Som en nyansatt tjenesteutvikler i NTE, et energiselskap med et bredt spekter av forretningsområder, hadde jeg et behov for å forstå hvordan kundene beveget seg gjennom våre digitale produkter. Utfordringen var at selv om selskapet hadde godt definerte kundereiser dokumentert i flere PowerPoint-presentasjoner, ga disse ikke svar på mine sentrale spørsmål:
Hvordan vet vi at disse kundereisene er representativt?
Hvor er det friksjon?
Hvordan beveger de seg mellom våre flater?
Informasjonen vi hadde i Google Analytics ga noen hint, men var ikke tilstrekkelig for å fange opp den fulle bredde av kundeadferd. Dette førte til at utfordringen var klar: Vi trengte en ny tilnærming til hvordan vi sporet brukeradferd på tvers av våre digitale flater.
De eksisterende verktøyene og metodene ga oss ikke den detaljerte og tverrfunksjonelle innsikten som var nødvendig for å forstå de reelle kundereisene. Det var essensielt å finne en løsning som ikke bare samlet data fra alle berøringspunkter, men også integrerte disse dataene på en måte som gjorde det mulig for oss å se hele kundereisen - fra første interaksjon til pågående engasjement - i et sammenhengende og intuitivt format. Denne innsikten var avgjørende for å drive innovasjon og forbedring i kundeopplevelsen på tvers av NTEs digitale økosystem.
Et kjerneproblem jeg stod overfor var fragmenteringen av kundedata på tvers av organisasjonen. Hver forretningsenhet opererte med sine egne CRM-systemer, databasevarehus og kundelister, noe som skapte betydelige barrierer for en helhetlig forståelse. Denne fragmenteringen førte til en mangel på enhetlig kundeinnsikt, da dataene var isolert innenfor hver enhet.
Denne silostrukturen hadde flere konsekvenser:
Manglende Felles Identifikasjon: Uten en felles identifikasjon av kunder på tvers av systemene, var det utfordrende å koble sammen kundens reise og interaksjoner på tvers av de ulike forretningsområdene. Dette gjorde det nesten umulig å skape en nøyaktig og samlet profil for hver kunde.
Datainkonsistens: Ulike CRM-systemer og databasevarehus hadde varierte strukturer og formater, noe som førte til inkonsistenser i dataene. Disse forskjellene gjorde det vanskelig å sammenligne eller integrere data på tvers av systemene for å få et helhetlig bilde.
Hindret Kundesentrert Innsikt: Mangelen på en felles plattform for kundedata begrenset vår evne til å forstå kundenes behov og preferanser på tvers av hele organisasjonen. Dette forhindret oss i å tilby en sammenhengende og personlig kundeopplevelse.
Som et resultat ble det klart at for å forstå og forbedre kundereisen, måtte vi finne en måte å integrere disse separate datakildene på. Løsningen måtte ikke bare håndtere kompleksiteten i den eksisterende datalandskapet, men også gi en omfattende og nøyaktig fremstilling av kundenes interaksjoner med våre digitale flater.
For å møte denne problemet vurderte jeg først muligheten for å introdusere en “masterbase” - en sentralisert database som hadde som hensikt å slå sammen all data på tvers av de forskjellige forretningsenhetene. Tanken var å skape en enhetlig kilde for all kundeinformasjon. En godt utprøvd og tradisjonell tilærming. Men etter grundig vurdering fant jeg denne tilnærmingen lite kostnadseffektiv og risikabel av flere grunner:
Høy Implementeringskostnad: Opprettingen av en masterbase ville kreve betydelige investeringer, både i form av tid og økonomiske ressurser. Denne prosessen ville involvere omfattende migrering og integrering av eksisterende datasystemer.
Kompleksitet og Risiko: Integrering av ulike datakilder i en enkelt masterbase ville være en kompleks og risikofylt prosess. Risikoen for datatap eller korrumpering under migrering var betydelig.
Teknologisk Rigiditet: En masterbase-løsning ville potensielt låse bedriften til en bestemt teknologisk løsning, noe som kunne redusere fleksibiliteten og evnen til å tilpasse seg fremtidige teknologiske endringer og behov.
Gitt disse betraktningene, bestemte jeg meg for å utforske en mindre inngripende tilnærming som ikke krevde omfattende endringer i de eksisterende teknologiske stakkene i hver forretningsenhet. Jeg ønsket en løsning som kunne integrere dataene uten å forstyrre de etablerte systemene.
Etter en periode med brainstorming og forskning, konkluderte jeg med at implementering av en Customer Data Platform (CDP) for identify resolution ville være den mest effektive strategien. Denne tilnærmingen ville tillate oss å predikere en unik brukernøkkel på tvers av alle systemer, uavhengig av om vi hadde sett kunden før eller ikke. En CDP ville også gi oss fleksibiliteten til å samle og administrere kundedata fra flere kilder, samtidig som vi kunne levere nøyaktige og oppdaterte kundeinnsikter. Dette ville gi oss muligheten til å forstå og forbedre kundereisen på en mye mer helhetlig måte, uten de betydelige kostnadene og risikoene som var forbundet med opprettelsen av en masterbase.
I prosessen med å velge en passende Customer Data Platform (CDP), falt mitt valg på Segment. Dette valget ble primært basert på to kriterier:
1. Integrering med eksisterende Systemer og tjenesteleverandører: En avgjørende faktor i valget var Segments evne til å integrere sømløst med flere av de eksisterende systemene og tjenesteleverandørene vi allerede brukte. Løsningen tilbød en omfattende rekke integrasjoner, noe som gjorde det mulig for oss å koble sammen data fra forskjellige kilder på en effektiv måte. Dette var spesielt viktig ettersom det tillot en strømlinjeformet tilnærming til datahåndtering og analyse, uten å forstyrre eller forandre på de eksisterende arbeidsprosessene eller systemarkitekturene.
