mi az ügyféladatok? Meghatározás, típusok, gyűjtés, érvényesítés és elemzés

az ügyféladatok az ügyfelekkel kapcsolatos viselkedési, demográfiai és személyes információk, amelyeket a vállalkozások és a marketingcégek gyűjtenek az ügyfelek megértése, kommunikálása és az ügyfelekkel való kapcsolattartás érdekében.

a MarTech 101 ezen részletében megvizsgáljuk az ügyféladatok alapjait. Kezdjük azzal, hogy megértjük annak definícióját és típusait. Ezután megvizsgáljuk, hogyan gyűjtheti, érvényesítheti és elemezheti az Ügyféladatokat.

Tartalomjegyzék

• mi az ügyféladatok?
• ügyféladatok típusai
• hogyan gyűjthetünk Ügyféladatokat?
• ügyféladatok érvényesítése
• ügyféladatok elemzése
• az ügyféladatok elemzésének előnyei
• következtetés

kezdjük!

Mi Az Ügyféladatok?

az ügyféladatok olyan információk, amelyeket az ügyfelek az Ön vállalkozásával a webhelyén, mobilalkalmazásain, felmérésein, közösségi médián, marketingkampányokon és más online és offline módokon keresztül kommunikálnak.

az ügyféladatok a sikeres üzleti stratégia sarokkövei. Az adatközpontú szervezetek felismerik ennek fontosságát, és lépéseket tesznek annak érdekében, hogy összegyűjtsék a szükséges ügyféladatpontokat, amelyek lehetővé teszik számukra az ügyfélélmény javítását és az üzleti stratégia finomhangolását az idő múlásával.

ügyféladatok típusai

egy szervezet számtalan Ügyféladat-pontot gyűjt a vevő útja során. Ezeknek Az adatpontoknak a mennyisége hatalmas, és a könnyebb megértés érdekében elkülönítettük őket különböző kategóriákba.

nézzük meg a különböző típusú ügyfél adatokat kell gyűjteni, hogy fokozza az üzleti stratégia.

Megjegyzés: Az ügyféladatok gyűjtése és tárolása bonyolult téma, amelyet nagyrészt annak az országnak a szabályai és előírásai (például a GDPR) diktálnak, ahol a szervezet működik, és/vagy a célközönség. Ügyeljen arra, hogy tanulmányozza és kövesse ezeket a Szabályokat a jogi következmények elkerülése érdekében. Biztonságos jogi segítséget kérni, ha nem biztos benne.

személyes adatok (PII és nem PII)

a személyes adatok két kategóriába sorolhatók: személyazonosításra alkalmas információk (PII) és nem személyazonosításra alkalmas információk (nem PII).

személyazonosításra alkalmas adatok (PII): A PII minden olyan információ, amely felhasználható az egyén identitásának felismerésére. További két kategóriába sorolható:

1. Linkelt információ:

a linkelt információ olyan információ, amely felhasználható az egyén azonosítására anélkül, hogy további információra/adatpontra lenne szükség. Példák a kapcsolt információkra:

1. Teljes név
2. Fizikai cím
3. e-mail cím
4. bejelentkezési adatok
5. vezetői engedély száma
6. társadalombiztosítási szám
7. útlevél száma
8. hitel – /betéti kártya adatai
9. születési idő
10. telefonszám

2. Összekapcsolható információ: az összekapcsolható információ minden olyan információ, amely önmagában nem képes azonosítani egy személyt, de megteheti, ha egy másik információval van összekötve. Az összekapcsolható információk példái a következők:

1. utónév vagy vezetéknév
2. hely — Ország, állam, város, irányítószám
3. nem
4. faji és etnikai hovatartozás
5. korcsoport
6. állás részletei

személyazonosításra nem alkalmas adatok (nem-PII): a nem PII a PII ellentéte, amely anonim információ, és nem használható egyetlen személy azonosítására sem. Példák a nem PII-re:

1. IP-cím
2. cookie-k
3. eszközazonosítók

Megjegyzés: Elgondolkodhat azon, hogy miért választottuk a nem személyes adatokat a személyes adatok szakaszba, annak ellenére, hogy ez nem segít az egyének azonosításában. Ennek oka, hogy a különböző törvények eltérően kezelik ezeket az adatpontokat. Például a GDPR szerint a nem PII-k, például a cookie-k személyes adatokként kategorizálhatók. Tehát, hogy elkerüljük az esetleges zavart, egy esernyő alá csoportosítottuk őket.

