Vad är kunddata? Definition, typer, insamling, validering och analys

kunddata är beteendemässig, demografisk och personlig information om kunder som samlas in av företag och marknadsföringsföretag för att förstå, kommunicera och engagera sig med kunder.

i denna del av MarTech 101 tittar vi på grunderna i kunddata. Vi börjar med att förstå dess definition och typer. Vi fördjupar sedan hur du kan samla in, validera och analysera kunddata.

Innehållsförteckning

• Vad är kunddata?
• typer av kunddata
• Hur samlar du in kunddata?
• validera kunddata
• analysera kunddata
• fördelar med kunddata analys
• slutsats

Låt oss börja!

Vad Är Kunddata?

kunddata definieras som den information som dina kunder tillhandahåller när de interagerar med ditt företag via din webbplats, mobila applikationer, undersökningar, sociala medier, marknadsföringskampanjer och andra online-och offline-vägar.

kunddata är en hörnsten för en framgångsrik affärsstrategi. Datadrivna organisationer inser vikten av detta och vidtar åtgärder för att säkerställa att de samlar in nödvändiga kunddata som skulle göra det möjligt för dem att förbättra kundupplevelsen och finjustera affärsstrategin över tid.

typer av kunddata

en organisation samlar in en mängd kunddata under hela köparens resa. Volymen av dessa datapunkter är stor, och för att underlätta förståelsen har vi segregerat dem i olika kategorier.

Låt oss titta på de olika typerna av kunddata du behöver samla in för att förbättra din affärsstrategi.

notera: Att samla in och lagra kunddata är ett invecklat ämne som till stor del dikteras av regler och förordningar (t.ex. GDPR) i det land din organisation verkar från och/eller din målgrupps. Se till att studera och följa dessa regler för att undvika rättsliga konsekvenser. Det är säkert att söka juridisk hjälp om du är osäker.

personuppgifter (PII och icke-PII)

personuppgifter kan delas in i två kategorier, personligt identifierbar Information (PII) och icke-personligt identifierbar Information (icke-PII).

personligt identifierbar Information (PII): PII är all information som kan användas för att känna igen en persons identitet. Det är vidare indelat i två kategorier

1. Länkad Information:

länkad information är information som kan användas för att identifiera en individ utan att kräva ytterligare information/datapunkt. Exempel på länkad information är:

1. Fullständigt namn
2. fysisk adress
3. e-postadress
4. inloggningsuppgifter
5. körkortsnummer
6. personnummer
7. passnummer
8. kredit – /betalkortsuppgifter
9. födelsedatum
10. telefonnummer

2. Länkbar Information: länkbar information är all information som inte kan identifiera en person på egen hand, men den kan göra det när den är Klubbad med en annan information. Exempel på länkbar information är:

1. för — eller efternamn
2. plats-Land, stat, stad, postnummer
3. kön
4. ras och etnicitet
5. åldersgrupp
6. jobbuppgifter

icke-personligt identifierbar Information (icke-personligt identifierbar Information PII): icke-PII är motsatsen till PII, vilket är anonym information och kan inte användas för att identifiera någon person. Exempel på icke-PII inkluderar:

1. IP-adress
2. Cookies
3. enhets-ID

Obs: Du kanske undrar varför vi valde att inkludera icke-PII i avsnittet personuppgifter även om det inte hjälper till att identifiera individer. Anledningen är att olika lagar behandlar dessa datapunkter annorlunda. Till exempel, enligt GDPR, kan icke-PII som cookies kategoriseras som personuppgifter. Så för att undvika eventuell förvirring har vi grupperat dem under ett paraply.

engagemangsdata

engagemangsdata berättar hur dina kunder interagerar med ditt varumärke via olika marknadsföringsvägar. Dessa uppgifter inkluderar information som kundens beteende på webbplatsen, deras interaktion med dig på sociala medier och genom kundservice, och så vidare. Här är inkluderingarna i varje kanal:

1. webbplats-och Mobilappinteraktioner: webbplatsbesök, appklibbighet, mest visade sidor, användarflöde, Trafikkällor etc.
2. sociala medier engagemang: Post gillar, Post aktier, Post svar, infödda videovisningar, etc.
3. e-post engagemang: öppen hastighet, klickfrekvens, avvisningsfrekvens, e-post framåt, etc.
4. Kundservice Information: Antal biljetter, klagomål/frågeinformation, Feedback etc.
5. betald Annonsengagemang: visningar, klickfrekvens, kostnad per klick/mille, konverteringar etc.

