Martech中的可组合性图谱

最近，我一直在兴奋地谈论「可组合性」作为营销技术（以及通用的商业技术）的主要新趋势。但由于缺乏更精确的定义，这个术语引发了一些困惑和争论，即今天什么在技术上可行，什么在技术上不可行。

我们来修正一下。

从最广泛的意义上说，可组合性就是将事物组合在一起的能力。这可能是数据，例如，如果你想分析已销售给客户（一个数据集）的产品（另一个数据集）。也可能是工作流程、应用程序或客户体验中的步骤——例如，当潜在客户填写表格时，在CRM中添加或更新它们，并将他们要求的报告通过电子邮件发送给他们。

等等，这听起来并不新鲜。人们不是已经这么做了几十年了吗？

是的！如果我们看一下我所描绘的可组合性的范围——稍后我将更详细地解释它——一些组合事物的方式已经存在了很长时间。

Martech早期例子中的可组合性图谱

电子表格可能是最古老的「无代码」工具，业务用户可以通过将不同的数据块组合在一张表格上（或者更大胆地说，在一个工作簿中）来「组合」数据分析，在那里他们可以将它们操作成一些有洞察力的内容。从历史上看，这些数据块中的大多数要么由用户手动输入，要么从CSV文件导入。不是最先进的数据流水线，但有效。营销人员已经从Excel和Google表格中获得了大量的经验。

在技术层面上，程序员在过去的半个世纪里一直在使用可重用库中的打包功能来「组合」应用程序。封装、模块化和可重用性的概念已经成为软件工程学科的基础。没有开发人员会从头开始编写所有内容。他们利用现有的库（Python有超过40万个这样的包）或来自AWS、Azure或Google cloud的云API服务来组装应用程序。他们站在前人的肩膀上，试图只添加新功能，或者为特定目的将这些部分组合在一起的逻辑。

交易粒度/灵活性vs.护栏/安全性

我一直把「可组合性」加上引号，因为当电子表格和软件库用于组合事物时，更现代的可组合性概念试图在这两个相反的两端之间进行权衡。

粒度与护栏之间的可组合性权衡

在可组合性的粒度（你在最微小的层面上有多少控制）和可组合性的护栏（你能做的事情有多大的限制，通常是为了你自己好）之间存在一种帕累托曲线。

使用高粒度的代码进行组合需要大量的技术专长。它给了你无限的灵活性。但所有的自由都是一把双刃剑。你很容易因为不小心做了坏事而造成损害。

相反，使用基本的电子表格——不需要任何花哨的脚本或高级函数调用——就可以将数据组合在一起。但是，你只能处理适合表格格式的「小数据」，这是一个静态的时间快照。你不能用它来执行工作流或构建应用程序。这明显比用代码编程更有局限性。但它要安全得多。在电子表格中，你可以做什么，不能做什么，这样的护栏可以防止你伤害自己，至少在技术层面上是这样。

在过去的5-10年里，在可组合性方面的许多创新都填补了这两个极端之间的空白。低代码平台可以构建灵活性稍低但更安全的应用程序或工作流。无代码产品更是如此。沿着曲线选择你喜欢的折衷点。

营销中可组合性的许多情境

Martech中可组合性谱的创新

在可组合性的危险无限和安全约束的化身之间「填补中间」是营销和营销技术的福音。这里的许多创新都是缩小特定平台或工具的环境的结果，以便在环境周围设置护栏，但在其中提供更多的灵活性。

抱歉，这有点抽象。举几个例子来说明上下文的力量……

无代码网站建设者之所以成功，是因为他们将重点缩小到创建技术功能有限的页面，并通过主题和模板设置设计边界。这给非技术营销人员提供了巨大的自由，可以快速、轻松、廉价地发布漂亮的登陆页面和微型网站，而且技术错误的风险很低。

任何内容营销人员现在都可以在无代码网站构建器的编辑器中从预构建的组件组成网页。

在更技术性的方面，对于技术营销人员来说，CDP比原始数据库更容易使用，因为它们是在为营销用例创建客户档案和受众细分的上下文中操作的。与之前的「封闭」营销套件相比，它们可以更自由地将数据摄取并组合成可操作的营销数据集。但如何利用这些数据的操作——这在技术上可能会变得更加复杂——往往是在CDP本身的下游。这使得CDP内部的工作环境更安全，至少相对而言是这样。