elkötelezettségi adatok

az elkötelezettségi adatok megmutatják, hogy az ügyfelek hogyan lépnek kapcsolatba a márkával különböző marketinges módokon keresztül. Ezek az adatok olyan információkat tartalmaznak, mint például az ügyfél viselkedése a weboldalon, az Önnel való interakció a közösségi médiában és az ügyfélszolgálaton keresztül stb. Itt vannak az egyes csatornák zárványai:

1. webhely-és mobilalkalmazás-interakciók: webhelylátogatások, alkalmazás-ragadósság, legnézettebb oldalak, felhasználói áramlás, Forgalmi források stb.
2. közösségi média elkötelezettsége: Kedvelések közzététele, megosztások közzététele, válaszok közzététele, natív Videomegtekintések stb.
3. e-mail elkötelezettség: nyitási Arány, átkattintási arány, visszafordulási arány, e-mail továbbítások stb.
4. Ügyfélszolgálati Információk: Jegyek száma, panasz / lekérdezés részletei, visszajelzés stb.
5. fizetett hirdetési elkötelezettség: megjelenítések, átkattintási arány, kattintásonkénti költség/ezrelék, konverziók stb.

viselkedési adatok

a viselkedési adatok segítenek feltárni azokat a mögöttes mintákat, amelyeket az ügyfelek felfednek a vásárlás során. Az elkötelezettségi adatok lehetnek vagy nem részei a viselkedési adatoknak. Így gyűjtheti össze ezeket az adatokat:

1. Tranzakciós Adatok: Előfizetési adatok, vásárlási adatok, korábbi vásárlások, átlagos rendelési érték, Kosárelhagyási adatok, átlagos ügyfél-élettartam-érték, Vásárlói hűségprogram részletei stb.

2. Termékhasználat: ismételt műveletek, Funkcióhasználat, funkció időtartama, feladat befejezése, eszközök stb.

3. Minőségi adatok: felhasználói figyelem, hőtérképek (kattintások, görgetés, egérmozgási adatok) stb.

Attitűdadatok:

az Attitűdadatokat az ügyfelek érzései és érzelmei vezérlik. Így látják a márkádat és a kínálatodat. Mivel az attitűdadatok többnyire kvalitatívak és szubjektívek, hogy konkrét eredményeket kapjunk, bölcs dolog ezeket kvantitatív adatokkal kombinálni.

az Attitűdadatokat általában felmérések, interjúk, fókuszcsoportok, visszajelzések, ügyfélpanaszok, vélemények stb. Íme néhány példa a hozzáállási adatokra:

1. vevői elégedettség
2. érzelmek
3. termék kívánatosság
4. preferenciák
5. motivációk és kihívások
6. Vásárlási feltételek

További információ: Mi az Ügyfélelemzés? Meghatározás, folyamat, legfontosabb trendek és példák

hogyan gyűjthetünk Ügyféladatokat?

a marketingesek adatokat gyűjthetnek minden olyan csatornáról, amelyen az ügyfél kapcsolatba lép a márkával. Bár valószínűleg több száz módja van az ügyféladatok gyűjtésének, ebben a szakaszban megvizsgáljuk a legfontosabb utakat, amelyekkel jobban megismerheti ügyfeleit.

mielőtt elmélyednénk az ügyféladatok gyűjtésének módjában, válaszoljon a következő öt kérdésre:

1. melyek azok a különböző adatpontok, amelyeket gyűjtenie kell?
2. hogyan kell rendszerezni az adatokat? Milyen eszközökre lenne szüksége a tárolásához?
3. milyen intézkedéseket kell tennie az ügyfelek adatainak védelme érdekében? Átlátod az ügyfeleiddel, hogy hogyan gyűjtöd az adataikat?
4. gondoskodott arról, hogy adatgyűjtési módszerei megfeleljenek az Ön országának törvényeinek és rendeleteinek?
5. hogyan fogja használni az adatokat a szervezet javára?

