Hvad er kundedata? Definition, Typer, indsamling, validering og analyse

kundedata er de adfærdsmæssige, demografiske og personlige oplysninger om kunder indsamlet af virksomheder og marketingfirmaer for at forstå, kommunikere og engagere sig med kunder.

i denne rate af MarTech 101 ser vi på det grundlæggende i kundedata. Vi vil starte med at forstå dens definition og typer. Vi undersøger derefter, hvordan du kan indsamle, validere og analysere kundedata.

Indholdsfortegnelse

• Hvad er kundedata?
• typer af kundedata
• hvordan indsamles kundedata?
• validering af kundedata
• analyse af kundedata
• fordele ved Kundedataanalyse
• konklusion

lad os begynde!

Hvad Er Kundedata?

kundedata defineres som de oplysninger, dine kunder giver, mens de interagerer med din virksomhed via din hjemmeside, mobilapplikationer, undersøgelser, sociale medier, marketingkampagner og andre online og offline veje.

kundedata er en hjørnesten i en vellykket forretningsstrategi. Datadrevne organisationer indser vigtigheden af dette og træffer foranstaltninger for at sikre, at de indsamler de nødvendige kundedatapunkter, der gør det muligt for dem at forbedre kundeoplevelsen og finjustere forretningsstrategi over tid.

typer af kundedata

en organisation indsamler et utal af kundedatapunkter gennem hele købers rejse. Volumenet af disse datapunkter er stort, og for at lette forståelsen har vi adskilt dem i forskellige kategorier.

lad os se på de forskellige typer kundedata, du skal indsamle for at forbedre din forretningsstrategi.

Bemærk: Indsamling og lagring af kundedata er et indviklet emne, der i vid udstrækning dikteres af reglerne og forskrifterne (såsom GDPR) i det land, din organisation opererer fra og/eller din målgruppe. Sørg for at studere og følge disse regler for at undgå juridiske konsekvenser. Det er sikkert at søge juridisk hjælp, hvis du er usikker.

personlige Data (PII og ikke-PII)

personlige data kan opdeles i to kategorier, personligt identificerbare oplysninger (PII) og ikke-personligt identificerbare oplysninger (ikke-PII).

personligt identificerbare oplysninger (PII): PII er enhver information, der kan bruges til at genkende en persons identitet. Det er yderligere opdelt i to kategorier

1. Linked Information:

Linked information er information, der kan bruges til at identificere en person uden at kræve yderligere information/datapunkt. Eksempler på sammenkædede oplysninger er:

1. fuldt navn
2. fysisk adresse
3. e-mail-adresse
4. loginoplysninger
5. kørekortnummer
6. personnummer
7. pasnummer
8. kredit – /betalingskortoplysninger
9. fødselsdato
10. telefonnummer

2. Linkable Information: Linkable information er alle oplysninger, der ikke kan identificere en person alene, men det kan gøre det, når det er klumpet med et andet stykke information. Eksempler på linkbare oplysninger inkluderer:

1. for — eller efternavn
2. beliggenhed-Land, Stat, By, Postnummer
3. køn

Race og etnicitet

4. aldersgruppe
5. jobdetaljer

ikke-personligt identificerbare oplysninger (ikke-personligt identificerbare oplysninger) pii): ikke-PII er det modsatte af pii, som er anonym information og kan ikke bruges til at identificere en person. Eksempler på ikke-PII inkluderer:

1. IP-adresse
2. Cookies
3. enheds-id ‘ er

Bemærk: Du kan undre dig over, hvorfor vi valgte at inkludere ikke-PII i afsnittet om personlige data, selvom det ikke hjælper med at identificere enkeltpersoner. Årsagen er, at forskellige love behandler disse datapunkter forskelligt. I henhold til GDPR kan ikke-PII, såsom cookies, kategoriseres som personlige data. Så for at undgå enhver potentiel forvirring har vi grupperet dem under en paraply.

Engagementsdata

Engagementdata fortæller dig, hvordan dine kunder interagerer med dit brand via forskellige marketingveje. Disse data omfatter oplysninger såsom kundens adfærd på hjemmesiden, deres interaktion med dig på sociale medier og gennem kundeservice, og så videre. Her er inklusionerne af hver kanal:

1. interaktion mellem hjemmeside og mobilapp: besøg på hjemmesiden, App-klæbrighed, mest viste sider, brugerstrøm, Trafikkilder osv.
2. Social Media Engagement: Post likes, Post shares, Post svar, Native videovisninger osv.
3. e-mail-Engagement: åben sats, klikfrekvens, afvisningsprocent, e-mail fremad osv.
4. Kundeservice Information: Antal billetter, klage / forespørgsel detaljer, Feedback, etc.
5. betalt Annonceengagement: visninger, klikfrekvens, pris pr.

