- Beberapa contoh studi kasus CDP dalam bisnis, di antaranya adalah penyatuan data lintas sumber, segmentasi berbasis niat beli, program loyalitas lintas brand hingga deteksi dini churn.
- Keberhasilan penerapan CDP harus diukur dari baseline awal menggunakan metrik utama dan metrik pengaman, misalnya mengukur kenaikan konversi & memantau tingkat keluhan pelanggan.
- Customer Data Platform Mekari Qontak terintegrasi dengan aplikasi manajemen data pelanggan terbaik untuk membantu menyatukan riwayat interaksi dan kontak pelanggan ke dalam satu platform omnichannel terpadu.
Kesenjangan ini sering berawal dari data pelanggan yang tersebar di CRM, aplikasi chat, sistem transaksi, hingga platform iklan. Dengan demikian, pelanggan yang sama dapat menerima pengalaman atau penawaran yang tidak relevan.
Customer data platform (CDP) hadir sebagai solusinya. CDP bisa mengumpulkan data dari berbagai sumber, mencocokkan identitas pelanggan, lalu menyediakan profil terpadu untuk digunakan lintas tim dan kanal.
Namun, daftar kemampuan CDP belum menjawab pertanyaan praktis tentang penerapan dan hasilnya. Untuk itu, Mekari Qontak Blog akan mengupas tuntas beberapa studi kasus CDP dalam artikel ini.
Sinyal Profil Pelanggan Anda Sulit Dikelola Manual
Profil pelanggan yang sulit dikelola karena terpecah biasanya bisa terlihat dari gejala sehari-hari sebelum tim menyadari akar masalahnya. Enam sinyal berikut umumnya muncul lebih dulu:
- Pelanggan yang sama tercatat berulang di CRM, kanal chat, dan sistem transaksi dengan identitas berbeda.
- Tim pemasaran dan layanan pelanggan melaporkan jumlah pelanggan aktif yang tidak sama.
- Pelanggan yang baru mengajukan keluhan tetap menerima promosi.
- Tim iklan membangun ulang daftar audiens secara manual di setiap kampanye.
- Agen meminta pelanggan mengulang cerita setiap kali berpindah kanal.
- Permintaan akses atau penghapusan data pelanggan memakan waktu karena datanya tersebar di banyak sistem.
Jika beberapa kondisi tersebut terdengar familiar, sembilan studi kasus berikut dapat membantu menentukan titik awal penerapan.
Studi Kasus Customer Data Platform dengan Hasil Nyata
Tiga studi kasus berikut menggunakan nama perusahaan dan sumber publik. Berikut ini studi kasus CDP yang sudah tim Mekari Qontak Blog rangkum.
1. Menyatukan Data Pelanggan dari Berbagai Sumber
Penyatuan data pelanggan dari ratusan sumber menjadi persoalan pertama ketika perusahaan melayani puluhan hingga ratusan juta pelanggan.
Cloudera mendokumentasikan kasus Telkomsel, yang melayani lebih dari 170 juta pelanggan dengan lebih dari 200 feed data dan volume sekitar 50 TB per hari.
Telkomsel membangun data lake untuk data first-party, lalu memasukkan data dari sumber second-party, third-party, dan transaksi aplikasi seperti MaxStream dan Dunia Games ke dalamnya.
Aplikasi CDP berjalan di atas data lake tersebut, dengan segmentasi berbasis aturan yang dihasilkan dari clustering.
2. Segmentasi Berdasarkan Niat Beli
Segmentasi pelanggan berdasarkan niat beli membantu perusahaan menentukan pelanggan yang perlu diprioritaskan untuk dihubungi.
Dalam salah satu studi kasus, data pelanggan tersebar di berbagai sumber, seperti jaringan dealer, aplikasi loyalty, fasilitas servis, situs web, dan platform iklan.
Kondisi ini semakin kompleks karena setiap produk atau model dikelola oleh agensi iklan yang berbeda. Melalui CDP, perusahaan membentuk segmen berdasarkan perilaku digital, sinyal niat beli, dan riwayat pembelian.
