انواع داده های مشتری؛ 7 روش جمع آوری داده ها، نحوه اعتبارسنجی و مزایای آن

داده های مشتری، دارای ارزشمند و گنج پنهانی است که بسیاری از کسب و کارها آن را نادیده می گیرند. این داده ها اطلاعات رفتاری، جمعیت شناختی و شخصی در مورد مشتریان است که توسط شرکت های تجاری و بازاریابی برای درک، ارتباط و تعامل بهتر با مشتریان جمع آوری می شود. برای به دست آوردن ارزش از داده ها، باید بدانید که با چه چیزی سر و کار دارید.

این یک چشم انداز جدید و گیج کننده برای بسیاری است، از همین رو در این مقاله، ما راهنمایی برای انواع داده های مشتری، این که برای چه چیزی خوب هستند و چگونه می توانید از آنها استفاده کنید، ارائه می دهیم.

نرم افزار CRM کاواک

ابزار جامع اتوماسیون فروش و بازاریابی، سازماندهی تیم های فروش و بازاریابی، مدیریت ارتباط با مشتریان و افزایش فروش

مشاهده و درخواست رایگان دمو

داده های مشتری چیست؟

داده های مشتری به عنوان اطلاعاتی تعریف می شود که مشتریان شما هنگام تعامل با کسب و کارتان از طریق وب سایت، برنامه های کاربردی تلفن همراه، نظرسنجی ها، رسانه های اجتماعی، کمپین های بازاریابی و سایر راه های آنلاین و آفلاین ارائه می کنند.

داده ها و اطلاعات مشتری سنگ بنای یک استراتژی تجاری موفق است. سازمان‌های داده محور به اهمیت این موضوع پی می‌برند و برای اطمینان از جمع‌آوری نقاط داده‌ای لازم برای مشتری که آنها را قادر می‌سازد تجربه مشتری را بهبود بخشند و استراتژی کسب‌وکار را در طول زمان تنظیم کنند، اقدام می‌کنند.

انواع داده های مشتری

یک سازمان تعداد بی شماری از نقاط داده مشتری را در طول سفر خریدار جمع آوری می کند. حجم این نقاط داده بسیار زیاد است و برای سهولت درک، آنها را در دسته های مختلف تفکیک کرده ایم. بیایید به انواع داده های مشتری که برای ارتقای استراتژی کسب و کار خود باید جمع آوری کنید نگاهی بیاندازیم.

1. داده های شخصی (قابل شناسایی و غیر قابل شناسایی)

داده های شخصی را می توان به دو دسته، اطلاعات قابل شناسایی شخصی (PII) و اطلاعات غیر قابل شناسایی شخصی (Non-PII) تقسیم کرد.

• اطلاعات قابل شناسایی شخصی PII: هر نوع اطلاعاتی است که بتوان از آن برای شناسایی هویت یک فرد استفاده کرد. این نوع اطلاعات به دو دسته تقسیم می شود:

الف)- اطلاعات مرتبط

اطلاعات مرتبط اطلاعاتی هستند که می توانند برای شناسایی یک فرد بدون نیاز به اطلاعات/نقطه داده اضافی استفاده شوند. نمونه هایی از اطلاعات مرتبط عبارتند از:

• نام کامل
• آدرس فیزیکی
• آدرس ایمیل
• جزئیات ورود
• شماره گواهینامه رانندگی
• شماره تامین اجتماعی
• شماره پاسپورت
• جزئیات کارت اعتباری
• جزئیات بدهی
• تاریخ تولد
• شماره تلفن

ب)- اطلاعات پیوندپذیر

اطلاعات پیوندپذیر به هر اطلاعاتی گفته می شود که به خودی خود نمی تواند شخص را شناسایی کند، اما زمانی که با اطلاعات دیگری همراه باشد می تواند این کار را انجام دهد. نمونه هایی از اطلاعات قابل پیوند عبارتند از:

• نام یا نام خانوادگی
• مکان – کشور، استان، شهر، کد پستی
• جنسیت
• قومیت
• گروه سنی
• جزئیات شغل

• اطلاعات شخصی غیر قابل شناسایی (Non-PII): این نوع داده های مشتری نقطه مقابل اطلاعات قابل شناسایی یا PII است که اطلاعات ناشناس است و نمی توان از آن برای شناسایی یک شخص استفاده کرد. نمونه هایی عبارتند از:

