چگونه رزولوشن موجودیت به فرآیندهای بازاریابی شما ارزش می‌افزاید

وضوح موجودیت در داده های بازاریابی چیست؟

تعداد زیادی از بازاریابان B2B - تقریباً 27٪ - این را قبول دارند داده های ناکافی 10 درصد برای آنها هزینه داشته است، یا در برخی موارد، حتی بیشتر در از دست دادن درآمد سالانه.

این به وضوح یک مسئله مهم را که امروزه اکثر بازاریابان با آن مواجه هستند، برجسته می کند: کیفیت پایین داده ها. داده های ناقص، از دست رفته یا بی کیفیت می تواند تأثیر زیادی بر موفقیت فرآیندهای بازاریابی شما داشته باشد. این اتفاق می افتد زیرا تقریباً تمام فرآیندهای بخش در یک شرکت - به ویژه فروش و بازاریابی - به شدت توسط داده های سازمانی تغذیه می شود.

خواه این یک نمای کامل و 360 از مشتریان، سرنخ ها، یا مشتریان بالقوه شما باشد یا سایر اطلاعات مربوط به محصولات، پیشنهادات خدمات یا مکان های آدرس - بازاریابی جایی است که همه چیز با هم جمع می شود. به همین دلیل است که زمانی که یک شرکت از چارچوب های مدیریت کیفیت داده مناسب برای پروفایل داده ها و تثبیت کیفیت داده ها استفاده نمی کند، بازاریابان بیشترین آسیب را می بینند.

در این وبلاگ، می‌خواهم به رایج‌ترین مشکل کیفیت داده‌ها و چگونگی تأثیر آن بر فرآیندهای بازاریابی مهم شما توجه کنم. سپس به یک راه‌حل بالقوه برای این مشکل نگاه خواهیم کرد و در نهایت خواهیم دید که چگونه می‌توانیم آن را به طور مداوم ایجاد کنیم.

بنابراین، شروع کنیم!

بزرگترین مشکل کیفیت داده که بازاریابان با آن روبرو هستند

اگرچه، کیفیت پایین داده باعث ایجاد لیست طولانی از مشکلات برای بازاریابان در یک شرکت می شود، اما با ارائه راه حل های داده به بیش از 100 مشتری، رایج ترین مشکل کیفیت داده که ما دیده ایم افراد با آن مواجه هستند این است:

دستیابی به یک دیدگاه واحد از دارایی های داده اصلی.

این مشکل زمانی ظاهر می شود که رکوردهای تکراری برای یک موجودیت ذخیره می شود. در اینجا، اصطلاح موجودیت می تواند به معنای هر چیزی باشد. بیشتر، در حوزه بازاریابی، کلمه موجودیت می تواند به: مشتری، سرنخ، مشتری، محصول، مکان یا چیز دیگری اشاره کند که هسته اصلی عملکرد فعالیت های بازاریابی شما است.

تاثیر سوابق تکراری بر فرآیندهای بازاریابی شما

وجود رکوردهای تکراری در مجموعه داده های مورد استفاده برای اهداف بازاریابی می تواند برای هر بازاریاب یک کابوس باشد. هنگامی که سوابق تکراری دارید، چند سناریو جدی که می توانید با آنها روبرو شوید به شرح زیر است:

