DMP, CDP, CRM & DWaaas?

Die Ähnlichkeit ergibt sich oft aus den erheblichen Überschneidungen der Funktionen. Viele der oben genannten Tools ermöglichen beispielsweise, Zielgruppen und Analysen zu erstellen.

Aufgrund dieser sich überschneidenden Funktionen, mangelnder Klarheit und dass getrennte Teams oft unterschiedliche Tools wählen, schaffen Produktmanager und Marketingexperten oft versehentlich Frankenstein-Tech-Stacks an, die ein oder zwei Dinge gut machen, aber die Zentralisierung von Kundendaten zu einem großen Chaos machen.

Ein klares Verständnis davon, was eine CDP ist, und eine klare Abgrenzung zwischen einer CDP und anderen Marketing-Technologien ist für den Aufbau einer erfolgreichen Datenstrategie für das Marketing von großer Bedeutung.

#Was ist eine Customer Data Platform?

Laut dem Customer Data Platform Institute ist eine CDP definiert als "Softwarepaket, das eine beständige, einheitliche Kundendatenbank erstellt, die für andere Systeme zugänglich ist".

Customer Data Platform is defined by the CDP Institute as “packaged software that creates a persistent, unified customer database that is accessible to other systems.” Key elements of the definition are:

Nehmen wir diese Definition auseinander, um zu verstehen, was eine CDP im Detail ist und was sie tut:

• Erstellt eine dauerhafte, einheitliche Kundendatenbank - Eine CDP sammelt die Ereignisdaten und die zugehörigen Attribute aus einer Vielzahl von Datenquellen wie Websites, mobilen Apps usw. Anschließend werden diese Daten verarbeitet, um eine einheitliche Sicht auf den Kunden zu erstellen, dies nennt man Identity Resolution.

• Zugänglich für andere Systeme - Eine CDP lässt sich nahtlos mit anderen MarTech-Tools und Plattformen von Drittanbietern integrieren, um nachgelagerten Anwendungsfälle zu unterstützen. Dazu gehören die Durchführung effektiver Marketingkampagnen, die Nutzung modernster Analyseverfahren, die Anreicherung des Data Warehouse und vieles mehr.

Wichtig ist auch, dass eine CDP all dies unter Einhaltung der erforderlichen Datenqualitäts- und Governance-Standards tut, was aus technischer Sicht ein großes Unterfangen ist.

#Identity Resolution

Die Identity Resolution verknüpft die Daten, zum Beispiel anhand einer Email-Adresse, aus den unterschiedlichen Touchpoints hinweg, unter der Berücksichtigung des Nutzer-Consent. Danach generiert Potenziale für Orchestrierung der Ansprachen.

Im Marketing arbeitet man mit der unterschiedlichen Ansprache von einerseits anonymen Besuchern, andererseits Kunden und Interessenten, Nutzer, entweder mit und ohne deren Erlaubnis. Somit gibt es Nutzer ohne Werbeeinwilligung und andererseits eben Kunden und Interessenten, die man aktiv personalisierte ansprechen darf.

Aus einem anonymen Besucher wird also ein z.B. Kunde. In der Single Customer View hat dann diese Person eine eindeutige ID. Der Marketer kann alles sehen, was an Informationen über diese Person gesammelt wurden.

#Unterschiede zu den anderen Technolgien

Nachdem wir geklärt haben, was eine CDP ist und was sie leistet, wollen wir diese von den anderen Marketing Technologien und -systemen zur Verwaltung von Kundendaten abgrenzen.

#CDP vs. DMP

Die Hauptunterschiede zwischen Customer Data Platform und Data Management Plattform liegen in der Art der Daten und in der Art und Weise, wie diese Daten gesammelt werden.

CDPs ermöglichen es Unternehmen, Daten von First- und Second Party in Echtzeit über APIs, SDKs und andere Quellen zu sammeln und diese dann für nachgelagerte Anwendungsfälle zu verarbeiten und zu normalisieren. DMPs hingegen sammeln hauptsächlich Daten von Third Party für die Erstellung von Zielgruppen in groß angelegten Marketingkampagnen.

