داده خرید، رفتار و ویژگیهای مشتری را از منابع متصل در یک پروفایل یکپارچه کنار هم قرار دهید تا سگمنتبندی، تحلیل و سناریوهای نگهداشت بر همان تصویر مشترک اجرا شوند.
CDP لژیون دادههای مرتبط با یک مشتری را از منابع مختلف در یک پروفایل قابل استفاده کنار هم قرار میدهد. هویت مشتری، زمان واقعی ایونت و منبع هر داده باید مشخص بماند تا همان اطلاعات در سگمنتبندی، تحلیل و اتومیشن قابل استفاده باشند.
برندهایی که از لژیون استفاده کردهاند
برای حل مسئله باید گسست اصلی میان داده، تصمیم و اقدام مشخص شود؛ نه اینکه فقط ابزار بیشتری به فرایند اضافه شود.
اتصال منابع بیشتر بدون قواعد هویت و مالکیت داده میتواند فقط تناقض بیشتری تولید کند. یک مشتری ممکن است در سایت، صندوق و فایلهای مختلف با دادههای جداگانه ثبت شده باشد. بدون یک منطق مشخص برای شناسایی و اتصال رکوردها، سابقه واقعی او قابل مشاهده نیست و تحلیل رفتار یا ارزش مشتری میتواند ناقص یا اشتباه باشد.
خیلی از کسبوکارها داده دارند، اما برای پاسخ به سؤال سادهای مثل «این مشتری آخرین بار چه خرید؟» یا «مشتری سایت و فروش حضوری یک نفر است یا دو رکورد؟» باید چند سیستم و فایل را کنار هم بگذارند. داده زمانی قابل استفاده است که هویت، تاریخچه و معنی آن برای تصمیم بعدی روشن باشد.
وقتی هر سیستم بخشی از رفتار مشتری را نگه دارد، تیم فروش، بازاریابی و وفاداری ممکن است درباره یک مشتری تصویر متفاوتی داشته باشند. پروفایل یکپارچه باید مرجع قابل استفادهای برای تصمیمهای مرتبط با مشتری ایجاد کند. پیش از اتومیشن، باید معلوم باشد این مسئله با کدام داده قابل تشخیص است.
حتی وقتی داده وجود دارد، اگر برای ساخت سگمنت، کمپین یا سناریوی نگهداشت مجبور باشید هر بار اکسل خروجی بگیرید و بین چند ابزار جابهجا کنید، فاصله شناخت تا اقدام همچنان دستی میماند. ارزش یکپارچهسازی زمانی دیده میشود که داده تازه بتواند بدون بازسازی مداوم لیستها وارد تصمیم شود.
قابلیتها باید در کنار هم یک مسیر روشن بسازند؛ از شناخت و تحلیل تا تصمیم، اقدام و اتصال به سیستمهای مرتبط.
اطلاعات کلیدی مشتری، سابقه خرید، ویژگیها و دادههای رفتاری در یک نمای قابل استفاده کنار هم قرار میگیرند. هدف پروفایل این است که تیمها برای شناخت مشتری مجبور نباشند چند سیستم یا فایل را جداگانه بررسی کنند.
رویدادهای مشتری مانند خرید، ثبتنام، تعامل یا رفتارهای سفارشی میتوانند بخشی از سابقه او باشند. این تاریخچه پایه مهمی برای ساخت سگمنت مشتریان، تشخیص تغییر رفتار و اجرای سناریوهای زمانمند فراهم میکند.
علاوه بر دادههای استاندارد، کسبوکار میتواند ویژگیهای اختصاصی مرتبط با مشتری را نگهداری کند تا مدل داده با صنعت و فرایند واقعی آن سازگار باشد و مجبور به استفاده از یک ساختار عمومی محدود نباشد.
داده از فروشگاه اینترنتی، صندوق، نرمافزار فروش، رابط برنامهنویسی (API) یا فایل میتواند وارد جریان شود. نوع اتصال و فرکانس بهروزرسانی بر اساس سیستم مبدا و نیاز پروژه مشخص میشود تا منبع واقعی داده حفظ شود.
پروفایل مشتری فقط برای مشاهده نیست. دادههای موجود میتوانند در قوانین سگمنتبندی استفاده شوند تا گروههایی بر اساس رفتار خرید، ویژگی یا تعامل ساخته شوند و بهصورت پویا بهروز شوند.
وقتی داده قابل استفاده در دسترس باشد، سفر مشتری، کمپین، امتیاز و سایر سناریوها میتوانند به تغییر رفتار مشتری واکنش نشان دهند. این همان نقطهای است که پلتفرم داده مشتری از ذخیرهسازی داده به زیرساخت عملیاتی رشد تبدیل میشود.