2. Fleksibilitet for tilpasning til norske systemer: En annen viktig aspekt ved valget var plattformens fleksibilitet og evne til å tilpasse seg “godt norske” systemer. Mange av de norske systemene vi benyttet fulgte ikke de moderne standardene for integrasjon mellom datasystemer. Segment skilte seg ut med sin evne til å tilpasse seg og integrere med disse mindre konvensjonelle systemene. Dette var avgjørende for å sikre en helhetlig og funksjonell datainfrastruktur. Denne tilpasningsevnen betydde at vi kunne beholde og fortsette å utnytte verdien av våre eksisterende lokale systemer, samtidig som vi benyttet oss av fordelene som en moderne CDP tilbyr.
Gjennom disse to kjerneegenskapene, integrasjonsevne og tilpasningsdyktighet, tilbød Segment.com en ideell løsning for NTEs behov. Plattformen muliggjorde en effektiv samling og analyse av kundedata på tvers av både internasjonale og nasjonale systemer, noe som var avgjørende for vår evne til å forstå og forbedre kundereisen i vårt digitale økosystem.
I implementeringen av Segment.com for å forbedre vår forståelse av kundereiser på tvers av digitale flater, fulgte jeg en metodisk tilnærming bestående av fire hovedsteg:
1. Tildele anonyme ID-er: Som et grunnleggende skritt i prosessen, benyttet jeg Segments analytics.js for å tildele en anonym ID til hver besøkende på våre digitale plattformer. Denne ID-en ble lagret i besøkendes nettleser og fungerte som en unik identifikator, som sørget for sporing uten å inkludere identifiserbar personinformasjon.
2. Generere bruker-ID: Når en besøkende valgte å identifisere seg gjennom Vipps eller BankID på våre bestillingsløsninger, genererte jeg en bruker-ID for hver kunde. Denne ID-en ble laget som en salted hash av deres personnummer, en tilnærming som sikret sikker generering og prediksjon av bruker-ID på tvers av plattformene, uten behov for å lagre sensitive data direkte.
3. Koble ID-er: Med Segments identify()-funksjon, koblet jeg sammen den anonyme ID-en og bruker-ID-en. Dette steget var avgjørende for å muliggjøre analyse av kundereisen før et kjøp av NTEs produkter, og for å gi innsikt i de faktorer som påvirker kundenes kjøpsbeslutninger.
4. Spore brukerreiser på tvers: Når brukerne identifiserte seg på andre NTE-plattformer, som apper eller portaler, brukte jeg den samme metodikken for å generere den samme bruker-ID-en. Dette gjorde det mulig for oss å spore kundens reise på tvers av alle digitale flater effektivt, og samle verdifulle data som kunne brukes til å forbedre kundeopplevelsen og våre markedsføringsinitiativer.
Gjennom denne strategiske og teknologisk avanserte tilnærmingen, kunne vi skape en mer helhetlig og integrert forståelse av våre kunders digitale reiser, og dermed bidra til betydelige forbedringer i kundeopplevelse og forretningsstrategi.
Gjennom implementeringen av Segment oppnådde NTE en rekke betydelige fordeler, som fundamentalt endret vår tilnærming til kundeanalyse og digital markedsføring:
Helhetlig forståelse av kundereiser: Denne løsningen gjorde det mulig for oss å få en fullstendig oversikt over kundereiser på tvers av alle digitale flater. Dette åpnet dørene for dypere innsikt i kundeadferd, og hvordan denne adferden påvirket salgsprosessene våre.
forbedret målretting av markedsføringskampanjer: Ved å analysere kundeadferd og identifisere trender og mønstre, kunne vi forbedre målrettingen og effektiviteten av våre markedsføringskampanjer.
Optimalisering av digitale flater for økt salg: Med bredere innsikter kunne vi tilpasse og optimalisere våre digitale flater, noe som førte til økt salg og forbedret kundeopplevelse.
Muligheter for kryssalg og mersalg: Løsningen gjorde det mulig å identifisere potensialer for kryssalg og mersalg ved å forstå hvordan kunder interagerer med de forskjellige forretningsenhetene og produktene.
Datasikkerhet og personvern: En nøkkelkomponent i løsningen var å sikre kundenes personvern og datasikkerhet. Ved å unngå lagring av sensitiv informasjon som personnummer, og uten å implementere en felles innlogging eller et master-databasevarehus, kunne vi opprettholde høye standarder for datasikkerhet.
Implementeringen av Segment som en CDP ga NTE en robust og effektiv løsning for å analysere kundereiser på tvers av våre digitale flater, samtidig som vi opprettholdt integriteten i vår eksisterende teknologiske arkitektur. Denne strategien overvant utfordringene knyttet til separate CRM-systemer, databasevarehus og kundelister, og leverte verdifull innsikt i kundeadferd som har vært instrumental i å forbedre våre forretningsprosesser.
Ved å utnytte denne løsningen, kunne NTE ikke bare forstå kundereiser på et dypere nivå, men også tilpasse våre markedsføringsstrategier mer effektivt, forbedre kundeopplevelsen, og øke vårt salg. Dette har styrket vår posisjon i markedet, og demonstrert at det er mulig å samle og analysere kundedata på tvers av ulike forretningsenheter og teknologiske stacker, uten å gå på kompromiss med personvern og datasikkerhet.
Oversikt over alle events på min bruker på tvers av alle flater.
Analyse av adferd til brukere før og etter kjøp de siste syv dager.