3. Audiens Prediktif untuk Kampanye Iklan Digital
Audiens prediktif membantu tim iklan menargetkan pelanggan yang memiliki potensi nilai tinggi tanpa harus membuat daftar audiens secara manual.
Dalam salah satu studi kasus yang didokumentasikan Merkle, bagian dari dentsu, perusahaan sebelumnya membuat audiens di Google Analytics menggunakan data historis dengan beberapa definisi yang berbeda.
Pendekatan kemudian dilakukan dengan memanfaatkan data selama tiga bulan di BigQuery, sekitar 20 fitur perilaku, serta tiga input recency, frequency, dan monetary.
Data tersebut digunakan untuk melatih model klasifikasi biner di Google Cloud. Audiens Android dan iOS yang dihasilkan model kemudian diekspor ke Google Ads dengan target ROAS sebesar 15 atau lebih.
Dua angka tersebut perlu dibaca bersama dengan definisi metrik dan baseline yang digunakan. Selain itu, audiens prediktif dapat kehilangan relevansinya seiring waktu sehingga perlu diperbarui secara berkala.
Kasus ini juga menunjukkan bahwa penerapan fungsi CDP tidak selalu harus menggunakan produk CDP dalam bentuk paket. Pendekatan tersebut dibangun menggunakan data warehouse sehingga fungsi CDP dapat diterapkan dengan pola arsitektur yang berbeda.
Contoh Studi Kasus CDP Lintas Industri
Studi kasus berikut disusun berdasarkan pola penerapan yang umum ditemukan pada perusahaan berskala besar, bukan berdasarkan satu perusahaan tertentu.
4. Loyalty Lintas Brand dan Cabang
Loyalty lintas brand dan cabang sulit berjalan ketika satu pelanggan terdaftar terpisah di aplikasi setiap brand. Poin, riwayat belanja, dan preferensinya pun tidak saling terlihat.
Pencocokan identitas berdasarkan nomor ponsel atau ID anggota membentuk satu profil, dan aturan poin kemudian berlaku di semua brand.
Nantinya, tim pemasaran dapat mengukur hasilnya lewat persentase pelanggan teridentifikasi, frekuensi belanja lintas brand, dan customer lifetime value.
Selain itu, konflik mengenai kepemilikan data antara brand dan cabang perlu dibahas sejak awal. Aturan tata kelola harus disepakati terlebih dahulu sebelum profil pelanggan digabungkan.
5. Cross-Sell dengan Batasan Aturan Perilaku
Cross-sell yang relevan membutuhkan pemahaman mengenai produk dan tahap hidup nasabah. Bank atau perusahaan asuransi dapat menggabungkan riwayat produk dengan perilaku digital untuk menentukan penawaran berikutnya.
Namun POJK 22 Tahun 2023 memperkuat pengawasan perilaku pelaku usaha jasa keuangan, termasuk saat memasarkan produk dan menyampaikan informasi kepada konsumen.
Tim kepatuhan pada bisnis Anda perlu menyetujui aturan segmen sejak awal, dan nasabah yang sedang mengajukan keluhan otomatis keluar dari segmen penawaran.
Konversi cross-sell menjadi metrik utama, sedangkan jumlah keluhan terkait penawaran menjadi metrik pengaman.
6. Deteksi Dini Churn
Deteksi dini churn bekerja dengan menggabungkan sinyal yang biasanya tersimpan di sistem berbeda. Penurunan frekuensi transaksi atau isi ulang, lonjakan tiket keluhan, dan keterlambatan pembayaran dapat terbaca sebagai satu pola pada satu profil.
Tim retensi kemudian menghubungi pelanggan lewat WhatsApp atau telepon dengan penawaran yang sesuai riwayatnya. Efeknya diukur dengan membandingkan retensi kelompok yang dihubungi terhadap kelompok pembanding (holdout).
Model churn tidak menghasilkan apa pun tanpa tim yang memiliki kampanye win-back. Karena itu, penunjukan pemilik kampanye menjadi syarat utama.
