mikä on Asiakastieto? Määritelmä, tyypit, kerääminen, validointi ja analyysi

asiakastiedot ovat asiakkaiden käyttäytymistä, demografisia ja henkilökohtaisia tietoja, joita yritykset ja markkinointiyritykset keräävät asiakkaiden ymmärtämiseksi, viestimiseksi ja sitoutumiseksi.

tässä MarTech 101: n erässä tarkastelemme Asiakastiedon perusteita. Aloitamme ymmärtämällä sen määritelmän ja tyypit. Me sitten kaivaa miten voit kerätä, validoida, ja analysoida asiakastietoja.

sisältötaulukko

• mikä on Asiakastieto?
• Asiakastietojen tyypit
• miten asiakastietoja kerätään?
• Asiakastietojen validointi
• Asiakastietojen analysointi
• Asiakastietoanalyysin hyödyt
• johtopäätös

aloitetaan!

Mikä On Asiakastieto?

asiakastiedot määritellään tiedoiksi, joita asiakkaasi antavat ollessaan vuorovaikutuksessa yrityksesi kanssa verkkosivustosi, mobiilisovellustesi, kyselyidesi, sosiaalisen median, markkinointikampanjoidesi ja muiden online-ja offline-kanavien kautta.

Asiakastieto on onnistuneen liiketoimintastrategian kulmakivi. Datalähtöiset organisaatiot ymmärtävät tämän tärkeyden ja ryhtyvät toimiin varmistaakseen, että ne keräävät tarvittavat asiakasdatapisteet, joiden avulla ne voivat ajan myötä parantaa asiakaskokemusta ja hioa liiketoimintastrategiaa.

Asiakastietojen tyypit

organisaatio kerää lukemattomia asiakastietopisteitä koko ostajan matkan ajan. Näiden tietopisteiden määrä on valtava, ja ymmärtämisen helpottamiseksi olemme erottaneet ne eri kategorioihin.

tarkastellaan erilaisia asiakastietoja, joita sinun on kerättävä liiketoimintastrategiasi parantamiseksi.

Huom.: Asiakastietojen kerääminen ja tallentaminen on monimutkainen aihe, joka on suurelta osin sen maan sääntöjen ja määräysten (kuten GDPR) sanelema, josta organisaatiosi toimii ja/tai kohdeyleisösi. Varmista tutkia ja noudattaa näitä asetuksia välttää oikeudellisia seurauksia. On turvallista hakea oikeudellista apua, jos olet epävarma.

henkilötiedot (PII ja ei-PII)

henkilötiedot voidaan jakaa kahteen luokkaan, henkilökohtaisesti tunnistettaviin tietoihin (pii) ja ei-henkilökohtaisesti tunnistettaviin tietoihin (Non-PII).

henkilökohtaisesti tunnistettavat tiedot (PII): PII on mitä tahansa tietoa, jota voidaan käyttää yksilön identiteetin tunnistamiseen. Se jaetaan edelleen kahteen luokkaan

1. Linkitetyt tiedot:

linkitetyt tiedot ovat tietoja, joita voidaan käyttää henkilön tunnistamiseen tarvitsematta lisätietoja/tietopistettä. Esimerkkejä linkitetyistä tiedoista ovat:

1. koko nimi
2. fyysinen osoite
3. sähköpostiosoite
4. kirjautumistiedot
5. ajokorttinumero
6. sosiaaliturvatunnus
7. passin numero
8. luotto – /pankkikorttitiedot
9. syntymäaika
10. puhelinnumero

2. Linkitettävä tieto: linkitettävä tieto on mitä tahansa tietoa, joka ei voi tunnistaa henkilöä itsestään, mutta se voi tehdä niin, kun se on nuijittu toisella tiedolla. Esimerkkejä linkitettävistä tiedoista ovat:

1. etu — tai sukunimi
2. Sijainti-maa, osavaltio, kaupunki, postinumero
3. sukupuoli
4. rotu ja etninen tausta
5. ikäryhmä
6. työtiedot

ei-henkilökohtaisesti tunnistettavat tiedot (Ei-pii): non-pii on pii: n vastakohta, joka on anonyymiä tietoa, eikä sitä voi käyttää yhden henkilön tunnistamiseen. Esimerkkejä non-PII: stä ovat:

1. IP-osoite
2. evästeet
3. laitetunnukset

Huomautus: Saatat ihmetellä, miksi valitsimme ei-PII: n sisällyttämisen henkilötieto-osioon, vaikka se ei auta tunnistamaan henkilöitä. Syynä on, eri lait käsittelevät näitä tietoja pistettä eri tavalla. Esimerkiksi GDPR: n mukaan ei-PII, kuten evästeet, voidaan luokitella henkilökohtaisiksi tiedoiksi. Joten, välttääksemme mahdollisia sekaannuksia, ryhmitimme ne yhden sateenvarjon alle.

