Pazarlamacılar için mevcut olan farklı veri türlerini anlama kılavuzu

Müşterileriniz, web siteleri, sosyal medya, mağaza içi, mobil cihazlar ve tabletler gibi giderek artan sayıda temas noktasında işletmenizle etkileşim kuruyor. Ancak nasıl etkileşime girerlerse girsinler, özelleştirilmiş, kişiselleştirilmiş ve tutarlı bir deneyim beklerler.

Bu beklenti, her bir bireyi etkin bir şekilde nasıl dahil edeceğini anlamaya çalışmak için muazzam miktarda veriyi manipüle etmesi gereken işletmeler için bir zorluk olmaya devam ediyor.

Büyük veri çağımızda, markalar içgörü için tüm veri ve içerik kaynaklarından tam olarak yararlanabilmelidir. Ama orada çok fazla veri varken, farklı türler arasındaki farkı nasıl anlarsınız?

İlişkisel veritabanları ile Büyük Veri mağazaları karşılaştırması

Büyük veri çözümleri, depolama sınırlamalarından kaçınmanın veya büyük miktarda veri için depolama maliyetlerini azaltmanın bir yolunu sunar.

İlişkisel veritabanları yalnızca gerçek zamanlı bağlamsal bir çözüm sunamaz. Bir pazarlamacının eyleme geçirilebilir içgörüler elde etme becerisinin yanı sıra gerçek zamanlı olarak tepki verme becerisini de engelleyecektir.

Büyük veri, hızla gelen ve daha sonra işleyebileceğiniz verileri işlemeniz gerektiğinde değerli bir araçtır. Verileri orijinal biçiminde depolar ve ardından, gerekli sonuç kümesini ayıklayan ve ilişkisel bir veritabanında saklayan bir sorgu kullanarak gerektiğinde işlersiniz.

Basitçe söylemek gerekirse, ilişkisel bir veritabanı, bir kütüphanede kitap bulan biri gibi çalışır - önce kategorisini seçerek ve ardından seçilen metni alfabetik olarak tedarik ederek.

Bir büyük veri çözümü sonucu hemen bulur - Google'ın arama çubuğuna bir sorgu yazdığınızda yaptığı gibi.

Örneğin, ticari donanım üzerindeki büyük veri kümelerinin dağıtılmış depolanması ve işlenmesi için açık kaynaklı bir çerçeve olarak, örneğin Hadoop üzerine inşa edilen çözümler, işletmelerin büyük miktarlarda yapılandırılmış ve yapılandırılmamış verilerden hızla içgörüler elde etmelerini sağlar.

Yapılandırılmış / Yapılandırılmamış / ERP

Markaların, yalnızca yapılandırılmış verilerden (genellikle sabit bir alan kaydı veya dosyası) değil, aynı zamanda yapılandırılmamış verilerden (geleneksel satır sütun veritabanında yer almayan herhangi bir şey) bilgi çıkarabilmesi gerekir.

Yapılandırılmamış veriler hem metin hem de multimedya içeriğini içerir. Kurumsal verilerin %80'inin yapılandırılmamış olduğu tahmin edilmektedir ve bu rakam yapılandırılmış verilerin iki katı oranında büyümektedir . Geleneksel olarak yapılandırılmamış verileri analiz etmek çok zor olmuştur.

Ancak bazı araçlar bunu etkili bir şekilde yapar - her iki formda da bulunan büyük hacimli bilgilerden anlam çıkarır. ERP (Kurumsal Kaynak Planlama) daha geleneksel olarak 'muhasebe yazılımı' olarak bilinir.

Tedarik zincirini, operasyonları, raporlamayı ve İK'yı yönetebilen daha temel bir çözüm yeteneğini yansıtır. Yine, bazı araçlar da anlam bulabilir ve değerli ERP verilerinde bulunan fırsatlardan yararlanabilir.

ETL

ETL (çıkarma, dönüştürme ve yükleme), veritabanı kullanımında ve veri ambarında bir süreci ifade eder. Bunlar, bir büyük veri ortamından veri almak ve başka bir veri ortamına koymak için gereken üç işlevdir.

Yapılandırılmamış veri miktarındaki şaşırtıcı artış nedeniyle veri dönüştürme süreci çok daha karmaşık hale getirilmiştir.

