Kisah Nyata di MarTech: Haruskah Anda membangun atau membeli platform data pelanggan?

“Bangun versus beli” dalam konteks pasar teknologi adalah perdebatan yang sudah berlangsung lama. Di Real Story Group, kami melihat perdebatan ini ditinjau kembali untuk tumpukan teknologi pemasaran, terutama untuk platform data pelanggan (CDP).

Apakah ada satu pendekatan yang tepat? Saya rasa tidak, tetapi detailnya penting di sini. Jadi mari kita menggali.

Membangun vs membeli

Secara tradisional, dua pendekatan utama untuk memperoleh fungsionalitas perusahaan adalah:

1. Membeli paket off-the-shelf dan kemudian menyesuaikannya untuk kebutuhan khusus.
2. Membangun platform in-house, khusus untuk kebutuhan Anda, terkadang melalui bagian-bagian yang dikemas.

Kedua pendekatan memiliki alasan yang valid, dan selama dua dekade terakhir sebagai analis industri, saya telah melihat pilihan ini muncul di hampir semua pasar teknologi. Namun, batasan antara build dan buy di CDP bisa menjadi lebih kabur.

Sebagian dari tantangannya adalah bahwa CDP yang dikemas dapat sangat bervariasi dalam cakupannya. Beberapa memiliki kedalaman vertikal yang luar biasa, menjangkau kembali ke perusahaan untuk melakukan pemrosesan data hulu atau memperluas ke tingkat keterlibatan untuk menyediakan interaksi waktu nyata. Beberapa paket CDP menawarkan layanan lateral seputar orkestrasi, manajemen kampanye, dan bahkan pesan keluar.

Jadi sebelum memutuskan pendekatan yang tepat, penting untuk menjawab apa yang akan dilakukan CDP secara khusus untuk perusahaan Anda.

Apa yang dilakukan CDP (untuk Anda)?

Model menunjukkan tahapan yang berbeda dalam siklus hidup data, terlepas dari platform teknologi tertentu. Data pelanggan Anda mungkin melewati semua tahapan ini:

1. Anda perlu mendapatkan data dari berbagai sumber data online dan offline sebelum Anda dapat melakukan apa pun dengannya. Oleh karena itu, Anda memerlukan beberapa mekanisme untuk menyerap data, membersihkannya, melakukan beberapa transformasi dan agregasi, dan memastikan kualitas.
2. Setelah data dikumpulkan atau diserap dari sumber yang berbeda, Anda perlu mengaitkannya dengan profil pengguna. Itu termasuk aktivitas seperti resolusi identitas dan penyatuan profil. Anda juga memperkaya profil Anda dengan data tambahan sambil memastikan tata kelola dan kepatuhan data.

Dalam organisasi yang lebih besar, dua fase awal ini biasanya terjadi di dalam bagian "kain" atau "jala" data perusahaan yang lebih luas. Perusahaan biasa sudah memiliki alat manajemen data untuk menangani layanan ini – seperti data lake, gudang, alat ETL, kualitas dan tata kelola, dll. – dan menerapkannya ke data pelanggan. Namun, seperti yang akan kita lihat di bawah, banyak alat CDP yang dikemas juga menyediakan beberapa layanan ini. Bagaimanapun, tim TI dan Data perusahaan menjadi pemangku kepentingan penting dalam dua tahap pertama ini.

• Tahap selanjutnya adalah saat Anda menggunakan semua data profil yang telah dibersihkan, dikumpulkan, dan disatukan ini untuk tujuan bisnis Anda. Misalnya, sekarang Anda memiliki profil atau tampilan 360 derajat dari pengguna atau pelanggan Anda, Anda dapat mengelompokkannya berdasarkan atribut yang berbeda. Anda dapat memotong dan membagi profil, membuat kelompok, mengelompokkan data serupa, membuat pemirsa, dan sebagainya – dan kemudian, secara kritis, mengaktifkan data tersebut melalui berbagai saluran.
• Tahap ini adalah langkah terakhir di mana Anda terlibat dengan pelanggan Anda melalui e-niaga, email, web, seluler, obrolan, atau saluran lainnya, menggunakan konten yang dipersonalisasi dan rekomendasi produk.

Anda melihat keterlibatan tim pemasaran dan pengalaman pelanggan yang jauh lebih tinggi dalam dua tahap terakhir ini.

Secara teori, semua layanan ini berpotensi ditangani oleh CDP. Anda akan sering menemukan vendor CDP membual bahwa mereka dapat melakukan semua tahapan ini dengan sama baiknya.

Namun, dalam praktiknya, kita melihat beberapa variasi model ini. Lihat, misalnya, cakupan yang berbeda untuk Perusahaan A, B, dan C dalam diagram. Jarang sekali perusahaan besar dan kompleks menggunakan satu platform untuk semua tahapan ini. Setidaknya ada dua alasan untuk itu:

1. Seperti yang Anda lihat, fungsionalitas potensial secara keseluruhan cukup luas, dan perusahaan besar sudah memiliki inisiatif di luar CDP untuk beberapa tahapan (atau fungsionalitas dalam tahapan tersebut) yang diidentifikasi di atas. Fungsionalitas ini sering kali mencakup manajemen saluran data, operasi pembelajaran mesin, dan resolusi identitas, untuk menyebutkan beberapa saja.
2. Terlepas dari apa yang diklaim vendor, kenyataannya mereka tidak pernah sama baiknya di semua tahap ini. Mereka biasanya hanya dapat melakukan satu atau dua tahap ini dengan baik.

