Kako reševanje subjektov doda vrednost vašim trženjskim procesom

Kaj je ločljivost subjekta v trženjskih podatkih

Veliko število B2B tržnikov – skoraj 27 % – to priznava nezadostni podatki jih je stalo 10 %, ali v nekaterih primerih celo več v letnih izgubah prihodkov.

To jasno poudarja pomembno težavo, s katero se danes sooča večina tržnikov, in to je: slaba kakovost podatkov. Nepopolni, manjkajoči ali nekakovostni podatki lahko močno vplivajo na uspeh vaših trženjskih procesov. To se zgodi, ker so skoraj vsi procesi oddelka v podjetju – predvsem pa prodaja in trženje – močno podprti z organizacijskimi podatki.

Ne glede na to, ali gre za popoln, 360-stopenjski pogled vaših strank, potencialnih strank ali potencialnih strank ali druge informacije, povezane z izdelki, ponudbo storitev ali naslovnimi lokacijami – trženje je tisto, kjer se vse združi. Zato tržniki najbolj trpijo, če podjetje ne uporablja ustreznih okvirov za upravljanje kakovosti podatkov za stalno profiliranje podatkov in določanje kakovosti podatkov.

V tem blogu želim opozoriti na najpogostejši problem kakovosti podatkov in na to, kako vpliva na vaše kritične trženjske procese; nato bomo preučili potencialno rešitev za ta problem in končno videli, kako jo lahko vzpostavljamo na kontinuirani osnovi.

Torej, začnimo!

Največja težava s kakovostjo podatkov, s katero se soočajo tržniki

Čeprav slaba kakovost podatkov povzroča dolg seznam težav za tržnike v podjetju, je po dobavi podatkovnih rešitev več kot 100 strankam najpogostejša težava s kakovostjo podatkov, s katero se ljudje soočajo:

Doseganje enotnega pogleda na osnovna podatkovna sredstva.

Ta težava se pojavi, ko so podvojeni zapisi shranjeni za isto entiteto. Tukaj lahko izraz entiteta pomeni karkoli. Večinoma se na področju trženja beseda entiteta lahko nanaša na: stranko, potencialno stranko, potencialno stranko, izdelek, lokacijo ali nekaj drugega, kar je jedro izvajanja vaših marketinških dejavnosti.

Vpliv podvojenih zapisov na vaše trženjske procese

Prisotnost podvojenih zapisov v nizih podatkov, ki se uporabljajo za namene trženja, je lahko nočna mora za vsakega tržnika. Če imate podvojene zapise, lahko naletite na nekaj resnih scenarijev:

  • Zapravljen čas, proračun in trud – Ker vaš nabor podatkov vsebuje več zapisov za isto entiteto, lahko na koncu večkrat vložite čas, proračun in trud za isto stranko, potencialno stranko ali potencialno stranko.
  • Ne more olajšati prilagojenih izkušenj – Podvojeni zapisi pogosto vsebujejo različne dele informacij o subjektu. Če ste izvajali marketinške kampanje z nepopolnim pogledom na svoje stranke, se lahko na koncu počutite neslišane ali nerazumljene.
  • Netočna tržna poročila – Pri podvojenih zapisih podatkov lahko na koncu date napačen vpogled v svoja tržna prizadevanja in njihov donos. Na primer, po e-pošti ste poslali 100 potencialnih strank, vendar ste prejeli odgovore samo od 10 – lahko se zgodi, da je bilo samo 80 od teh 100 edinstvenih, preostalih 20 pa je bilo dvojnikov.
  • Zmanjšana operativna učinkovitost in produktivnost zaposlenih – Ko člani ekipe pridobijo podatke za določen subjekt in najdejo več zapisov, shranjenih v različnih virih ali zbranih skozi čas v istem viru, deluje kot velika ovira pri produktivnosti zaposlenih. Če se to dogaja precej pogosto, potem to opazno vpliva na operativno učinkovitost celotne organizacije.
  • Ni mogoče izvesti pravilnega dodeljevanja konverzij – Če ste zabeležili istega obiskovalca kot novega subjekta vsakič, ko je obiskal vaše družabne kanale ali spletno mesto, vam bo postalo skoraj nemogoče izvesti natančno pripisovanje konverzij in vedeti natančno pot, po kateri je obiskovalec sledil do konverzije.
  • Nedostavljena fizična in elektronska pošta – Ta je najpogostejša posledica podvojenih zapisov. Kot smo že omenili, vsak podvojeni zapis običajno vsebuje delni pogled na entiteto (zato so zapisi najprej končali kot dvojniki v vašem naboru podatkov). Zaradi tega lahko nekateri zapisi vsebujejo manjkajoče fizične lokacije ali kontaktne podatke, kar lahko povzroči neuspešno dostavo pošte.

Kaj je reševanje subjekta?

Resolucija entitete (ER) je postopek ugotavljanja, kdaj so sklicevanja na entitete iz resničnega sveta enakovredne (ista entiteta) ali ne enakovredne (različne entitete). Z drugimi besedami, gre za proces identifikacije in povezovanja več zapisov z isto entiteto, ko so zapisi opisani drugače in obratno.

