CDP для «умной» лояльности в retail: как IKEA выстроила единый профиль и сократила зависимость от атрибуции

CDP для «умной» лояльности в retail: как IKEA выстроила единый профиль и сократила зависимость от атрибуции

Когда в retail лояльность превращается в главный драйвер выручки, проблема почти всегда одна: данные о клиентах живут в разных системах и «сшиваются» вручную или по маркетинговым событиям, которые не всегда соответствуют реальному пути покупателя. В эпоху 2026 это особенно больно: классическая модель last-click (последний клик) всё чаще «ломается» приватностью, а лидогенерация для B2B (в привычном виде MQL/SQL) становится менее предсказуемой. Retail при этом конкурирует за удержание: у многих брендов средний чек снижается на 5–8%, и выигрывает тот, кто точнее управляет частотой, персонализацией и повторными покупками.

В публичных кейсах IKEA регулярно звучит идея единого клиентского опыта: приложение, клуб лояльности, офлайн-чеки, e-commerce, сервисные касания. Для этого нужен слой, который:
— собирает и нормализует события из каналов (приложение, сайт, кассы, CRM)
— объединяет клиента в профиль и управляет сегментами
— помогает в измерении эффекта маркетинга (инкрементальность, а не только “попало в last-click”).

Задача
Представим типичный сценарий IKEA: клиент покупает в офлайн, получает коммуникации в приложении и по email, возвращается через несколько недель в интернет-магазин, но маркетинг видит это как набор разрозненных цепочек. В итоге:
1) сегменты лояльности «запаздывают» — триггерные кампании уходят не на ту стадию жизненного цикла;
2) сложно оценить, что сработало именно из‑за персонализации (а не из‑за сезонности/склада/цен);
3) растёт стоимость производства кампаний: приходится вручную чинить исключения и пересечения аудиторий.

Решение
IKEA (как подход, который часто реализуют крупные retail через CDP) строит стек вокруг Customer Data Platform — по сути “единый контур данных” между источниками и активациями. В практической конфигурации это обычно выглядит так.

1) Единый профиль на основе идентификаторов
— технические события (страницы, клики, добавления в корзину) из digital
— транзакционные данные из back-office/CRM
— события лояльности из приложения/программы (начисления, статусы, активности)
— офлайн-чеки через атрибуцию по номеру карты/аналогичных идентификаторов.
Дальше CDP формирует один “customer view” с версией данных и правилами дедупликации.

2) Семантическая модель поведения
Важно не просто собрать события, а превратить их в понятные метрики: “частота покупок”, “давность с последней покупки”, “категории интереса”, “готовность к повтору”. И именно эти признаки кормят сегментацию.

3) Сегменты с бизнес-логикой, а не “канальными”
Например:
— “Премиум-лояльность: был в офлайн в последние 90 дней, но не завершил интернет-заказ”
— “Снижение интереса: снизилась активность приложения, пора предложить персональную подборку”
— “Реактивация: прошло N дней, есть пересечение с категориями прошлых покупок”.
Сегменты обновляются по событиям, а не по расписанию. Так меньше “задержки” в коммуникациях.

4) Измерение эффекта без перекладки на last-click
Чтобы обойти ограниченность атрибуции, CDP подключают к измерительным подходам: инкрементальность (контрольная группа), server-side события, а также согласование данных с MMM (маркетинговый микс-моделинг) — когда брендический эффект распределяют по факторам. Внутри CDP это даёт более честную картину: какие сегменты и какой тип триггера реально увеличили повтор.

5) Активация через каналы
CDP становится “источником правды” для:
— триггерных коммуникаций в приложении и email
— персонализации на сайте (рекомендации/лендинги под сегмент)
— маркетинговых ограничений (частотные правила, подавления контактных аудиторий).
…