beteendedata

beteendedata hjälper dig att upptäcka underliggande mönster som dina kunder avslöjar under sin inköpsresa. Engagemangsdata kan eller inte vara en del av beteendedata. Så här kan du samla in dessa data:

1. Transaktionsdata: Prenumerationsuppgifter, inköpsuppgifter, tidigare inköp, Genomsnittligt ordervärde, uppgifter om nedläggning av kundvagn, genomsnittligt kundlivstidsvärde, detaljer om kundlojalitetsprogram etc.

2. Produktanvändning: upprepade åtgärder, funktion användning, funktion varaktighet, uppgift slutförande, enheter, etc.

3. Kvalitativa Data: användarens uppmärksamhet, värmekartor (klick, rullning, musrörelsedata) etc.

attityddata:

attityddata drivs av dina kunders känslor och känslor. Det är hur de uppfattar ditt varumärke och erbjudanden. Eftersom attityddata är mestadels kvalitativa och subjektiva, för att få konkreta resultat, är det klokt att kombinera det med kvantitativa data.

attityddata är vanligtvis Oscoutade via undersökningar, intervjuer, fokusgrupper, feedback, kundklagomål, recensioner, etc. Här är några exempel på attityddata:

1. kundtillfredsställelse
2. Sentiments
3. produkt önskvärdhet
4. Inställningar
5. motiv och utmaningar
6. inköpskriterier

Läs mer: Vad är Customer Analytics? Definition, Process, nyckeltrender och exempel

Hur samlar du in kunddata?

marknadsförare kan samla in data från varje kanal som kunden interagerar med varumärket på. Även om det förmodligen finns hundratals sätt att samla in kunddata, kommer vi i det här avsnittet att titta på de viktigaste vägarna som du kan använda för att lära känna dina kunder bättre.

innan vi gräver i hur du kan samla in kunddata, svara på följande fem frågor:

1. vilka är de olika datapunkterna du bör samla in?
2. hur ska du organisera data? Vilka verktyg skulle du behöva för att lagra det?
3. vilka åtgärder bör du vidta för att skydda kunddata? Och är du transparent med dina kunder om hur du samlar in deras information?
4. har du säkerställt att dina datainsamlingsmetoder överensstämmer med ditt lands lagar och förordningar?
5. hur ska du använda data till organisationens fördel?

när du har bestämt dig för dessa frågor kan du titta på hur du ska samla in kunddata.

webbplatsanalys

din webbplats är ofta den primära kanalen som dina kunder interagerar med. Du kan samla in kunddata som deras demografiska och geografiska egenskaper tillsammans med engagemang och beteendedata.

verktyg som Google Analytics, Mixpanel, Piwik PRO och Matomo hjälper dig att förstå deras intressen, hänvisningskällor, konverteringsdetaljer, tillsammans med deras realtidsbeteende på din webbplats.

även om dessa verktyg har brister som oförmågan att samla in kvalitativ information, kan du kompensera för dem genom att använda visuella/experimentverktyg som Crazy Egg, Optimizely, VWO och Hotjar. Dessa verktyg hjälper dig att förstå användarbeteende genom värmekartor, sessionsinspelningar och konverteringstrattvisualisering.

sociala medier

du kan veta mycket om dina kunder baserat på hur de interagerar med dig på sociala medier. Förutom att använda grundläggande engagemangsmått (som gillar, kommentarer och aktier) kan du lära känna mycket om dina kunder genom den inbyggda analysen/insights-sektionen på varje social media-plattform.

genom online reputation management (ORM) ansträngningar kan du samla in kunddata som låter dig förstå den allmänna känslan kring ditt varumärke och erbjudanden.

du kan öka ante för dina kunduppsamlingsaktiviteter genom att investera i sociala medier. Genom inriktningsfunktionerna på sociala medieplattformar kan du förstå dina kunders intressen och andra egenskaper. Genom att ladda upp din e-postlista på sociala medieplattformar med funktionen Anpassad publik kan du avslöja deras beteende på en specifik social mediekanal för att veta mer om dem.

