Lesezeit: 4 Minuten

Eine Customer Data Platform (CDP) vereinheitlicht die Kundendaten aus jedem digitalen Kanal, den ein Händler betreibt: die Website, das Telefon, die Formulare, die sozialen Kanäle, die E-Mail und die Marketingkampagnen. Systeme wie das DMS speisen dasselbe Profil über dedizierte Integrationen, die zu einer eigenen Ebene der Architektur gehören. Die CDP führt die fragmentierten Datensätze, die diese Quellen enthalten, zu einem einzigen Profil pro Kunde zusammen, maßgeblich und kontinuierlich aktualisiert und verwandelt dieses Profil in die Grundlage, auf der Segmentierung, Kampagnen und das Schlussfolgern der KI aufbauen. Im Automobilvertrieb, wo sich derselben Person zahlreiche Daten zuordnen lassen, die in getrennten Systemen leben, ist diese Vereinheitlichung die notwendige Voraussetzung, die jede nachgelagerte Investition präziser macht.

Dieser Artikel erklärt, wie eine CDP arbeitet: wie sie denselben Kunden über verschiedene Systeme hinweg erkennt, was es bedeutet, einen Kunden zu 360° zu kennen und was sich auf operativer Ebene ändert, sobald sie existiert.

Ein Kunde, sieben verschiedene Profile

Betrachten wir ein Szenario, das vielen bekannt vorkommen wird. Ein Kunde existiert siebenmal in der Datenbank. Ein Verkäufer sucht ihn, findet sechs Datensätze mit leicht unterschiedlichen Angaben und legt, da er nicht weiß, welcher der aktuelle ist, einen siebten an. Das Marketing sendet derselben Person drei E-Mails, aus drei verschiedenen Adressen. Das BDC öffnet den falschen Datensatz und führt das Gespräch mit einem Bruchteil der verfügbaren Historie.

Das Verhalten jedes Mitarbeiters ist in diesem Szenario nachvollziehbar. Das Problem ist struktureller Natur: Jedes System, das mit dem Kunden in Kontakt kommt, erstellt und pflegt seinen eigenen Datensatz mit eigenen Kennungen und die Systeme teilen keine gemeinsame Definition davon, wer diese Person ist. Ein Kunde, der vor drei Jahren ein Fahrzeug gekauft, es zweimal in den Service gebracht, auf eine E-Mail-Kampagne reagiert und diese Woche einen neuen Lead gesendet hat, kann in vier getrennten Systemen mit leicht voneinander abweichenden Informationen existieren, und jede Funktion, die auf ihn einwirkt, wirkt auf ein unvollständiges Bild ein.

Es ist das spezifische Problem, das eine Customer Data Platform lösen soll, und sie löst es auf der Ebene, auf der das Problem angesiedelt ist: der Identität.

Wie die Identitätsauflösung funktioniert

Der technische Kern einer CDP ist die sogenannte Identitätsauflösung: der Prozess, der fragmentierte Datensätze über verschiedene Systeme hinweg erkennt, die derselben Person entsprechen, und sie unter einem einzigen Profil vereint.

Der Mechanismus beruht auf zusammengesetzten Signaturen. Jeder Datensatz trägt Kennungen mit sich: eine E-Mail-Adresse, eine Telefonnummer, eine Steuernummer, einen Namen. Die CDP behandelt jede Kennung wie einen Fingerabdruck und bringt die Datensätze, die sie teilen, in Übereinstimmung, wobei sie die natürlichen Abweichungen berücksichtigt, die diese Angaben über die Jahre ansammeln: ein anders geschriebener Name, eine private E-Mail in einem System und eine geschäftliche E-Mail in einem anderen, ein Festnetzanschluss in einer Plattform und eine Mobilnummer in der Call-Tracking-Software.

