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.
képviselete a 4 típusú ügyféladatok
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:
- Teljes név
- Fizikai cím
- e-mail cím
- bejelentkezési adatok
- vezetői engedély száma
- társadalombiztosítási szám
- útlevél száma
- hitel – /betéti kártya adatai
- születési idő
- 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:
- utónév vagy vezetéknév
- hely — Ország, állam, város, irányítószám
- nem
- faji és etnikai hovatartozás
- korcsoport
- 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:
- IP-cím
- cookie-k
- 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:
- webhely-és mobilalkalmazás-interakciók: webhelylátogatások, alkalmazás-ragadósság, legnézettebb oldalak, felhasználói áramlás, Forgalmi források stb.
- közösségi média elkötelezettsége: Kedvelések közzététele, megosztások közzététele, válaszok közzététele, natív Videomegtekintések stb.
- e-mail elkötelezettség: nyitási Arány, átkattintási arány, visszafordulási arány, e-mail továbbítások stb.
- Ügyfélszolgálati Információk: Jegyek száma, panasz / lekérdezés részletei, visszajelzés stb.
- 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:
- vevői elégedettség
- érzelmek
- termék kívánatosság
- preferenciák
- motivációk és kihívások
- 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:
- melyek azok a különböző adatpontok, amelyeket gyűjtenie kell?
- hogyan kell rendszerezni az adatokat? Milyen eszközökre lenne szüksége a tárolásához?
- milyen intézkedéseket kell tennie az ügyfelek adatainak védelme érdekében? Átlátod az ügyfeleiddel, hogy hogyan gyűjtöd az adataikat?
- gondoskodott arról, hogy adatgyűjtési módszerei megfeleljenek az Ön országának törvényeinek és rendeleteinek?
- hogyan fogja használni az adatokat a szervezet javára?
miután eldöntötte ezeket a kérdéseket, megnézheti, hogyan gyűjtheti az ügyfelek adatait.
7 ügyféladatok gyűjtésének módja
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:
- 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.
- 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.
- 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. - 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:
- 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
- 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.
- 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.
- klaszterezés: a Klaszteranalízist arra használják, hogy az adatokat homogén kategóriákba sorolják egy jellemző/jellemző alapján
- regresszióanalízis: a regressziót a különböző adatpontok közötti kapcsolat azonosítására használják. Hasznos megérteni, hogy egy adott jellemző jelenléte hogyan befolyásolja a készlet egyéb jellemzőit.
- 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:
- 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.
- 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:
- ha már létrehozott vevő persona sablonokat, az ügyféladatok elemzése alapján elvégezheti a szükséges módosításokat ezekben a sablonokban, hogy naprakészen tartsa őket.
- szegmentálhatja ügyfeleit földrajzi, demográfiai vagy pszichográfiai jellemzőik alapján.
- segít megérteni az ügyfelek igényeit és fájdalmát, és ennek megfelelően testre szabhatja a terméküzeneteket. Javíthatja narratíváját is, hogy igazolja a termék ár-haszon aspektusát.
- segíthet a marketing kampányok egyszerűsítésében.
- 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.
Leave a Reply