Bij het steeds verder personaliseren van de klantreis zien we dat er veel gebruik wordt gemaakt van technologie. Naar onze visie moet technologie altijd het doel dienen. De technologie moet daarbij passen bij de doelstellingen van de organisatie, de infrastructuur van IT en de volwassenheid van de commerciële organisatie.
Voor het verder personaliseren van deze klantreis wordt veel gesproken over Customer Data Platform (CDP) tools en Decision Making Engines.
Dit artikel geeft enkele concrete voorbeelden hoe een CDP een Decision Making Engine kan versterken en andersom. Want, nee, het zijn zeker niet dezelfde oplossingen. En ook zeker niet voor dezelfde doelen toepasbaar.
CDP’s en Decision Making Engines: de verschillen
Een Customer Data Platform (CDP) en een Decision Making Engine zijn twee verschillende soorten technologieën die worden gebruikt in het personalisatieproces. Het belangrijkste verschil tussen de twee is hun functie en doel.
Een CDP is een platform dat is ontworpen om klantgegevens te verzamelen, op te slaan, te beheren en te activeren. Het consolideert klantgegevens van verschillende bronnen, zoals CRM-systemen, webanalysesoftware, e-mailmarketingtools, mobiele apps en sociale media. Het creëert één enkel klantprofiel. Dit stelt marketeers in staat om een compleet beeld van elke individuele klant te krijgen, inclusief hun voorkeuren, gedrag en interacties met het merk. Voorbeelden hiervan zijn Datatrics en Squeezely, Segment en Bloomreach.
Een Decision Making Engine is een systeem dat machine learning-algoritmen en andere analysetechnieken gebruikt om gegevens te analyseren en acties te ondernemen op basis van die analyse. Het kan verschillende soorten beslissingen nemen, zoals het voorspellen van klantgedrag, het aanbevelen van producten, het optimaliseren van biedingen en het segmenteren van klanten. De tool Inspire van Building Blocks is hier een voorbeeld van.
Het belangrijkste doel van een CDP is om klantgegevens te verzamelen en te organiseren, terwijl het doel van een Decision Making Engine is om beslissingen te nemen op basis van die gegevens. In wezen is de CDP het “brein” achter het verzamelen en organiseren van gegevens, terwijl de Decision Making Engine het “brein” is achter het analyseren en nemen van beslissingen op basis van die gegevens.
CDP’s en Decision Making Engines: overeenkomsten
Naast de verschillen zijn er ook diverse overeenkomsten:
- Zowel CDP’s als Decision Making Engines richten zich op het verzamelen en gebruiken van klantgegevens om gepersonaliseerde marketingcampagnes te ontwikkelen.
- Gebruik van machine learning: Beide technologieën maken gebruik van machine learning en kunstmatige intelligentie om gegevens te analyseren en patronen te ontdekken in klantgedrag.
- Verhoging van de efficiëntie: Zowel CDP’s als Decision Making Engines helpen bedrijven om efficiënter te werken en betere beslissingen te nemen.
Beide oplossingen zijn in de basis gericht op de next best action voor de eindklant. Veelvoorkomende toepassingen zijn dan ook als volgt:
- Het tonen van gerelateerde producten aan de juiste klant. En dan vaak een stuk(je) geavanceerder dan de logische verbanden;
- Persoonlijke product/dienst aanbevelingen: welk product of welke dienst past het beste bij deze doelgroep of individu.
CDP’s en Decision Making Engines: de ideale combinatie?
De combinatie van een CDP en een Decision Making Engines kan misschien wel beschreven worden als dé ideale toolkit voor de online marketeer om het maximale uit de data te halen. En daarmee het maximale uit de marketingcampagnes.
Een CDP stelt marketeers in staat om een compleet beeld van elke klant te krijgen, terwijl een Decision Making Engine de gegevens analyseert om de beste beslissingen te nemen en de meest relevante en gepersonaliseerde ervaringen te bieden.
Een Decision Making Engine helpt daarnaast bij het automatiseren van het besluitvormingsproces voor personalisatie. Het gebruikt geavanceerde algoritmes en machine learning-technieken om patronen en trends in de klantgegevens te identificeren en hierop in te spelen door gerichte aanbiedingen en content te bieden. De grote toegevoegde waarde van een Decision Making Engine zit hem in de voorspellende waarden die het kan geven. Zo kan het voorspellen wat de volgende aankoop gaat zijn, wat het juiste moment is om die aankoop onder de aandacht te brengen én via welk kanaal de kans op conversie het grootste is. Ook kan een Decision Making Engine bijvoorbeeld voorspellen welke vraag de klantenservice gaat krijgen.
Hieronder vind je enkele concrete voorbeelden van hoe continue optimalisatie met een CDP en Decision Making Engine kan worden toegepast:
- A/B-testen van gepersonaliseerde content: Een CDP kan verschillende versies van een gepersonaliseerde aanbieding testen en de resultaten bijhouden om te bepalen welke versie het beste werkt. Een Decision Making Engine kan dit voeden door het besluitvormingsproces voor de juiste aanbieding te automatiseren.
- Optimalisatie van cross-sell: Een CDP kan bepalen welke producten het beste kunnen worden aanbevolen op basis van het gedrag en de voorkeuren van de klant. Een Decision Making Engine kan dit vervolgens verfijnen door daar de perfecte timing aan toe te voegen. Zo wordt de ideale vervolgaankoop ook op het juiste moment aan de klant getoond. Dat verhoogt de conversie van die inspanning enorm.
- Dynamische promoties: Een Decision Making Engine kan real-time de promotiestrategieën dynamisch aanpassen op basis van factoren zoals klantgedrag, koopgeschiedenis en voorkeuren. Een CDP kan die kennis dan weer inzetten voor het inzetten van de juiste content, passend bij die promotie. Als je dat dan ook nog combineert met de juiste timing (zie voorgaand voorbeeld) dan heb je goud in handen.
- Als een specifiek artikel uit het assortiment gaat, dan kan een Decision Making Engine voorspellen welke klanten benaderd dienen te worden om de kans op conversie zo groot mogelijk te maken. Een CDP kan dit vervolgens orkestreren naar de juiste kanalen.
- Bestaande en nieuwe klanten kunnen gepersonaliseerd te woord worden gestaan op basis van bestelhistorie en/of klikgedrag. De Decision Making Engine kan de juiste start van het gesprek voorspellen waarbij het CDP kan zorgen voor de pop-up en de chat zelf. Resultaat: élke user, in élke journey, een volledig unieke boodschap.
Nieuwsgierig naar hoe dit voor jou kan werken?
Dit zijn enkele voorbeelden maar er is nog veel meer mogelijk. Tegelijkertijd zien we dat nog maar weinig organisaties op dit moment hiermee bezig zijn. De kansen liggen voor het oprapen en de potentiële winsten zijn enorm. En nee, we verklappen vast: de investering voor die Decision Making Engine hoeft niet enorm te zijn.
Ben je nieuwsgierig geworden? Plan gerust een gratis strategiemeeting in, zodat we met elkaar kunnen sparren over de vervolgstappen!