Ein weiterer Unterschied zwischen den beiden Plattformen besteht darin, dass die von den CDPs gesammelten Daten PII (persönlich identifizierbare Informationen) enthalten. Dies liegt daran, dass CDPs hauptsächlich von nachgelagerten Tools für die Personalisierung (Email-Marketing, usw.) verwendet werden. Im Gegensatz dazu sammeln DMPs vollständig anonymisierte Daten (d. h. die PII werden aus den Daten entfernt), sodass sie nicht mit Einzelpersonen in Verbindung gebracht werden können.

DMPs werden nur in der Werbung eingesetzt und helfen nicht bei der Personalisierung des eigenen Marketings.

#CDP vs. CRM

Im Gegensatz zu einer CDP ist ein CRM darauf spezialisiert, bei der Verwaltung der Kundenbeziehungen zu unterstützen. Mit einem CRM können First Party Data effizient verwaltet und Kunden- und Kontodaten anzeigen, aktualisiert und Berichte erstellt werden.

Es gibt einige wesentliche Unterschiede zwischen CRMs und CDPs, vorwiegend in der Art und Weise, wie diese Daten erfassen, verarbeiten und nutzen. Zunächst einmal erfasst und speichert ein CRM Daten, die hauptsächlich durch Kundenkontakte entstehen. Es zeichnet auch Transaktions- und Verkaufsdaten auf.

Ein CRM ist nicht dafür ausgelegt, Daten aus anderen Systemen zu vereinheitlichen. Eine CDP kann jedoch Daten an ein CRM liefern, indem sie diese tranformiert und mit den erforderlichen Indizes ergänzt, damit das CRM die Informatioen effektiv nutzen kann.

Ein weiterer wesentlicher Unterschied zwischen CRM und CDP besteht darin, dass ein CDP über Integrationen mit verschiedenen Tools von Drittanbietern für Analysen, Marketing und andere nachgelagerte Anwendungsfälle verfügt. Ein CRM bietet Tools für die Verwaltung der Interaktionen mit den Kunden oder Integrationen mit Marketing-Automatisierung. Daher verfügen CRMs oft nur über eine sehr begrenzte Integration mit Tools von Drittanbietern für Kundeninteraktion und -engagement, sowie für die Berichterstattung über verschiedene Arten von anderen Kundendaten. Diese sind auch in den meisten Fällen nicht notwendig. Kein CRM Manager benötigt eine Auflistung diverser Verhaltensdaten, die zusätzlich das CRM und den Customer Manager mit unnötigen Informationen belasten.

Anbieter von Customer Relationship Management (CRM) helfen Unternehmen bei der Organisation und Verwaltung von Kundeninteraktionen, sammeln aber keine Verhaltensdaten darüber, wie Kunden mit den Produkt oder ienstleistung interagieren.

#CDP vs DWH

Nach der Definition von Amazon Web Services (AWS) ist ein Data Warehouse ein zentraler Speicher für Informationen, die analysiert werden können, um fundiertere Entscheidungen zu treffen. Data Warehouses sammeln in regelmäßigen Abständen (oft nicht in Echtzeit) verarbeitete Daten aus Transaktionssystemen, relationalen Datenbanken und anderen Quellen und organisieren sie in Datenbanken.

Kurz gesagt: Ein Data Warehouse ist ein zentraler Speicher für Daten, die aus verschiedenen Quellen zusammengetragen werden. Unternehmen nutzen Data Warehouses als Kernkomponente ihrer Business Intelligence-Infrastruktur und verwenden sie als Systeme für die Berichterstattung und Datenanalyse.

Ein Data Warehouse kann auch eine Identity Resolution sein - also die Vereinheitlichung der Benutzerhistorie über Geräte und Kanäle hinweg in einer einzigen Kundenansicht - Aber dafür ist ein DWH nicht gebaut, sondern um Analysen über sehr lange Zeiträume zuzulassen. Dies läuft als nachgelagerte System im Batch-Betrieb, also relativ langsam bei der Datenaktualität. Auch kann es sein, das durchaus die Performance und die Geschwindigkeit des Systems beeinträchtigen werden können, wenn BI-Analysten Daten verarbeiten, da in einem DWH, ganz anders zu einem Data Lake, die Verarbeitung auf derselben Maschine erledigt, wo auch die Daten liegen.

