Tre leverandører, én pointe
Foto: Declan Sun på Unsplash
Twilio/Segment, Treasure Data og Tealium taler i øjeblikket om præcis det samme. Når tre af de største CDP-aktører konvergerer om ét budskab, er det værd at lytte.
Tealium beskriver problemet med et eksempel enhver marketingleder kan genkende: en kunde er frustreret over en forsinket levering torsdag, kontakter virksomheden lørdag, og AI’en starter fra bunden. Ingen hukommelse, ingen kontekst, samme generiske svar som til alle andre.
Twilio peger på det samme med deres fokus på persistent customer memory – evnen til at lade AI-agenter fastholde viden om kunden på tværs af sessioner og kanaler.
Og Treasure Data åbner deres datakatalog så eksterne AI-systemer kan forespørge struktureret kundedata direkte fra CDP’en.
Fællesmængden er skarp: AI-modellen er generisk. Det der gør den specifik for din virksomhed, er din kundedata. Uden den er din AI-agent en dyr chatbot der behandler hver kunde som en fremmed.
Sådan bygger du AI-hukommelse i praksis
Som vi så i analysen af CDP-markedets skift fra connectors til arkitektur, handler CDP-valg ikke længere om feature-lister. Nu handler det om hvem der bedst kan tjene som din AI’s hjerne. Her er hvad der konkret skal til:
1. Konsolider kundeidentitet før alt andet
AI-hukommelse forudsætter at du ved, at kunde-ID-1234 i webshoppen er samme person som den der skrev i chatbot’en forrige uge. Hvis din identity resolution har huller, bliver din AI ved med at behandle den samme kunde som en ny fremmed hver gang. Det er ikke et AI-problem – det er et datafundament-problem.
2. Gør realtidsdata tilgængeligt for AI-agenter
Tealiums integration med Anthropic illustrerer pointen: AI-agenten skal kunne slå kundens historik, præferencer og seneste interaktioner op i realtid. Det kræver lav-latency aktivering, ikke batch-eksporter over natten. Spørg din CDP-leverandør direkte: hvad er tidsforskellen fra en kundehændelse sker, til en AI-agent kan forespørge på den?
3. Byg en kontekst-protokol, ikke bare et dataudtræk
Twilios tilgang til persistent memory viser at rå data ikke er nok. Du skal strukturere den kontekst AI-agenten får serveret. Hvilke datafelter ændrer faktisk samtalen? Start med tre til fem attributter: seneste ordrestatus, åben support-sag, LTV-segment, foretrukken kanal. Mere end det, og du diluter signalet.
4. Træk governance ind fra dag ét
AI-agenter med fuld kundehistorik rejser compliance-spørgsmål vi ikke havde for to år siden. Hvilke datafelter må en AI-agent citerer i et svar? Må den referere til købshistorik fra andre produktlinjer? Din DPO og RevOps-leder skal sidde ved bordet, ikke informeres i en statusopdatering bagefter.
Faldgruber
Du bygger en ny silo. Hvis din AI-hukommelse lever i chatbot-platformen og din CDP lever separat, har du bare skiftet den ene silo ud med en anden. Pointen er at CDP’en skal være single source of truth – også for AI’en. Hvis chatbot-leverandøren vil gemme sin egen kundememory, så kæmper du imod din egen arkitektur.
Du overvurderer din datakvalitet. Mange virksomheder antager at deres CDP-data er klar til at fodre en AI. Det er de sjældent. Null-værdier i afgørende felter, forældede segmenter, duplikerede profiler – alt sammen ting der gør din AI mindre klog, ikke mere. Lav en audit af de tre til fem attributter du har identificeret i trin 3, før du bygger AI-laget ovenpå.
Du binder dig til én leverandørs AI-vision. Både Twilio, Treasure Data og Tealium positionerer deres CDP tæt integreret med specifikke AI-partnere. Det giver hurtig time-to-value, men spørg dig selv: hvad sker der om 18 måneder, når du vil skifte AI-leverandør? Sørg for at din datastruktur og din kontekst-protokol er din egen – ikke en vendor-lock-in forklædt som en feature.
Du ignorerer omkostningen ved realtid. Realtidsdata til AI er markant dyrere end batch-aktivering. Start med de brugstilfælde hvor kontekst faktisk ændrer outcome – typisk customer service og churn-prevention – og udvid derfra. De færreste virksomheder har brug for realtids-AI-kontekst på alle touchpoints fra dag ét.