Erstellen zusammengeführter Einzelpersonprofile

Lernziele

Nachdem Sie diese Lektion abgeschlossen haben, sind Sie in der Lage, die folgenden Aufgaben auszuführen:

Erläutern der Vorteile zusammengeführter Einzelpersonprofile
Beschreiben, wie man zusammengeführte Einzelpersonprofile erstellt

Data Cloud

Data Cloud ist ein leistungsstarkes Tool, das Ihnen helfen kann, Ihre Daten über mehrere Systeme hinweg zusammenzuführen, um vorgesehene Zielgruppensegmente zu erstellen. Zusammengeführte Profile in Data Cloud kombinieren Daten aus diesen Quellen in einem einzigen Profil, das auf benutzerdefinierten Identitätsbestimmungsregeln innerhalb eines Regelsatzes basiert. Damit Sie zusammengeführte Einzelpersonprofile erstellen können, müssen Ihre Daten jedoch korrekt zugeordnet sein. In diesem Modul befassen wir uns mit den Konzepten rund um Daten und Identität, einschließlich zusammengeführter Einzelpersonprofile, Datenmodellierung, dem Customer 360-Datenmodell und den Anforderungen an die Datenzuordnung für die Identitätsbestimmung. Wenn Sie diese wichtigen Konzepte für die Datenzusammenführung verstehen, sind Sie gut vorbereitet, um Data Cloud optimal zu nutzen.

Daten und Identität

Sehen wir uns zuerst einen Überblick über Daten und Identität an.

Möchten Sie mehr darüber erfahren, wie Sie eine Datenstrategie für Ihr Unternehmen entwickeln? Dann sehen Sie sich das Trailhead-Modul Customer Data Platform Strategy (Strategie für eine Kundendatenplattform) an.

Eine zusammengeführte Einzelperson

Das ist Rachel Rodriguez, eine Kundin (und Fan) von Northern Trail Outfitters (NTO), einem Anbieter von Outdoor-Ausrüstung und -Bekleidung. NTO hat in mehreren Systemen Daten über Rachel: ein Kundenprofil in Commerce Cloud, Marketing Cloud und mehr. Jedes System enthält jedoch unterschiedliche Informationen über sie (wie etwa verschiedene E-Mail-Adressen). Wir bezeichnen diese eindeutigen Daten als Kontaktpunkte (Telefonnummer, E-Mail-Adresse oder physische Postanschrift).

Bild von Rachel und den uns bekannten Informationen über sie aus verschiedenen Quellen wie E-Mails, Telefonnummern und Benutzernamen

Kunden wie Rachel werden durch mehrere Kontaktdatensätze und systemspezifische Profile in verschiedenen Systemen abgebildet. Dies ist notwendig, damit jede Cloud und jedes Produkt unabhängig arbeiten kann. Für Marketingspezialisten kann es schwierig sein, die einzelnen Kontaktpunkte zu verbinden, wenn sie eine Marketingkampagne an Rachel senden möchten.

Hier können die Datenzuordnung und Identitätsbestimmung von Data Cloud Abhilfe schaffen. Eine zusammengeführte Einzelperson setzt sich aus Daten aus mehreren Quellen zusammen, die mithilfe von Abgleichs- und Schlichtungsregeln der Identitätsbestimmung verknüpft werden. Wenn dieselben Daten an mehreren Stellen vorhanden sind, werden die Profile auf der Grundlage festgelegter Regeln verknüpft.

Wenn es festgelegte Identitätsbestimmungsregeln gibt, beinhaltet NTOs Sicht auf Rachel Rodriguez eine zusammengeführte ID aus mehreren Quellen.

Zusammengeführte ID für Rachel mit einer einheitlichen Sicht auf alle ihre Daten sowie ihren Bestell- und Kundenvorgangsverlauf

Und es wird noch besser: Wenn neue Profile hinzugefügt oder bestehende Profile aktualisiert werden, können Sie zusammengeführte Einzelpersondaten in einem praktischen Tool anzeigen, dem Profil-Explorer. Damit wird sichergestellt, dass Ihre Daten ein korrektes Bild von Rachel liefern.

