Was sind Kundendaten? Definition, Typen, Sammlung, Validierung und Analyse

Kundendaten sind die verhaltensbezogenen, demografischen und persönlichen Informationen über Kunden, die von Unternehmen und Marketingunternehmen gesammelt werden, um Kunden zu verstehen, zu kommunizieren und mit ihnen in Kontakt zu treten.

In dieser Ausgabe von MarTech 101 betrachten wir die Grundlagen der Kundendaten. Wir beginnen mit dem Verständnis seiner Definition und Typen. Anschließend untersuchen wir, wie Sie Kundendaten sammeln, validieren und analysieren können.

Inhaltsverzeichnis

• Was sind Kundendaten?
• Arten von Kundendaten
• Wie werden Kundendaten erfasst?
• Kundendaten validieren
• Kundendaten analysieren
• Vorteile der Kundendatenanalyse
• Fazit

Los geht’s!

Was sind Kundendaten?

Kundendaten sind definiert als die Informationen, die Ihre Kunden bei der Interaktion mit Ihrem Unternehmen über Ihre Website, mobile Anwendungen, Umfragen, soziale Medien, Marketingkampagnen und andere Online- und Offline-Möglichkeiten bereitstellen.

Kundendaten sind ein Eckpfeiler einer erfolgreichen Geschäftsstrategie. Datengesteuerte Unternehmen erkennen die Bedeutung und ergreifen Maßnahmen, um sicherzustellen, dass sie die erforderlichen Kundendatenpunkte sammeln, die es ihnen ermöglichen, das Kundenerlebnis zu verbessern und die Geschäftsstrategie im Laufe der Zeit zu optimieren.

Arten von Kundendaten

Eine Organisation sammelt eine Vielzahl von Kundendatenpunkten während der gesamten Customer Journey. Das Volumen dieser Datenpunkte ist riesig, und zum leichteren Verständnis haben wir sie in verschiedene Kategorien unterteilt.

Schauen wir uns die verschiedenen Arten von Kundendaten an, die Sie sammeln müssen, um Ihre Geschäftsstrategie zu verbessern.

Hinweis: Das Sammeln und Speichern von Kundendaten ist ein kompliziertes Thema, das weitgehend von den Regeln und Vorschriften (wie der DSGVO) des Landes, in dem Ihr Unternehmen tätig ist, und / oder dem Ihrer Zielgruppe bestimmt wird. Stellen Sie sicher, dass Sie diese Vorschriften studieren und befolgen, um rechtliche Konsequenzen zu vermeiden. Es ist sicher, rechtliche Hilfe zu suchen, wenn Sie unsicher sind.

Personenbezogene Daten (PII und Nicht-PII)

Personenbezogene Daten können in zwei Kategorien unterteilt werden: Personenbezogene Daten (PII) und nicht personenbezogene Daten (Nicht-PII).

Persönlich identifizierbare Informationen (PII): PII sind alle Informationen, die verwendet werden können, um die Identität einer Person zu erkennen. Es ist weiter in zwei Kategorien unterteilt

1. Verknüpfte Informationen:

Verknüpfte Informationen sind Informationen, mit denen eine Person identifiziert werden kann, ohne dass zusätzliche Informationen / Datenpunkte erforderlich sind. Beispiele für verknüpfte Informationen sind:

1. Vollständiger Name
2. Physische Adresse
3. E-Mail-Adresse
4. Anmeldedaten
5. Führerscheinnummer
6. Sozialversicherungsnummer
7. Passnummer
8. Kredit- / Debitkartendaten
9. Geburtsdatum
10. Telefonnummer

2. Verknüpfbare Informationen: Verknüpfbare Informationen sind alle Informationen, die eine Person nicht selbst identifizieren können, dies jedoch tun können, wenn sie mit einer anderen Information verknüpft werden. Beispiele für verknüpfbare Informationen sind:

1. Vor— oder Nachname
2. Ort – Land, Bundesland, Stadt, Postleitzahl
3. Geschlecht
4. Rasse und ethnische Zugehörigkeit
5. Altersgruppe
6. Jobdetails

Nicht persönlich identifizierbare Informationen (Nicht-personenbezogene PII): Nicht-PII ist das Gegenteil von PII, bei denen es sich um anonyme Informationen handelt und die nicht zur Identifizierung einer Person verwendet werden können. Beispiele für Nicht-PII sind:

1. IP-Adresse
2. Cookies
3. Geräte-IDs

Hinweis: Sie fragen sich vielleicht, warum wir uns entschieden haben, Nicht-PII in den Abschnitt personenbezogene Daten aufzunehmen, obwohl dies nicht zur Identifizierung von Personen beiträgt. Der Grund dafür ist, dass verschiedene Gesetze diese Datenpunkte unterschiedlich behandeln. Zum Beispiel können gemäß der DSGVO Nicht-PII wie Cookies als personenbezogene Daten kategorisiert werden. Um mögliche Verwirrung zu vermeiden, haben wir sie unter einem Dach zusammengefasst.

