Что внедрять: DMP или CDP и в чем разница

По мере того как эра cookie-файлов движется к своему неминуемому закату, маркетологи ищут альтернативы — смена технологического подхода не отменяет задачу идентификации пользователей. Рассуждаем, станут ли платформы клиентских данных (CDP, или Customer Data Platform) тем решением, которое поможет брендам процветать в новой маркетинговой реальности — в мире без cookie?

Для начала давайте разберемся, в чем разница между этими двумя типами платформ.

CDP (Customer Data Platform) и DMP (Data Management Platform) — это две разные категории инструментов, предназначенных для работы с данными, они решают разные задачи и предназначены для разных аудиторий.

CDP — это платформа, созданная для сбора, хранения и анализа данных о клиентах. Она предоставляет компаниям централизованный доступ к всем данным о клиентах, включая историю покупок, взаимодействие с брендом, предпочтения и многое другое. Это помогает более глубоко понимать клиентов, создавать персонализированные предложения и улучшать пользовательский опыт.

С другой стороны, DMP — это инструмент, который используется для управления данными о целевой аудитории. DMP позволяет объединять данные о пользователях из разных источников, чтобы определить, какие аудитории наиболее интересны для маркетинговых кампаний. Он помогает оптимизировать рекламные бюджеты, находя наиболее подходящих пользователей для таргетированных рекламных кампаний.

Итак, основное различие между CDP и DMP заключается в том, что CDP сосредотачивается на данных о клиентах и улучшении их опыта, в то время как DMP ориентирована на оптимизацию маркетинговых усилий и таргетирование аудитории. Самое простое объяснение различий будет таким: в центре CDP — персонализированные данные (1st party data, ФИО, телефоны, личные адреса, персональные предпочтения и т. д.), тогда как в DMP обрабатываются обезличенные идентификаторы (3d party data, в том числе соответствующие cookie, IP-адреса, сведения об устройствах, операционных системах и т. д.). Важно понимать, что эти платформы не исключают друг друга, и в некоторых случаях их интеграция может быть очень полезной для компании.

Так что, помните, CDP и DMP — это не либо-либо, а скорее инструменты, которые могут дополнять друг друга, помогая компаниям более успешно вести свой бизнес и маркетинговые кампании.

DMP появились несколько раньше, чем CDP и были полезны при агрегировании анонимных идентификаторов для выполнения сложных функций сопоставления и интеграции данных, а также для обогащения пула данных 1st party. Рекламодатели смогли использовать эти расширенные данные для создания look-alike аудиторий и сегментов для таргетирования рекламных кампаний, поиска инсайтов, увеличения клиентской базы и обогащения данных, уже содержащихся в CRM. Кроме того, во многом благодаря технологии DMP появились DaaS-биржи (или маркетплейсы) данных, где поставщики могут выставлять готовые обезличенные data-пакеты на продажу или предоставлять данные в аренду. Примеры российских бирж данных — 1DMC и Konverta.

Впрочем, в России DMP не вызвали такого ажиотажа, как на глобальном рынке, где Data Management Platforms стали весьма «модной» технологией пять-шесть лет назад. В итоге многие бренды вкладывались в DMP, не разрабатывая для них планов применения и не задавая некоторых важных вопросов. Как они будут использовать свои DMP и кто именно будет заставлять эти платформы работать в контексте монетизации данных? Какую ценность компания ожидает получить от DMP? Какие источники данных находятся в распоряжении компании?

Рекламодатели поддались хайпу, окружавшему DMP, а некоторые были очарованы технологией настолько, что инвестировали в нее сотни тысяч долларов — лишь для того, чтобы на выходе получить нулевую рентабельность вложений. С грядущим отказом от cookies и постоянным ужесточением правил privacy под вопросом оказывается не только судьба инвестиций, но и самой технологии DMP.

Один из таких вопросов в том, усвоила ли индустрия рекламы этот урок. И не повторится ли похожая история с CPD-платформами? Интерес рекламодателей к CDP быстро растет, что вполне объяснимо. На фоне все более суровых правил в области privacy и приближающегося cookie-апокалипсиса 2023 года многие видят спасение в 1st party data — а эти данные как раз находятся в фокусе CDP-платформ. И они останутся недосягаемыми для инициатив по защите конфиденциальности, исходящих от Google, Apple или регуляторов рынка. Но достаточно ли новой платформы с «горячей» аббревиатурой CDP для работы в новой экосистеме маркетинга. Окажется ли CDP тем решением, которого многие ждут? Или ожидания снова окажутся неоправданными?

Платформа клиентских данных позволяет собирать, нормализовать и строить представления (и анализ) на собственных данных — 1st party data. Это данные c собственных сайтов, из CRM-систем, баз и справочников лояльности, служб email-маркетинга, мобильных приложений, социальных каналов, профилей e-commerce, транзакционных баз данных и файлов 1st party cookie. Собрав все эти данные, CDP объединяет источники для создания единого профиля клиента. Когда сторонние файлы cookie исчезнут, эти динамические пользовательские профили приобретут статус «золота» в сфере клиентских данных.