Kihlaustiedot

Kihlaustiedot kertovat, miten asiakkaat ovat vuorovaikutuksessa brändisi kanssa eri markkinointikeinojen kautta. Nämä tiedot sisältävät tietoja, kuten asiakkaan käyttäytymisestä verkkosivustolla, heidän vuorovaikutuksestaan kanssasi sosiaalisessa mediassa ja asiakaspalvelun kautta ja niin edelleen. Tässä ovat sulkeumat kunkin kanavan:

1. verkkosivujen ja mobiilisovellusten vuorovaikutus: Verkkosivustovierailut, sovelluksen tahmeus, katsotuimmat sivut, käyttäjävirta, Liikenteen lähteet jne.
2. sosiaalisen median vaikuttaminen:Post-tykkäykset, Postiosakkeet, Post-vastaukset, Natiivivideon katselut jne.
3. sähköpostin sitouttaminen: avoin korko, Napsautustaajuus, Pompputaajuus, sähköpostien eteenpäin vieminen jne.
4. Asiakaspalvelutiedot: Lippujen määrä, valituksen / kyselyn tiedot, palaute jne.
5. maksullinen Mainoskiinnitys: näyttökertoja, Klikkausnopeus, kustannus per Klikkaus / Milli, muunnokset jne.

Behavioral Data

Behavioral data auttaa sinua paljastamaan taustalla olevia malleja, jotka asiakkaasi paljastavat ostomatkansa aikana. Sitoutumistiedot voivat olla osa käyttäytymistietoa. Näin voit kerätä nämä tiedot:

1. Tapahtumatiedot: Tilauksen tiedot, ostotiedot, aiemmat ostokset, Keskimääräinen tilauksen arvo, ostoskorin hylkäystiedot, Keskimääräinen asiakkaan elinikä, kanta-asiakasohjelman tiedot jne.

2. Tuotteen käyttö: toistuvat toimet, ominaisuuden käyttö, ominaisuuden kesto, tehtävän suorittaminen, laitteet jne.

3. Laadulliset tiedot: käyttäjän huomio, Heatmaps (napsautukset, vieritys, hiiren liikkumistiedot) jne.

Attitudinal Data:

Attitudinal data perustuu asiakkaiden tunteisiin ja tunteisiin. Näin he näkevät brändisi ja tarjontasi. Koska attitudinaalinen data on enimmäkseen laadullista ja subjektiivista, konkreettisten tulosten saamiseksi on viisasta yhdistää se kvantitatiiviseen dataan.

asenteellisia tietoja tiedustellaan yleensä kyselyillä, haastatteluilla, kohderyhmillä, palautteilla, asiakasvalituksilla, arvosteluilla jne. Tässä muutamia esimerkkejä asenteellisista tiedoista:

1. asiakastyytyväisyys
2. tunnelmat
3. Tuotteen toivottavuus
4. mieltymykset
5. motiivit ja haasteet
6. ostokriteerit

Lue lisää: Mitä on Asiakasanalytiikka? Määritelmä, prosessi, keskeiset trendit ja esimerkit

miten asiakastietoja kerätään?

markkinoijat voivat kerätä tietoja jokaiselta kanavalta, jolla asiakas on vuorovaikutuksessa brändin kanssa. Vaikka on luultavasti satoja tapoja kerätä asiakastietoja, tässä osiossa tarkastelemme tärkeimpiä keinoja, joita voit käyttää tutustuaksesi asiakkaisiisi paremmin.

ennen kuin pureudumme siihen, miten voit kerätä asiakastietoja, vastaa seuraaviin viiteen kysymykseen:

1. mitä eri datapisteitä sinun pitäisi kerätä?
2. miten tiedot pitäisi järjestää? Mitä työkaluja tarvitsisit sen säilyttämiseen?
3. mihin toimenpiteisiin sinun tulee ryhtyä asiakastietojen suojaamiseksi? Ja oletko avoin asiakkaillesi siitä, miten keräät heidän tietonsa?
4. oletko varmistanut, että tiedonkeruumenetelmäsi ovat maasi lakien ja asetusten mukaisia?
5. miten aiotte käyttää tietoja järjestön hyväksi?

kun nämä kysymykset on päätetty, voi katsoa, miten asiakastietojen keräämiseen kannattaa ryhtyä.