spårningspixlar

en spårningspixel är en bit HTML-eller JavaScript-kod som sätts in på en webbplats eller ett e-postmeddelande som registrerar varje besökare som landar på din webbplats eller öppnar e-postmeddelandet. Spårningspixlar kan spela in IP-adresser, operativsystem, webbläsare etc. vilket i sin tur hjälper annonsörer att köra sofistikerade remarketingkampanjer.

genom spårningspixlar kan marknadsförare också lära känna sina kunders konverteringsaktiviteter.

kontaktinformation

kontaktinformation är kanske den viktigaste informationen ur kommunikationsperspektivet med dina kunder. Det är osannolikt att dina kunder kommer att dela all information från get-go. Det är klokt att samla in sina uppgifter med tanke på scenen för köparens resa. Till exempel kommer längre former att vara ineffektiva tidigt i scenen. Se till att ge lämpliga belöningar/incitament när dina kunder tillhandahåller sina uppgifter.

kundfeedback och undersökningar

kundfeedback och undersökningar är effektiva för att samla intressen, smaker och preferenser hos dina kunder. Genom att ställa rätt frågor kan enkäter hjälpa dig att samla in kvalitativa attityddata.

du kan få feedback på dina erbjudanden, tjänster, försäljnings-och marknadsföringsaktiviteter genom enkäter. Med Net Promoter Score (NPS) kan du förstå dina produkters aviditet bland dina kunder.

kundservice programvara

en kundservice programvara hjälper dig att förstå de fall när dina kunder söker hjälp, problem som finns i din produkt, komplexiteten i dessa problem, mediet dina kunder väljer att ansluta med dig, hur lång tid det tar att lösa en fråga och hur det kan optimeras.

baserat på dessa data kan marknadsförare mäta kundnöjdhet.

Läs Mer: Top 10 Digital Customer Experience (CX) mjukvaruplattformar för 2020

transaktionsinformation

beroende på din affärsmodell finns det olika sätt att samla in transaktionskunddata. För en SaaS-verksamhet är det ofta helt via online-medel, och det består vanligtvis av standarddata som kundens prenumerationsuppgifter.

till exempel för ett e-handelsföretag kommer det att innehålla uppgifter om nedläggning av kundvagnar, medan det för ett detaljhandelsvarumärke med tegel-och murbruksbutiker främst kommer att förlita sig på PoS-System (Point of sale) för att samla in inköpsdata.

förutom dessa sju sätt kan du samla in kunddata genom fokusgrupper, kundintervjuer, data management platform (DMP), för att nämna några.

validera kunddata

att säkerställa riktigheten i dina kunddata är avgörande för framgången för dina marknadsföringsinsatser. Exakta kunddata ökar inte bara dina marknadsföringsinsatser utan förhindrar också slöseri med tid och monetära resurser och förhindrar ytterligare en dålig CX.

därför validera viktiga kunddata punkter-namn, e-postadress, fysisk adress, kontaktnummer, etc. är avgörande för uppgifternas noggrannhet och fullständighet.

så här kan du gå tillväga för att validera dina kunddata:

1. att ha en plan för datavalidering hjälper dig att ställa rätt förväntningar från början. Planen bör lägga ut dina milstolpar för att mäta framsteg. Det bör också överväga vilken inverkan det kan ha på den befintliga verksamheten och se till att det finns tillräckligt med tid för att lösa eventuella hinder som kan uppstå.
2. kontrollera sedan storleken på data och om data är tillgängliga i sin helhet. Mät också antalet kundregister, datastorlek och unika ID.
3. dataanrikning hjälper marknadsförare att validera och förfina kunddata genom att verifiera sina interna/första parts data mot betrodda datakällor från tredje part.
   dataanrikning hjälper dig också att eliminera dataöverträdelser och uppdatera befintliga poster.
4. syftet med datavalidering är att upprätta en gyllene rekord eller en enda källa till sanning. Med hjälp av customer data integration (CDI) kan du samla in, organisera och förena kunddata för att få en 360-graders bild av dina kunder.

tips: Läs grunderna i Customer Data Management del I och del II från vår MarTech101-serie för att förstå dessa begrepp noggrant.

analysera kunddata

kunddata analys är ett stort företag. Det är en sak att samla in kunddata, men det är en helt ny bollspel för att härleda handlingsbara insikter från den.