Behavioral Data

Behavioral data hjælper dig med at afdække underliggende mønstre, som dine kunder afslører under deres købsrejse. Engagement data kan eller ikke kan være en del af adfærdsmæssige data. Sådan kan du indsamle disse data:

1. Transaktionsdata: Abonnement detaljer, køb detaljer, tidligere køb, gennemsnitlig ordreværdi, indkøbskurv nedlæggelse data, gennemsnitlig kunde levetid værdi, kundeloyalitet program detaljer, etc.

2. Produktbrug: gentagne handlinger, Funktionsbrug, Funktionsvarighed, Opgaveafslutning, enheder osv.

3. Kvalitative Data: bruger opmærksomhed, Heatmaps (klik, rulle, mus bevægelse data), etc.

Holdningsdata:

Holdningsdata er drevet af dine kunders følelser og følelser. Det er sådan, de opfatter dit brand og tilbud. Da holdningsdata for det meste er kvalitative og subjektive, er det klogt at kombinere dem med kvantitative data for at få konkrete output.

Holdningsdata spejdes normalt via undersøgelser, samtaler, fokusgrupper, feedback, kundeklager, anmeldelser osv. Her er et par eksempler på holdningsdata:

1. kundetilfredshed
2. følelser
3. produktønskelighed
4. præferencer
5. motivationer og udfordringer
6. købskriterier

Lær mere: Hvad er kundeanalyse? Definition, proces, nøgletendenser og eksempler

hvordan indsamles kundedata?

marketingfolk kan indsamle data fra hver kanal, som kunden interagerer med mærket på. Selvom der sandsynligvis er hundreder af måder at indsamle kundedata på, vil vi i dette afsnit se på de mest vigtige veje, som du kan bruge til at lære dine kunder bedre at kende.

før vi dykker ned i, hvordan du kan indsamle kundedata, skal du besvare følgende fem spørgsmål:

1. Hvad er de forskellige datapunkter, du skal indsamle?
2. hvordan skal du organisere dataene? Hvilke værktøjer vil du have brug for at gemme det?
3. hvilke foranstaltninger skal du tage for at beskytte kundedata? Og er du gennemsigtig med dine kunder om, hvordan du indsamler deres oplysninger?
4. har du sikret, at dine dataindsamlingsmetoder er i overensstemmelse med dit lands love og regler?
5. hvordan skal du bruge dataene til organisationens fordel?

når du har besluttet dig for disse spørgsmål, kan du se på, hvordan du skal indsamle kundedata.

Hjemmesideanalyse

din hjemmeside er ofte den primære kanal, som dine kunder interagerer med. Du kan indsamle kundedata såsom deres demografiske og geografiske karakteristika sammen med engagement og adfærdsmæssige data.

værktøjer som Google Analytics, Google Analytics og Matomo hjælper dig med at forstå deres interesser, henvisningskilder, konverteringsoplysninger sammen med deres realtidsadfærd på din hjemmeside.

selvom disse værktøjer har mangler som manglende evne til at indsamle kvalitative oplysninger, kan du kompensere for dem ved at bruge visuelle/eksperimenterende værktøjer som f.eks. Disse værktøjer hjælper dig med at forstå brugeradfærd gennem heatmaps, sessionsoptagelser og konverteringstragtvisualisering.

sociale medier

du kan vide meget om dine kunder baseret på, hvordan de interagerer med dig på sociale medier. Bortset fra at bruge grundlæggende engagementsmetrikker (såsom likes, kommentarer og delinger), kan du lære meget om dine kunder gennem sektionen native analytics/insights på hver social medieplatform.

gennem online reputation management (ORM) indsats, kan du samle kundedata, der lader dig forstå den generelle stemning omkring dit brand og tilbud.

du kan øge ante for dine kundedataindsamlingsaktiviteter ved at investere i sociale medieannoncer. Gennem målretningsfunktionerne på sociale medieplatforme kan du forstå dine kunders interesser og andre egenskaber. Ved at uploade din e-mail-liste på sociale medieplatforme ved hjælp af funktionen custom audience, kan du afdække deres adfærd på en bestemt social mediekanal for at vide mere om dem.