miután eldöntötte ezeket a kérdéseket, megnézheti, hogyan gyűjtheti az ügyfelek adatait.

webhelyelemzés

a webhely gyakran az elsődleges csatorna, amellyel az ügyfelek kapcsolatba lépnek. Gyűjthet Ügyféladatokat, például demográfiai és földrajzi jellemzőiket, valamint elkötelezettségi és viselkedési adatokat.

az olyan eszközök, mint a Google Analytics, a Mixpanel, a Piwik PRO és a Matomo segítenek megérteni érdeklődési körüket, hivatkozási forrásaikat, konverziós adataikat, valamint valós idejű viselkedésüket a webhelyén.

bár ezeknek az eszközöknek vannak olyan hiányosságai, mint például A kvalitatív információk gyűjtésének képtelensége, ezeket kompenzálhatja olyan vizuális/kísérleti eszközökkel, mint a Crazy Egg, az Optimizely, a vwo és a Hotjar. Ezek az eszközök segítenek megérteni a felhasználói viselkedést a hőtérképek, a munkamenet-felvételek és a konverziós csatorna vizualizációja révén.

közösségi média

sokat tudhat ügyfeleiről annak alapján, hogy miként lépnek kapcsolatba veled a közösségi médiában. Az alapvető elkötelezettségi mutatók (például Kedvelések, Megjegyzések és megosztások) használatán kívül az egyes közösségi média platformok natív analitikai/betekintési szakaszán keresztül is sokat megtudhat ügyfeleiről.

az online hírnév-menedzsment (ORM) erőfeszítései révén olyan Ügyféladatokat gyűjthet, amelyek segítségével megértheti a márkáját és ajánlatait körülvevő általános hangulatot.

a közösségi média hirdetésekbe történő befektetéssel növelheti az ügyfelek adatgyűjtési tevékenységeinek ante-jét. A közösségi média platformok célzási képességein keresztül megértheti ügyfelei érdekeit és egyéb jellemzőit. Ha feltölti e-mail listáját a közösségi média platformjaira az egyéni közönség funkció segítségével, felfedheti viselkedésüket egy adott közösségi média csatornán, hogy többet tudjon meg róluk.

követési pixelek

a követési pixel egy HTML vagy JavaScript kód egy weboldalba vagy egy e-mailbe illesztett darab, amely rögzíti az Ön webhelyére érkező vagy az e-mailt megnyitó minden látogatót. A nyomkövető pixelek IP-címeket, operációs rendszereket, böngészőket stb. ami viszont segít a hirdetőknek kifinomult remarketingkampányok futtatásában.

a nyomkövető pixelek révén a marketingszakemberek megismerhetik ügyfeleik konverziós tevékenységét is.

elérhetőség

az elérhetőség talán a legfontosabb információ az ügyfelekkel való kommunikáció szempontjából. Nem valószínű, hogy ügyfelei megosztják az összes információt a get-go-tól. Bölcs dolog összegyűjteni a részleteket, figyelembe véve a vevő útjának szakaszát. Például a hosszabb formák hatástalanok lesznek a szakasz elején. Ügyeljen arra, hogy megfelelő jutalmakat/ösztönzőket biztosítson, amikor ügyfelei megadják adataikat.

vásárlói visszajelzések és felmérések

az ügyfelek visszajelzései és felmérései hatékonyan gyűjtik az ügyfelek érdekeit, ízlését és preferenciáit. A megfelelő kérdések feltevésével a felmérések segíthetnek kvalitatív, attitűdadatok gyűjtésében.

felméréseken keresztül visszajelzést kaphat ajánlatairól, szolgáltatásairól, értékesítési és marketing tevékenységeiről. A Net Promoter Score (NPS) használatával megértheti termékei aviditását az ügyfelek körében.

ügyfélszolgálati szoftver

az ügyfélszolgálati szoftver segít megérteni azokat az eseteket, amikor az ügyfelek segítséget kérnek, a termékben meglévő problémákat, a problémák összetettségét, az ügyfelek által választott médiumot, hogy kapcsolatba lépjenek veled, mennyi ideig tart a lekérdezés megoldása és hogyan lehet optimalizálni.

ezen adatok alapján a marketingszakemberek felmérhetik az ügyfelek elégedettségét.

