고객 개인화 경험 제공에서 데이터 강화의 중요성

여기에서는 데이터 강화가 무엇이며 조직이 고객 개인화 경험을 개선하는 데 어떻게 도움이 되는지 살펴보겠습니다.

회사는 종종 소셜 미디어 데이터와 같은 타사 데이터를 기존 고객 데이터의 일부로 요구합니다. 이를 통해 기업은 개인화된 경험을 만들고, 타겟 마케팅 캠페인을 실행하고, 고급 리드 생성 전략 등을 만들 수 있습니다. 기존 데이터 세트에 데이터를 이렇게 추가하거나 추가하는 것을 데이터 강화라고 합니다.

서로 다른 데이터 소스를 사용하는 대기업의 데이터 강화

소매업체, 은행, 보험 회사 및 기타 유사한 소비자 대면 회사에서 정보를 풍부하게 하고자 하는 것은 드문 일이 아닙니다. 대부분의 경우 이러한 대기업에는 서로 다른 데이터 소스 또는 시스템이 있습니다. 예를 들어, 은행의 마케팅 부서는 고객 정보를 다른 CRM 또는 시스템에 저장할 수 있습니다. 고객 지원 시스템은 다른 시스템에 정보를 저장할 수 있습니다. 은행에서 고객 개인화 서비스를 시작하거나 고객 여정을 이해하려는 경우 이러한 소스의 데이터를 기본 소스에 추가하여 진실에 대한 단일 보기를 확보해야 합니다.

더 깊은 통찰력을 얻기 위해 데이터 소스를 수정하는 것은 조직의 일반적인 관행이지만 서로 다른 데이터 소스는 이 목표를 달성하는 데 있어 중요한 과제입니다. 기업은 포괄적인 또는 '풍부한' 고객 보기를 구축할 수 있도록 여러 데이터 소스를 정리하고 일치시키는 데 상당한 시간을 소비해야 합니다.

데이터 강화의 첫 번째 단계는 실제로 데이터 정리입니다. 깨끗한 데이터가 없으면 개인화된 경험을 제공하는 데 사용할 수 있는 고객 관점을 구축하는 데 필요한 통찰력을 얻을 수 없습니다.

기업이 데이터를 보강해야 하는 이유는 무엇입니까?

최신 비즈니스 목표를 달성하는 것 외에도 데이터 강화는 다음을 가능하게 합니다.

• 여러 수준의 데이터 계층 정의 및 관리
• 새로운 비즈니스 규칙 생성 및 데이터 분류
• 데이터를 보다 효율적으로 처리 및 관리
• 예측 분석을 위한 데이터 사용

기업이 디지털 혁신, AI 및 기계 학습 시스템에 대한 역량을 지속적으로 업그레이드함에 따라 데이터 강화는 운영 및 조직 목표에도 영향을 미칩니다. 이러한 변화가 일어나려면 기업은 고품질 데이터에 의존하고 서로 다른 소스를 통합하여 단일 버전의 진실을 만들어야 합니다.

그러나 데이터 강화의 기본 목표는 고객 경험을 개인화할 필요성에 있습니다. 예를 들어, 이 예에서 언급한 은행은 고객에게 자녀를 위한 학자금 대출을 제공하기 위해 기존 고객 데이터베이스에 가구 정보(고객 가족에 대한 정보)를 보강해야 합니다. 이러한 종류의 개인화 서비스는 데이터 강화의 필요성을 높입니다.

데이터 강화와 관련된 중대한 과제 이해

어려운 프로세스인 데이터 강화는 기존 *및* 새 데이터의 데이터 품질을 검사하는 것으로 시작됩니다.

다음은 데이터 강화 프로젝트의 성공을 위협하는 과제 목록입니다.

