The Real Story on MarTech: Sollten Sie eine Kundendatenplattform bauen oder kaufen?

„Build versus Buy“ im Kontext von Technologiemarktplätzen ist eine langjährige Debatte. Bei der Real Story Group sehen wir, dass diese Debatte für Marketing-Tech-Stacks, insbesondere für Kundendatenplattformen (CDPs), erneut aufgegriffen wird.

Gibt es einen einzigen richtigen Ansatz? Ich glaube nicht, aber hier kommt es auf die Details an. Also lasst uns eintauchen.

Bauen vs. Kaufen

Traditionell gab es zwei Hauptansätze zum Erhalten von Unternehmensfunktionen:

1. Kaufen Sie ein Standardpaket und passen Sie es dann an spezifische Bedürfnisse an.
2. Aufbau einer Plattform im eigenen Haus, speziell für Ihre Anforderungen, manchmal über verpackte Einzelteile.

Beide Ansätze haben gültige Begründungen, und in den letzten zwei Jahrzehnten als Branchenanalyst habe ich gesehen, dass diese Wahl auf so ziemlich allen Technologiemarktplätzen auftauchte. Allerdings können die Grenzen zwischen Build und Buy in CDPs verschwimmen.

Ein Teil der Herausforderung besteht darin, dass gepackte CDPs im Umfang erheblich variieren können. Einige haben eine große vertikale Tiefe und reichen zurück in das Unternehmen, um vorgelagerte Datenverarbeitung durchzuführen, oder erstrecken sich nach vorne auf die Engagement-Ebene, um Interaktionen in Echtzeit bereitzustellen. Einige paketierte CDPs bieten laterale Dienste rund um Orchestrierung, Kampagnenmanagement und sogar ausgehendes Messaging.

Bevor Sie sich also für den richtigen Ansatz entscheiden, ist es wichtig zu beantworten, was eine CDP speziell für Ihr Unternehmen leisten wird.

Was macht ein CDP (für Sie)?

Das Modell zeigt verschiedene Stadien in einem Datenlebenszyklus, unabhängig von der spezifischen Technologieplattform. Ihre Kundendaten durchlaufen wahrscheinlich alle diese Phasen:

1. Sie müssen Daten aus verschiedenen Online- und Offline-Datenquellen abrufen, bevor Sie damit etwas anfangen können. Daher benötigen Sie einen Mechanismus, um Daten aufzunehmen, zu bereinigen, einige Transformationen und Aggregationen durchzuführen und die Qualität sicherzustellen.
2. Sobald die Daten aus verschiedenen Quellen gesammelt oder aufgenommen wurden, müssen Sie sie mit Benutzerprofilen verknüpfen. Dazu gehören Aktivitäten wie Identitätsauflösung und Profilvereinheitlichung. Außerdem reichern Sie Ihre Profile mit zusätzlichen Daten an und stellen gleichzeitig Data Governance und Compliance sicher.

In einer größeren Organisation finden diese beiden Anfangsphasen typischerweise innerhalb eines Teils eines umfassenderen „Fabric“ oder „Mesh“ von Unternehmensdaten statt. Das typische Unternehmen verfügt bereits über Datenmanagement-Tools zur Handhabung dieser Services – wie Data Lakes, Warehouses, ETL-Tools, Qualität und Governance usw. – und wendet sie auf Kundendaten an. Wie wir jedoch weiter unten sehen werden, bieten viele paketierte CDP-Tools auch einige dieser Dienste an. In jedem Fall werden die IT- und Datenteams des Unternehmens in diesen ersten beiden Phasen zu wichtigen Stakeholdern.