7. Konteks Pelanggan Utuh di Contact Center Multi-Cabang
Konteks pelanggan yang lengkap dapat mengubah cara agen contact center memulai percakapan.
Ketika pelanggan berpindah dari chat ke telepon, agen tidak perlu meminta pelanggan mengulang ceritanya jika agen dapat melihat riwayat pembelian, tiket yang masih terbuka, dan preferensi kanal pelanggan.
Pusat layanan multi-cabang dapat mengukur dampaknya melalui penyelesaian pada kontak pertama, waktu penanganan, serta tingkat eskalasi.
Contoh sederhananya adalah mengumpulkan riwayat percakapan lintas kanal dalam aplikasi omnichannel sebagai bagian dari upaya membangun data pelanggan dalam perspektif 360 derajat.
8. Prioritas Prospek untuk Tim Penjualan
Prioritas prospek membantu tim penjualan memutuskan siapa yang ditindaklanjuti lebih dulu.
Prospek bisa menghubungi perusahaan melalui situs web, WhatsApp, maupun kunjungan langsung. Akibatnya, tidak selalu ada satu sistem yang dapat menunjukkan prospek mana yang paling siap membeli.
Skor prospek yang menggabungkan aktivitas digital, percakapan, dan kunjungan dapat digunakan untuk menentukan urutan tindak lanjut.
Aturan serah terima dari pemasaran ke penjualan juga perlu disepakati bersama. Waktu respons pertama dan rasio prospek yang berubah menjadi peluang dapat menunjukkan apakah skor tersebut benar-benar berguna.
9. Satu Catatan Persetujuan untuk Semua Kanal
Catatan persetujuan yang terpusat membantu mencegah pelanggan yang sudah berhenti menerima pesan di satu kanal tetap mendapatkan pesan dari kanal lain.
Catatan ini memuat cap waktu dan tujuan pemrosesan sehingga tim dapat menyaring segmen berdasarkan persetujuan sebelum data diaktifkan.
UU PDP mengatur hak subjek data pribadi serta kewajiban pengendali dan prosesor dalam pemrosesan data. Catatan terpusat juga dapat menjadi jejak audit ketika pelanggan meminta akses atau penghapusan data.
Persetujuan yang tidak dikelola dengan baik dapat mempengaruhi kualitas personalisasi.
Keberhasilannya dapat diukur dari waktu pemenuhan permintaan subjek data dan jumlah kampanye tanpa dasar persetujuan yang tercatat.
CDP berperan dalam pengelolaan data, sedangkan penilaian hukum tetap menjadi tanggung jawab tim hukum, sehingga aturan penggunaannya perlu disepakati bersama oleh tim IT, hukum, dan pemasaran.
Cara Mengukur Hasil Studi Kasus Sebelum Anggaran Disetujui
Pengukuran hasil studi kasus dimulai dari baseline yang dicatat sebelum proyek berjalan. Setiap studi kasus membutuhkan satu metrik utama, satu metrik pengaman, dan, bila memungkinkan, kelompok pembanding.
Tabel berikut merangkum ukuran yang dapat Anda sesuaikan untuk sembilan studi kasus di atas.
Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.
| Studi kasus | Metrik utama | Baseline yang dicatat | Tanda perlu evaluasi ulang |
|---|---|---|---|
| Penyatuan data | Jumlah sumber data yang tersambung ke satu profil | Jumlah sistem dan feed, tingkat duplikasi profil | Kualitas data turun setelah sumber baru masuk |
| Segmentasi niat beli | Rasio klik dan konversi per segmen | Performa kampanye massal periode sebelumnya | Segmen tidak berbeda nyata dari kontrol |
| Audiens prediktif | Konversi dan ROAS per audiens | Konversi audiens standar | Performa turun cepat; jadwal pembaruan audiens belum ada |
| Loyalti lintas brand | Pelanggan teridentifikasi, frekuensi lintas brand | Persentase transaksi terkait ID anggota | Keluhan antar brand soal data atau poin |
| Cross-sell | Konversi cross-sell | Konversi penawaran massal | Keluhan terkait penawaran meningkat |
| Deteksi churn | Retensi kohort | Retensi periode sebelumnya, kelompok holdout | Intervensi tidak punya pemilik |
| Contact center | Penyelesaian pada kontak pertama, waktu penanganan | Nilai saat ini per kanal | Kualitas layanan turun saat volume naik |
| Prioritas prospek | Waktu respons, rasio prospek menjadi peluang | Rasio saat ini | Tim penjualan tidak memakai skor |
| Persetujuan data | Waktu memenuhi permintaan subjek data | Waktu pemenuhan saat ini | Kampanye berjalan tanpa dasar persetujuan tercatat |
Kualitas pencocokan identitas juga perlu diperiksa berkala. Profil yang keliru menggabungkan dua orang umumnya lebih merugikan daripada profil yang terpecah, karena penawaran dan layanan akan salah sasaran.