Но маркетологам придется учиться пользоваться CDP и инвестировать в эту технологию с широко открытыми глазами — с осторожностью и пониманием, что и зачем делается. Вот некоторые вопросы и темы для размышления для тех, кто рассматривает возможность использования CDP:

1. Если речь идет о сегменте крупных корпоративных заказчиков, то нужно убедиться, что все заинтересованные стороны в организации понимают и принимают экономическое обоснование CDP. Проще говоря, решения необходимо формализовать и задокументировать. Поскольку CPD сама по себе не является маркетинговым инструментом (платформа используется для data driven управления маркетингом, но прямо не управляет активностями), рекламодателям предстоит сформировать кросс-функциональные группы. Маркетологи, технические специалисты и финансисты — такая команда сможет сформулировать бизнес-кейсы, экономическое обоснование и предположения о рентабельности инвестиций (ROI), прежде чем компания войдет в проект.
2. Возможно, придется по-новому взглянуть на структуру маркетинговых команд и на операционные модели, чтобы увидеть, как организация сможет наилучшим образом заставить CDP работать. Сила CDP заключается в данных, которые она принимает и интегрирует — обо всех потенциальных и действующих клиентах. А такие данные могут храниться в самых разных системах и источниках. Поэтому имеет смысл проконсультироваться с рядом экспертов по данным — в ИТ, в службе продаж, в маркетинге и даже в рекламных/коммуникационных агентствах, если бренд сотрудничает с таковыми. Этих экспертов коллективно можно было условно называть «командой маркетинговых технологий».
3. В-третьих, нужно убедиться в наличии необходимой экспертизы по прочим собственным платформам. Одно дело работать в «отдельно стоящей» CRM, другое — обеспечить интеграцию данных с CDP. На волне интереса к DMP, о которой мы говорили, многим не удалось обеспечить приемлемый уровень ROI именно из-за недостатка экспертизы не только в предметной области, но и в смежных сферах. В результате компетенции по применению DMP-платформ могли находиться у партнеров, консультантов, агентств или вендоров — но не у внутренних специалистов компании. Чтобы извлечь максимальную выгоду из инвестиций в CDP, маркетологам нужно задействовать собственных экспертов — профессионалов, которые могут работать в синергии со специализированными сторонними партнерами.
4. В-четвертых, есть смысл начинать с пилотных программ, чтобы убедиться в готовности к более масштабному применению CDP. Здесь критически важным будет партнерство внутренних ИТ и маркетинговых команд с поставщиками CDP и, возможно, с агентствами, работающими на стороне заказчика.

При сравнении возможностей CDP и DMP возникает еще один вопрос: а нужно ли вообще противопоставлять эти два типа платформ? Является ли CDP альтернативой и заменой для DMP или эти технологии могут дополнять друг друга? И не логичнее ли выстроить такой IT-ландшафт, в котором каждая платформа будет, с одной стороны, решать свои специфические задачи, а с другой — работать на достижение эффекта синергии?

Сложно спорить с тем, что 1st party data приобретет больший вес на фоне отказа от сторонних cookie-файлов. Но их исчезновение в браузерах не означает тотального ухода от 3 party data. Скорее всего это приведет к тому, что на смену одному-двум монопольным поставщикам в лице Google и Apple придут многочисленные альтернативные провайдеры таких данных. Проекты разработки идентификаторов UID 2.0 и SWAN подтверждают, что рынок активно ищет новые способы трекинга пользователей в cookieless-реальности. В новых условиях найдется место обеим технологиям: CDP — для обработки персонализированных данных; DMP — для обезличенных идентификаторов.

Поэтому при разработке платформы ANDATA мы отказались от исключающего подхода «или или», заменив его на инклюзивный «и то, и другое». В ANDATA, как и в классической DMP, есть возможность хранения широкого набора обезличенных данных о клиентах и объединения пользователей в сегменты по непрямым идентификаторам (браузер, ОС, модель устройства, гео, пол, возраст, интересы и т. д.). Такие сегменты, как и в случае с DMP, используются для лучшего ретаргетирования рекламных кампаний. В свою очередь CDP в составе ANDATA отвечает за сбор персонализированных данных, включая ФИО, телефоны, email-адреса и т. д. Личные данные поступают из всех источников, где пользователи по оставляют такие идентификаторы — сайты и мобильные приложения заказчиков, CRM- и ERP-решения, системы коллтрекинга и другие.

Таким образом, спектр доступных данных о клиенте в ANDATA намного шире, чем в изолированных платформах CDP или DMP.

Добавив к сочетанию DMP и CDP возможности машинного обучения, мы реализовали в ANDATA построение динамических клиентских профилей — цифровых паспортов. Благодаря этому возможен не только качественный ретаргетинг для массовых кампаний в Google и Яндекс, но также построение персонализированных коммуникаций с клиентами в любом канале, не обязательно рекламном.

Нужно отметить, что ни CDP, ни DMP не предполагают прямого управления рекламными коммуникациями, в то время как ANDATA успешно решает задачу автоматизированной оптимизации кампаний в digital-каналах (Google, Яндекс, Facebook* и VK). Для этого модель машинного обучения ANDATA анализирует пользовательские профили, данные рекламных кампаний и установленные KPI. На базе вероятностного машинного анализа платформа рассчитывает наиболее конверсионные настройки для оптимизации рекламных активностей. Готовые предиктивные рекомендации автоматически подаются в рекламный канал и могут быть применены по нажатию одной кнопки. Предиктивные возможности ANDATA и инструменты автоматизации кампаний выходят далеко за рамки DMP или CDP-решений. Подробнее о рекомендациях читайте здесь.

Что касается общего подхода ANDATA к выбору технологических решений, то его можно свести к одному простому правилу. Выбирая платформу, нужно идти от потребностей бизнеса, а не от возможностей программного решения. Без четкого понимания того, каким будет прикладное применение той или иной технологии, инвестиции в нее не имеют шансов оказаться рентабельными.

Успех применения технологии определяется наличием понятных бизнес-задач, которые планируется решать с помощью выбранной платформы. Оптимизация рекламных кампаний и бюджетов на базе пользовательских данных, анализ и улучшение customer journey, персонализация пользовательского опыта на основе поведенческого анализа — примеры таких задач.