3 abordagens para mesclar perfis ao resolver identidades

Os profissionais de marketing estão recebendo sinais mais diferentes do que nunca de seus clientes devido aos canais digitais fragmentados. Lidar com isso requer uma abordagem clara para a resolução de identidade. Como eles estão combinando identificadores e mesclando perfis de clientes? Quão confiantes eles estão com as partidas? Ter uma estratégia definida leva a uma melhor comunicação com os clientes e a uma experiência do cliente mais eficaz e lucrativa.

Primeiro, as organizações devem adotar uma estrutura para sua estratégia de resolução de identidade. Pode ser o dispositivo primeiro, a pessoa primeiro ou uma combinação dos dois. O que importa é que os profissionais de marketing tenham certeza de que os identificadores que estão usando permitem que eles mantenham uma visão do cliente durante toda a jornada digital.

Correspondência determinística x probabilística

Os clientes que interagem com sua organização por meio de diferentes canais digitais podem fazer com que um único cliente tenha vários perfis em seus dados. Mesclar esses perfis requer encontrar maneiras de combinar os dispositivos, contas digitais e outros identificadores com uma pessoa.

Existem duas maneiras principais de fazer isso.

Correspondência determinística. Isso significa que você só vai mesclar perfis onde a correspondência é certa. Normalmente, isso acontece quando um identificador comum é encontrado em vários perfis. Por exemplo, se o seu cliente fez um pedido usando um endereço de e-mail, o endereço postal ou número de telefone encontrado com esse pedido pode indicar quais outros perfis são do mesmo cliente. Esses identificadores comuns fazem uma correspondência determinística.

Se o endereço de e-mail estiver incluído em um perfil de cliente, por exemplo, os dados desse cliente podem ser mesclados com as informações armazenadas separadamente no provedor de serviços de e-mail (ESP).

Correspondência probabilística. Isso envolve a combinação de dados comportamentais da IA ​​com outros sinais para prever a probabilidade de que as interações separadas do cliente sejam todas do mesmo cliente - sem o uso de um identificador comum.

“O problema com esse tipo de correspondência e com todo esse tipo de resolução de identidade é que você acaba fazendo muitas suposições”, disse Greg Krehbiel, consultor do The Krehbiel Group, na The MarTech Conference .

No entanto, Krehbiel aponta que mesmo a correspondência determinística não é totalmente confiável. Ele compartilhou um caso de uso que não é raro. A mãe de Krehbiel pediu à irmã para ajudar nas compras de Natal, então a irmã comprou presentes na Amazon usando seu próprio laptop e o cartão de crédito da mãe. A correspondência determinística pode levar à conclusão de que a mãe estava usando o laptop da filha.

Estabeleça uma única fonte de verdade

Há sempre algum julgamento necessário na fusão de perfis de clientes e identificadores correspondentes. Para tornar isso o mais preciso possível, é aconselhável estabelecer uma única fonte de verdade para os dados do cliente.

“Você quer ter um único registro de cliente na medida do possível, e isso requer a fusão de vários outros registros”, disse Krehbiel. “E isso significa que um sistema deve ser a única fonte de verdade para aquela coisa, seja ela qual for.”

Pense em todos os casos de uso de um determinado canal e onde esses dados devem ser consolidados. Isso ajudará a evitar redundâncias e fontes de verdade concorrentes.

“Se alguém mudar um endereço de e-mail [no CRM], isso vai sobrescrever coisas no ESP?” Krehbiel perguntou.

Em alguns casos, mesclar perfis não é o ideal. Alguns clientes, por exemplo, preferem ter vários e-mails para uso profissional e pessoal. Nesse caso, os e-mails não devem ser mesclados. Em vez disso, sua organização deve pensar nesse cliente como uma persona multifacetada com vários e-mails.

Vá mais fundo: como a Penske Media usa um CDP para ajudar os anunciantes a alcançar usuários digitais

Escala deslizante de confiança

A correspondência determinística e probabilística depende da confiança nos dados usados ​​ao mesclar perfis e resolver a identidade de um cliente.

Isso significa que os profissionais de marketing devem classificar sua confiança em uma escala variável, dependendo dos casos de uso – como eles pretendem interagir com seus clientes.

Esse cálculo é importante porque há casos extremos que prejudicam as suposições feitas ao mesclar dados de vários perfis.

“Sempre há casos extremos”, disse Krehbiel. “Uma pessoa tem vários endereços de e-mail, mas às vezes um endereço de e-mail tem várias pessoas, certo? Ou conheço algumas famílias que têm um endereço de e-mail para toda a família. De um modo geral, esses são casos extremos com os quais você realmente não precisa se preocupar muito. Se causar problemas, não é o maior negócio do mundo. Ou pode ser – mas você tem que pensar nessas coisas em termos de seus casos de uso.”

O uso dessa escala de confiança ajudará a determinar a chance de erro em um dos pontos de dados. Por exemplo, um endereço postal errado pode resultar apenas em postagem desperdiçada para uma mala direta. Mas se fizer parte das informações da conta de um cliente e ele vir o endereço errado, poderá ter mais preocupações com a privacidade e como sua empresa gerencia os dados.

Novamente, depende de casos de uso específicos para o seu negócio. Outro exemplo: se sua empresa é um serviço de entrega de comida e seu cliente tem alergia a amendoim, essa é uma informação importante que sua empresa precisará acertar.

Manter esses casos de uso em mente ajudará sua equipe a tomar as decisões mais seguras ao combinar identificadores, mesclar perfis e, por fim, oferecer as melhores experiências aos seus clientes.

Registre-se para a Conferência MarTech aqui.