sporingspunkter

et sporingspunkt er et stykke HTML-eller JavaScript-kode indsat i en hjemmeside eller en e-mail, der registrerer hver besøgende, der lander på din hjemmeside eller åbner e-mailen. Sporingspunkter kan optage IP-adresser, operativsystemer, bro.sere osv. hvilket igen hjælper annoncører med at køre sofistikerede remarketingkampagner.

gennem sporingspunkter kan marketingfolk også lære deres kunders konverteringsaktiviteter at kende.

kontaktoplysninger

kontaktoplysninger er måske den vigtigste information fra perspektivet om at kommunikere med dine kunder. Det er usandsynligt, at dine kunder vil dele alle oplysninger fra get-go. Det er klogt at indsamle deres detaljer i betragtning af scenen på køberens rejse. For eksempel vil længere former være ineffektive tidligt på scenen. Sørg for at give passende belønninger / incitamenter, når dine kunder leverer deres data.

kundefeedback og undersøgelser

kundefeedback og undersøgelser er effektive til at samle dine kunders interesser, smag og præferencer. Ved at stille de rigtige spørgsmål kan undersøgelser hjælpe dig med at indsamle kvalitative holdningsdata.

du kan modtage feedback på dine tilbud, tjenester, Salgs-og marketingaktiviteter gennem undersøgelser. Ved hjælp af Net Promoter Score (NPS) kan du forstå dine produkters aviditet blandt dine kunder.

Kundeserviceprogram

et kundeserviceprogram hjælper dig med at forstå de tilfælde, hvor dine kunder søger hjælp, problemer, der findes i dit produkt, kompleksiteten af disse problemer, det medium, dine kunder vælger at oprette forbindelse til dig, hvor lang tid det tager at løse en forespørgsel, og hvordan den kan optimeres.

baseret på disse data kan marketingfolk måle kundetilfredshed.

Lær Mere: Top 10 platforme til Digital kundeoplevelse til 2020

Transaktionsoplysninger

afhængigt af din forretningsmodel er der forskellige måder at indsamle transaktionskundedata på. For en SaaS-virksomhed er det ofte udelukkende gennem online midler, og det består typisk af standarddata såsom kundens abonnementsoplysninger.

for eksempel vil det for en e-handelsvirksomhed omfatte data om nedlæggelse af indkøbskurv, mens det for et detailmærke med mursten og mørtelbutikker primært vil stole på PoS (salgssted) system til at indsamle købsdata.

bortset fra disse syv måder kan du indsamle kundedata gennem fokusgrupper, kundesamtaler, data management platform (DMP) for at nævne nogle få.

validering af kundedata

sikring af nøjagtigheden af dine kundedata er afgørende for succes for din marketingindsats. Nøjagtige kundedata øger ikke kun din marketingindsats, men forhindrer også spild af tid og monetære ressourcer og forhindrer yderligere en dårlig CKS.

derfor validering af centrale kundedatapunkter — Navn, e-mail-adresse, fysisk adresse, kontaktnummer osv. er afgørende for nøjagtigheden og fuldstændigheden af data.

her er hvordan du kan gå om validering dine kundedata:

1. at have en plan for datavalidering hjælper dig med at indstille de rigtige forventninger fra starten. Planen skal fastlægge dine milepæle for at måle fremskridt. Det bør også overveje den indvirkning, det kan have på de eksisterende operationer og sørge for, at der er tid nok til at løse eventuelle forhindringer, der måtte opstå.
2. kontroller derefter størrelsen på dataene, og om dataene er tilgængelige i sin helhed. Mål også antallet af kundeposter, datastørrelse og unikke id ‘ er.
3. data berigelse hjælper marketingfolk med at validere og forfine kundedata ved at verificere sine interne/førsteparts data mod pålidelige tredjeparts datakilder.
   data berigelse hjælper dig også med at eliminere data redundanser og opdatere eksisterende poster.
4. formålet med datavalidering er at etablere en gylden rekord eller en enkelt kilde til sandhed. Ved hjælp af customer data integration (CDI) kan du indsamle, organisere og forene kundedata for at få en 360-graders visning af dine kunder.