Die Übereinstimmung funktioniert auch transitiv. Wenn Datensatz A eine Telefonnummer mit Datensatz B teilt und Datensatz B eine Steuernummer mit Datensatz C, dann beschreiben A, B und C dieselbe Person, auch wenn A und C keine gemeinsame Kennung haben. Diese transitive Logik ermöglicht es der Auflösung, Kanäle zu überbrücken, die nie direkt Daten ausgetauscht haben: ein auf der Website gesendetes Formular, ein über eine E-Mail-Kampagne erreichter Kontakt und eine telefonische Interaktion laufen über die Kette der Kennungen, die sie verbindet, in einem einzigen Profil zusammen.

Dieselbe Logik erstreckt sich auf Besucher, die sich noch nicht identifiziert haben. Eine Person, die die Website anonym durchsucht, erzeugt Verhaltensdaten: die aufgerufenen Fahrzeugseiten, die Häufigkeit, mit der sie zurückkehrt, die durchgeführte Finanzierungssimulation. Das Fingerprinting verfolgt diese Aktivität, und in dem Moment, in dem der Besucher ein Formular absendet, wird die gesamte anonyme Historie mit dem gerade identifizierten Profil verknüpft. Der eingehende Lead ist von Wochen an Kontext begleitet. Ein potenzieller Kunde, der ein Angebot für einen neuen SUV angefragt und dann erneut Gebrauchtfahrzeuge in derselben Preisklasse angesehen hat, signalisiert die Suche nach einem Kompromiss, und der Verkaufsberater, der diesen Lead öffnet, kann das sehen.

Was es bedeutet, vollständige und vereinheitlichte Informationen über einen Kunden zu haben

Sobald die Identitäten aufgelöst sind, kann das Profil vier Fragen zu jeder Person in der Datenbank beantworten. Diese vier Dimensionen definieren, was das Wissen über den Kunden enthalten muss, bevor die Intelligenz zuverlässig darüber schlussfolgern kann.

Wer ist diese Person? Ein maßgeblicher Datensatz, über alle verbundenen Systeme abgeglichen, wird durch jede Interaktion kontinuierlich aktualisiert. Der Verkäufer, der die Suche durchführt, findet ein einziges Ergebnis, und es ist das aktuelle.

Was hat er gekauft? Die vollständige Transaktionshistorie: Fahrzeuge, Verträge, Service-Vorgänge, Finanzierungen, bezogen aus dem DMS, wo die entsprechende dedizierte Integration vorhanden ist. Diese längsschnittliche Dimension bestimmt, an welchem Punkt des Ownership-Zyklus sich der Kunde befindet und wie die Geschäftsbeziehung verlaufen ist.

Wie verhält er sich? Auf der Website aufgerufene Seiten, gesendete Formulare, geöffnete E-Mails, Interaktionen mit Kampagnen, getätigte Anrufe, Touchpoints auf den sozialen Kanälen. Es ist die Signalebene, die die meisten Legacy-Systeme völlig übersehen, und diejenige, die einen statischen Datensatz in einen aktiven Indikator für Absicht verwandelt.

Was ist der richtige Zeitpunkt? Prädiktive Signale, die auftauchen, bevor die Absicht erklärt wird. Ein Kunde, der seit vierundzwanzig Monaten nicht in die Werkstatt gekommen ist, sendet ein Churn-Signal. Ein Leasingvertrag, der in vier Monaten ausläuft, öffnet ein Entscheidungsfenster. Sieben Besuche auf derselben Fahrzeugseite in zwei Wochen drücken eine Absicht aus, auf die das Vertriebsteam reagieren sollte. Auch das verhaltensbezogene Timing zählt: Ein Kunde, dessen Aktivität auf der Website in der Mittagspause ihren Höhepunkt erreicht, sagt der Organisation, wann ein Anruf ihn erreichbar antrifft.