داده مشتری
پروفایل مشتری زمانی کاملتر میشود که فقط سفارش فروش اینترنتی یا فاکتور صندوق را نبیند. اگر نوبت و خدمت نیز از لژیونر وارد داده مرتبط مشتری شوند، پروفایل مشتری میتواند فروش حضوری، سفارش آنلاین، رزرو و خدمت انجامشده را کنار هم نگه دارد و همان داده را در سگمنتبندی مشتریان، تازگی، تکرار و ارزش خرید (RFM)، وفاداری و اتومیشن قابل استفاده کند. این لایه باید فاصله میان مشاهده داده و تصمیم بعدی را کم کند.
صندوق فروشگاهی
فروشگاه آنلاین
نوبت
رابط سمت مشتری
نتیجه مطلوب باید در رفتار واقعی مشتری یا کیفیت تصمیم تیم دیده شود؛ نه فقط در تعداد تنظیمات، گزارشها یا پیامها.
خرید، ویژگیها و رویدادهای مرتبط در یک ساختار قابل استفاده قرار میگیرند تا تحلیل مشتری به یک کانال یا فایل محدود نباشد. کیفیت داده را با قابلیت استفاده در تصمیم و نرخ خطای هویت/زمان بسنجید، نه فقط تعداد فیلدهای جمعآوریشده.
هرچه داده قابل اتکاتر و کاملتر باشد، قوانین سگمنتبندی میتوانند رفتار واقعیتری از مشتری را نمایندگی کنند و هدفگیری دقیقتر شود.
رویدادها و تغییر وضعیت مشتری میتوانند بهعنوان ورودی سفر مشتری و اتومیشن استفاده شوند و اجرای سناریوها از حالت دستی خارج شود.
امتیاز، سطح و مزایا زمانی هدفمندتر میشوند که کسبوکار سابقه و وضعیت واقعی مشتری را در اختیار داشته باشد.
منابع مختلف باید با هویت مشتری و زمان ایونت درست وارد یک مدل مشترک شوند تا پروفایل مشتری قابل استفاده بماند.
دریافت مشتریان، سفارشها و محصولات فروشگاه اینترنتی. در اتصال، هویت مشتری و زمان واقعی ایونت باید حفظ شوند.
اتصال ووکامرس به لژیونارسال داده و رویداد از نرمافزارها و سرویسهای اختصاصی. منبع حقیقت و رفتار داده تکراری را قبل از اجرای سناریو مشخص کنید.
اتصال رابط برنامهنویسی (API) به لژیونانتقال دادههای فروش حضوری و اطلاعات مرتبط با مشتری. هدف یکپارچهسازی انتقال حداکثری داده نیست؛ داده باید کاربرد روشن داشته باشد.
اتصال نرمافزار فروش و حسابداریورود داده تاریخی یا لیستهای موردنیاز در پروژههای مهاجرت و راهاندازی. نمونه رکورد را از سیستم مبدأ تا استفاده نهایی انتهابهانتها کنترل کنید.
وقتی پروفایل، خرید و رویدادهای مشتری در لژیون قابل استفاده باشند، ایجنت هوش مصنوعی میتواند با دسترسی کنترلشده روی همین داده مرتبط سؤالهای تحلیلی را پاسخ دهد، تغییر رفتار را توضیح دهد و اقدام بعدی را پیشنهاد کند.
تبدیل درخواست به منطق قابل بررسی
نمایش مسیر پیش از اجرا
رعایت محدوده مجوز و سطح دسترسی
اجرای عملیات مجاز در همان پروژه
«کدام گروه این ماه افت خرید داشته؟»
مسیر اجرا از هدف و داده شروع میشود و تا تصمیم، اقدام و بازبینی نتیجه ادامه دارد.
سیستمهای مبدا و نوع دادههای هرکدام مشخص میشوند و مسیر انتقال مشتری، سفارش، محصول یا رویداد به لژیون طراحی میشود.
دادههای ورودی باید در قالب قابل اتکا قرار بگیرند و قواعدی برای شناسایی مشتری و جلوگیری از رکوردهای متناقض تعریف شود.
دادههای مرتبط به پروفایل مشتری متصل میشوند تا سابقهای قابل استفاده برای تحلیل و تصمیمگیری شکل بگیرد.
از داده پروفایل برای تعریف گروهها، تازگی، تکرار و ارزش خرید (RFM)، قوانین رفتاری یا شروط موردنیاز سناریوهای کسبوکار استفاده میشود. اتصال کانال یا اقدام را بعد از تثبیت داده و منطق تصمیم انجام دهید.
