Från data till handling: Så skapar du en 360-vy över kunderna
22 okt. 2025
|
Inlägg skrivet av
Hannes Bünger
Foto: Robynne O

Data är grunden för allt
Datadriven kundkommunikation börjar inte med kanalerna, kampanjerna eller algoritmerna – den börjar med datan. Utan rätt data på plats går det inte att bygga relevanta kundupplevelser. Därför är en Customer 360 – en samlad vy över kunden – själva grunden för modernt Customer Engagement.
Men en Customer 360 handlar inte bara om att samla ihop kunddata. För att kunna personalisera på riktigt behöver vi också produktdata, transaktionsdata, beteendedata och ibland även externa datakällor. Om produkterna exempelvis saknar beskrivande attribut (färg, stil, användningsområde) blir det omöjligt att skapa relevanta rekommendationer. Om vi inte kan koppla en kunds köp till produktens egenskaper, kan vi heller inte förutse nästa köp eller erbjuda rätt tillbehör.
Mer än bara kunddata
Många organisationer tänker ”kunddata” när de pratar Customer 360 – dvs. e-postadresser, telefonnummer, samtycken, lojalitets-ID och beteenden i olika kanaler. Men lika viktigt är den produktdata som gör personalisering möjlig:
Retail: Om varje produkt bara är en ”jacka” i systemet, kan vi inte personalisera. Om produkten däremot har attribut som färg, material, stil, användning och säsong, kan vi rekommendera andra liknande produkter eller kompletterande tillbehör.
Reseindustrin: Om en bokning bara är en ”resa” går det inte att personalisera kommunikationen. Om resan däremot är uppdelad i komponenter (flyg, hotell, transfers) kan vi bygga budskap baserat på nästa behov – ex. boka sittplats, hyrbil eller uppgradera hotellrum.
Försäkring: Om en kund bara har ”en försäkring” i systemet är det svårt att personalisera. Om vi istället har produktattribut (bilmodell, bostadstyp, resmål) kan vi skapa relevanta korsförsäljningsmöjligheter och anpassade erbjudanden.

Produktdata är nyckeln till profilering av kunder och personalisering.
Kort sagt: Customer 360 = Customer + Product + Context
CDP vs Data Lake – olika roller i en Customer 360
När företag bygger en Customer 360 är den stora frågan ofta: ska vi samla datan i en CDP eller i en Data Lake? Svaret är nästan alltid ”både och” – men med olika roller.
Alternativ 1: CDP som navet för Customer 360
Hur det fungerar: All data som behövs för att skapa en enhetlig kundprofil (kunddata, produktdata, beteendedata) tas in direkt i CDP:n. Där sker identitetshantering, profilunifiering och aktivering i kanaler.
När det passar: För organisationer som vill ha kort time-to-value, där marknad och CRM själva ska kunna jobba direkt i plattformen utan att vara beroende av IT eller data science. Typiska exempel är retail, e-handel och prenumerationstjänster.
Styrka: Snabb implementering, nära koppling mellan data och aktivering.
Begränsning: Kan bli svårt att hantera mycket stora eller komplexa datamängder. Dessutom kan denna lösning bli dyr eftersom de flesta CDP:er tar betalt per event – vilket gör att volymen snabbt driver kostnader. För att detta alternativ ska fungera krävs ofta en viss typ av CDP, t.ex. så kallade data integrators. Dessa har mer avancerad funktionalitet för data management – inklusive data preparation, cleansing och berikning – vilket gör dem bättre rustade att hantera stora volymer.
Alternativ 2: Data Lake som fundament, CDP för aktivering
Hur det fungerar: All rådata (kund, produkt, transaktion, webb, sensordata, etc.) samlas i en central Data Lake. Där sker datatvätt, förädling, modellering och ofta AI/ML-bearbetning. CDP:n kopplas på som en ”slutanvändarplattform” för marknad och CRM, med tillgång till de färdiga profilerna och produktstrukturerna.
När det passar: För organisationer med komplexa affärer, stora volymer eller många olika datakällor. Typiskt telekom, försäkring, reseindustri och bank.
Styrka: Flexibilitet, möjlighet till avancerade analyser och användning av fler datakällor.
Begränsning: Längre tid till värde, kräver stark IT- och datakompetens.
Alternativ 3: Hybridlösning
Hur det fungerar: En del data hanteras direkt i CDP:n (t.ex. webbevents, kampanjrespons) medan tunga datavolymer (t.ex. transaktioner, produktmasterdata) ligger i en Data Lake. CDP och Data Lake synkas för att ge en komplett Customer 360.
När det passar: För företag som vill kombinera snabb aktivering med skalbarhet. Passar särskilt bra för organisationer som redan har en modern dataplattform men vill ge marknad enklare tillgång till data.
Styrka: Balans mellan time-to-value och långsiktig skalbarhet.
Begränsning: Kräver tydliga gränssnitt och governance för att inte bli komplext.
Datamodell – grunden för hur data används
Innan vi tittar på hur man samlar, unifierar och aktiverar data behöver vi stanna upp vid en avgörande byggsten: datamodellen. Den bestämmer hur data organiseras och används, och valet av modell påverkar i hög grad vilka möjligheter man har i praktiken.
En ofta förbisedd men avgörande fråga i Customer Engagement är vilken datamodell som används. En datamodell fungerar som ett ramverk eller schema som bestämmer hur data ska organiseras, lagras och bearbetas i systemet. Den styr också hur olika datatyper relaterar till varandra och avgör vilka möjligheter du har att använda datan i din kommunikation.
I praktiken finns det framför allt två modeller som CDP:er använder – och de fungerar på helt olika sätt.

