Customer Truth: chi decide quale dato del cliente utilizzare quando i sistemi non si parlano?

Immaginiamo una situazione comune.

Un cliente ha appena superato la soglia di punti necessaria per passare dal livello Silver a Gold. La piattaforma aggiorna correttamente il nuovo livello, ma il CRM mostra ancora il vecchio stato. Nel frattempo, la marketing automation sta costruendo il pubblico per una nuova campagna proprio utilizzando quel campo.

I record appartengono alla stessa persona e i sistemi funzionano correttamente, ma quale valore deve guidare la decisione?

È un problema comune quando CRM, Marketing Automation, Commerce, Customer Service, Loyalty e Customer Data Platform utilizzano gli stessi dati per scopi diversi. Stato cliente, consensi, preferenze e segmenti possono essere presenti in più sistemi, aggiornati con tempi differenti o modificati da processi diversi. 

La difficoltà di integrare i dati è ben documentata. Nella ricerca "2025 State of Your Stack Survey" di MarTech, il 65,7% dei 169 partecipanti ha indicato la data integration tra le maggiori difficoltà nella gestione dello stack.

Una ricerca McKinsey basata su survey e interviste a 233 executive di aziende Fortune 500 rileva un problema analogo: il 47% cita complessità dello stack e difficoltà di integrazione di sistemi e dati tra i fattori che limitano il valore ottenuto dagli strumenti MarTech.

Collegare le informazioni, quindi, risolve una parte del problema. L’altra riguarda l’autorità sul dato: quale fonte può definirlo e cosa accade quando due valori non coincidono?

Quando un attributo presenta valori differenti e il profilo unificato deve restituirne uno, serve una regola.

Salesforce permette di definire criteri come la priorità della fonte o l’aggiornamento più recente, anche su specifici campi. La riconciliazione non modifica i dati nei sistemi sorgente e il valore ottenuto non diventa automaticamente quello da utilizzare in qualsiasi interazione con il cliente.

Se, per esempio, il CRM riporta uno stato cliente “Active” e una seconda fonte “Prospect”, una regola può stabilire che il CRM abbia priorità per quell’attributo. La piattaforma applica il criterio, ma la decisione di attribuire autorità al CRM nasce dal processo aziendale.

Anche una regola apparentemente semplice come “utilizza il dato più recente” richiede quindi di sapere che cosa significhi davvero “recente”.

L’espressione Single Source of Truth, che indica una fonte unica considerata autorevole, è utile quando aiuta a eliminare duplicazioni e responsabilità poco chiare.

Il CRM può definire lo stato della relazione commerciale. Il commerce registra gli ordini completati. La piattaforma loyalty calcola punti e livelli. Un sistema dedicato può gestire consensi e preferenze.

In questi casi è più utile verificare chi ha autorità sul singolo attributo.

Se il livello loyalty deriva dalle transazioni elaborate dalla piattaforma loyalty, gli altri sistemi possono aver bisogno di leggerlo senza avere il diritto di ridefinirlo. Il consenso marketing seguirà invece regole e responsabilità diverse.

Per gli attributi che incidono sulle decisioni serve quindi sapere chi li genera, chi può modificarli, chi ne risponde e quale fonte prevale in caso di conflitto.

Un cliente può avere un indirizzo di fatturazione e uno di consegna: entrambi sono validi, per utilizzi differenti. Può dichiarare interesse per una categoria e, nelle settimane successive, acquistare soprattutto prodotti di un’altra.

Preferenza dichiarata e comportamento osservato non sono necessariamente in conflitto però descrivono segnali differenti. Lo stesso vale per un punteggio di propensione all’acquisto, che non registra un fatto ma una stima prodotta da un modello in un determinato momento.

Un'importante ricerca "Beyond Accuracy: What Data Quality Means to Data Consumers" condotta da Richard Wang e Diane Strong sulla qualità dei dati, introduceva già il principio dell’adeguatezza rispetto all’uso: un’informazione va valutata anche in relazione al compito per cui serve. La customer truth, quindi, può richiedere di conservare il contesto del dato anziché forzare ogni situazione verso un unico valore vincente.