Tip: Læs det grundlæggende i Kundedatastyring del i og del II fra vores martech101-serie for at forstå disse begreber grundigt.

analyse af kundedata

Kundedataanalyse er en stor virksomhed. Det er en ting at indsamle kundedata, men det er et helt nyt boldspil at udlede handlingsrettede indsigter fra det.

en af de største udfordringer med at analysere store sæt kundedata er at analysere kvalitativ information, da den er subjektiv og varierer fra person til person. Men inden vi går ind på, hvordan du kan analysere kvalitativ information, lad os forstå, hvordan data mining kan hjælpe med at analysere kvantitative data.

analyse af kvantitative kundedata ved hjælp af data Mining

data mining bruger begreberne statistik, kunstig intelligens og maskinindlæring til at analysere store datasæt og identificere underliggende mønstre. Du kan bruge følgende data mining teknikker til at ekstrapolere handlingsrettede indsigter:

1. klassificering: denne teknik kræver, at du kategoriserer data i et givet sæt kategorier (klasser). Baseret på dine kunders indkomstgrupper og købshistorik kan du f.eks. gøre dem til tilpassede produkttilbud
2. Associeringsregel Mining: Association bruger korrelation til at identificere mønstre i et givet datasæt. Det bruger ‘hvis dette…så det…’ ræsonnement til at forudsige resultater. Anbefalingsmotorer bruger association rule mining til at anbefale produkter eller indhold.
3. Outlier Detection: du kan bruge denne teknik til at identificere anomalier eller uventede mønstre i dataene. For eksempel, hvis du ser en uventet stigning under produktsalget i en periode, kan du finde årsagen til det og træffe den nødvendige beslutning.
4. Clustering: klyngeanalyse bruges til at klassificere data i homogene kategorier baseret på en karakteristik/funktion
5. regressionsanalyse: Regression bruges til at identificere forholdet mellem forskellige datapunkter. Det er nyttigt at forstå, hvordan tilstedeværelsen af en specifik karakteristik påvirker andre egenskaber i sættet.
6. forudsigelse: Ved hjælp af forudsigelse kan du forudsige dine kunders fremtidige adfærd baseret på deres historie.

sammen med data mining kan marketingfolk også bruge datavisualiseringsteknikker og business intelligence til at udtrække meningsfuld information fra kvantitative data.

analyse af kvalitative Data

oplysninger indsamlet gennem kundeserviceprogrammer, samtaler, feedback, undersøgelser osv. har tendens til at være kvalitativ, og derfor ville de traditionelle data mining teknikker ikke være effektive på dem. Du kan dog bruge følgende metoder til at udtrække åbenbaringer fra dem:

1. indholdsanalyse: i indholdsanalyse fremhæver du relevante søgeord, ideer eller temaer for at finde deres forekomster i dine data. For eksempel, mens du analyserer undersøgelser, kan du oprette en liste over problemer identificeret af dit interne team og opdage forskellige søgeord, som en kunde vil bruge til at beskrive dem. Nu ved at analysere undersøgelsen kan du forstå, hvordan du kan forbedre dit produkt.
2. narrativ analyse: mennesker kommunikerer gennem historier. Med en narrativ analyse kan du identificere, hvordan kunder kommunikerer historier og ideer, hvilket yderligere kan hjælpe dig med at forstå, hvordan kunderne føler om dit brand og tilbud.

fordele ved Kundedataanalyse

her er fem måder, hvorpå analyse af kundedata kan hjælpe dig med at vide mere om dine kunder, mærker og tilbud:

1. hvis du allerede har oprettet buyer persona-skabeloner, baseret på kundedataanalysen, kan du foretage de nødvendige justeringer i disse skabeloner for at holde dem opdaterede.
2. du kan segmentere dine kunder baseret på deres geografiske, demografiske eller psykografiske egenskaber.
3. det hjælper dig med at forstå dine kunders behov og smertepunkter og skræddersy din produktbesked i overensstemmelse hermed. Du kan også forbedre din fortælling for at retfærdiggøre pris-fordel aspekt af dit produkt.
4. det kan hjælpe dig med at strømline dine marketingkampagner.
5. Kundedataanalyse kan også hjælpe dig med at øge kundens levetidsværdi og reducere churn.

Lær Mere: Hvad Er Identity Resolution? Definition, proces, fordele med eksempler

konklusion

for at opsummere kiggede vi på begrebet kundedata, dets forskellige typer inklusive personlig (PII og ikke-PII), Engagement, adfærdsmæssig og holdningsmæssig. Vi dækkede syv måder, du kan indsamle kundedata på, og lærte alt om at analysere og validere disse data plus fordelene ved at gøre det.

håber, at denne artikel har hjulpet dig med at forstå det grundlæggende i kundedata. Du kan nu begynde at indsamle og analysere dine data for at forbedre din forretningsstrategi og ROI.