• آدرس IP
• کوکی ها
• شناسه های دستگاه

پیشنهاد مقاله

تجربه CRM چیست؟ چگونه CRM می تواند تجربه مشتری را بهبود بخشد؟

2. داده های تعامل

داده های تعامل مشتری به شما می گوید که مشتریان شما چگونه با برند شما از طریق راه های بازاریابی مختلف تعامل دارند. این داده ها شامل اطلاعاتی مانند رفتار مشتری در وب سایت، تعامل آنها با شما در شبکه های اجتماعی و از طریق خدمات مشتری و غیره است. در اینجا موارد گنجانده شده در هر کانال آمده است:

• تعاملات وب سایت و برنامه تلفن همراه: بازدید از وب سایت، جذابیت برنامه، صفحات پربازدید، جریان کاربر، منابع ترافیک و غیره.
• تعامل در رسانه های اجتماعی: لایک پست ها، اشتراک گذاری پست، پاسخ های پست، بازدیدهای ویدیوی و غیره.
• تعامل ایمیل: نرخ باز، نرخ کلیک، نرخ پرش، ارسال ایمیل و غیره.
• اطلاعات خدمات مشتری: تعداد تیکت، جزئیات شکایت/پرس و جو، بازخورد و غیره.
• تعامل با تبلیغات پولی: تعداد بازدید، نرخ کلیک، هزینه هر کلیک، تبدیل و غیره.

3. داده های رفتاری

داده های رفتاری از داده های مشتری به شما کمک می کند تا الگوهای اساسی را که مشتریان در طول سفر خریدشان آشکار می کنند، کشف کنید. داده های تعامل ممکن است بخشی از داده های رفتاری باشند یا نباشند. در اینجا نحوه جمع آوری این داده ها آمده است:

• داده های تراکنش: جزئیات اشتراک، جزئیات خرید، خریدهای قبلی، میانگین ارزش سفارش، داده های سبد خرید رها شده، میانگین ارزش طول عمر مشتری، جزئیات برنامه وفاداری مشتری و غیره.
• استفاده از محصول: اقدامات تکراری، استفاده از ویژگی، مدت زمان ویژگی، تکمیل کار، دستگاه ها و غیره.
• داده های کیفی: توجه کاربر، نقشه های حرارتی (کلیک ها، اسکرول، داده های حرکت ماوس) و غیره.

4. داده های نگرشی

داده های نگرشی توسط احساسات و عواطف مشتریان هدایت می شود. این داده ها نحوه درک آنها از برند و پیشنهادات شماست. از آنجایی که داده های نگرشی به طور عمده کیفی و ذهنی هستند، برای به دست آوردن خروجی های مشخص، ترکیب آن با داده‌های کمی عاقلانه است.

داده‌های نگرشی معمولا از طریق نظرسنجی‌ها، مصاحبه‌ها، گروه‌های متمرکز، بازخورد، شکایات مشتریان، بررسی‌ها و غیره بررسی می‌شوند. در اینجا چند نمونه از داده های نگرشی آورده شده است:

• رضایت مشتری
• احساسات
• مطلوبیت محصول
• ترجیحات
• انگیزه ها و چالش ها
• معیارهای خرید

چگونه داده های مشتری را جمع آوری کنیم؟

بازاریابان می توانند داده ها را از هر کانالی که مشتری با برند در تعامل است جمع آوری کند. اگرچه احتمالا صدها روش برای جمع‌آوری داده ها و اطلاعات مشتریان وجود دارد، اما در این بخش، ضروری ترین روش هایی را بررسی می کنیم که می توانید برای شناخت بهتر مشتریان خود از آنها استفاده کنید.

1. تجزیه و تحلیل وب سایت

وب سایت شما اغلب کانال اصلی است که مشتریان تان با آن تعامل دارند. شما می توانید داده های مشتری مانند ویژگی های جمعیتی و جغرافیایی آنها را به همراه داده های تعامل و رفتار جمع آوری کنید. ابزارهایی مانند Google Analytics ،Mixpanel و … به شما کمک می کنند علایق، منابع ارجاع، جزئیات تبدیل، همراه با رفتار بلادرنگ آنها را در وب سایت خود درک کنید.

در حالی که این ابزارها دارای کاستی هایی مانند ناتوانی در جمع آوری اطلاعات کیفی هستند، می توانید با استفاده از ابزارهای بصری/تجربی مانند Crazy Egg ،Optimizely ،VWO و Hotjar آنها را جبران کنید. این ابزارها به شما کمک می‌کنند رفتار کاربر را از طریق نقشه‌های حرارتی، ضبط جلسات و تجسم قیف تبدیل درک کنید.

