dados e principalmente poder gerar Identificadores associados aos clientes, funcionalidade conhecida como Id Resolution. Assim então, estes perfis devem ficar acessíveis para novas ações em outras plataformas, retroalimentando a CDP para que novos perfis sejam criados.

Vamos a um exemplo prático?

Um varejista tinha como objetivo organizar e classificar a jornada dos seus clientes a partir dos diversos pontos de contato com a marca e ativá-los em suas plataformas de CRM e Mídia.

Ele possui lojas físicas e, em um primeiro momento, criou perfis classificando seus clientes de acordo com a frequência de compra e ticket médio. 

Ele então conectou à sua CDP diversas fontes de dados persistidos em tempo real, como os dados transacionais das lojas físicas e do e-commerce e dados pessoais dos clientes vindos do CRM.

As bases de dados passaram por uma associação de base legal para que um data lineage fosse construído, garantindo assim conformidade com a LGPD. Todos esses dados passaram por alguns processos de limpeza, transformações e agregação para que um ID Resolution pudesse ser atribuído, unificando os perfis.

Após isso, utilizando um modelo computacional, o varejista criou os perfis baseados em frequência e ticket médio e os compartilhou de volta para seu CRM, deixando os dados acessíveis para ativação.

Ao notar que gostaria de aumentar as variáveis adicionando novas fontes de dados, o varejista conectou então os dados de cookies 1st party anônimos associado aos engajados e impactados nas campanhas provenientes da sua DMP.

Foi executado em sua CDP um matching entre os dados dos clientes classificados anteriormente de acordo com a frequência e ticket médio e os cookies anônimos enriquecidos com os dados de impacto e engajamento das campanhas.

À partir destes novos perfis, o varejista passou a ter visão analitica de:

• Clientes que foram impactados nas campanhas online e já possuíam classificações de frequência e ticket médio.

• Clientes que foram impactados nas campanhas online e que não converteram, separados pelas classificações de frequência e ticket médio.

• Clientes que foram impactados nas campanhas online e converteram apenas nas lojas físicas, pelas classificações de frequência e ticket médio.

O varejista pode entregar uma comunicação que gerasse melhores resultados e também retroalimentar seus bancos de dados e CRM, a partir dos perfis gerados em sua CDP.

Sua empresa enfrenta desafios semelhantes? Conheça a Tail CDP e saiba o que ela pode fazer pelo seu negócio.