Somit ist das für den Einsatz im Ecommerce zu langsam. Man will im Moment des Kundenbesuchs eine schnell reagierende Kundenkommunikation und eine schnelle Retargeting-Steuerung. Die Customer Data Plattform arbeitet trotzdem Hand in Hand mit einem Website oder Webshop, reagiert aber genauso schnell und kümmert sich um den Kundenbeziehungsanteil, wo sich die Shop um die Produkte und die Kasse kümmert.

#CDP mit einem DWH kombinieren

#Übermittlung sauberer und konsistenter Datn an das Data Warehouse

Durch die Bereitstellung einer einzigen API zum Sammeln von Daten von allen Kundenkontaktpunkten. Die CDP kann als Validierungsschicht fungieren, bevor die Daten in das Data Warehouse gelangen.

CDPs bieten automatisierten Datenexport, erweiterte Filterung und Compliance sowie Datenwiedergaben für ein schnelleres und stabileres Data Warehousing. Beispielsweise eingehende Kundendaten weiterleiten und historische Daten über Integrationspakete in Data Warehouses wie Snowflake, Amazon Redshift und Google BigQuery laden.

Customer Data Platform und Data Warehouses gibt es somit weniger Gemeinsamkeiten as man am Anfang denkt. Jedoch schließen sich CDPs und DWH nicht gegenseitig aus. Während Data Warehouses ein System für die langfristige Datenspeicherung und -analyse bieten, stellen CDPs eine Infrastruktur für die Echtzeit-Datenkonnektivität bereit.

Hier sind einige wesentliche Unterschiede.

Feature	CDP	DWH
Use Case	Marketing Anwendungsfälle - direkte Kundeninteraktionen	Business Intelligence - historische Datenanalyse und Berichterstattung
Identity Resolution / Visitor Stitching	Kanalübergreifende Identitätsauflösung	Keine Identitätsauflösung - meist über Master Data Management vorgeschalten
Datenerhebung und -aktualisierung	Kundenereignisse werden in Echtzeit aufgenommen	Daten werden weniger häufig aktualisiert häufig - täglich, wöchentlich oder sogar monatlich, je nach Geschäftsanforderungen
Datenverarbeitung	Die Daten werden verarbeitet und bereinigt, für einen einheitlicher Datensatz	Die Daten werden verarbeitet und bereinigt, werden aber nicht dedupliziert, abgeglichen oder zusammengeführt
Daten-Normalisierung	Die Daten werden transformiert und normalisiert	Die Daten sind nicht normalisiert

#Zusammenfassung

Ein wichtiger Punkt bei CDPs ist, dass diese Software, obwohl sie Kundendaten verarbeitet, nicht dasselbe ist wie eine DMP. DMPs werden nur in der Werbung eingesetzt und helfen nicht bei der Personalisierung des eigenen Marketings.

Anbieter von Customer Relationship Management (CRM) helfen Unternehmen bei der Organisation und Verwaltung von Kundeninteraktionen, sammeln aber keine Verhaltensdaten darüber, wie Kunden mit den Produkt oder Dienstleistung interagieren.

Data Warehouses konzentrieren sich für die langfristige Datenspeicherung und -analyse, CDPs stellen eine Infrastruktur für die Echtzeit-Datenkonnektivität bereit.

Damit die Marketingabteilung neue Ideen schnell mit AB-Tests validieren kann und wenn diese funktionieren einfach in den Betrieb ausrollen oder weiter perfektionieren. So nimmt Zug um Zug der Automatisierungsgrad zu und das beste daran ist durch diese zunehmende Automatisierung gewinnt man wieder Zeit für neue kreative Ideen und Innovativen.

• Alle Daten sind an einem Ort - Daten zum Kunden, seinem Verhalten, Interessen, Präferenzen, zu Produkten, Marketingkampagnen
• 360° Kundensicht - Segmente, Potenziale, Profile, Empfehlungen, Kanalpräferenzen.
• Automatisierte Kampagnen - Workflows, Trigger, Selektion
• Optimierte Ausspielung - Echtzeitauslieferung, Kanalorchestrierung, Frequenzsteuerung, A/B Testing