---
title: "Zákaznická data pro marketing a obchod: segmenty, kohorty a personalizace"
description: "Jak zkonsolidovat zákaznická data z e-shopu, ERP, servisu a dalších zdrojů a postavit na nich segmenty, kohorty a personalizovaný marketing."
date: "2026-11-05"
category: "Automatizace & integrace"
image: "https://www.coex.cz/assets/blog/konsolidace-zakaznickych-dat/hero.jpg"
---

# Zákaznická data pro marketing a obchod: segmenty, kohorty a personalizace

**Většina firem má o svých zákaznících spoustu dat. Další často může získat nebo doplnit bez velké námahy. Jenže data leží v několika systémech, které spolu nemluví, a využívá se z nich jen zlomek toho, co v nich je.**

Možnosti v této oblasti se přitom za posledních pár let hodně změnily. S AI nástroji a jazykovými modely jde z propojených dat vytáhnout mnohem víc než dřív a mnohem rychleji. Postavit podrobné segmenty a kohorty a na nich cílený, osobní marketing už nevyžaduje datového analytika na plný úvazek.

Rozhodující přitom není další nástroj, ale to, jestli podle dat řídíte marketing a obchod: koho oslovit, s čím a proč právě teď.

## Zákaznická data v několika systémech

Vezměme firmu, která prodává přes e-shop i na prodejně a k tomu nabízí servis. Informace o zákaznících u ní typicky vznikají na víc místech:

- v ERP nebo účetnictví, kde jsou faktury a prodeje na prodejně,
- v e-shopu se zákazníky a objednávkami,
- v servisním nebo rezervačním systému,
- v mailingovém nástroji a reportech newsletteru,
- ve firemních e-mailových schránkách, ze kterých jde poznat, s kým se kdy psalo,
- v registracích z akcí, soutěží nebo předváděček.

Firma tak neví, jestli zákazník z e-shopu chodí do servisu, ani jestli servisní zákazník nakoupil jinde. Newsletter dostávají všichni stejný. A na otázku „kdo koupil dražší produkt a rok se neozval?“ nikdo rychle neodpoví, přestože všechny potřebné údaje ve firmě jsou.

Kdo nakoupí na prodejně, o tom firma často zná jen telefon. E-mail ne. Newsletter mu tak nepřijde nikdy.

## Proč konsolidace dat není jen spojení pár Excelů

Na první pohled to zní jednoduše – vezmete exporty a spojíte je podle jedinečného identifikátoru, třeba e-mailové adresy. V praxi ale můžete narazit například na tyto potíže:

- Část dat e-mail vůbec nemá. Účetnictví a nákupy na prodejně často evidují jen jméno nebo telefon, případně jsou vedené na obecného „zákazníka maloobchodu“ bez kontaktu.
- U některých kontaktů máte jen firemní adresu typu info@ a chybí jméno a příjmení. Takovou adresu navíc často používá víc lidí.
- Jeden člověk má víc e-mailů, typicky soukromý a pracovní, a v každém systému použil jiný.
- Systémy nesdílejí žádný společný identifikátor a faktury nenesou číslo objednávky z e-shopu.
- Formáty se liší: země je jednou „Česká republika“, jindy „CZ“, telefony jsou s předvolbou i bez ní, PSČ s mezerou i bez.
- Mezi zákazníky se pletou testovací záznamy, překlepy v e-mailu téže osoby a v kontaktech ze schránek i dodavatelé.
- Exporty nemají hlavičky ani popis polí, takže se někdy až z dat zjišťuje, k čemu který systém slouží.

Jeden a tentýž zákazník se přitom v různých systémech může objevit třeba takto:

- `jan.novak@firma.cz`
- `+420 777 123 456`
- `customer_15428`
- `Novák Jan`

Člověku je hned jasné, že jde o jednu osobu. Pro systémy jsou to ale čtyři různé záznamy. Bez správného párování pak jednomu zákazníkovi přijdou tři stejné e-maily, nebo naopak žádný.

## Doporučený postup při konsolidaci zákaznických dat

Osvědčilo se nám začít krátkým pilotem místo velkého projektu: zhruba dva týdny, pevná cena a jedno až dvě krátká setkání. Většinu práce děláme sami nad reálnými daty, bez dlouhé analytické fáze. Nové CRM ani [datový sklad](https://www.coex.cz/blog/kdy-firma-potrebuje-datovy-sklad/ 'Kdy firma potřebuje datový sklad a kdy stačí propojit systémy') k tomu nepotřebujete.

Samotná konsolidace může být jednorázová, postup by ale měl jít kdykoli zopakovat. Ručně slepený Excel, který podruhé nikdo nesestaví, nestačí:

**zdroj → export → normalizace → párování → deduplikace → segmentace → jednotná tabulka → mailing a CRM**

Pravidla, která se v praxi vyplácejí:

- jeden řádek je jeden zákazník, poznaný podle normalizovaného e-mailu,
- páruje se podle e-mailu, potom podle telefonu a nejisté shody se automaticky neslučují,
- u každé shody je vidět, jak vznikla a jak je jistá,
- u každého údaje zůstává informace, z jakého systému pochází,
- e-mailovou komunikaci často vyřeší jednoduchý příznak „psali jsme si“ z exportu kontaktů, bez drahého procházení celých schránek.