پیشنهاد مقاله

دلایل اهمیت نرم افزار CRM: چرا شرکت ها برای رشد بهتر به CRM نیاز دارند؟

2. رسانه های اجتماعی

شما می توانید اطلاعات زیادی در مورد مشتریان خود بر اساس نحوه تعامل آنها با شما در رسانه های اجتماعی بدانید. جدا از استفاده از معیارهای مشارکت اولیه (مانند لایک ها، نظرات و اشتراک گذاری ها)، می توانید از طریق بخش تجزیه و تحلیل هر پلت فرم رسانه های اجتماعی، اطلاعات زیادی در مورد مشتریان خود کسب کنید. از طریق تلاش های مدیریت سابقه آنلاین (ORM)، می‌توانید داده های مشتری را جمع‌آوری کنید که به شما امکان می‌دهد احساسات کلی پیرامون برند و پیشنهادات خود را درک کنید.

شما می توانید با سرمایه گذاری در تبلیغات رسانه های اجتماعی، و از طریق نرم افزار CRM اجتماعی، فعالیت های جمع آوری داده های مشتریان خود را افزایش دهید. از طریق قابلیت های هدف گذاری پلتفرم های رسانه های اجتماعی، می توانید علایق و سایر ویژگی های مشتریان خود را درک کنید. با آپلود لیست ایمیل خود در پلتفرم های رسانه های اجتماعی با استفاده از ویژگی مخاطب سفارشی، می توانید رفتار آنها را در یک کانال رسانه اجتماعی خاص کشف کنید تا درباره آنها بیشتر بدانید.

3. پیکسل ردیابی

پیکسل ردیابی قطعه‌ای از کد HTML یا جاوا اسکریپت است که در یک وب‌سایت یا ایمیل درج می‌شود و هر بازدیدکننده‌ای را که وارد وب‌سایت شما می‌شود یا ایمیل را باز می‌کند، ثبت می‌کند. پیکسل های ردیابی می توانند آدرس های IP، سیستم عامل ها، مرورگرها و غیره را ضبط کنند که به نوبه خود به تبلیغ کنندگان کمک می کند تا کمپین های بازاریابی مجدد پیچیده ای را اجرا کنند. از طریق پیکسل های ردیابی، بازاریابان می توانند با فعالیت های تبدیل مشتریان خود نیز آشنا شوند.

4. اطلاعات تماس

اطلاعات تماس شاید مهمترین اطلاعات از منظر ارتباط با مشتریان شما باشد. بعید است که مشتریان شما تمام اطلاعات را از ابتدا به اشتراک بگذارند. عاقلانه است که جزئیات آنها را با توجه به مرحله سفر خریدار جمع آوری کنید. به عنوان مثال، فرم های طولانی تر در اوایل مرحله بی اثر خواهند بود. هنگامی که مشتریان شما داده های خود را ارائه می دهند، اطمینان حاصل کنید که پاداش/ مشوق های مناسب را ارائه می دهید.

5. بازخورد و نظرسنجی مشتریان

بازخورد و نظرسنجی مشتری برای جمع آوری علایق، سلایق و ترجیحات مشتریان شما موثر است. با پرسیدن سؤالات مناسب، نظرسنجی ها می توانند به شما در جمع آوری داده های کیفی و نگرشی کمک کنند. شما می توانید از طریق نظرسنجی در مورد پیشنهادات، خدمات، فروش و فعالیت های بازاریابی خود بازخورد دریافت کنید. با استفاده از امتیاز خالص تبلیغ کننده (NPS)، می توانید علاقه محصولات خود را در بین مشتریان خود درک کنید.

پیشنهاد مقاله

تحلیل فروش چیست؟ 4 مرحله تحلیل داده های فروش و معیارهای کلیدی آنالیز فروش - راهنمای گام به گام

6. نرم افزار خدمات مشتری

یک نرم افزار خدمات مشتری به شما کمک می کند تا مواردی را که مشتریان شما به دنبال کمک هستند، مشکلات موجود در محصول شما، پیچیدگی آن مشکلات، رسانه ای که مشتریان شما برای ارتباط با شما انتخاب می کنند، مدت زمانی که طول می کشد تا یک پرس و جو را حل کنید و چگونه می تواند درک کنید.

7. اطلاعات معاملاتی

بسته به مدل کسب‌وکار شما، روش های مختلفی برای جمع آوری داده های تراکنشی مشتری وجود دارد. برای یک کسب و کار SaaS، اغلب به طور کامل از طریق ابزار آنلاین انجام می شود و معمولا از داده های استاندارد مانند جزئیات اشتراک مشتری تشکیل شده است. به عنوان مثال، برای یک تجارت الکترونیکی، داده‌های رها کردن سبد خرید را شامل می‌شود، در حالی که برای یک برند خرده فروشی با فروشگاه‌های فیزیکی، اساساًپ برای جمع‌آوری داده‌های خرید به سیستم PoS (نقطه فروش) متکی است.

