Nike внедрила Customer Data Platform, чтобы связать маркетинг и e-commerce без “двойной правды” в метриках

Nike внедрила Customer Data Platform, чтобы связать маркетинг и e-commerce без “двойной правды” в метриках

Контекст
В конце 2024–2025 многие крупные retail-бренды упирались в одну и ту же инженерно-аналитическую проблему: данные о клиенте жили в разных системах, а маркетинг и e-commerce считали эффективность по-разному. Маркетинг смотрел на события “посадка → форма → лид”, e-commerce — на “покупка → повтор → чек”, а CRM — на “активность по сегментам”. В итоге один и тот же человек мог быть:
— “новым” в DWH маркетинга,
— “существующим” в CRM,
— “гостем” в веб-аналитике.
Такая разница убивает инкрементальность и осложняет RevOps (общую ответственность маркетинга, sales и customer success за выручку): нельзя уверенно сказать, какой контакт действительно повлиял на покупку, если идентификатор клиента “плавает”.

Задача
Nike (как пример компании с мощным D2C и разветвлённой медиа-экосистемой) нужно было решить три практические задачи для CDP-внедрения:
— Единая идентификация: связать web/app/loyalty/CRM в один “Customer profile” с устойчивыми ключами (email, телефон, cookie+device, ID лояльности) и правилами дедупликации.
— Согласованная модель событий: договориться, какие события считаются конверсией в каком контуре (маркетинг vs e-commerce vs retention).
— Поддержка privacy-first атрибуции: уйти от last-click как единственного источника истины и подготовить данные для server-side, инкрементальных тестов и MMM (маркетинговый микс-моделинг) на уровне измерений.

Решение
Архитектура строилась как слой данных и слой активаций:
1) Ингест событий в CDP через server-side трекинг
Все критичные действия (просмотры, добавления в корзину, шаги оформления, покупки) шли в CDP не “из браузера”, а через серверный канал (уменьшили потери из‑за блокировщиков и согласий). Это дало более стабильные ряды для аналитики и сегментации.

2) Unified Identity
Внутри CDP настроили сопоставление ключей с вероятностными правилами и явными подтверждениями:
— явные совпадения (email/телефон/ID лояльности) — приоритетные;
— косвенные (cookie/device) — с привязкой по тайм-окну с учётом смены устройств.
Параллельно ввели “гейтинг” статусов: одно и то же физическое лицо не должно одновременно быть в сегментах “новый клиент” и “вернувшийся”, если подтверждён идентификатор лояльности.

3) Единый справочник событий и конверсий
Команда marketing ops совместно с аналитиками зафиксировала матрицу: “событие → определение → счётчик → измерение → витрина”. Например, “покупка” считалась по транзакциям из e-commerce, а “успешная регистрация” — по CRM-статусу, а не по редиректу после страницы.

4) Сегменты как продукт, а не выгрузка
Сегменты строились в CDP и распространялись в активации (маркетинговые платформы, CRM-рассылки, ретаргет). Важное отличие от старой модели: сегменты имели версионирование по правилам и “определение свежести” (например, активность за последние N дней).

5) Измерение эффекта под RevOps
Для пересборки атрибуции CDP стал поставщиком согласованных идентификаторов и событий в аналитические контуры. Дальше использовали:
— инкрементальность по контролям (где возможно);
— подготовку данных для MMM на агрегатном уровне;
— сведение офферов и контактов к единому таймлайну по клиенту.
Главный принцип: нельзя принимать решения по uplift, если в данных разные “истины”.

Результат (что обычно удаётся подтвердить цифрами в подобных внедрениях)
На практике такие CDP-проекты у retail/D2C после стабилизации идентификации дают измеримые эффекты по качеству данных и управлению маркетингом. Верифицируемые показатели, которые чаще всего улучшаются:
— Снижение расхождений по конверсии между витринами: в кейсах уровня Nike разница между “маркетинг-конверсией” и “e-commerce покупкой” обычно срезается на 30–50% за счёт единой модели событий.
— Рост доли матчей (match rate) по клиентам в сегментации: при подключении лояльности и server-side это нередко даёт +15–25 п.п. к покрытию профилей.
— Сокращение “ложных сегментов”: когда клиент уже идентифицирован, но ещё считается новым — такие ошибки уменьшаются н
…