Website Analytics

sivustosi on usein ensisijainen kanava, jonka kanssa asiakkaasi ovat vuorovaikutuksessa. Voit kerätä asiakastietoja, kuten demografisia ja maantieteellisiä ominaisuuksia sekä sitoutumista ja käyttäytymistä koskevia tietoja.

työkalut, kuten Google Analytics, Mixpanel, Piwik PRO ja Matomo, auttavat sinua ymmärtämään heidän kiinnostuksen kohteitaan, suosittelulähteitä, muuntotietoja sekä heidän reaaliaikaista käyttäytymistään verkkosivustollasi.

vaikka näissä työkaluissa on puutteita, kuten kyvyttömyys kerätä laadullista tietoa, voit kompensoida niitä käyttämällä visuaalisia/kokeellisia työkaluja, kuten Crazy Egg, Optimizely, VWO ja Hotjar. Nämä työkalut auttavat sinua ymmärtämään käyttäjän käyttäytymistä heatmaps, istuntotallenteet, ja muuntaminen suppilo visualisointi.

Sosiaalinen Media

voit tietää asiakkaistasi paljon sen perusteella, miten he ovat vuorovaikutuksessa kanssasi sosiaalisessa mediassa. Sen lisäksi, että käytät perustason vaikuttamismittareita (kuten tykkäyksiä, kommentteja ja jakoja), voit tutustua paljon asiakkaisiisi kunkin sosiaalisen median alustan natiivianalytiikka/insights-osion kautta.

Online reputation management (ORM) – ponnistelujen avulla voit kerätä asiakastietoja, joiden avulla voit ymmärtää brändisi ja tarjontasi yleisen ilmapiirin.

voit nostaa asiakastietojen keruutoimintaasi panostamalla sosiaalisen median mainoksiin. Sosiaalisen median alustojen kohdentamisominaisuuksien avulla voit ymmärtää asiakkaidesi kiinnostuksen kohteita ja muita ominaisuuksia. Lataamalla sähköpostiluettelosi sosiaalisen median alustoille käyttämällä mukautettua yleisöominaisuutta, voit paljastaa heidän käyttäytymisensä tietyllä sosiaalisen median kanavalla tietääksesi niistä enemmän.

Seurantapikseli

seurantapikseli on verkkosivulle tai sähköpostiin lisätty HTML-tai JavaScript-koodi, joka tallentaa jokaisen verkkosivullesi laskeutuvan tai sähköpostin avaamisen. Seurantapikseleillä voidaan tallentaa IP-osoitteita, käyttöjärjestelmiä, selaimia jne. joka puolestaan auttaa mainostajia toteuttamaan hienostuneita uudelleenmarkkinointikampanjoita.

seurantapikselien kautta markkinoijat voivat tutustua myös asiakkaidensa konversiotoimintaan.

yhteystiedot

yhteystiedot ovat ehkä tärkein tieto asiakkaan kanssa kommunikoinnin kannalta. On epätodennäköistä, että asiakkaat jakavat kaikki tiedot get-go. On viisasta kerätä niiden tiedot ottaen huomioon ostajan matkan vaiheen. Esimerkiksi pidemmät muodot ovat tehottomia jo varhaisessa vaiheessa. Varmista, että tarjoat asianmukaisia palkintoja/kannustimia, kun asiakkaasi antavat tietonsa.

Asiakaspalautteet ja kyselyt

Asiakaspalautteet ja kyselyt keräävät tehokkaasti asiakkaiden kiinnostuksen kohteita, makuja ja mieltymyksiä. Kysymällä oikeita kysymyksiä, kyselyt voivat auttaa sinua keräämään laadullista, attitudinaalista tietoa.

voit saada kyselyillä palautetta tarjonnastasi, palveluistasi, myynti-ja markkinointitoiminnastasi. Käyttämällä Net Promoter Score (NPS), voit ymmärtää tuotteidesi avidity asiakkaiden keskuudessa.

Asiakaspalveluohjelma

asiakaspalveluohjelma auttaa sinua ymmärtämään tapauksia, joissa asiakkaasi hakevat apua, tuotteessasi olevia ongelmia, näiden ongelmien monimutkaisuutta, välinettä, jolla asiakkaasi valitsevat yhteyden sinuun, kuinka kauan kyselyn ratkaiseminen kestää ja miten se voidaan optimoida.

näiden tietojen perusteella markkinoijat voivat arvioida asiakastyytyväisyyttä.