Menyatukan Data Pelanggan Lintas Kanal dengan Mekari Qontak
Studi kasus customer data platform (CDP) menunjukkan bahwa penerapan CDP mendukung segmentasi pelanggan, personalisasi, layanan pelanggan, prioritas prospek, hingga pengelolaan persetujuan data.
Jika perusahaan Anda masih menghadapi data pelanggan yang tersebar di berbagai sistem, langkah awal dapat dimulai dengan memusatkan data kontak dan riwayat interaksi pelanggan.
Customer Data Pelanggan Mekari Qontak bisa membantu bisnis mengelola data pelanggan secara lebih terstruktur, dari menyatukan informasi kontak hingga riwayat interaksi pelanggan di berbagai kanal.
Dengan dukungan Manajemen Data Pelanggan, tim Anda dapat mengakses informasi pelanggan dalam satu tempat sehingga pengelolaan data dan layanan pelanggan menjadi lebih terintegrasi.
Pelajari lebih lanjut Manajemen Data Pelanggan Mekari Qontak untuk mengelola data pelanggan secara lebih terpusat.
Konsultasikan kebutuhan bisnis Anda dengan tim ahli Mekari Qontak dan dapatkan uji coba gratis sekarang.
Referensi
Pertanyaan yang Sering Diajukan Tentang Studi Kasus CDP (FAQ)
Apa perbedaan CDP dengan CRM dan data warehouse?
Apa perbedaan CDP dengan CRM dan data warehouse?
CRM umumnya mencatat hubungan dan pipeline penjualan, sedangkan data warehouse menyimpan data untuk analisis. CDP menyatukan data pelanggan lintas sistem lalu menyediakan profil dan segmennya bagi tim dan kanal lain.
Studi kasus CDP mana yang sebaiknya dimulai lebih dulu?
Studi kasus CDP mana yang sebaiknya dimulai lebih dulu?
Perusahaan dengan data tersebar di banyak sistem umumnya mulai dari penyatuan data, sedangkan sektor yang diatur ketat lebih dulu menyiapkan pengelolaan persetujuan.
Bagaimana cara mengukur keberhasilan penerapan CDP?
Bagaimana cara mengukur keberhasilan penerapan CDP?
Catat baseline sebelum proyek berjalan, tetapkan satu metrik utama dan satu metrik pengaman, lalu bandingkan dengan kelompok pembanding bila memungkinkan.
Perlukah perusahaan membangun CDP sendiri atau memakai platform siap pakai?
Perlukah perusahaan membangun CDP sendiri atau memakai platform siap pakai?
Kedua pola muncul di studi kasus: Telkomsel membangun arsitektur berbasis sumber terbuka bersama mitra, sedangkan Subaru memakai CDP siap pakai yang aktif dalam hitungan minggu. Pilihannya bergantung pada kapasitas tim data, kebutuhan integrasi, dan anggaran.
Berapa lama sampai studi kasus CDP menunjukkan hasil?
Berapa lama sampai studi kasus CDP menunjukkan hasil?
Waktunya bergantung pada kesiapan data dan use case. Subaru melaporkan platformnya aktif dalam hitungan minggu, sedangkan hasil bisnis baru terbaca setelah kampanye berjalan dan dibandingkan dengan baseline.