Erstellen einer zusammengeführten Einzelperson

Und wie funktioniert das? Unabhängig davon, ob Sie oder ein Kollege Ihre Daten einrichten, ist es hilfreich, die folgenden Schritte und Konzepte zu kennen, bevor Sie mit der Datenmodellierung und -zuordnung beginnen. Wir sehen uns hier jetzt also zunächst die Implementierungsschritte an, mit denen Sie von Rohdaten zu einem zusammengeführten Einzelpersonprofil gelangen.

Schritt	Beschreibung
Aufnehmen von Rohdaten aus Datenquellen	Daten werden unverändert aus Datenpaketen, Data Extensions, Amazon Simple Storage Service (S3) und anderen Systemen aufgenommen. Nachdem Daten als Datenstrom in Data Cloud eingespeist wurden, müssen sie dem Datenmodell zugeordnet werden.
Zuordnen und Modellieren von Daten	Das Customer 360-Datenmodell ist das Tool im Hintergrund, mit dem Daten aus mehreren Quellen in ein lesbares Format standardisiert werden können, das sich leicht zuordnen lässt. Die Daten aus Ihrem Datenstrom müssen Objekten wie "Identifizierung der beteiligten Person" und "Einzelperson" zugeordnet werden, damit die Regelsätze zur Identitätsbestimmung funktionieren.
Erstellen von Regelsätzen zur Identitätsbestimmung	Nachdem die Modellierung und Zuordnung der Daten abgeschlossen sind, erstellen Sie Regelsätze zur Identitätsbestimmung. Es werden Abgleichs- und Schlichtungsregeln hinzugefügt, um Profile in Ihren verschiedenen Datenströmen zu suchen und zusammenzuführen.
Zusammengeführte Einzelpersonprofile erstellen	Nach der Einrichtung der Regelsätze erstellt das System zusammengeführte Einzelpersonprofile, die für die Segmentierung und für Aktivierungen verwendet werden können.

Diskutieren Ihrer Daten

Sie kennen jetzt das Konzept, das hinter zusammengeführten Einzelpersonprofilen steckt. Und nun? Für den Erfolg ist es wichtig, dass Sie sich Zeit für die Analyse der Daten nehmen, die Sie in Data Cloud verwenden möchten. Ein Team, das um einen Tisch versammelt ist, um die auf einem Whiteboard angezeigte Datenzuordnung zu diskutieren.

Trommeln Sie Ihr Team zusammen, organisieren Sie ein Whiteboard und diskutieren Sie folgende Fragen:

Wo befinden sich Ihre Daten?

Listen Sie alle Speicherorte auf, einschließlich Tabellenblätter, S3, Salesforce CRM, Marketing Cloud usw.
Wurde für jede Datenquelle eine Bestandsaufnahme gemacht?

Wie identifizieren Sie Einzelpersonen in den einzelnen Datenquellen?

Verwenden Sie die E-Mail-Adresse, den Namen, das Geburtsdatum oder eine System-ID?
Verwenden Sie Kontaktschlüssel, Lead-IDs oder Abonnentenschlüssel als eindeutige Systemkennung?

Welche Daten werden systemübergreifend gemeinsam genutzt?

Werden durchgehend Vornamen, Nachnamen oder E-Mail-Adressen verwendet?

Wie sieht Ihre Customer Journey aus?

Wurde jede Kundeninteraktion skizziert?
Welche Daten werden für jede dieser Interaktionen benötigt?
Welche Daten brauchen Sie wirklich für die Zielgruppensegmentierung?

Wie ist die Datenqualität der einzelnen Quellen?

Gibt es Schreibfehler?
Welche Daten fehlen häufig (Geburtsdatum, Telefonnummern oder andere Angaben)?

Lassen Sie diesen Schritt nicht aus! Wir versprechen Ihnen, dass sich der Zeitaufwand dafür lohnt. Sie müssen Ihre Daten verstehen, damit Ihre Data Cloud-Implementierung Erfolg hat. In der nächsten Lektion behandeln wir wichtige Überlegungen zur Datenzuordnung, die für die Erstellung von Regelsätzen zur Identitätsbestimmung notwendig ist.