1. 서로 다른 시스템에 저장된 데이터는 형식, 속성 및 정보가 다릅니다. 이러한 소스에서 정보를 얻으려면 먼저 데이터를 데이터 소스 내에서 정렬, 정리 및 일치시켜 중복을 제거해야 합니다.
2. 소셜 미디어 계정 또는 웹 페이지 양식과 같은 제3자 데이터를 입수하는 경우에도 데이터를 프로파일링하여 불완전하거나 일관성 없는 정보를 확인하고 데이터 오류를 제거하기 위해 정리하고 중복된 정보를 제거하기 위해 중복을 제거해야 합니다. 이 데이터 세트가 준비되면 기존 데이터에 추가해야 합니다. 여기에 재미있는 부분이 있습니다.
3. 회사에서 기존 데이터를 정리하거나 업데이트하지 않은 경우 새 데이터를 통합하기 전에 이 데이터 원본을 정리해야 합니다. 이 데이터 원본은 수백만 개의 데이터 행으로 구성되어 수동 정리 방법을 사용하기 어려울 수 있습니다.
4. 마지막으로 두 데이터 소스가 모두 정리되면 .... 일치해야합니다! 이것은 까다로운 부분입니다. 수십 년 전과 달리 오늘날의 데이터는 형식과 구조가 지나치게 복잡합니다. 동일한 기능을 가진 중복을 잡는 것은 비교적 쉽지만 실제 문제는 확률적 중복을 잡는 데 있습니다. 이는 동일한 엔터티를 나타낼 수 있지만 철자 이름, 전화 번호 또는 이메일 주소가 다른 데이터 필드를 의미합니다. 따라서 정확성에 대한 요구는 데이터 일치와 관련하여 주요 요구 사항입니다.

따라서 데이터 보강은 기존 데이터베이스에 새 열을 추가하는 간단한 문제가 아닙니다. 여기에는 심층 정리, 중복 제거 및 고객 개인화 캠페인 실행에 사용할 수 있는 고객 프로필의 정확한 그림을 제공하는 보기 생성이 포함됩니다.

데이터 보강에서 데이터 매칭의 역할

데이터 보강의 핵심 프로세스 중 하나는 데이터 일치입니다. 데이터를 다른 소스와 일치시킬 때 정확성이 주요 관심사 중 하나입니다. 기업은 데이터 전문가와 분석가를 고용하는 데 수백만 달러를 지출하지만 여전히 데이터 일치에서 80%의 정확도도 얻지 못합니다. 정확도는 데이터 일치의 한 부분일 뿐입니다.

또 다른 중요한 부분은 데이터 정리 및 데이터 중복 제거입니다.

데이터 저장소를 사용하면 정보가 중복될 가능성이 항상 높습니다.

생각해보면 아주 간단합니다.

고객이 전화번호, 이메일 주소 또는 주소 데이터를 업데이트할 때마다 중복 레코드가 자동으로 생성되거나 수동으로 수행될 수 있습니다.

웹 양식을 예로 들어 보겠습니다. 사용자는 새 이메일 주소나 새 전화번호(일반적으로 고유성을 결정하는 필드)를 사용할 때마다 실수로 정보를 두 번 입력할 수 있습니다.

데이터 강화는 이러한 중복 항목이 정렬되고 레코드가 정리될 때만 효과적입니다. 중복 데이터가 제거되면 데이터가 일치하여 올바른 엔터티에 올바른 정보를 할당합니다.

결론

빅 데이터의 세계에서 기업은 고객에 대한 더 깊은 통찰력을 얻기 위해 노력하고 있습니다. 데이터 강화는 기업이 여러 데이터 소스를 통합된 고객 보기로 병합할 수 있도록 하는 프로세스입니다. 데이터 강화에 진정으로 성공하려면 기업은 신뢰할 수 있는 데이터가 있어야 하므로 깨끗하고 사용 가능한 데이터를 얻을 수 있는 데이터 품질 솔루션과 프레임워크에 투자해야 합니다. 조직의 데이터 품질을 살펴보십시오. 데이터 강화 프로젝트를 수행할 고품질 데이터가 있다고 생각하십니까?