是的，我知道，你仍然会犯错误——大错误——使用CDP中的数据和你在下游使用这些数据执行的事情。但是，这些风险比针对通用关系数据库编写Python程序的开放式、狂野的西部要可控得多。

任何精通数据的营销操作专业人员现在都可以在CDP中组合受众，这些受众来自多个数据源。

现在，「可组合CDP」一词有了更具体的含义。与将数据复制到CDP中使用数据不同，可组合CDP允许你直接使用云数据仓库中的数据，而无需复制数据。这在降低存储成本、数据设计以及安全性和合规性风险方面具有优势。从这个意义上说，除了组合逻辑数据集之外，还跨物理数据存储进行组合。

但是，抛开技术架构创新不谈，可组合CDP的好处在于，它可以更便宜、更容易、更快速地组合客户档案和受众群体。

我的观点是：以上所描述的一切都是当今市场营销中存在的可组合性。在某种程度上，我们没有明确地谈论它，它实际上证明了这种可组合性是如何工作的。当组合性在上下文中几乎成为第二天性时，它是最好的。

那么，为什么将可组合性作为一种新事物来讨论呢？

新一代可组合性

Martech可组合性的前景

新一代的可组合性正在借助API的大量扩散和更多数据进入集中式云数据仓库（CDW）。

随着应用程序通过API展现更多功能——由应用程序之间集成的市场需求驱动——这些API可以用于以编程方式「组合」跨多个应用程序的后台工作流和客户体验。随着应用程序将更多的数据输送到CDW中，所有数据都存储在一个通用的、专业管理的位置，在那里可以更容易地将其「组合」成特定于上下文的数据集。

iPaaS和工作流自动化产品，如Workato（企业）和ZAPIer（中小企业），早就利用API让低代码/无代码用户跨多个应用程序编排工作流。但是随着API数量的增长——以及通过它们展现的更深层次的功能——不仅可以在应用程序之间排序集成任务，还可以有效地使用这些API服务来制作自己的自定义应用程序。

这里有一个比喻：不是胶水把船的木材粘在一起，而是胶水变成了船本身的表面，嵌入的木材作为框架和内部的结构支撑。这种胶水具有无限的延展性，可以让造船商创造出高度差异化的船舶设计。

好吧，这个比喻有点过头了。但是你明白我的意思了吗？

在为市场营销中的可组合性构建更好的「环境」方面，也发生了大量创新。一种很有前途的方法是多级可组合性：IT专家可以为可组合性定义某些边界，营销运营经理可以在此基础上打包预定义的数据或功能包，非技术营销人员可以在此基础上从这些现成的组件组装活动和程序。每个关卡都为下一个关卡创造了一个「背景」。

然而，对于可组合性来说，真正令人兴奋的是生成式AI。

你早就知道会这样，对吧？

AI改变Martech的可组合性

生成式AI引擎将能够理解编写代码、调用API以及在一侧跨多个数据源进行映射的技术机制。另一方面，他们将能够接受来自非技术用户的自然语言请求，并将其转换为组合的工作流和数据集。

这将有效地将更高级的可组合性的可访问性进一步转移到技术含量较低的用户范围内。这可能带来的二阶效应将是更加个性化的内部数字运营和外部数字客户体验，由营销机构的每个人按需精心设计和调整。

生成式人工智能将能够突破帕累托边界，实现更大的灵活性，同时提供更多特定于情境的护栏，因为它将能够理解发出这些请求的完整企业架构。

我们还没到那一步——尽管进展很快。

这就是为什么我和许多其他人对可组合性作为一种「新」事物感到如此兴奋的原因。在可组合性方面，我们正处于从划艇向火箭过渡的尖端。但是从A点到B点组合东西的核心概念从一开始就伴随着我们。

来源：chiefmartec.com

作者：Scott Brinker

翻译：Fred