Engagement-Daten

Engagement-Daten zeigen Ihnen, wie Ihre Kunden über verschiedene Marketingwege mit Ihrer Marke interagieren. Zu diesen Daten gehören Informationen wie das Verhalten des Kunden auf der Website, seine Interaktion mit Ihnen in sozialen Medien und über den Kundenservice usw. Hier sind die Einschlüsse jedes Kanals:

1. Website- und Mobile-App-Interaktionen: Website-Besuche, App-Klebrigkeit, meistgesehene Seiten, Benutzerfluss, Verkehrsquellen usw.
2. Engagement in sozialen Medien: Likes posten, Shares posten, Antworten posten, native Videoansichten usw.
3. E-Mail-Engagement: Öffnungsrate, Klickrate, Absprungrate, E-Mail-Weiterleitungen usw.
4. Informationen zum Kundenservice: Anzahl der Tickets, Beschwerde- / Anfragedetails, Feedback usw.
5. Paid Ad Engagement: Impressionen, Klickrate, Kosten pro Klick / Mille, Conversions usw.

Verhaltensdaten

Verhaltensdaten helfen Ihnen, zugrunde liegende Muster aufzudecken, die Ihre Kunden während ihrer Kaufreise offenbaren. Engagement-Daten können Teil von Verhaltensdaten sein oder auch nicht. So können Sie diese Daten sammeln:

1. Transaktionsdaten: Abonnementdetails, Kaufdetails, Frühere Einkäufe, Durchschnittlicher Bestellwert, Daten zum Abbruch des Warenkorbs, durchschnittlicher Customer Lifetime Value, Details zum Kundenbindungsprogramm usw.

2. Produktnutzung: Wiederholte Aktionen, Funktionsnutzung, Funktionsdauer, Aufgabenerledigung, Geräte usw.

3. Qualitative Daten: Benutzeraufmerksamkeit, Heatmaps (Klicks, Scrollen, Mausbewegungsdaten) usw.

Einstellungsdaten:

Einstellungsdaten werden von den Gefühlen und Emotionen Ihrer Kunden bestimmt. So nehmen sie Ihre Marke und Ihr Angebot wahr. Da Einstellungsdaten meist qualitativ und subjektiv sind, ist es ratsam, sie mit quantitativen Daten zu kombinieren, um konkrete Ergebnisse zu erzielen.

Einstellungsdaten werden normalerweise über Umfragen, Interviews, Fokusgruppen, Feedback, Kundenbeschwerden, Bewertungen usw. erfasst. Hier sind einige Beispiele für Einstellungsdaten:

1. Kundenzufriedenheit
2. Gefühle
3. Produktwunsch
4. Präferenzen
5. Motivationen und Herausforderungen
6. Kaufkriterien

Erfahren Sie mehr: Was ist Kundenanalyse? Definition, Prozess, Schlüsseltrends und Beispiele

Wie sammelt man Kundendaten?

Marketer können Daten von jedem Kanal sammeln, auf dem der Kunde mit der Marke interagiert. Obwohl es wahrscheinlich Hunderte von Möglichkeiten gibt, Kundendaten zu sammeln, werden wir uns in diesem Abschnitt die wichtigsten Möglichkeiten ansehen, mit denen Sie Ihre Kunden besser kennenlernen können.

Bevor wir uns mit der Erfassung von Kundendaten befassen, beantworten Sie die folgenden fünf Fragen:

1. Was sind die verschiedenen Datenpunkte, die Sie sammeln sollten?
2. Wie sollten Sie die Daten organisieren? Welche Werkzeuge würden Sie benötigen, um es zu speichern?
3. Welche Maßnahmen sollten Sie ergreifen, um Kundendaten zu schützen? Und sind Sie transparent mit Ihren Kunden darüber, wie Sie ihre Informationen sammeln?
4. Haben Sie sichergestellt, dass Ihre Datenerfassungsmethoden den Gesetzen und Vorschriften Ihres Landes entsprechen?
5. Wie werden Sie die Daten zum Nutzen der Organisation nutzen?