  • اتلاف وقت، بودجه و تلاش - از آنجایی که مجموعه داده شما حاوی چندین رکورد برای یک موجودیت است، ممکن است در نهایت برای یک مشتری، مشتری بالقوه یا پیشرو چندین بار در زمان، بودجه و تلاش سرمایه گذاری کنید.
  • قادر به تسهیل تجربیات شخصی سازی شده نیست - سوابق تکراری اغلب شامل بخش های مختلف اطلاعات در مورد یک موجودیت است. اگر کمپین های بازاریابی را با استفاده از یک دید ناقص از مشتریان خود انجام دادید، ممکن است در نهایت باعث شوید مشتریان خود احساس ناشناخته یا سوء تفاهم کنند.
  • گزارش های بازاریابی نادرست - با سوابق داده های تکراری، ممکن است در نهایت دیدگاه نادرستی از تلاش های بازاریابی و بازگشت آنها ارائه دهید. به عنوان مثال، شما به 100 سرنخ ایمیل ارسال کردید، اما فقط از 10 نفر پاسخ دریافت کردید - ممکن است تنها 80 مورد از آن 100 نفر منحصر به فرد باشند، و بقیه 20 مورد تکراری بودند.
  • کاهش بهره وری عملیاتی و بهره وری کارکنان - هنگامی که اعضای تیم داده‌ها را برای یک موجودیت خاص واکشی می‌کنند و چندین رکورد ذخیره شده در منابع مختلف یا جمع‌آوری شده در طول زمان در یک منبع پیدا می‌کنند، به عنوان یک مانع بزرگ در بهره‌وری کارکنان عمل می‌کند. اگر این اغلب اتفاق بیفتد، به طور قابل توجهی بر کارایی عملیاتی کل سازمان تأثیر می گذارد.
  • امکان انجام انتساب تبدیل صحیح وجود ندارد - اگر هر بار که بازدید کننده از کانال های اجتماعی یا وب سایت شما بازدید می کند، همان بازدید کننده را به عنوان یک موجود جدید ثبت کرده اید، برای شما تقریباً غیرممکن خواهد شد که اسناد تبدیل دقیق را انجام دهید و مسیر دقیقی را که بازدیدکننده به سمت تبدیل طی کرده است، بدانید.
  • نامه های فیزیکی و الکترونیکی تحویل نشده - این یکی از شایع ترین پیامدهای رکوردهای تکراری است. همانطور که قبلاً ذکر شد، هر رکورد تکراری تمایل دارد یک نمای جزئی از موجودیت داشته باشد (به همین دلیل است که رکوردها در وهله اول به عنوان تکراری در مجموعه داده شما ظاهر می شوند). به همین دلیل، برخی از سوابق ممکن است مکان های فیزیکی یا اطلاعات تماس را از دست داده باشند، که می تواند باعث عدم تحویل نامه ها شود.

Entity Resolution چیست؟

وضوح موجودیت (ER) فرآیندی است برای تعیین اینکه چه زمانی ارجاعات به موجودیت های دنیای واقعی معادل (همان موجودیت) یا غیر معادل (موجودات مختلف) هستند. به عبارت دیگر، فرآیند شناسایی و پیوند چندین رکورد به یک موجودیت زمانی است که رکوردها متفاوت توصیف شوند و بالعکس.

وضوح موجودیت و کیفیت اطلاعات توسط جان آر. تالبرت

پیاده سازی قطعنامه موجودیت در مجموعه داده های بازاریابی شما

با مشاهده تأثیر وحشتناک تکرارها بر موفقیت فعالیت های بازاریابی خود، داشتن یک روش ساده و در عین حال قدرتمند ضروری است. کپی کردن مجموعه داده های شما. این جایی است که روند وضوح نهاد به سادگی، تفکیک موجودیت به فرآیند شناسایی سوابق متعلق به همان موجودیت اشاره دارد.

بسته به پیچیدگی و وضعیت کیفیت مجموعه داده های شما، این فرآیند می تواند شامل تعدادی مرحله باشد. من قصد دارم شما را از طریق هر مرحله از این فرآیند راهنمایی کنم تا بتوانید متوجه شوید که دقیقاً شامل چه چیزی است.

توجه: من از اصطلاح عمومی "موجود" در هنگام توصیف فرآیند زیر استفاده خواهم کرد. اما همین فرآیند برای هر نهادی که در فرآیند بازاریابی شما دخیل است، مانند مشتری، سرنخ، مشتری، آدرس مکان و غیره قابل اجرا و امکان پذیر است.