Yapılandırılmamış verilerin karar verme sürecindeki büyümesi ve önemi göz önüne alındığında, ETL çözümleri artık yapılandırılmamış verilerin operasyonel yapılandırılmış verilerle daha kolay entegre edilebilmesi için standartlaştırılmış yaklaşımlar sunuyor.

ETL artık, içgörüler ve diğer veri yönetimi platformları tarafından büyük veri çıkarma sağlamak için çözümleri destekleyebilir

NLP

Markalar, sosyal medyayı kullanarak müşterilerinin ve potansiyel müşterilerinin onlar hakkında ne düşündüğünü ve hissettiğini duyma, içgörü ve istihbarat toplama konusunda eşsiz bir fırsata sahip oluyor.

Doğal dil işlemeye (NLP) yönelik mevcut yaklaşımlar, hem dilsel hem de dilbilgisi yaklaşımlarının yanı sıra makine öğrenimi tekniklerini birleştirir.

NLP'nin kutsal kâsesi, yapılandırılmamış verileri (metin ve multimedya) yapılandırılmış verilere dönüştürmek olmuştur. Bu, sosyal segmentasyon gibi içgörü çözümlerine ve dolayısıyla daha hedefli pazarlama kampanyalarına yol açar.

NLP, kişiselleştirilmiş e-posta, öneri ve mobil uygulamalar gibi yetenekler sunan içgörüler oluşturmak için kullanılmalıdır.

İçgörüler, aşağıdakiler de dahil olmak üzere birçok ve çeşitli veri kaynaklarından gelir:

• tarama davranışı
• nüfus sayımı bilgileri
• Satın alım geçmişi
• Sosyal aktivite
• Sosyal etkileyiciler
• Önceki kampanya faaliyetleri
• Anket yanıtları
• Çok değişkenli test
• tarama cihazları
• benzerlik kümeleme
• Dil öğrenme tercihi
• Renk tercihleri
• POS etkinliği
• tarama davranışı
• nüfus sayımı bilgileri
• IP adresi

Günümüzün bağlantılı dünyasında, verilerin gerçek zamanlı olarak toplanıp analiz edilmesi ve herhangi bir verinin tercihen tahmine dayalı bir şekilde anında eyleme geçirilebilir olması gerekir. Bu yetenekler olmadan, pazarlama mesajları daha az ikna edici olur ve yanıt oranları düşer.

Tersine, güçlü ve esnek büyük veriler aracılığıyla gerçek zamanlı bağlamsallaştırmayı benimseyen markalar, kampanya yanıtlarında büyük artışlar görüyor.

Pazarlamacılar artık potansiyel müşteriler ve müşterilerle bu çok kanallı, bağlamsallaştırılmış iletişimin zorunluluğunu kabul ediyor. Deneyim ne kadar kişiselleştirilirse müşteri o kadar mutlu olur.

Mutlu müşteri sadece daha fazla satın almak isteyen bir müşteri değil, elde tutulan, satılan ve belki de en önemlisi markanızın savunucusu haline gelen müşteridir.

Benim için ne var?

1. Tahminlerden kurtulun. Pazarlama programı sonuçlarının sayfalarını ve sayfalarını anlamlandırmaya çalışmak kimsenin eğlence anlayışı değildir. İçgörüler bunu ortadan kaldırır. İş zekası, herhangi bir yoruma gerek kalmadan hangi pazarlama kanallarına odaklanmanız gerektiğini size doğrudan söyler. Böylece işe yarayanlardan daha fazlasını, yaramayanlardan ise daha azını yaparak zamandan ve paradan tasarruf edebilirsiniz.

2. Sadakat yaratmak. İlk kez alıcıları getirmek bir şeydir, tekrar satın almalarını sağlamak farklı bir hikaye. Ne istediklerini daha yapmadan önce bilerek müşteri kaybını ezin. Insights, geçmiş ve tahmin edilen müşteri davranışlarını anlamanıza yardımcı olarak en iyi müşterilerinizden daha fazlasını bulmanıza ve süresi geçmiş olanlarla yeniden etkileşim kurmanıza yardımcı olur.

3. Büyük veriyi anlamlandırmak. Insights teknolojisi, veri bilimcileri için değil, pazarlamacılar için tasarlanmıştır. Kullanım kolaylığı için tasarlanmıştır. Kullanıma hazır panolar ve özel analiz/raporlama ile içgörüler, verileri her zamankinden daha hızlı ve etkili bir şekilde gelire ve müşteri bağlılığına dönüştürmek için ihtiyacınız olan her şeyi sağlar.