Sobald Sie sich für diese Fragen entschieden haben, können Sie sich ansehen, wie Sie Kundendaten sammeln.

Website-Analyse

Ihre Website ist oft der primäre Kanal, mit dem Ihre Kunden interagieren. Sie können Kundendaten wie demografische und geografische Merkmale sowie Engagement- und Verhaltensdaten erfassen.

Tools wie Google Analytics, Mixpanel, Piwik PRO und Matomo helfen Ihnen, ihre Interessen, Empfehlungsquellen, Conversion-Details sowie ihr Echtzeitverhalten auf Ihrer Website zu verstehen.

Während diese Tools Mängel aufweisen, wie z. B. die Unfähigkeit, qualitative Informationen zu sammeln, können Sie diese durch die Verwendung von visuellen / experimentellen Tools wie Crazy Egg, Optimizely, VWO und Hotjar ausgleichen. Diese Tools helfen Ihnen, das Benutzerverhalten durch Heatmaps, Sitzungsaufzeichnungen und die Visualisierung des Conversion-Trichters zu verstehen.

Soziale Medien

Sie können viel über Ihre Kunden wissen, basierend darauf, wie sie mit Ihnen in sozialen Medien interagieren. Neben der Verwendung grundlegender Engagement-Metriken (wie Likes, Kommentare und Freigaben) können Sie über den Bereich native Analytics / Insights jeder Social-Media-Plattform viel über Ihre Kunden erfahren.

Durch Online-Reputationsmanagement (ORM) können Sie Kundendaten sammeln, mit denen Sie die allgemeine Stimmung rund um Ihre Marke und Angebote verstehen können.

Sie können den Einsatz Ihrer Kundendatenerfassungsaktivitäten erhöhen, indem Sie in Social-Media-Anzeigen investieren. Durch die Targeting-Funktionen von Social-Media-Plattformen können Sie die Interessen und andere Merkmale Ihrer Kunden verstehen. Indem Sie Ihre E-Mail-Liste mithilfe der Custom Audience-Funktion auf Social Media-Plattformen hochladen, können Sie deren Verhalten auf einem bestimmten Social Media-Kanal aufdecken, um mehr über sie zu erfahren.

Tracking-Pixel

Ein Tracking-Pixel ist ein HTML- oder JavaScript-Code, der in eine Website oder eine E-Mail eingefügt wird und jeden Besucher aufzeichnet, der auf Ihre Website gelangt oder die E-Mail öffnet. Tracking-Pixel können IP-Adressen, Betriebssysteme, Browser usw. aufzeichnen. dies wiederum hilft Werbetreibenden bei der Durchführung ausgefeilter Remarketing-Kampagnen.

Durch Tracking-Pixel können Marketer auch die Conversion-Aktivitäten ihrer Kunden kennenlernen.

Kontaktinformationen

Kontaktinformationen sind vielleicht die wichtigsten Informationen aus der Sicht der Kommunikation mit Ihren Kunden. Es ist unwahrscheinlich, dass Ihre Kunden alle Informationen von Anfang an teilen. Es ist ratsam, ihre Details unter Berücksichtigung der Phase der Reise des Käufers zu sammeln. Zum Beispiel werden längere Formen früh in der Phase unwirksam sein. Stellen Sie sicher, dass Sie angemessene Belohnungen / Anreize bereitstellen, wenn Ihre Kunden ihre Daten bereitstellen.

Kundenfeedback und Umfragen

Kundenfeedback und Umfragen sind effektiv, um Interessen, Geschmäcker und Vorlieben Ihrer Kunden zu sammeln. Indem Sie die richtigen Fragen stellen, können Umfragen Ihnen helfen, qualitative Einstellungsdaten zu sammeln.

Sie können Feedback zu Ihren Angeboten, Dienstleistungen, Vertriebs- und Marketingaktivitäten durch Umfragen erhalten. Mit dem Net Promoter Score (NPS) können Sie die Avidität Ihrer Produkte bei Ihren Kunden nachvollziehen.

Kundendienstsoftware

Eine Kundendienstsoftware hilft Ihnen, die Fälle zu verstehen, in denen Ihre Kunden Hilfe suchen, Probleme in Ihrem Produkt, die Komplexität dieser Probleme, das Medium, das Ihre Kunden wählen, um sich mit Ihnen zu verbinden, wie lange es dauert, eine Anfrage zu lösen und wie sie optimiert werden kann.

Basierend auf diesen Daten können Vermarkter die Kundenzufriedenheit messen.