پس از آماده شدن داده، اتومیشنها و برنامه وفاداری میتوانند بر اساس رویداد و وضعیت واقعی مشتری اجرا شوند. کیفیت داده را با قابلیت استفاده در تصمیم و نرخ خطای هویت/زمان بسنجید، نه فقط تعداد فیلدهای جمعآوریشده.
سناریو زمانی مفید است که نقطه شروع، کاربرد و نتیجه مورد انتظار آن روشن باشد.
اگر یک مشتری هم از سایت و هم از شعبه خرید میکند، داده دو کانال میتواند در یک پروفایل قرار بگیرد تا ارزش و رفتار او فقط بر اساس یکی از مسیرهای خرید محاسبه نشود.
با وجود داده خرید و تاریخچه مناسب، بخشهای مشتری و تحلیل تازگی، تکرار و ارزش خرید (RFM) میتوانند مشتریان پرتکرار، پرارزش یا در معرض ریزش را از هم جدا کنند و برای هر گروه اقدام متناسب تعریف شود. اتصال منابع بیشتر بدون قواعد هویت و مالکیت داده میتواند فقط تناقض بیشتری تولید کند.
کسبوکارهایی که رفتارهای خاصی خارج از خرید دارند میتوانند رویدادهای مرتبط را از طریق رابط برنامهنویسی (API) یا سایر مسیرها وارد کنند و از آنها در ساخت سگمنت مشتریان یا سفر مشتری استفاده کنند. اگر مشتری رفتار هدف را انجام داد، مسیر باید بتواند متوقف یا تغییر کند.
فیلدهای اختصاصی، دادههای فرم یا ویژگیهای عملیاتی میتوانند به پروفایل اضافه شوند تا تیمها هنگام طراحی سناریو فقط به نام و شماره موبایل یا مجموع خرید محدود نباشند. مقایسه با رفتار طبیعی مشتری کمک میکند اثر سناریو بیشبرآورد نشود.
برای تحلیل خرید مجدد، تغییر سگمنت مشتریان یا رفتار مشتری در طول زمان، لازم است سابقه رویدادها و خرید در یک ساختار قابل استفاده وجود داشته باشد. پلتفرم داده مشتری این پایه دادهای را فراهم میکند. کیفیت داده را با قابلیت استفاده در تصمیم و نرخ خطای هویت/زمان بسنجید، نه فقط تعداد فیلدهای جمعآوریشده.
مسیر استاندارد مرحلهای پیش میرود تا هر بخش قبل از توسعه دامنه قابل بررسی باشد.
از داده تا تست و پایش نتیجه
پیادهسازی مرحلهای کمک میکند کیفیت داده، منطق سناریو و نتیجه واقعی قبل از گسترش دامنه بررسی شود.
منابعی که داده مشتری، خرید، تعامل یا عضویت را تولید میکنند مشخص میشوند. هدف این مرحله تعیین کیفیت داده، نحوه شناسایی مشتری و وابستگیهای فنی است تا طراحی سناریو روی داده ناقص یا متناقض انجام نشود.
مدل مناسب برای سگمنتبندی، وفاداری، ارتباط با مشتری و شاخصهای اندازهگیری طراحی میشود. مشخص میکنیم هر داده در کدام بخش محصول استفاده شود و چه قواعدی برای اجرای سناریو لازم است. دامنه فاز اول را عمداً محدود نگه دارید تا وابستگیها روشن بمانند.
اتصال سیستمهای فروش، فروشگاه اینترنتی، فایلها یا رابط برنامهنویسی (API) انجام میشود و دادهها با ساختاری قابل استفاده وارد لژیون میشوند. در صورت وجود داده تاریخی، تاریخ و هویت واقعی مشتری باید حفظ شود. تاریخ ایونت و هویت واقعی مشتری در انتقال داده نباید از بین بروند.
بخشهای مشتری، قواعد، سفرهای مشتری، پیامها، مزایا و سایر تنظیمات مرتبط با هدف سناریو ساخته میشوند. تمرکز این مرحله روی تبدیل طراحی به سناریویی قابل اجرا و قابل اندازهگیری است.
جریان داده، قوانین و مسیرهای اصلی تست میشوند. سپس تیم کسبوکار با منطق استفاده از سیستم آشنا میشود و استقرار با توجه به دسترسیها، کیفیت داده و پیچیدگی یکپارچهسازی انجام میشود. استقرار پایان کار نیست؛ پس از اجرا باید کیفیت داده و رفتار سناریو بازبینی شوند.
پاسخ کوتاه به پرسشهایی که معمولاً هنگام بررسی این راهکار، نیازهای فنی و مسیر راهاندازی مطرح میشوند.
