Müşteri verilerinin türleri: Tanımlar, değer, örnekler

Müşteri verileri her yerdedir. Farklı türdeki müşteri verileri, yorumlamak ve kullanmak için işi yaparlarsa, şirketleri avantajlı bir şekilde konumlandırabilir. Rekabetçi kalmak, verilerin gücünü benimsemektir. Bir markayla her etkileşim kurduğunuzda, arkanızda bir kırıntı izi bırakırsınız. Bireysel olarak, bu bilgi parçaları bir tüketici olarak sizin hakkınızda bir şeyler söyler. Ancak birleştirildiklerinde, işletmelerin kullanabileceği değerli bir müşteri profili oluştururlar.

Genel olarak, şirketlerin topladığı dört farklı müşteri verisi türü vardır ve her biri sizi tanımalarına yardımcı olmak için kendi amacına hizmet eder ve onları diğerlerinden ayıran müşteri deneyimlerinin nasıl sağlanacağı konusunda bilgi verir.

"Sen kimsin?"

Müşteri verilerinin türleri: Tanımlar

Önce müşteri verisi türlerini tanımlayalım. Verilerin nasıl toplandığını ve neden sizi şirketiniz için daha iyi bir stratejiye götürebileceğini anlamak.

1. Kimlik verileri şöyle diyor: "Ben John, San Francisco'da yaşıyorum." Bu ad, kişi, hesap girişi ve diğer kişiselleştirme bilgileridir.
2. Tanımlayıcı veriler şunları ekliyor: “30'lu yaşlarımda bir erkeğim. Evliyim, çocuklarım, köpeğim var ve geçimimi sağlamak için yazıyorum.” Tanımlayıcı veriler, kişinin kim olduğuyla ilgili ayrıntıları daha da derinleştirir.
3. Davranışsal veriler şöyle der: "Bana ulaşmanın en iyi yolu bu" (ve bunu destekleyen makbuzlar var). Davranışsal veriler, bir tüketicinin satın alma geçmişinden sosyal medyaya ve markadan kaç e-postanın açıldığına kadar bir markayla nasıl etkileşim kurmayı sevdiğini gösterir.
4. Niteliksel veriler veya tutumsal veriler şöyle der: "İşte en çok önemsediğim şeyler bunlar." Bu tür veriler, işletmelerin tüketicilerin ve müşterilerin motivasyonlarını, fikirlerini, tercihlerini ve tutumlarını anlamalarına yardımcı olur.

Kimlik verileri: Kişiseldir

Kimlik verileri, muhtemelen çoğu insanın verilerini toplayan ve tutan şirketleri ilk düşündüklerinde düşündükleri şeydir.

Kimlik verileri, adınız, iletişim bilgileriniz, hesap oturum açma bilgileriniz, demografik bilgileriniz, sosyal medya profillerinize benzersiz bağlantılar - bilgi veritabanlarının sizi herkesten ayırt etmek için kullandığı bilgilerdir.

Kimlik verileriniz müşteri profilinizin temeli olacaktır. Bu, bir tanıtımın dijital karşılığıdır: "Merhaba, benim adım John ve San Francisco'da yaşıyorum." Bu gün ve yaşta masa bahisleri şeyler.

Şirketler bu verileri temel kişiselleştirme (örneğin, bir e-postada size adıyla hitap etmek) için kullanır, ancak aynı zamanda CDP'lerin çeşitli veri kaynaklarından bilgilerinizi toplamak için kullandığı şeydir. Bu John Norris'in, yakın zamanda sizden alışveriş yapan ve ayrıca bir Instagram gönderisinde sizi etiketleyen John Norris ile aynı olup olmadığını bu şekilde kontrol ediyorlar.

Açıklayıcı veriler: İlgili

Tanımlayıcı veriler, adınızın ve adresinizin ötesinde kim olduğunuza dair daha eksiksiz bir resim çizmeye başlar. Şirketlerin topladığı müşteri verisi türleri işletmeden işletmeye değişiklik gösterecektir.