en av de största utmaningarna med att analysera stora kunduppsättningar är att analysera kvalitativ information eftersom den är subjektiv och varierar från person till person. Men innan vi går in på hur du kan analysera kvalitativ information, låt oss förstå hur data mining kan hjälpa till att analysera kvantitativa data.

analysera kvantitativa kunddata med hjälp av data Mining

data mining använder begreppen statistik, artificiell intelligens och maskininlärning för att analysera stora uppsättningar data och identifiera underliggande mönster. Du kan använda följande data mining tekniker för att extrapolera handlingsbara insikter:

1. klassificering: denna teknik kräver att du kategoriserar data i en viss uppsättning kategorier (klasser). Till exempel, baserat på inkomstgrupper och köphistorik för dina kunder, kan du göra dem anpassade produkterbjudanden
2. Föreningsregel Mining: föreningen använder korrelation för att identifiera mönster i en given datamängd. Den använder resonemanget ‘if this…then that…’ för att förutsäga resultat. Rekommendationsmotorer använder association rule mining för att rekommendera produkter eller innehåll.
3. Outlier Detection: du kan använda denna teknik för att identifiera avvikelser eller oväntade mönster i data. Om du till exempel ser en oväntad ökning under produktförsäljningen under en period kan du hitta orsaken till det och fatta det nödvändiga beslutet.
4. Clustering: klusteranalys används för att klassificera data i homogena kategorier baserat på en egenskap/funktion
5. regressionsanalys: Regression används för att identifiera förhållandet mellan olika datapunkter. Det är användbart att förstå hur närvaron av en specifik egenskap påverkar andra egenskaper i uppsättningen.
6. förutsägelse: Med hjälp av prediction kan du förutse dina kunders framtida beteende baserat på deras historia.

tillsammans med data mining kan marknadsförare också använda datavisualiseringstekniker och business intelligence för att extrahera meningsfull information från kvantitativa data.

analysera kvalitativa Data

Information som samlas in via kundservice programvara, intervjuer, feedback, undersökningar, etc. tenderar att vara kvalitativ i naturen, och därmed de traditionella data mining tekniker skulle inte vara effektiva på dem. Du kan dock använda följande metoder för att extrahera uppenbarelser från dem:

1. innehållsanalys: i innehållsanalys markerar du relevanta sökord, ideer eller teman för att hitta deras händelser i dina data. När du till exempel analyserar undersökningar kan du skapa en lista över problem som identifierats av ditt interna team och upptäcka olika nyckelord som en kund skulle använda för att beskriva dem. Nu, genom att analysera undersökningen kan du förstå hur du kan förbättra din produkt.
2. narrativ analys: människor kommunicerar genom berättelser. Med en narrativ analys kan du identifiera hur kunder kommunicerar berättelser och ideer, vilket ytterligare kan hjälpa dig att förstå hur kunderna känner för ditt varumärke och erbjudanden.

fördelar med kunddata analys

här är fem sätt på vilka analys av kunddata kan hjälpa dig att veta mer om dina kunder, varumärken och erbjudanden:

1. om du redan har skapat buyer persona-mallar, baserat på kunddata-analysen, kan du göra nödvändiga justeringar i dessa mallar för att hålla dem uppdaterade.
2. du kan segmentera dina kunder baserat på deras geografiska, demografiska eller psykografiska egenskaper.
3. det hjälper dig att förstå dina kunders behov och smärtpunkter och skräddarsy din produktmeddelanden i enlighet därmed. Du kan också förbättra din berättelse för att motivera pris-nytta aspekten av din produkt.
4. det kan hjälpa dig att effektivisera dina marknadsföringskampanjer.
5. kunddata analys kan också hjälpa dig att öka kundens livstid värde och minska churn.

Läs Mer: Vad Är Identitetsupplösning? Definition, Process, Fördelar med exempel

slutsats

för att sammanfatta tittade vi på begreppet kunddata, dess olika typer inklusive personliga (PII och icke-PII), engagemang, beteende och attityd. Vi täckte sju sätt du kan samla in kunddata och lärde dig allt om att analysera och validera dessa data plus fördelarna med att göra det.

hoppas att den här artikeln har hjälpt dig att förstå grunderna i kunddata. Du kan nu börja samla in och analysera dina data för att förbättra din affärsstrategi och ROI.