Oleh karena itu, di mana CDP cocok di tumpukan martech Anda bisa berbeda dari tempat yang cocok untuk perusahaan lain. Ini kemudian memengaruhi keputusan membangun versus membeli karena pertanyaan awalnya menjadi: membangun atau membeli tepatnya apa? Bahkan jika Anda melisensikan CDP siap pakai untuk beberapa fungsi dalam model di atas, Anda mungkin akan membuat ekstensi untuk kemampuan yang hilang.

Jadi pelajaran pertama: Anda mungkin akan melakukan beberapa build dan beberapa buy, terlepas dari strategi keseluruhan. Pertanyaannya kemudian menjadi: dalam proporsi apa?

Merakit dari bagian bagian

Salah satu pendekatan yang berpotensi terbuka untuk Anda adalah merakit komponen untuk membangun kemampuan CDP alih-alih mengembangkan dari awal atau membeli CDP tujuan umum yang lebih luas.

Pendekatan ini memiliki beberapa daya tarik karena Anda mungkin sudah memiliki beberapa kemampuan manajemen data yang kuat sebagai bagian dari struktur data pelanggan Anda yang lebih luas.

Anda juga dapat melisensikan produk tertentu untuk fungsi yang berbeda ini. Beberapa vendor menawarkan komponen untuk fungsi tersebut. Sebagai contoh:

• Penyerapan data: Ada vendor penyerapan data khusus dan modul dari vendor CDP itu sendiri. Vendor seperti Stitch (diakuisisi oleh Talend), Snowplow, Fivetran, Matillion, dan lainnya menyediakan modul untuk penyerapan data, manajemen saluran data, transformasi, dan fungsi relevan lainnya.
• ETL dan ELT: Banyak vendor menargetkan Extract-Transform-Load (ETL), Extract-Load-Transform (ELT) dan Reverse-ETL/ELT untuk berbagai jenis transformasi yang dapat Anda lakukan dengan data mentah Anda. Contoh vendor dalam kategori ini adalah Hevo Data, Hightouch, DBT dan Sensus.
• Gudang data dan Danau Data: Beberapa gudang data dan danau data, termasuk Snowflake, Google, dan lainnya, mencakup fungsi pengelolaan dan pemrosesan data. Banyak arsitektur CDP yang dikemas sudah berasumsi bahwa sumber data akan berasal dari lingkungan ini.
• CDP “Virtual” : Beberapa vendor, seperti Aqfer, Rudderstack, dan beberapa pemain lain, menawarkan beberapa layanan untuk merakit CDP dengan lapisan data yang dipisahkan.
• Resolusi Identitas: Beberapa vendor menargetkan resolusi identitas. Banyak CDP sekarang telah melepaskan upaya resolusi identitas mereka sendiri, dan bukannya bermitra dengan vendor seperti Neustar, Infutor, LiveRamp, dan lainnya.
• Keterlibatan: Pasar untuk produk yang berorientasi pada keterlibatan tetap cukup dinamis. Anda dapat menemukan banyak solusi poin yang menargetkan orkestrasi perjalanan, manajemen kampanye, personalisasi, rekomendasi, dan kasus penggunaan keterlibatan lainnya. Beberapa paket CDP juga kuat di area ini.

Ini bukan daftar layanan yang lengkap, dan Anda dapat menemukan banyak vendor khusus lainnya (misalnya, yang menyediakan solusi tata kelola). Poin kuncinya adalah memungkinkan untuk merakit layanan ini untuk memiliki ekosistem data yang dapat dikomposisi alih-alih melakukan semuanya menggunakan satu CDP.

Baca selanjutnya: Perubahan mendalam di ruang CDP

Apa yang mungkin Anda lewatkan?

Sekarang, Anda mungkin telah mengetahui bahwa beberapa layanan CDP utama hilang dari daftar di atas: segmentasi dan aktivasi yang ramah bisnis. Ini adalah kemampuan yang lebih menantang untuk dibeli, dan di RSG, ketika kami telah melihat CDP yang dikembangkan sendiri, biasanya, perusahaan akan membangun antarmuka pengguna bisnis ini dari awal. Ketika kami mendengar pengembang perusahaan berdebat, "mari kita gunakan gudang data kami sebagai lapisan data alih-alih CDP," ini biasanya tujuan mereka.

Saya akan memperingatkan Anda tentang pendekatan ini, karena segmentasi khusus dan alat aktivasi dapat terbukti rapuh, dan desain UX tingkat lanjut adalah bagian besar dari apa yang Anda bayar dalam CDP (meskipun untuk memastikan: tidak semua CDP sama baiknya dalam hal ini. ).

Apa yang harus kamu lakukan?

Ketahuilah bahwa upaya CDP Anda pasti akan mencakup beberapa langkah baik membangun dan membeli. Ini hanya masalah proporsi dan lokasi. Bahkan jika Anda melisensikan CDP yang dikemas – dan ada alasan bagus untuk melakukannya – Anda akan memerlukan banyak pekerjaan pengembangan untuk menggabungkannya ke seluruh struktur data pelanggan Anda, apalagi sistem keterlibatan lini depan Anda.

Juri tetap pada satu pendekatan terbaik untuk ini, tetapi pola desain muncul. Konsultasikan briefing ini untuk lebih jelasnya.

Sementara itu, saat Anda ingin membangun otot manajemen data pelanggan Anda selama tahun depan, jaga agar ilmuwan data Anda tetap dekat tetapi pengembang Anda lebih dekat lagi.

Pendapat yang diungkapkan dalam artikel ini adalah dari penulis tamu dan belum tentu MarTech. Penulis staf tercantum di sini.