Açıklayıcı veriler, müşteri profili bilgilerinin daha eksiksiz bir görünümünü sağlar. Aile ve medeni durum, kariyer ayrıntıları ve eğitim bilgileri, ne tür bir ev ve araca sahip olduğunuz, kaç çocuğunuz olduğu, ne tür evcil hayvanlarınız olduğu gibi yaşam tarzı bilgileri gibi ayrıntıları içerebilir.

Örneğin, bir köpek bakıcısı ne tür bir köpeğiniz olduğunu, onları kurtarıp kurtarmadığınızı vb. bilmek isteyebilir… Öte yandan bir giyim mağazasının evcil hayvanlar hakkında soru sorması pek olası değildir.

Giriş metaforumuza geri dönersek, tanımlayıcı veriler, “Nerelisin?” gibi hızlı bir takip sorusunu yanıtlamaya eşdeğerdir. veya “Ne yapıyorsun?” Kim olduğunuz hakkında biraz daha fazla bağlam sağlar, ancak mutlaka meraklı veya müdahaleci değildir.

İşletmeler bu bilgileri birkaç farklı şekilde kullanır:

• Daha doğru kitle segmentleri oluşturmak için
• Müşteri kişiliklerini geliştirmek
• Satın alma alışkanlıklarını tahmin etmek için
• Pazarlama kişiselleştirmesini temel bilgilerin ötesine taşımak.

Bu asla veri hacmiyle ilgili değildir – başarı, verilerinizin kalitesine bağlıdır. Ve verilerin iletişim kurma şeklinizi değiştirmesine izin verme isteğiniz.

Davranışsal veriler: Karmaşık

Davranışsal veriler, geçmiş satın almalar gibi işlem verilerinden gönderdiğiniz müşteri hizmetleri biletlerine kadar bir şirket veya markayla etkileşimde bulunduğunuz tüm farklı yolları kapsar. Ayrıca satış temsilcileriyle olan etkileşimleriniz, e-postalarını ne sıklıkta açtığınız vb.

Ve bu, çevrimiçi etkileşimlerle sınırlı değildir. Örneğin, bir perakendeci en çok hangi mağazayı ziyaret ettiğinizi not edebilir veya çevrimiçi satın alırken her zaman mağazada iade yaptığınızı fark edebilir.

Davranışsal veri bilgileri, müşterilerin markalarla nasıl etkileşimde bulunduğunu gösterir ve genel müşteri deneyimini çeşitli şekillerde geliştirmek için kullanılabilir.

Davranışsal veri örnekleri şunları içerir:

1. Açıklayıcı veriler gibi, davranışsal veriler de hedef kitle segmentasyonuna yardımcı olur. Kişiselleştirilmiş iletişimler geliştirmek için kullanılabilir (alışveriş sepetlerini terk eden müşterilere yeniden hedefleme e-postaları göndermek gibi).
2. Markaların, tüketicilerin ve müşterilerin hangi kanalları kullanmayı tercih ettiğini belirlemesine yardımcı olur (örneğin, hizmet hatırlatıcıları için kısa mesaj yerine e-postayla iletişim kurmayı seçtiğinizde vb.)
3. Büyük ölçekte, davranışsal veriler şirketin genel deneyimindeki eğilimleri ve sorunları belirlemeye yardımcı olabilir (örneğin, çevrimiçi müşterilerinin büyük bir bölümünün belirli bir noktada siteden ayrıldığını fark edebilirler ve bu da UX'te potansiyel bir sorun olduğunu gösterir.)
4. Şirketin ürünleri için hangi SEO anahtar kelimelerini hedeflemesi gerektiğini, müşterilerinin sık kullandığı sosyal medya sitelerini ve daha fazlasını bildirebilir.

Davranışsal veriler, herhangi bir ilişkideki erken aşamadaki etkileşimlerin eşdeğeridir - yeni arkadaşınızın bir telefon görüşmesine cevap vermekten çok bir metin mesajına cevap verme olasılığının daha yüksek olduğunu fark etmek gibi.

Tutumsal veriler: Duygusaldır, değere dayalıdır ve her zaman gelişmektedir.