مدیریت ارتباط با مشتری معمولاً حول مدیریت ارتباطات، فرایند فروش یا فعالیتهای تیمی شکل میگیرد، در حالی که پلتفرم داده مشتری بر جمعآوری و فعالسازی داده مشتری از منابع مختلف تمرکز دارد. لژیون از داده یکپارچه برای سگمنتبندی، وفاداری و اتومیشن استفاده میکند؛ بنابراین هدف این صفحه جایگزین کردن تمام کاربردهای مدیریت ارتباط با مشتری نیست، بلکه ساخت پایه دادهای برای تصمیم و اقدام رفتاری است. کیفیت داده را با قابلیت استفاده در تصمیم و نرخ خطای هویت/زمان بسنجید، نه فقط تعداد فیلدهای جمعآوریشده.
پاسخ سؤال ۱خیر. یکی از کاربردهای اصلی پلتفرم داده مشتری این است که داده از چند منبع دریافت شود. ممکن است خرید آنلاین در ووکامرس، خرید حضوری در سیستم فروش و برخی ویژگیها در فرم یا نرمافزار دیگری باشند. در مرحله یکپارچهسازی باید مشخص شود چگونه این منابع به هویت مشترک مشتری متصل شوند. اتصال منابع بیشتر بدون قواعد هویت و مالکیت داده میتواند فقط تناقض بیشتری تولید کند.
پاسخ سؤال ۲نیاز به یک منطق هویتی پایدار و قابل اتکا وجود دارد. نوع کلید و قواعد تطبیق به دادههای کسبوکار و سیستمهای مبدأ بستگی دارد. این موضوع باید قبل از مهاجرت یا همگامسازی انبوه مشخص شود تا رکوردهای تکراری یا ادغام اشتباه، کیفیت پروفایل مشتری را کاهش ندهند. کیفیت داده را با قابلیت استفاده در تصمیم و نرخ خطای هویت/زمان بسنجید، نه فقط تعداد فیلدهای جمعآوریشده.
پاسخ سؤال ۳در پروژههایی که داده تاریخی با کیفیت و ساختار قابل انتقال وجود داشته باشد، میتوان آن را برای ساخت سابقه مشتری وارد کرد. ارزش داده تاریخی به کامل بودن شناسه مشتری، تاریخ واقعی رویدادها و خریدها و قابلیت تطبیق آن با مدل داده مقصد وابسته است. فایلهای ناقص باید قبل از ورود بررسی شوند. اتصال منابع بیشتر بدون قواعد هویت و مالکیت داده میتواند فقط تناقض بیشتری تولید کند.
پاسخ سؤال ۴پروفایل یکپارچه کمک میکند سگمنتها و سناریوها بر اساس رفتار واقعی مشتری ساخته شوند. بهجای یک لیست ثابت، میتوان تازگی خرید، تعداد سفارش، مبلغ، دسته محصول، ایونت یا ویژگیهای اختصاصی را برای تعریف مخاطب کمپین یا مسیر بعدی استفاده کرد. ارزش اصلی این است که تیم برای هر تصمیم مجبور به بازسازی دستی تصویر مشتری نباشد.
پاسخ سؤال ۵بله، چون حتی برای تحلیل و سگمنتبندی به داده یکپارچه نیاز است؛ اما بیشترین ارزش زمانی ایجاد میشود که داده به اقدام متصل شود. وقتی تغییر وضعیت مشتری بتواند به سگمنت مشتریان، پیام، مزیت یا سفر مشتری منجر شود، داده از یک گزارش منفعل به بخشی از عملیات نگهداشت تبدیل میشود. اتصال منابع بیشتر بدون قواعد هویت و مالکیت داده میتواند فقط تناقض بیشتری تولید کند.
پاسخ سؤال ۶زمان به تعداد منابع، کیفیت داده، روش احراز هویت مشتری، حجم داده تاریخی و پیچیدگی APIها بستگی دارد. پروژهای با یک منبع استاندارد با پروژهای که چند سیستم قدیمی و دادههای متناقض دارد یکسان نیست. پس از بررسی منابع داده میتوان دامنه و زمانبندی دقیقتری تعیین کرد. برای فاز اول، یک رفتار هدف و یک منبع داده قابل اتکا را انتخاب کنید تا نتیجه قابل تفسیر بماند.
پاسخ سؤال ۷در جلسه دمو، ابتدا مسئله، منبع داده و رفتار هدف روشن میشوند؛ سپس درباره سناریوی قابل اجرا و روش سنجش آن صحبت میکنیم. کیفیت داده را با قابلیت استفاده در تصمیم و نرخ خطای هویت/زمان بسنجید، نه فقط تعداد فیلدهای جمعآوریشده.
سگمنتبندی مشتریانتحلیل تازگی، تکرار و ارزش خرید (RFM)اتومیشن بازاریابیاتصال ووکامرس به لژیونرابط برنامهنویسی لژیون (API)داشبورد کسبوکار