مراحل در فرآیند حل و فصل نهاد

  1. جمع آوری سوابق داده موجودیت در منابع داده متفاوت - این اولین و مهمترین مرحله از فرآیند است که در آن شناسایی می کنید جایی که دقیقاً سوابق موجودیت ذخیره می شود. این می تواند داده هایی باشد که از تبلیغات رسانه های اجتماعی، ترافیک وب سایت یا به صورت دستی توسط نمایندگان فروش یا کارکنان بازاریابی تایپ شده است. پس از شناسایی منابع، همه سوابق باید در یک مکان جمع شوند.
  2. پروفایل کردن رکوردهای ترکیبی - هنگامی که رکوردها در یک مجموعه داده گرد هم آمدند، اکنون زمان درک داده ها و کشف جزئیات پنهان در مورد ساختار و محتوای آن است. پروفایل داده ها به صورت آماری داده های شما را تجزیه و تحلیل می کند و متوجه می شود که آیا مقادیر داده ناقص، خالی، یا از الگو و قالب نامعتبر پیروی می کنند. پروفایل کردن مجموعه داده شما جزئیات دیگری از این قبیل را آشکار می کند و فرصت های بالقوه پاکسازی داده ها را برجسته می کند.
  3. تمیز کردن و استاندارد کردن سوابق داده ها – یک نمایه داده عمیق، فهرستی کاربردی از موارد برای تمیز کردن و استانداردسازی مجموعه داده‌ها را در اختیار شما قرار می‌دهد. این می تواند شامل مراحل پر کردن داده های از دست رفته، تصحیح انواع داده ها، اصلاح الگوها و قالب ها و همچنین تجزیه فیلدهای پیچیده به عناصر فرعی برای تجزیه و تحلیل بهتر داده ها باشد.
  4. تطبیق و پیوند دادن رکوردهای متعلق به یک نهاد - اکنون رکوردهای داده شما آماده تطبیق و پیوند هستند و سپس نهایی کنید که کدام رکورد متعلق به همان موجودیت است. این فرآیند معمولاً با پیاده‌سازی الگوریتم‌های تطبیق درجه صنعتی یا اختصاصی انجام می‌شود که یا مطابقت دقیق را روی ویژگی‌های شناسایی منحصربه‌فرد انجام می‌دهند، یا مطابقت فازی را روی ترکیبی از ویژگی‌های یک موجودیت انجام می‌دهند. در صورتی که نتایج حاصل از الگوریتم تطبیق نادرست باشد یا حاوی موارد مثبت کاذب باشد، ممکن است لازم باشد الگوریتم را به دقت تنظیم کنید یا به صورت دستی موارد نادرست را به عنوان تکراری یا غیر تکراری علامت گذاری کنید.
  5. اجرای قوانین برای ادغام موجودیت ها در رکوردهای طلایی - اینجا جایی است که ادغام نهایی اتفاق می افتد. احتمالاً نمی‌خواهید داده‌های موجودی را که در بین رکوردها ذخیره شده است از دست بدهید، بنابراین این مرحله مربوط به پیکربندی قوانین برای تصمیم‌گیری است:
    • کدام رکورد اصلی است و موارد تکراری آن کجا هستند؟
    • کدام ویژگی از موارد تکراری را می خواهید در رکورد اصلی کپی کنید؟

هنگامی که این قوانین پیکربندی و پیاده سازی شدند، خروجی مجموعه ای از رکوردهای طلایی موجودیت های شما است.

یک چارچوب حل و فصل نهاد در حال انجام ایجاد کنید

اگرچه ما یک راهنمای گام به گام ساده برای حل و فصل موجودیت ها در مجموعه داده های بازاریابی را مرور کردیم، مهم است که درک کنیم که این باید به عنوان یک فرآیند مداوم در سازمان شما تلقی شود. کسب‌وکارهایی که برای درک داده‌های خود و رفع مشکلات اصلی کیفیت آن سرمایه‌گذاری می‌کنند، رشد بسیار امیدوارکننده‌تری دارند.

برای اجرای سریع و آسان‌تر چنین فرآیندهایی، می‌توانید به اپراتورهای داده یا حتی بازاریاب‌ها در شرکت خود نرم‌افزار تفکیک موجودیت با کاربری آسان ارائه دهید که می‌تواند آنها را در مراحل ذکر شده در بالا راهنمایی کند.

در نهایت، می‌توانیم با اطمینان بگوییم که مجموعه داده‌های بدون تکرار به عنوان یک بازیکن مهم در به حداکثر رساندن بازگشت سرمایه (ROI) فعالیت‌های بازاریابی و تقویت شهرت برند در تمام کانال‌های بازاریابی عمل می‌کند.