Nihai derinlik düzeyi, “nitel veriler” olarak da adlandırılan tutumsal müşteri verilerinden gelir.

Tutumsal veya niteliksel veriler, bir müşteri olarak sizi neyin motive ettiğinin özüne ulaşır - neden bu tişörtü yanındakine kıyasla satın alma olasılığınız daha yüksek? Bu tür veriler, demografi veya satın alma geçmişi kadar kolay toplanamayan motivasyonlar, görüşler, tercihler ve tutumlar gibi şeyleri içerir.

Bu tür veriler, müşteri profillerine zenginlik katar ve iyi kullanıldığında müşterilere bir markanın gördüğü hissi veren şeydir.

Şirketler genellikle müşteri görüşmeleri, geri bildirim incelemeleri ve anketler gibi şeyler yoluyla tutumsal veya niteliksel veriler elde eder. Ve yüksek kaliteli veriler elde etmek için markaların doğru soruları doğru şekilde sorması gerekiyor, çünkü bunu yaptıklarında, müşteriler ve markalar arasında daha derin bir etkileşim düzeyi ortaya çıkıyor.

Bir şirket, müşterilerinin onları, ürünlerinin fiyatına ve hatta kalitesine karşı destekledikleri bir nedenden dolayı seçtiklerini ortaya çıkarabilir. Bir ton müşterilerinin, aksi halde dikkate almayacakları belirli bir ürün özelliği hakkında gerçekten güçlü hissettiklerini fark edebilirler.

Bu, birini gerçekten tanımaya başlamanın eşdeğeridir - sadece hoşlandıkları ve hoşlanmadıkları şeyleri değil, aynı zamanda arkasındaki nedenleri de.

Açıklanan müşteri verilerinin diğer sınıflandırmaları

Yukarıda bahsedilen dört müşteri verisi türünün ötesinde, birkaç başka müşteri verisi türüyle de karşılaşabilirsiniz.

Verileri bölmenin diğer birkaç yolu şunlardır:

Birinci ve üçüncü taraf verileri:

• Birinci taraf verileri , bir şirketin doğrudan müşteriden topladığı verilerdir (örneğin adınızı ve iletişim bilgilerinizi istemek, sipariş geçmişinizi takip etmek, farklı kanallarda markayla olan etkileşimlerinizi takip etmek).
• Üçüncü taraf verileri ise ayrı bir kuruluş tarafından toplanır ve şirkete satılır (örn. çevrimiçi hareketlerinizi takip eden internet tarayıcı çerezleri). Veriler önce kişisel olarak tanımlayıcı bilgilerden (PII) temizlenir, bu nedenle kişiselleştirme gibi şeyler için kullanışlı değildir. Ancak, ölçekte, eğilimleri belirlemek ve içgörüleri ortaya çıkarmak için inanılmaz derecede değerlidir.

Yapılandırılmış ve yapılandırılmamış veriler:

• Yapılandırılmış veriler iyi tanımlanmış ve yüksek düzeyde organize edilmiştir, böylece arama yapmak ve filtrelemek kolaydır. (Düşün, çoktan seçmeli sorular veya onay kutuları.)
• Yapılandırılmamış veriler , format açısından daha gevşektir ve tipik olarak, bir kişinin okumasını ve yorumlamasını gerektirebilecek daha anlatısal/açık uçlu bir biçim alır. (Bir anketteki kısa yanıtlı soruları veya bir satış görüşmesinden alınan notları düşünün.)

CDP ile müşterilerinizin verilerinden daha fazlasını elde edin

Çeşitli müşteri verisi türlerini anlamak, işletmelerin içgörülerini etkili katılımlara dönüştürmesini kolaylaştırır.

Müşteri veri platformları, bir şirketin tüm müşteri verilerini uzlaştırmak ve toplamak ve bunları eksiksiz bir müşteri profili oluşturmak için kullanmak için gelişmiş bir çözüm olarak ortaya çıkmıştır. Bunu yaparken, verilerin değeri önemli ölçüde artar.