Mehr erfahren: Top 10 Digital Customer Experience (CX) Softwareplattformen für 2020

Transaktionsinformationen

Abhängig von Ihrem Geschäftsmodell gibt es verschiedene Möglichkeiten, transaktionale Kundendaten zu sammeln. Für ein SaaS-Geschäft erfolgt dies häufig ausschließlich online und besteht in der Regel aus Standarddaten wie den Abonnementdetails des Kunden.

Zum Beispiel wird es für ein E-Commerce-Unternehmen Daten zum Verlassen des Warenkorbs enthalten, während es für eine Einzelhandelsmarke mit stationären Geschäften in erster Linie auf das PoS-System (Point of Sale) angewiesen ist, um Kaufdaten zu sammeln.

Abgesehen von diesen sieben Möglichkeiten können Sie Kundendaten über Fokusgruppen, Kundeninterviews, Datenverwaltungsplattformen (DMP) sammeln, um nur einige zu nennen.

Validierung von Kundendaten

Die Sicherstellung der Richtigkeit Ihrer Kundendaten ist für den Erfolg Ihrer Marketingbemühungen unerlässlich. Genaue Kundendaten steigern nicht nur Ihre Marketingbemühungen, sondern verhindern auch die Verschwendung von Zeit und finanziellen Ressourcen und verhindern eine schlechte CX.

Validieren Sie daher wichtige Kundendatenpunkte – Name, E-Mail-Adresse, physische Adresse, Kontaktnummer usw. ist entscheidend für die Genauigkeit und Vollständigkeit der Daten.

So können Sie Ihre Kundendaten validieren:

1. Ein Plan für die Datenvalidierung hilft Ihnen, von Anfang an die richtigen Erwartungen zu setzen. Der Plan sollte Ihre Meilensteine festlegen, um den Fortschritt zu messen. Es sollte auch die Auswirkungen berücksichtigen, die es auf die bestehenden Operationen haben könnte, und sicherstellen, dass genügend Zeit bleibt, um mögliche Hürden zu lösen.
2. Überprüfen Sie als Nächstes die Größe der Daten und ob die Daten vollständig verfügbar sind. Messen Sie außerdem die Anzahl der Kundendatensätze, die Datengröße und die eindeutigen IDs.
3. Die Datenanreicherung hilft Vermarktern, Kundendaten zu validieren und zu verfeinern, indem die internen / Erstanbieterdaten mit vertrauenswürdigen Datenquellen von Drittanbietern verglichen werden.
   Datenanreicherung hilft Ihnen auch, Datenredundanzen zu beseitigen und vorhandene Datensätze zu aktualisieren.
4. Das Ziel der Datenvalidierung ist es, einen Golden Record oder eine Single Source of Truth zu etablieren. Mit Hilfe von Customer Data Integration (CDI) können Sie Kundendaten sammeln, organisieren und vereinheitlichen, um eine 360-Grad-Ansicht Ihrer Kunden zu erhalten.

Tipp: Lesen Sie die Grundlagen des Kundendatenmanagements Teil I und Teil II aus unserer MarTech101-Serie, um diese Konzepte gründlich zu verstehen.

Analyse von Kundendaten

Die Analyse von Kundendaten ist ein großes Unterfangen. Es ist eine Sache, Kundendaten zu sammeln, aber es ist ein ganz neues Spiel, daraus umsetzbare Erkenntnisse abzuleiten.

Eine der größten Herausforderungen bei der Analyse großer Mengen von Kundendaten besteht darin, qualitative Informationen zu analysieren, da sie subjektiv sind und von Person zu Person variieren. Bevor wir uns jedoch damit befassen, wie Sie qualitative Informationen analysieren können, sollten wir verstehen, wie Data Mining bei der Analyse quantitativer Daten helfen kann.

Analyse quantitativer Kundendaten mithilfe von Data Mining

Data Mining verwendet die Konzepte der Statistik, der künstlichen Intelligenz und des maschinellen Lernens, um große Datenmengen zu analysieren und zugrunde liegende Muster zu identifizieren. Sie können die folgenden Data Mining-Techniken verwenden, um verwertbare Erkenntnisse zu extrapolieren:

1. Klassifizierung: Bei dieser Technik müssen Sie Daten in einen bestimmten Satz von Kategorien (Klassen) kategorisieren. Basierend auf den Einkommensgruppen und der Kaufhistorie Ihrer Kunden können Sie beispielsweise maßgeschneiderte Produktangebote erstellen
2. Assoziationsregel Mining: Assoziation verwendet Korrelation, um Muster in einem bestimmten Datensatz zu identifizieren. Es verwendet die Argumentation ‘Wenn dies … dann das …’, um Ergebnisse vorherzusagen. Recommendation Engines verwenden Association Rule Mining, um Produkte oder Inhalte zu empfehlen.
3. Ausreißererkennung: Mit dieser Technik können Sie Anomalien oder unerwartete Muster in den Daten identifizieren. Wenn Sie beispielsweise während des Produktverkaufs in einem Zeitraum einen unerwarteten Anstieg feststellen, können Sie die Ursache dafür finden und die erforderliche Entscheidung treffen.
4. Clustering: Clusteranalyse wird verwendet, um Daten in homogene Kategorien basierend auf einem Merkmal / Merkmal zu klassifizieren
5. Regressionsanalyse: Regression wird verwendet, um die Beziehung zwischen verschiedenen Datenpunkten zu identifizieren. Es ist nützlich zu verstehen, wie sich das Vorhandensein eines bestimmten Merkmals auf andere Merkmale im Satz auswirkt.
6. Vorhersage: Mit Hilfe von Prediction können Sie das zukünftige Verhalten Ihrer Kunden anhand ihrer Historie prognostizieren.

Neben Data Mining können Vermarkter auch Datenvisualisierungstechniken und Business Intelligence verwenden, um aussagekräftige Informationen aus quantitativen Daten zu extrahieren.

Analyse qualitativer Daten

Informationen, die durch Kundendienstsoftware, Interviews, Feedback, Umfragen usw. gesammelt wurden. neigt dazu, qualitativer Natur zu sein, und daher wären die traditionellen Data-Mining-Techniken für sie nicht effektiv. Sie können jedoch die folgenden Methoden verwenden, um Daten daraus zu extrahieren:

1. Inhaltsanalyse: In der Inhaltsanalyse markieren Sie relevante Keywords, Ideen oder Themen, um deren Vorkommen in Ihren Daten zu finden. Während der Analyse von Umfragen können Sie beispielsweise eine Liste von Problemen erstellen, die von Ihrem internen Team identifiziert wurden, und verschiedene Schlüsselwörter ermitteln, mit denen ein Kunde sie beschreiben würde. Durch die Analyse der Umfrage können Sie nun verstehen, wie Sie Ihr Produkt verbessern können.
2. Narrative Analyse: Menschen kommunizieren durch Geschichten. Mit einer narrativen Analyse können Sie identifizieren, wie Kunden Geschichten und Ideen kommunizieren, was Ihnen weiter helfen kann, zu verstehen, wie Kunden über Ihre Marke und Angebote denken.

Vorteile der Kundendatenanalyse

Hier sind fünf Möglichkeiten, wie die Analyse von Kundendaten Ihnen helfen kann, mehr über Ihre Kunden, Marken und Angebote zu erfahren:

1. Wenn Sie bereits Buyer Persona-Vorlagen basierend auf der Kundendatenanalyse erstellt haben, können Sie die erforderlichen Änderungen an diesen Vorlagen vornehmen, um sie auf dem neuesten Stand zu halten.
2. Sie können Ihre Kunden nach geografischen, demografischen oder psychografischen Merkmalen segmentieren.
3. Es hilft Ihnen, die Bedürfnisse und Schwachstellen Ihrer Kunden zu verstehen und Ihre Produktbotschaften entsprechend anzupassen. Sie können auch Ihre Erzählung verbessern, um den Preis-Nutzen-Aspekt Ihres Produkts zu rechtfertigen.
4. Es kann Sie bei der Optimierung Ihrer Marketingkampagnen unterstützen.
5. Die Kundendatenanalyse kann Ihnen auch dabei helfen, den Customer Lifetime Value zu steigern und die Abwanderung zu reduzieren.

Weitere Informationen: Was ist Identitätsauflösung? Definition, Prozess, Vorteile mit Beispielen

Fazit

Zusammenfassend haben wir uns das Konzept der Kundendaten angesehen, seine verschiedenen Arten, einschließlich persönlicher (PII und Nicht-PII), Engagement, Verhalten und Einstellung. Wir haben sieben Möglichkeiten behandelt, wie Sie Kundendaten sammeln können, und alles über die Analyse und Validierung dieser Daten sowie die Vorteile dieser Methode erfahren.

Ich hoffe, dieser Artikel hat Ihnen geholfen, die Grundlagen von Kundendaten zu verstehen. Sie können jetzt mit dem Sammeln und Analysieren Ihrer Daten beginnen, um Ihre Geschäftsstrategie und Ihren ROI zu verbessern.