Diese Fragen in Echtzeit zu beantworten verändert die Textur der täglichen Arbeit. Ob dieser Kunde eine Garantieverlängerung erworben hat, welche Leads in den letzten dreißig Tagen kein Angebot erhalten haben, welche Kommunikationen an diese Person gesendet wurden: Jede davon wird zu einer unmittelbaren Antwort, die aus dem Profil abgelesen wird und vollständige Informationen liefert, mit denen sich die nächste notwendige Aktion erkennen lässt.

Vom Profil zur Aktion

Ein vereinheitlichtes Profil schafft Wert, wenn es aktiviert wird, und die Aktivierung beginnt mit der Segmentierung.

Eine für das KI-Zeitalter konzipierte CDP ermöglicht es, Segmente in natürlicher Sprache zu definieren. Zwei Beispiele für reale Abfragen: „Kunden, die einen Lead für einen Volkswagen gesendet, die Website besucht und noch nicht gekauft haben“; „Kunden mit einem seit mehr als dreißig Tagen nicht erfolgreichen Lead, die die Website in den letzten sieben Tagen besucht haben“. Jede Abfrage liefert ein Live-Segment, aufgebaut auf aufgelösten Identitäten und aktuellen Verhaltensdaten, bereit, um an Analysen, Retargeting-Zielgruppen oder automatisierte Kampagnen weitergegeben zu werden.

Die Größe des Segments bestimmt anschließend den Kanal. Ein Segment mit hoher Absicht von dreizehn Personen rechtfertigt einen direkten Anruf des BDC oder des Verkaufsberaters einzeln. Ein Segment von 3.742 Personen eignet sich für das Marketing-Automation-Tool: E-Mail, SMS, automatische Aufgaben. Ein Segment von 14.752 speist die Retargeting-Zielgruppen auf Google und Meta. Dieselbe Infrastruktur bedient alle drei Größenordnungen, und das Profil hinter jedem Kontakt trägt den gesamten Kontext mit sich, unabhängig vom Kanal, der es erreicht.

Der Wert wird auf der Ebene einer einzelnen Kampagne konkret. Nehmen wir eine E-Mail, die an 3.742 Empfänger gesendet wurde: 749 Öffnungen, 150 Klicks und, durch die traditionelle Brille, drei Formularübermittlungen, die als Leads zu bearbeiten sind. Eine CDP identifiziert die Personen hinter diesen 150 Klicks, denn jeder Klick gehört zu einem aufgelösten Profil. Die Kampagne bringt 147 weitere potenzielle Kunden zum Vorschein: Personen, die Interesse gezeigt haben, sichtbar und erreichbar, samt der Browsing-Historie, die erklärt, wofür sie sich interessierten.

Ein Asset, das mit der Zeit wächst

Eine CDP folgt einer anderen Kurve als die meisten technischen Tools: Ihr Wert wächst mit der Zeit. Am ersten Tag geht sie in Betrieb und beginnt zu sammeln. Innerhalb einiger Monate sammeln sich Browsing-Verhalten, Leads und Kampagnenreaktionen auf den aufgelösten Profilen an. Die Segmente werden reichhaltiger, die Muster werden sichtbar und die Prognosen verbessern sich, weil die Modelle, die sie erzeugen, auf vollständigen Datensätzen trainiert sind.

Diese progressive Kapitalisierung ist der strategische Grund, warum diese Ebene über ihren operativen Nutzen hinausgeht. Die auf dem Markt verfügbare Intelligenz steht jedem Wettbewerber zur Verfügung, doch der Kontext ist und bleibt proprietär: die Art und Weise, wie Kunden mit einem bestimmten Unternehmen interagieren (seine Seitenaufrufe, seine Leads, seine Anrufe, seine Historie), gehört allein diesem Unternehmen. Eine gut gespeiste CDP verwandelt diesen Kontext in ein operatives Asset, und jede gut gehandhabte Interaktion fügt etwas hinzu. Der Kontext entsteht durch operative Disziplin, eine Information nach der anderen, und er ist der Teil der KI-Strategie, der den größten Wert schaffen kann.