Un esempio concreto riguarda ancora una volta il mondo loyalty. 

Alle 15:00 un cliente supera la soglia necessaria per passare da Silver a Gold. La piattaforma loyalty aggiorna immediatamente il livello, mentre il CRM riceverà il dato durante la sincronizzazione notturna. Alle 18:00 la marketing automation costruisce il pubblico per una campagna utilizzando ancora il valore precedente. 

Dal punto di vista tecnico, tutto funziona. Ma il cliente Gold riceve una comunicazione pensata per clienti Silver. 

Il problema non è quindi solo scegliere la fonte corretta, è anche assicurarsi che il valore autorevole sia disponibile nel momento in cui serve. 

Quando una decisione viene presa da una persona, spesso l’operatore la verifica: nota un’anomalia, controlla la fonte, interpreta il contesto e sistema l’errore. 

Con l’introduzione degli agenti AI, questo passaggio diventa più delicato. 

Un agente AI, per aggiornare un record, scegliere un’informazione o assegnare una priorità, deve sapere quali dati può utilizzare e secondo quali criteri. 

Secondo la Gartner Marketing Technology Survey 2025, l’81% dei responsabili delle tecnologie marketing coinvolti stava già sperimentando o implementando iniziative con agenti AI, ma una parte significativa dichiarava di non avere ancora la preparazione necessaria dello stack tecnico e dei dati per portarli in produzione. 

L’automazione rende quindi ancora più evidente una necessità già presente: definire regole chiare sulla qualità e sull’autorità del dato. 

Per costruire una vera Customer Truth non serve necessariamente partire dall’intero patrimonio informativo aziendale. 

Il primo passo può essere molto più concreto: quali decisioni sul cliente vogliamo migliorare? 

Ad esempio: questo cliente deve entrare in una determinata customer journey? 

Per ogni decisione servono poche informazioni fondamentali: chi genera il dato, chi può modificarlo, quale fonte ha autorità, quale regola vale in caso di conflitto, quale valore arriva effettivamente al sistema che deve agire. 

Le mappe architetturali aiutano a capire dove nascono e dove viaggiano le informazioni. 

Ma per chi lavora su CRM, marketing automation e customer experience serve anche un’altra prospettiva: quali decisioni prendiamo ogni giorno sul cliente e quali dati le rendono possibili? 

Perché la vera maturità digitale non consiste solo nell’avere più dati collegati. Consiste nel sapere quale informazione utilizzare, perché utilizzarla e come trasformarla in un’esperienza migliore per il cliente. 

Avere tanti dati è importante, ma sapere quale dato utilizzare nel momento giusto è ciò che crea valore. 

Scopri come trasformare i dati dei clienti in una base concreta per personalizzare esperienze, ottimizzare processi e costruire relazioni più efficaci. Contattaci per portare la Customer Truth al centro della tua strategia digitale. 

Fonti: Third Door Media / MarTech, The 2025 State of Your Stack Survey, 2025. McKinsey & Company, Adam Broitman, Kelsey Robinson, Marc Brodherson, Nicolas Jabs, Robert Tas, Sean Flavin, con Merwin Gomes, Rewiring martech: From cost center to growth engine, 22 ottobre 2025.Salesforce, Unify Source Profiles. Salesforce, Identity Resolution Reconciliation Rules. Adobe, Merge Policies Overview | Adobe Experience Platform. Vijay Khatri, Carol V. Brown, Designing Data Governance Communications of the ACM, Vol. 53, n. 1, gennaio 2010. Richard Y. Wang, Diane M. Strong, Beyond Accuracy: What Data Quality Means to Data Consumers, Journal of Management Information Systems, Vol. 12, n. 4, 1996. Gartner, Gartner Survey Finds 45% of Martech Leaders Say Existing Vendor-Offered AI Agents Fail to Meet Their Expectations of Promised Business Performance, 29 ottobre 2025.