La plupart des premières CDP ont été déployées dans des entreprises de retail et d'édition. Viennent ensuite les services financiers, les voyages et l'hôtellerie, et l'adoption s'est récemment étendue au B2B, aux soins de santé, à l'éducation et aux télécommunications. En soi, cette progression n'est pas nouvelle. Mais l'adoption s'est faite le plus tôt dans les secteurs où les cycles d'achat sont les plus courts et les plus transactionnels, puis s'est répandue assez régulièrement dans les secteurs où les cycles sont plus longs et les coûts des produits plus élevés.

Cela peut sembler évident avec le recul, mais ce n'est pas la seule explication possible. Auparavant, le commerce de détail et l'édition étaient les premiers à adopter le système parce qu'ils avaient de si mauvais systèmes en place avant les CDP, ce qui rendait l'avantage supplémentaire plus élevé que dans le secteur bancaire et les voyages, ou les données sur les clients étaient déjà assez bien organisées. On pourrait aussi dire que le commerce de détail et l'édition sont les secteurs où la pression concurrentielle des entreprises en ligne est la plus forte et qui ont donc le plus besoin de données sur les clients pour offrir des expériences personnalisées. Mais ces explications ont toujours semblé un peu inventées et se sont heurtées au fait que le commerce de détail, les finances, les voyages et les télécommunications avaient toujours été les principales industries du marketing axé sur les données des clients. Il m'a donc toujours semblé étrange qu'ils adoptent le CDP à des rythmes aussi différents.

D'autre part, il est logique de considérer l'utilité du CDP comme une fonction du cycle d'achat. Les entreprises dont les transactions sont simples et rapides ont plus de points de données et des processus d'achat plus simples que les entreprises dont les transactions sont moins nombreuses, plus longues et plus complexes. Cela signifie que ces entreprises peuvent plus facilement tirer profit d'un CDP grâce à des applications tactiques comme la modélisation prédictive pour sélectionner des listes ou recommander une prochaine offre. Les autres industries peuvent encore bénéficier de données clients unifiées, mais elles auront besoin d'analyses plus approfondies pour convertir leurs données en valeur.

Le corollaire pourrait être que les spécialistes verticaux auront des taux de réussite plus élevés dans ces industries d'adoption tardive parce que leur plus grande complexité exige des applications spécialisées que seuls les experts de l'industrie peuvent construire et expliquer. Bon nombre de ces applications nécessitent une intégration étroite avec les systèmes opérationnels de l'industrie, comme la billetterie dans les voyages, les détails des appels dans les télécommunications et les dossiers médicaux dans les soins de santé. Le B2B peut sembler une exception, mais c'est seulement parce que ses systèmes spécialisés sont l'automatisation du marketing et l'automatisation des ventes, qui sont très familiers à de nombreux marketeurs.

CDP - Infographie de l'usage de l'intellifence artificielle pour les customer data platform