AI práci hodně zrychlí, ale běží jen ve schválených firemních variantách nástrojů. Párování a deduplikace jedou podle pevných pravidel, takže jde vždycky dohledat, proč se dva záznamy spojily.

## Využití strukturovaných dat pro personalizovaný marketing

Výstupem konsolidace není prezentace o datech ani [dashboard pro vedení](https://www.coex.cz/blog/erp-crm-reporting-dashboardy/ 'ERP, CRM a další systémy: jak sjednotit data pro reporting a dashboardy'), ale pracovní tabulka. Pracuje s ní mailingový nástroj i zákaznická podpora a základní kontakty z ní jdou rovnou do CRM. Hlavně ale z ní poskládáte segmenty, na které dřív nebyla šance.

Třeba u prodejce kávovarů by to mohly být tyhle:

- koupil kávovar, ale nikdy kávu: nabídka první objednávky,
- chodí do servisu, ale kávovar koupil jinde: věrný zákazník, kterému jste hlavní produkt ještě neprodali,
- poslední servis nebo odvápnění před víc než rokem: připomínka údržby,
- dražší kávovar z horní čtvrtiny cen: nabídka výběrové kávy,
- víc kávovarů na jednu firmu: kancelářský balíček,
- jen káva a příslušenství: možná kávovar teprve vybírá,
- k tomu značka, model, lokalita, jazyk a trh.

Místo jednoho plošného newsletteru jde poslat několik krátkých zpráv, každou jiné skupině, s modelem přístroje nebo datem posledního servisu přímo v textu. Zákazník z druhého konce republiky už nedostane pozvánku na servis, ke kterému by jel půl dne.

Ze stejné tabulky jde stavět i kohorty, třeba podle roku nákupu. Je pak vidět, kdy se zákazníci vracejí do servisu, kdy dokupují spotřební zboží a kdy se přestanou ozývat. Nad propojenými daty se navíc dá ptát i AI asistenta, třeba přes [MCP konektor](https://www.coex.cz/blog/mcp-konektory-firemni-systemy/ 'MCP konektory: jak mohou AI agenti bezpečně pracovat s firemními systémy').

## Od auditu dat po automatizaci

Postup se dá přenést do jakéhokoli oboru:

1. **Audit dat.** Zjistíme, kde všude o zákaznících něco víte, jak jsou data úplná a podle čeho jde zákazníky spojit. Často se ukáže i to, co jde snadno doplnit.
2. **Návrh a konsolidace.** Postavíme opakovatelný postup od exportů po jednotnou tabulku a první segmenty. Ty si ověříte na ostré kampani.
3. **Automatizace.** Když segmenty fungují, napojíme zdroje přes API, aby se data aktualizovala sama. Nový zákazník z ERP se sám propíše do tabulky i dál a na segmenty navážou servisní připomínky, cross-sell nebo úkoly v CRM.

Na tenhle krok navazují naše [integrace a automatizace](https://www.coex.cz/sluzby/integrace-automatizace-a-ai/).

## Bezpečnost a GDPR u zákaznických dat

Zákaznická databáze patří k tomu nejcennějšímu, co firma má. U každého kontaktu proto musí zůstat zdroj a stav souhlasu. Odhlášený kontakt se nesmí vrátit do rozesílky jen proto, že se objevil v jiném systému.

Od začátku je potřeba vědět, kdo data smí vidět, kam se kopírují a jak dlouho se uchovávají. Platí to dvojnásob, když s nimi pracuje AI. Bezpečnost proto musí být součástí návrhu od začátku, ne dodatek na konci projektu.

## Kdy se konsolidace dat vyplatí

Když máte zákazníky ve víc systémech, třeba online, na prodejně a v servisu. Když posíláte jeden newsletter všem. A když na otázku „kdo koupil X a rok se neozval?“ nikdo rychle neodpoví.

Pokud naopak máte jediný systém a v něm pořádek, stačí segmentace přímo v něm a konsolidaci nepotřebujete.

Pokud se v tom poznáváte, [udělejme krátký pilot nad vašimi daty](https://www.coex.cz/sluzby/integrace-automatizace-a-ai/#form).

## Nejčastější otázky

### Co znamená konsolidace zákaznických dat?

Propojení informací o stejném zákazníkovi z více zdrojů, třeba z e-shopu, ERP, servisu nebo mailingových nástrojů, do jedné pracovní tabulky. Na ní stojí segmentace, personalizovaný marketing i automatizace.

### Potřebujeme kvůli tomu nové CRM nebo datový sklad?

Ne. Na začátek stačí opakovatelný postup a jednotná tabulka, se kterou pracuje váš mailingový nástroj i stávající CRM. Datový sklad dává smysl až ve chvíli, kdy zdrojů a uživatelů dat hodně přibude.

### Co když zákazníci z prodejny nemají e-mail?

Část jde doplnit přes jednoznačnou shodu telefonu s jiným zdrojem. Prodeje vedené na anonymního zákazníka ale přiřadit nejde. Dlouhodobě proto pomůže sbírat kontakt už u pokladny.

### Jak dlouho trvá první výstup?

Pilot trvá zhruba dva týdny od chvíle, kdy jsou data k dispozici. Největší neznámou bývá jejich kvalita, ne samotné zpracování.