• In der nächsten Phase verwenden Sie all diese bereinigten, aggregierten, einheitlichen Profildaten für Ihre Geschäftsziele. Da Sie nun beispielsweise Profile oder 360-Grad-Ansichten Ihrer Benutzer oder Kunden haben, können Sie sie basierend auf verschiedenen Attributen segmentieren. Sie können die Profile aufteilen, Kohorten erstellen, ähnliche Daten gruppieren, Zielgruppen erstellen und so weiter – und diese Daten dann, entscheidend, über verschiedene Kanäle aktivieren.
• Diese Phase ist die letzte Meile, auf der Sie mit Ihren Kunden über E-Commerce, E-Mail, Web, Handy, Chat oder andere Kanäle interagieren und personalisierte Inhalte und Produktempfehlungen verwenden.

Sie sehen eine deutlich höhere Beteiligung der Marketing- und Kundenerfahrungsteams in diesen letzten beiden Phasen.

Theoretisch können alle diese Dienste potentiell von einem CDP adressiert werden. Sie werden oft feststellen, dass CDP-Anbieter damit prahlen, dass sie alle diese Phasen gleich gut ausführen können.

In der Praxis sehen wir jedoch mehrere Variationen dieses Modells. Siehe zum Beispiel die unterschiedlichen Umfänge für Unternehmen A, B und C im Diagramm. Selten setzen große, komplexe Unternehmen eine einzige Plattform für all diese Phasen ein. Dafür gibt es mindestens zwei Gründe:

1. Wie Sie sehen können, ist die potenzielle Gesamtfunktionalität ziemlich breit, und große Unternehmen haben bereits Initiativen außerhalb von CDP für mehrere der oben identifizierten Phasen (oder Funktionalitäten innerhalb dieser Phasen). Diese Funktionalitäten umfassen häufig Datenpipeline-Management, maschinelles Lernen und Identitätsauflösung, um nur einige zu nennen.
2. Ungeachtet dessen, was die Anbieter behaupten, sind sie in Wahrheit in all diesen Phasen nie gleich gut. Sie können normalerweise nur ein oder zwei dieser Phasen gut machen.

Daher kann sich die Stelle, an der ein CDP in Ihren Martech-Stack passt, von der Stelle unterscheiden, an der es für ein anderes Unternehmen geeignet ist. Dies wirkt sich dann auf jede Build versus Buy-Entscheidung aus, da die Frage zunächst lautet: genau was bauen oder kaufen? Selbst wenn Sie ein Standard-CDP für einige Funktionen innerhalb des obigen Modells lizenzieren, werden Sie wahrscheinlich Erweiterungen für fehlende Funktionen erstellen.

Die erste Lektion also: Sie werden wahrscheinlich etwas bauen und etwas kaufen, unabhängig von der Gesamtstrategie. Dann stellt sich die Frage: In welchen Anteilen?

Zusammenbau aus Einzelteilen

Ein potenziell offener Ansatz ist das Zusammenstellen von Komponenten zum Aufbau von CDP-Funktionen, anstatt von Grund auf neu zu entwickeln oder ein umfassenderes, universell einsetzbares CDP von der Stange zu kaufen.

Dieser Ansatz hat einen gewissen Reiz, da Sie möglicherweise bereits über einige leistungsstarke Datenverwaltungsfunktionen als Teil Ihrer breiteren Kundendatenstruktur verfügen.

Sie können auch bestimmte Produkte für diese verschiedenen Funktionalitäten lizenzieren. Mehrere Hersteller bieten Komponenten für solche Funktionen an. Zum Beispiel:

• Datenaufnahme: Es gibt spezialisierte Datenaufnahmeanbieter und Module von CDP-Anbietern selbst. Anbieter wie Stitch (aufgekauft von Talend), Snowplow, Fivetran, Matillion und andere stellen Module für Datenaufnahme, Datenpipeline-Management, Transformationen und andere relevante Funktionen bereit.
• ETL und ELT: Viele Anbieter zielen auf Extract-Transform-Load (ETL), Extract-Load-Transform (ELT) und Reverse-ETL/ELT für verschiedene Arten von Transformationen ab, die Sie mit Ihren Rohdaten durchführen können. Beispiele für Anbieter in dieser Kategorie sind Hevo Data, Hightouch, DBT und Census.
• Data Warehouses und Data Lakes: Mehrere Data Warehouses und Data Lakes, darunter Snowflake, Google und andere, umfassen Datenverwaltungs- und -verarbeitungsfunktionen. Viele gepackte CDP-Architekturen gehen bereits davon aus, dass Quelldaten aus dieser Umgebung stammen werden.
• „Virtuelle“ CDPs : Einige Anbieter wie Aqfer, Rudderstack und einige andere Anbieter bieten einige Dienste an, um ein CDP mit einer entkoppelten Datenschicht zusammenzuschustern.
• Identitätsauflösung: Mehrere Anbieter zielen auf die Identitätsauflösung ab. Viele CDPs haben inzwischen ihre eigenen Bemühungen zur Identitätsauflösung aufgegeben und arbeiten stattdessen mit Anbietern wie Neustar, Infutor, LiveRamp und anderen zusammen.
• Engagement: Der Markt für Engagement-orientierte Produkte bleibt recht lebendig. Sie können viele Punktlösungen finden, die auf Journey-Orchestrierung, Kampagnenmanagement, Personalisierung, Empfehlungen und andere Anwendungsfälle für das Engagement abzielen. Auch mehrere verpackte CDPs sind in diesem Bereich stark.

Dies ist keine vollständige Liste von Diensten, und Sie können viele andere spezialisierte Anbieter finden (z. B. diejenigen, die Governance-Lösungen anbieten). Der entscheidende Punkt ist, dass es möglich ist, diese Dienste zu einem zusammensetzbaren Datenökosystem zusammenzustellen, anstatt alles mit einem einzigen CDP zu erledigen.

Lesen Sie weiter: Tiefgreifende Veränderungen im CDP-Bereich

Was Sie vielleicht vermissen

Inzwischen haben Sie wahrscheinlich herausgefunden, dass ein paar wichtige CDP-Services in der obigen Liste fehlen: unternehmensfreundliche Segmentierung und Aktivierung. Diese Funktionen sind schwieriger von der Stange zu kaufen, und wenn wir bei RSG selbst entwickelte CDPs gesehen haben, werden Unternehmen diese Geschäftsbenutzerschnittstellen normalerweise von Grund auf neu erstellen. Wenn wir Unternehmensentwickler argumentieren hören: „Lasst uns einfach unser Data Warehouse anstelle eines CDP als Datenschicht verwenden“, ist dies in der Regel der Punkt, an den sie sich wenden.

Ich möchte Sie jedoch vor diesem Ansatz warnen, da sich benutzerdefinierte Segmentierungs- und Aktivierungstools als anfällig erweisen könnten und fortschrittliches UX-Design einen großen Teil dessen ausmacht, wofür Sie bei einem CDP bezahlen (obwohl sicher sein muss: Nicht alle CDPs sind gleich gut darin). ).

Was du machen solltest

Machen Sie sich bewusst, dass Ihre CDP-Bemühungen zweifellos einige Build- and -Buy-Maßnahmen beinhalten werden. Es ist nur eine Frage der Proportionen und des Standorts. Selbst wenn Sie ein CDP-Paket lizenzieren – und dafür gibt es gute Gründe – benötigen Sie viel Entwicklungsarbeit, um es in den Rest Ihrer Kundendatenstruktur einzufügen, ganz zu schweigen von Ihren Front-Line-Engagement-Systemen.

Die Jury hat sich noch nicht auf einen einzigen besten Ansatz dafür geeinigt, aber Designmuster zeichnen sich ab. Weitere Informationen finden Sie in diesem Briefing.

Wenn Sie in der Zwischenzeit versuchen, Ihre Kundendatenmanagement-Muskeln im nächsten Jahr aufzubauen, halten Sie Ihre Data Scientists eng beieinander, aber Ihre Entwickler noch enger.

Die in diesem Artikel geäußerten Meinungen sind die des Gastautors und nicht unbedingt die von MarTech. Mitarbeiter Autoren sind hier aufgelistet.