Ločljivost entitet in kakovost informacij avtorja John R. Talburt

Implementacija ločljivosti entitet v vaše nabore trženjskih podatkov

Ker ste opazili strašen vpliv dvojnikov na uspeh vaših marketinških dejavnosti, je nujno, da imate preprosto, a zmogljivo metodo za odstranite podvojene nabore podatkov. Tukaj poteka proces reševanje subjekta Preprosto, reševanje entitete se nanaša na proces identifikacije, kateri zapisi pripadajo isti entiteti.

Ta postopek lahko vsebuje več korakov, odvisno od kompleksnosti in stanja kakovosti vaših podatkovnih nizov. Popeljal vas bom skozi vsak korak tega procesa, da boste razumeli, kaj natančno vključuje.

Opomba: pri opisu postopka spodaj bom uporabil splošni izraz 'entiteta'. Toda isti postopek je uporaben in možen za vse subjekte, ki sodelujejo v vašem trženjskem procesu, kot so stranka, potencialna stranka, potencialna stranka, naslov lokacije itd.

Koraki v procesu reševanja subjektov

  1. Zbiranje podatkovnih zapisov entitet, ki se nahajajo v različnih virih podatkov – To je prvi in ​​najpomembnejši korak procesa, kjer se identificirate Kje natančno so shranjeni zapisi entitet. To so lahko podatki, ki prihajajo iz oglasov na družbenih omrežjih, prometa na spletnem mestu ali pa so jih ročno vnesli prodajni predstavniki ali marketinško osebje. Ko so viri identificirani, je treba vse evidence zbrati na enem mestu.
  2. Profiliranje kombiniranih zapisov – Ko so zapisi združeni v en nabor podatkov, je zdaj čas, da razumemo podatke in odkrijemo skrite podrobnosti o njihovi strukturi in vsebini. Profiliranje podatkov statistično analizira vaše podatke in ugotovi, ali so vrednosti podatkov nepopolne, prazne ali sledijo neveljavnemu vzorcu in obliki. Profiliranje nabora podatkov razkrije druge takšne podrobnosti in izpostavi potencialne priložnosti za čiščenje podatkov.
  3. Čiščenje in standardizacija podatkovnih zapisov – Poglobljen podatkovni profil vam ponuja seznam elementov, ki jih lahko izvedete, za čiščenje in standardizacijo nabora podatkov. To lahko vključuje korake za zapolnitev manjkajočih podatkov, popravljanje podatkovnih tipov, popravljanje vzorcev in formatov ter razčlenjevanje kompleksnih polj v podelemente za boljšo analizo podatkov.
  4. Ujemanje in povezovanje zapisov, ki pripadajo isti entiteti – Zdaj so vaši podatkovni zapisi pripravljeni za ujemanje in povezovanje ter nato dokončajte, kateri zapisi pripadajo isti entiteti. Ta postopek se običajno izvede z implementacijo algoritmov ujemanja industrijskega razreda ali lastniških algoritmov, ki bodisi izvajajo natančno ujemanje na edinstveno identificirajočih atributih ali mehko ujemanje na kombinaciji atributov entitete. Če so rezultati algoritma ujemanja netočni ali vsebujejo napačne rezultate, boste morda morali fino prilagoditi algoritem ali ročno označiti napačna ujemanja kot dvojnike ali nepodvojene.
  5. Izvajanje pravil za združevanje subjektov v zlate evidence – Tu se zgodi končna združitev. Verjetno ne želite izgubiti podatkov o entiteti, shranjenih v zapisih, zato se ta korak nanaša na konfiguriranje pravil za odločanje:
    • Kateri zapis je glavni zapis in kje so njegovi dvojniki?
    • Katere atribute iz dvojnikov želite kopirati v glavni zapis?

Ko so ta pravila konfigurirana in implementirana, je rezultat niz zlatih zapisov vaših entitet.

Vzpostavite stalni okvir za reševanje subjektov

Čeprav smo pregledali preprost vodnik po korakih za reševanje entitet v naboru trženjskih podatkov, je pomembno razumeti, da je treba to v vaši organizaciji obravnavati kot stalen proces. Podjetja, ki vlagajo v razumevanje svojih podatkov in odpravljanje njihovih ključnih težav s kakovostjo, so pripravljena na veliko bolj obetavno rast.

Za hitro in lažje izvajanje takšnih procesov lahko operaterjem podatkov ali celo tržnikom v vašem podjetju zagotovite programsko opremo za reševanje entitet, ki je enostavna za uporabo, ki jih lahko vodi skozi zgoraj navedene korake.

Končno lahko varno rečemo, da nabor podatkov brez dvojnikov deluje kot ključni akter pri maksimiranju donosnosti naložbe pri trženjskih dejavnostih in krepitvi ugleda blagovne znamke v vseh trženjskih kanalih.