Tudjon Meg Többet: Top 10 Digital Customer Experience (CX) szoftverplatformok 2020-ra

tranzakciós információk

az üzleti modelltől függően a tranzakciós ügyféladatok gyűjtésének különböző módjai vannak. Egy SaaS-vállalkozás esetében gyakran teljes egészében online eszközökkel történik, és általában olyan szabványos adatokból áll, mint például az ügyfél előfizetési adatai.

például egy e-kereskedelmi vállalkozás esetében a kosárelhagyási adatokat tartalmazza, míg a téglaüzletekkel rendelkező kiskereskedelmi márka esetében elsősorban a POS (Point of sale) rendszerre támaszkodik a vásárlási adatok gyűjtésére.

ezen a hét módon kívül gyűjthet Ügyféladatokat fókuszcsoportokon, ügyfélinterjúkon, adatkezelő platformon (DMP) keresztül, hogy csak néhányat említsünk.

ügyféladatok ellenőrzése

az ügyféladatok pontosságának biztosítása elengedhetetlen a marketing erőfeszítéseinek sikeréhez. A pontos ügyféladatok nem csak növelik a marketing erőfeszítéseit, hanem megakadályozzák az idő és a pénzügyi erőforrások pazarlását, és megakadályozzák a rossz CX-et.

ezért a legfontosabb ügyféladatpontok — név, e-mail cím, fizikai cím, kapcsolattartási szám stb. – érvényesítése. fontos az adatok pontossága és teljessége szempontjából.

itt van, hogyan lehet menni a érvényesítése az ügyfél adatait:

1. az adatérvényesítési terv megléte segít a megfelelő elvárások meghatározásában a kezdetektől fogva. A tervnek meg kell határoznia a mérföldköveket az előrehaladás mérésére. Azt is figyelembe kell vennie, hogy milyen hatással lehet a meglévő műveletekre, és gondoskodnia kell arról, hogy elegendő idő álljon rendelkezésre az esetleges akadályok megoldására.
2. Ezután ellenőrizze az adatok méretét és azt, hogy az adatok teljes egészében rendelkezésre állnak-e. Mérje meg az ügyfélrekordok számát, az adatok méretét és az egyedi azonosítókat is.
3. az adatok gazdagítása segít a marketingszakembereknek az ügyféladatok validálásában és finomításában azáltal, hogy a házon belüli/első féltől származó adatokat megbízható harmadik féltől származó adatforrásokkal ellenőrzi.
   az adatok gazdagítása segít az adatredundanciák kiküszöbölésében és a meglévő rekordok frissítésében is.
4. az adatok érvényesítésének célja egy arany rekord vagy egyetlen igazságforrás létrehozása. A customer data integration (CDI) segítségével összegyűjtheti, rendszerezheti és egységesítheti az Ügyféladatokat, hogy 360 fokos képet kapjon ügyfeleiről.

tipp: olvassa el az ügyféladatok kezelésének alapjai I. és II.részt a MarTech101 sorozatból, hogy alaposan megértse ezeket a fogalmakat.

ügyféladatok elemzése

az ügyféladatok elemzése jelentős vállalkozás. Az egy dolog, hogy összegyűjti az ügyfelek adatait, de ez egy teljesen új labdajáték levezetni hasznosítható betekintést belőle.

a nagy ügyféladatok elemzésének egyik legnagyobb kihívása A kvalitatív információk elemzése, mivel azok szubjektívek és személyenként változnak. De mielőtt belemennénk hogyan lehet kvalitatív információkat elemezni, értsük meg, hogyan segíthet az adatbányászat a kvantitatív adatok elemzésében.

kvantitatív ügyféladatok elemzése adatbányászat segítségével

az adatbányászat a statisztika, a mesterséges intelligencia és a gépi tanulás fogalmait használja a nagy adatkészletek elemzésére és az alapul szolgáló minták azonosítására. A következő adatbányászati technikák segítségével extrapolálhatja a cselekvhető betekintést:

1. besorolás: ez a technika megköveteli, hogy az adatokat egy adott kategóriákba (osztályokba) kategorizálja. Például az ügyfelek jövedelmi csoportjai és vásárlási előzményei alapján testre szabott termékajánlatokat készíthet nekik
2. asszociációs szabály bányászat: az asszociáció korrelációt használ az adott adathalmaz mintáinak azonosítására. A’ Ha ez…akkor az… ‘ érvelést használja az eredmények előrejelzésére. Az ajánlómotorok az asszociációs szabály bányászatát használják termékek vagy tartalom ajánlására.
3. kiugró értékek észlelése: ezt a technikát az adatok anomáliáinak vagy váratlan mintáinak azonosítására használhatja. Például, ha váratlan növekedést tapasztal a termékértékesítés során egy adott időszakban, megtalálhatja annak kiváltó okát, és meghozza a szükséges döntést.
4. klaszterezés: a Klaszteranalízist arra használják, hogy az adatokat homogén kategóriákba sorolják egy jellemző/jellemző alapján
5. regresszióanalízis: a regressziót a különböző adatpontok közötti kapcsolat azonosítására használják. Hasznos megérteni, hogy egy adott jellemző jelenléte hogyan befolyásolja a készlet egyéb jellemzőit.
6. előrejelzés: Az előrejelzés segítségével előrejelezheti ügyfelei jövőbeli viselkedését a történelem alapján.

az adatbányászat mellett a marketingszakemberek adatmegjelenítési technikákat és üzleti intelligenciát is használhatnak, hogy értelmes információkat nyerjenek ki a kvantitatív adatokból.

minőségi adatok elemzése

ügyfélszolgálati szoftvereken, interjúkon, visszajelzéseken, felméréseken stb.keresztül gyűjtött információk. általában minőségi jellegű, ezért a hagyományos adatbányászati technikák nem lennének hatékonyak rájuk. A kinyilatkoztatások kinyerésére azonban a következő módszereket használhatja:

1. tartalomelemzés: a tartalomelemzésben kiemelheti a releváns kulcsszavakat, ötleteket vagy témákat, hogy megtalálja azok előfordulását az adatokban. Például a felmérések elemzése során létrehozhat egy listát a házon belüli csapata által azonosított problémákról, és felfedezhet különböző kulcsszavakat, amelyeket az ügyfél használna azok leírására. Most a felmérés elemzésével megértheti, hogyan javíthatja termékét.
2. narratív elemzés: az emberek történeteken keresztül kommunikálnak. A narratív elemzéssel azonosíthatja, hogy az ügyfelek hogyan kommunikálnak a történetekkel és ötletekkel, ami tovább segít megérteni, hogy az ügyfelek hogyan érzik magukat a márkával és az ajánlatokkal kapcsolatban.

az ügyféladatok elemzésének előnyei

íme öt módszer, amellyel az ügyféladatok elemzése segíthet többet megtudni ügyfeleiről, márkáiról és ajánlatairól:

1. ha már létrehozott vevő persona sablonokat, az ügyféladatok elemzése alapján elvégezheti a szükséges módosításokat ezekben a sablonokban, hogy naprakészen tartsa őket.
2. szegmentálhatja ügyfeleit földrajzi, demográfiai vagy pszichográfiai jellemzőik alapján.
3. segít megérteni az ügyfelek igényeit és fájdalmát, és ennek megfelelően testre szabhatja a terméküzeneteket. Javíthatja narratíváját is, hogy igazolja a termék ár-haszon aspektusát.
4. segíthet a marketing kampányok egyszerűsítésében.
5. az ügyféladatok elemzése segíthet az ügyfél élettartamának növelésében és a lemorzsolódás csökkentésében is.

További Információ: Mi Az Identitásfeloldás? Meghatározás, folyamat, előnyök példákkal

következtetés

összefoglalva, megvizsgáltuk az ügyféladatok fogalmát, annak különféle típusait, beleértve a személyes (PII és nem PII), az elkötelezettséget, a viselkedési és attitűdöt. Hét módszert ismertünk meg az ügyfelek adatainak gyűjtésére, és mindent megtudtunk ezen adatok elemzéséről és érvényesítéséről, valamint ennek előnyeiről.

Remélem, ez a cikk segített megérteni az ügyféladatok alapjait. Most már elkezdheti az adatok gyűjtését és elemzését, hogy javítsa üzleti stratégiáját és ROI-ját.