数据丰富在提供客户个性化体验中的重要性

已发表: 2022-04-12

在这里，我们将介绍什么是数据丰富，以及它如何帮助组织改善其客户个性化体验。

公司通常要求第三方数据（例如社交媒体数据）成为其现有客户数据的一部分。这使企业能够创建个性化体验、开展有针对性的营销活动、创建高级潜在客户生成策略等等。这种对现有数据集的数据扩充、附加或添加称为数据丰富。

具有不同数据源的大公司的数据丰富

零售商、银行、保险公司和其他类似的面向消费者的公司想要丰富他们的信息并不少见。大多数情况下，这些大型企业拥有不同的数据源或系统。例如，银行的营销部门可能会将客户信息存储在不同的 CRM 或系统中。客户支持系统可以将信息存储在另一个系统中。如果银行想要启动客户个性化服务，或了解他们的客户旅程，他们需要将这些来源的数据附加到主要来源，以获得对真相的单一视图。

这种修改数据源以获得更深入的洞察力是组织中的一种常见做法，但是，不同的数据源是实现这一目标的重大挑战。公司必须花费大量时间清理和匹配多个数据源，才能构建全面的或“丰富的”客户视图。

数据丰富的第一步实际上是数据清理。如果没有干净的数据，您将无法获得构建可用于提供个性化体验的客户视图所需的洞察力。

为什么公司需要丰富数据？

除了实现现代业务目标外，数据丰富还允许：

定义和管理多级数据层次结构
创建新的业务规则并对数据进行分类
更有效地处理和管理数据
使用数据进行预测分析

随着公司不断升级其数字化转型、人工智能和机器学习系统的能力，数据丰富也会影响运营和组织目标。为了实现这些转变，公司将需要依靠高质量的数据并统一不同的来源来创建单一版本的事实。

然而，数据丰富的根本目标在于个性化客户体验的需求。例如，本例中提到的银行将需要用家庭信息（有关客户家庭成员的信息）来丰富其现有的客户数据库，以便为客户提供孩子的学生贷款。这种个性化服务推动了对数据丰富的需求。

了解数据丰富的重大挑战

一个具有挑战性的过程，数据丰富从检查现有*和*新数据的数据质量开始。

以下是威胁数据丰富项目成功的挑战列表。

存储在不同系统中的数据在格式、属性和信息方面有所不同。要从这些源中获取信息，首先必须在数据源中对数据进行排序、清理和匹配以删除重复项。
即使您正在获取第三方数据，例如社交媒体帐户或网页表单，也需要对数据进行分析以检查不完整或不一致的信息，进行清理以消除数据错误，并进行重复数据删除以消除重复信息。一旦这组数据准备就绪，就需要将其添加到现有数据中。有趣的部分来了。
如果公司尚未清理或更新其现有数据，则必须先清理此数据源，然后才能集成新数据。该数据源可能包含数百万行数据，因此难以使用手动清理方法。
最后，当两个数据源都被清理时...... 它需要匹配！这是棘手的部分。与几十年前不同，今天的数据在格式和结构上过于复杂。虽然捕获具有相同特征的重复项相对容易，但真正的挑战在于捕获概率重复项。这意味着可能代表相同实体但拼写名称、电话号码甚至电子邮件地址不同的数据字段。因此，在数据匹配方面，对准确性的需求是一项主要要求。

因此，数据丰富并不是向现有数据库添加新列的简单问题。它涉及深度清理、清除重复项并创建一个视图，该视图可提供客户个人资料的准确图片，可用于执行客户个性化活动。

数据匹配在数据丰富中的作用

数据丰富的关键过程之一是数据匹配。在将数据匹配到另一个来源时，准确性是关键问题之一。尽管公司花费数百万美元聘请数据专家和分析师，但他们仍然无法获得 80% 的数据匹配准确率。准确性只是数据匹配的一部分。

另一个重要部分是数据清理和重复数据删除。

对于数据存储库，重复信息的可能性总是很高。

如果你仔细想想，这很简单。

每当客户更新他们的电话号码、电子邮件地址或地址数据时，可能会自动生成或手动生成重复记录。

以网络表单为例。用户可能会意外填写他们的信息两次，每次都使用新的电子邮件地址或新的电话号码（通常确定唯一性的字段）。

只有对这些重复项进行排序并且记录干净时，数据丰富才会有效。删除重复数据后，将匹配数据以将正确的信息分配给正确的实体。

结论

在大数据的世界里，公司正在努力深入了解他们的客户。数据丰富是允许公司将多个数据源合并到统一的客户视图中的过程。但是，要真正在数据丰富方面取得成功，公司必须拥有他们可以信任的数据，这就是为什么他们需要投资数据质量解决方案和框架，以使他们能够获得干净、可用的数据。查看您组织的数据质量。你认为你有高质量的数据来进行数据丰富项目吗？