Konsolidace zákaznických dat pro marketing a obchod

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:

[email protected]
+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 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, 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.

Od auditu dat po automatizaci

Postup se dá přenést do jakéhokoli oboru:

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.
Návrh a konsolidace. Postavíme opakovatelný postup od exportů po jednotnou tabulku a první segmenty. Ty si ověříte na ostré kampani.
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.

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.

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.