جدای از این هفت راه، می توانید داده های مشتری را از طریق گروه های متمرکز، مصاحبه با مشتری، پلت فرم مدیریت داده (DMP) جمع آوری کنید.

نحوه اعتبارسنجی داده های مشتری

اطمینان از صحت داده های مشتری برای موفقیت تلاش های بازاریابی شما ضروری است. داده‌های دقیق مشتری نه تنها تلاش‌های بازاریابی شما را افزایش می دهد، بلکه از اتلاف وقت و منابع پولی جلوگیری می‌کند و بیشتر از تجربه بد مشتری جلوگیری می کند. بنابراین، اعتبارسنجی نقاط کلیدی داده مشتری اعم از؛ نام، آدرس، ایمیل، شماره تماس و غیره برای صحت و کامل بودن داده ها بسیار مهم است. در اینجا نحوه تأیید اعتبار دیتاهای مشتری آورده شده است:

1. داشتن برنامه ای برای اعتبارسنجی داده ها به شما کمک می کند تا از همان ابتدا انتظارات درستی داشته باشید. این برنامه باید نقاط عطف شما را برای اندازه گیری پیشرفت مشخص کند. همچنین باید تأثیری را که ممکن است بر عملیات موجود داشته باشد در نظر بگیرد و مطمئن شود که زمان کافی برای رفع موانع احتمالی وجود دارد.

2. در مرحله بعد، اندازه داده ها و اینکه آیا داده ها به طور کامل در دسترس هستند را بررسی کنید. همچنین تعداد سوابق مشتری، اندازه داده ها و شناسه های منحصر به فرد را اندازه گیری کنید.

3. غنی‌سازی داده‌ها به بازاریابان کمک می‌کند تا داده های مشتری را با تأیید داده های داخلی در برابر منابع داده شخص ثالث مورد اعتماد، اعتبارسنجی و اصلاح کنند. غنی‌سازی داده‌ها همچنین به شما کمک می‌کند تا افزونگی داده‌ها را حذف کرده و رکوردهای موجود را به روزرسانی کنید.

4. هدف از اعتبارسنجی داده های مشتری ایجاد یک رکورد طلایی یا یک منبع منفرد از حقیقت است. با کمک یکپارچه سازی داده های مشتری (CDI)، می توانید این داده ها را جمع آوری، سازماندهی و یکسان کنید تا دیدی 360 درجه از مشتریان خود داشته باشید.

تجزیه و تحلیل داده های مشتری

تجزیه و تحلیل داده های مشتری یک تعهد بزرگ است. جمع آوری و مدیریت داده های مشتری یک چیز است، اما یک بازی کاملا جدید برای استخراج بینش عملی از آن است. یکی از بزرگ ترین چالش های تجزیه و تحلیل مجموعه های بزرگ از داده های مشتری، تجزیه و تحلیل اطلاعات کیفی است زیرا ذهنی است و از فردی به فرد دیگر متفاوت است. اما قبل از اینکه به نحوه تجزیه و تحلیل اطلاعات کیفی بپردازیم، بیایید درک کنیم که چگونه داده کاوی می تواند به تجزیه و تحلیل داده های کمی کمک کند:

1. تجزیه و تحلیل داده های کمی مشتری با استفاده از داده کاوی

داده کاوی از مفاهیم آمار، هوش مصنوعی و یادگیری ماشینی برای تجزیه و تحلیل مجموعه های بزرگی از داده ها و شناسایی الگوهای اساسی استفاده می کند. می‌توانید از تکنیک‌های داده کاوی زیر برای برون‌یابی بینش‌های عملی استفاده کنید:

• طبقه بندی: این تکنیک از شما می خواهد که داده ها را در یک مجموعه معین از دسته ها (کلاس ها) دسته بندی کنید. به عنوان مثال، بر اساس گروه های درآمدی و سابقه خرید مشتریان خود، می توانید برای آنها پیشنهادات محصول سفارشی کنید.
• کاوی قوانین انجمن: انجمن از همبستگی برای شناسایی الگوها در یک مجموعه داده معین استفاده می کند. از استدلال «اگر این … پس آن …» برای پیش بینی نتایج استفاده می کند.
• تشخیص بیرونی: می توانید از این تکنیک برای شناسایی ناهنجاری ها یا الگوهای غیرمنتظره در داده ها استفاده کنید. به عنوان مثال، اگر در دوره‌ای شاهد افزایش غیرمنتظره در فروش محصول شدید، می‌توانید علت اصلی آن را بیابید و تصمیم لازم را بگیرید.
• خوشه بندی: تجزیه و تحلیل خوشه ای برای طبقه بندی داده های مشتری به دسته های همگن بر اساس یک مشخصه/ویژگی استفاده می شود.
• تجزیه و تحلیل رگرسیون: از رگرسیون برای شناسایی رابطه بین نقاط مختلف داده استفاده می شود. درک اینکه چگونه حضور یک مشخصه خاص بر سایر ویژگی های مجموعه تأثیر می گذارد مفید است.
• پیش بینی: با کمک پیش بینی می توانید رفتار آینده مشتریان خود را بر اساس سابقه آنها پیش بینی کنید.

در کنار داده کاوی، بازاریابان همچنین می توانند از تکنیک های تجسم داده ها و هوش تجاری برای استخراج اطلاعات معنی دار از داده های کمی استفاده کنند.

2. تجزیه و تحلیل داده های کیفی

اطلاعات جمع‌آوری شده از طریق نرم‌افزار خدمات مشتری، مصاحبه‌ها، بازخوردها، نظرسنجی‌ها و غیره ماهیت کیفی دارند و از این رو تکنیک‌های سنتی داده کاوی بر روی آنها مؤثر نیستند. با این حال، می توانید از روش های زیر برای استخراج داده از آنها استفاده کنید:

• تجزیه و تحلیل محتوا: در تجزیه و تحلیل محتوا، شما کلمات کلیدی، ایده ها یا مضامین مرتبط را برجسته می کنید تا اتفاقات آنها را در داده های خود بیابید. به عنوان مثال، هنگام تجزیه و تحلیل نظرسنجی ها، می توانید لیستی از مشکلات شناسایی شده توسط تیم داخلی خود ایجاد کنید و کلمات کلیدی مختلفی را که مشتری برای توصیف آنها استفاده می کند، کشف کنید. اکنون، با تجزیه و تحلیل نظرسنجی می توانید بفهمید که چگونه می توانید محصول خود را بهبود بخشید.
• تحلیل روایت: مردم از طریق داستان با هم ارتباط برقرار می کنند. با تجزیه و تحلیل روایت، می‌توانید نحوه ارتباط مشتریان با داستان‌ها و ایده‌ها را شناسایی کنید، که می‌تواند به شما کمک کند درک کنید که مشتریان در مورد برند و پیشنهادات شما چه احساسی دارند.

مزایای تجزیه و تحلیل داده های مشتری

در اینجا پنج روش وجود دارد که تجزیه و تحلیل داده های مشتری می‌تواند به شما کمک کند تا درباره مشتریان، برندها و پیشنهادات خود بیشتر بدانید:

1. اگر قبلا قالب‌های پرسونای خریدار را ایجاد کرده‌اید، بر اساس تجزیه و تحلیل داده های مشتری، می‌توانید تغییرات لازم را در این قالب‌ها انجام دهید تا آنها را به روز نگه دارید.
2. شما می توانید مشتریان خود را بر اساس ویژگی های جغرافیایی، جمعیتی یا روانشناختی آنها تقسیم بندی کنید.
3. این به شما کمک می کند نیازها و مشکلات مشتریان خود را درک کنید و پیام های محصول خود را مطابق با آن تنظیم کنید. شما هم چنین می توانید روایت خود را برای توجیه جنبه قیمت و فایده محصول خود بهبود بخشید.
4. می تواند به شما در ساده سازی کمپین های بازاریابی کمک کند.
5. تجزیه و تحلیل داده های مشتری همچنین می تواند به شما در افزایش ارزش طول عمر مشتری و کاهش ریزش کمک کند.

نتیجه گیری

به طور خلاصه، ما به مفهوم داده های مشتری، انواع مختلف آن از جمله شخصی (قابل شناسایی و غیرقابل شناسایی)، تعامل، رفتاری و نگرشی نگاه کردیم. ما 7 روش را برای جمع‌آوری داده‌ها توضیح دادیم و همه چیز را در مورد تجزیه و تحلیل و اعتبارسنجی این داده‌ها به علاوه مزایای انجام آن آموختیم. امیدواریم این مقاله به شما در درک اصول اولیه داده های مشتری کمک کرده باشد. اکنون می توانید جمع آوری و تجزیه و تحلیل داده های خود را برای بهبود استراتژی کسب و کار و بازگشت سرمایه خود شروع کنید.