Det finns två typer av datamodeller som CDP använder, och de fungerar väldigt olika.
Relationsdatamodell
I en relationsdatabas organiseras information i tabeller som hänger ihop med varandra genom definierade relationer. En kund kan ha flera bokningar, en bokning kan innehålla flera produkter, och varje produkt kan ha egna attribut.
Styrka: Klarar av att hantera komplexa affärslogiker där många olika entiteter behöver kopplas samman.
Exempel på branscher: Flygbolag, hotellkedjor, telekom och försäkring – där relationerna mellan kunder, transaktioner, produkter och tjänster är komplexa.
Utmaning: Kräver mer arbete att definiera tabeller och relationer, vilket ofta innebär längre implementationstid.
Eventbaserad modell
I en eventbaserad datamodell lagras allting som händelser: ”kund loggade in”, ”kund köpte en produkt”, ”kund klickade på ett mejl”. Dessa events kan sedan kopplas till en kundprofil och trigga personaliserad kommunikation.
Styrka: Mycket flexibel och snabb för att bygga realtidsbaserade flöden och triggers. Passar perfekt för att skala stora datavolymer.
Exempel på branscher: Retail och e-handel, där transaktionerna är många och kundresan består av en serie återkommande beteenden.
Utmaning: Alla datapunkter måste definieras som events eller attribut, vilket kan göra modellen mindre anpassad till mer komplexa affärsrelationer.
När passar vilken modell?
Relationsdatamodell: När affären är komplex och kräver hantering av flera sammanlänkade entiteter. Exempel: hotell där en bokning kan inkludera flera rum, olika gäster och olika betalsätt.
Eventbaserad modell: När affären bygger på höga volymer av relativt enkla interaktioner, som i retail där kunder ofta köper många produkter i snabba transaktioner.
Kort sagt: valet av datamodell påverkar hur långt du kan gå med personalisering och automation. En modell som inte matchar affärens logik kommer att begränsa både effektivitet och skalbarhet.
Hur man samlar, unifierar och aktiverar data
Att bygga en Customer 360 innebär tre steg som måste fungera i samspel:
Samla data – från alla relevanta källor: CRM, webb, e-handel, appar, kundtjänst, produktdatabaser och externa källor.
Unifiera data – slå ihop olika identiteter (lojalitets-ID, e-post, device-ID, telefonnummer) till en gemensam kundprofil. Här finns flera alternativ: unifieringen kan ske i CDP:n, i ett Master Data Management-system eller i en Data Lake. Men ju längre ner i kedjan (downstream) du försöker lösa unifieringen, desto större blir komplexiteten och risken att datan inte kan användas effektivt i aktivering.
Aktivera data – gör profilerna användbara i praktiken: i e-post, SMS, push, sociala medier, annonsering och på webbplatsen. Här sker personaliseringen, triggerlogiken och omnikanal-orkestreringen.
Om ett av dessa tre steg fallerar blir Customer 360 antingen ofullständig (datan samlas inte in), fragmenterad (identiteterna är inte unifierade) eller oanvändbar (den går inte att aktivera).
Vanliga misstag och hur man undviker dem
Många företag misslyckas med Customer 360 av några återkommande skäl:
De fokuserar för snävt på kunddata – men glömmer produktdata och kontext. Utan dessa kan man inte personalisera på riktigt.
De försöker samla in ”allt” direkt – vilket leder till överkomplexa modeller som blir svårarbetade. Bättre att börja med data kopplat till prioriterade use cases.
De väljer fel arkitektur – exempelvis försöker de köra allting i en CDP trots att affärslogiken kräver en Data Lake.
De unifierar inte profiler korrekt – vilket leder till dubbletter och felaktiga kundbilder.
De samlar data men aktiverar inte – CDP:n eller datalösningen blir då bara ett datalager utan affärsnytta.
Att vara medveten om dessa fallgropar och bygga arbetet metodiskt gör att du kan undvika kostsamma misstag och snabbare realisera värdet av en Customer 360.
Till sist
En Customer 360 är grunden för all modern kundkommunikation – men den kräver mer än bara kunddata. Produktdata och kontext måste finnas på plats för att personalisering ska bli verklig.
CDP och Data Lake spelar olika roller i detta arbete. CDP:n är verktyget för att ge marknad och CRM kraft att agera snabbt och personaliserat. Data Laken är fundamentet för att hantera komplexitet, stora datamängder och avancerad analys. Ofta är den bästa lösningen en kombination – där Data Lake förser CDP:n med förädlad data, och CDP:n gör den användbar i skarp aktivering.
Nyckeln är att alltid utgå från affären: vilken typ av data behöver vi för att skapa relevanta kundupplevelser, och vilket system är bäst rustat att hantera den datan?