Lue Lisää: Top 10 Digital Customer Experience (CX) – ohjelmistoalustat vuodelle 2020

Transaktiotiedot

liiketoimintamallista riippuen on olemassa erilaisia tapoja kerätä transaktiotietoja. SaaS-liiketoiminnassa se tapahtuu usein kokonaan online-keinoin, ja se koostuu tyypillisesti vakiotiedoista, kuten asiakkaan tilaustiedoista.

esimerkiksi verkkokaupan osalta se sisältää ostoskorista luopumistiedot, kun taas kivijalkamyymälöillä varustetun vähittäiskauppamerkin osalta se käyttää ostotietojen keräämiseen ensisijaisesti PoS-järjestelmää (Point of sale).

näiden seitsemän tavan lisäksi voit kerätä asiakastietoja muun muassa kohderyhmien, asiakashaastattelujen, tiedonhallintajärjestelmän (DMP) kautta.

Asiakastietojen validointi

asiakastietojen oikeellisuuden varmistaminen on välttämätöntä markkinointiponnistelujesi onnistumisen kannalta. Tarkat asiakastiedot paitsi tehostavat markkinointiponnistelujasi, myös ehkäisevät ajan ja rahavarojen tuhlausta ja ehkäisevät edelleen huonoa CX: ää.

näin ollen asiakkaan avaintietopisteiden validointi-nimi, sähköpostiosoite,fyysinen osoite, yhteystiedot jne. on ratkaisevan tärkeää tietojen oikeellisuuden ja täydellisyyden kannalta.

näin voit tarkistaa asiakastietosi:

1. tietojen validointisuunnitelma auttaa sinua asettamaan oikeat odotukset alusta alkaen. Suunnitelmassa pitäisi asettaa välitavoitteesi edistymisen mittaamiseksi. Sen tulisi myös harkita, miten se voi vaikuttaa olemassa oleviin operaatioihin ja varmistaa, että on tarpeeksi aikaa ratkaista mahdolliset esteet, jotka voivat syntyä.
2. tarkista seuraavaksi tietojen koko ja se, onko tieto kokonaisuudessaan saatavilla. Mittaa myös asiakastietojen määrä, tietojen koko ja yksilölliset tunnukset.
3. tietojen rikastaminen auttaa markkinoijia validoimaan ja tarkentamaan asiakastietoja tarkistamalla niiden sisäiset/ensimmäisen osapuolen tiedot luotettavista kolmannen osapuolen tietolähteistä.
   tietojen rikastaminen auttaa myös poistamaan tietojen päällekkäisyyksiä ja päivittämään olemassa olevia tietoja.
4. tietojen validoinnin tavoitteena on luoda kultainen levy tai yksi totuuden lähde. Asiakastietojen integroinnin (CDI) avulla voit kerätä, järjestää ja yhtenäistää asiakastietoja saadaksesi 360 asteen kuvan asiakkaistasi.

Vihje: Lue Asiakastiedonhallinnan perusteet Osa I ja osa II martech101-sarjasta ymmärtääksesi nämä käsitteet perusteellisesti.

Asiakastietojen analysointi

Asiakastietojen analysointi on merkittävä hanke. On eri asia kerätä asiakastietoja, mutta se on kokonaan uusi peli saada toiminnallisia oivalluksia siitä.

yksi suurimmista haasteista suurten asiakasaineistojen analysoinnissa on laadullisen tiedon analysointi, koska se on subjektiivista ja vaihtelee henkilöittäin. Mutta ennen kuin pääsemme miten voit analysoida laadullista tietoa, katsotaanpa ymmärtää, miten tietojen louhinta voi auttaa analysoimaan määrällisiä tietoja.

kvantitatiivisen Asiakastiedon analysointi tiedonlouhinnan avulla

tiedonlouhinta käyttää tilastojen, tekoälyn ja koneoppimisen käsitteitä analysoidakseen suuria datakokonaisuuksia ja tunnistaakseen taustalla olevia kuvioita. Voit käyttää seuraavia tiedonlouhinta tekniikoita ekstrapoloida actionable oivalluksia:

1. luokittelu: tämä tekniikka edellyttää tietojen luokittelua tiettyyn luokkaan (luokkiin). Esimerkiksi asiakkaiden tuloryhmien ja ostohistorian perusteella heille voidaan tehdä räätälöityjä tuotetarjouksia
2. Assosiaatiosääntö kaivostoiminta: yhdistys käyttää korrelaatiota tietyn tietojoukon kaavojen tunnistamiseen. Se käyttää “jos tämä…niin tuo…” – päättelyä ennustaakseen tuloksia. Suositus moottorit käyttävät association rule mining suositella tuotteita tai sisältöä.
3. poikkeamien havaitseminen: voit käyttää tätä tekniikkaa havaitaksesi poikkeamia tai odottamattomia kuvioita tiedoissa. Jos esimerkiksi tuotemyynnissä näkyy odottamatonta nousua tiettynä ajanjaksona, voi sen perimmäisen syyn löytää ja tehdä tarvittavan päätöksen.
4. klusterointi: Klusterianalyysia käytetään luokittelemaan tiedot homogeenisiin luokkiin ominaisuuden/ominaisuuden perusteella
5. regressioanalyysi: regressiota käytetään tunnistamaan eri tietopisteiden välinen suhde. On hyödyllistä ymmärtää, miten tietyn ominaisuuden läsnäolo vaikuttaa joukon muihin ominaisuuksiin.
6. ennustus: Ennustamisen avulla voit ennustaa asiakkaidesi tulevaa käyttäytymistä heidän historiansa perusteella.

tiedonhankinnan ohella markkinoijat voivat hyödyntää myös tiedon visualisointitekniikoita ja liikeälyä tarkoituksellisen tiedon erottamiseen kvantitatiivisesta datasta.

kvalitatiivisen aineiston analysointi

asiakaspalveluohjelmiston, haastattelujen, palautteen, kyselyiden jne.kautta kerätyt tiedot. yleensä ne ovat luonteeltaan laadullisia, ja siksi perinteiset tiedonlouhintatekniikat eivät olisi tehokkaita niihin. Kuitenkin, voit käyttää seuraavia menetelmiä poimia paljastuksia niistä:

1. sisällönanalyysi: sisällönanalyysissä korostat olennaisia avainsanoja, ideoita tai teemoja löytääksesi niiden esiintymät tiedoissasi. Esimerkiksi, kun analysoit kyselyjä, voit luoda listan ongelmista, jotka oma tiimisi tunnistaa, ja löytää erilaisia avainsanoja, joita asiakas käyttäisi kuvaamaan niitä. Nyt, analysoimalla kyselyn voit ymmärtää, miten voit parantaa tuotteen.
2. Narratiivianalyysi: ihmiset kommunikoivat tarinoiden kautta. Kerronnallisen analyysin avulla voit tunnistaa, miten asiakkaat välittävät tarinoita ja ideoita, mikä voi auttaa sinua ymmärtämään, mitä asiakkaat ajattelevat brändistäsi ja tarjonnastasi.

Asiakastietojen analysoinnin hyödyt

tässä on viisi tapaa, joilla asiakastietojen analysointi voi auttaa sinua tietämään enemmän asiakkaistasi, brändeistäsi ja tarjonnastasi:

1. jos olet jo luonut buyer persona-malleja, jotka perustuvat asiakastietojen analysointiin, voit tehdä tarvittavat muutokset näihin malleihin pitääksesi ne ajan tasalla.
2. voit segmentoida asiakkaasi heidän maantieteellisten, demografisten tai psykologisten ominaisuuksiensa perusteella.
3. se auttaa ymmärtämään asiakkaiden tarpeita ja kipupisteitä ja räätälöimään tuoteviestinnän sen mukaan. Voit myös parantaa kerrontaa perustella hinta-hyöty-näkökohta tuotteen.
4. se voi auttaa sinua tehostamaan markkinointikampanjoitasi.
5. Asiakastietojen analysointi voi myös auttaa lisäämään asiakkaan eliniän arvoa ja vähentämään kirnua.

Lue Lisää: Mikä On Identiteetin Resoluutio? Määritelmä, prosessi, edut esimerkeillä

johtopäätös

yhteenvetona tarkastelimme Asiakastiedon käsitettä, sen eri tyyppejä, mukaan lukien henkilökohtainen (PII ja ei-PII), sitoutuminen, käyttäytyminen ja Asenteellisuus. Kävimme läpi seitsemän tapaa, joilla voit kerätä asiakastietoja ja oppia kaiken näiden tietojen analysoinnista ja validoinnista sekä sen eduista.

Toivottavasti tämä artikkeli on auttanut sinua ymmärtämään Asiakastiedon perusteita. Voit nyt alkaa kerätä ja analysoida tietojasi liiketoimintastrategiasi ja sijoitetun pääoman tuoton parantamiseksi.