Πώς η ανάλυση οντοτήτων προσθέτει αξία στις διαδικασίες μάρκετινγκ

Τι είναι η ανάλυση οντοτήτων στα δεδομένα μάρκετινγκ

Ένας μεγάλος αριθμός B2B marketers – σχεδόν το 27% – το παραδέχεται αυτό τα ανεπαρκή δεδομένα τους έχουν κοστίσει 10%, ή σε ορισμένες περιπτώσεις, ακόμη περισσότερο στις ετήσιες απώλειες εσόδων.

Αυτό υπογραμμίζει ξεκάθαρα ένα σημαντικό ζήτημα που αντιμετωπίζουν οι περισσότεροι επαγγελματίες του μάρκετινγκ σήμερα, και αυτό είναι: η κακή ποιότητα δεδομένων. Τα ελλιπή, ελλιπή ή κακής ποιότητας δεδομένα μπορούν να έχουν τεράστιο αντίκτυπο στην επιτυχία των διαδικασιών μάρκετινγκ. Αυτό συμβαίνει επειδή σχεδόν όλες οι διαδικασίες του τμήματος σε μια εταιρεία – αλλά συγκεκριμένα οι πωλήσεις και το μάρκετινγκ – τροφοδοτούνται σε μεγάλο βαθμό από οργανωτικά δεδομένα.

Είτε πρόκειται για μια πλήρη προβολή 360 των πελατών, των δυνητικών πελατών ή των υποψήφιων πελατών σας είτε για άλλες πληροφορίες που σχετίζονται με προϊόντα, προσφορές υπηρεσιών ή τοποθεσίες διευθύνσεων – το μάρκετινγκ είναι το σημείο όπου όλα συνδυάζονται. Αυτός είναι ο λόγος για τον οποίο οι επαγγελματίες του μάρκετινγκ υποφέρουν περισσότερο όταν μια εταιρεία δεν χρησιμοποιεί κατάλληλα πλαίσια διαχείρισης ποιότητας δεδομένων για συνεχή δημιουργία προφίλ δεδομένων και διόρθωση ποιότητας δεδομένων.

Σε αυτό το ιστολόγιο, θέλω να επιστήσω την προσοχή στο πιο κοινό πρόβλημα ποιότητας δεδομένων και πώς αυτό επηρεάζει τις κρίσιμες διαδικασίες μάρκετινγκ. Στη συνέχεια, θα εξετάσουμε μια πιθανή λύση για αυτό το πρόβλημα και, τέλος, θα δούμε πώς μπορούμε να το καθιερώσουμε σε συνεχή βάση.

Ας αρχίσουμε λοιπόν!

Το μεγαλύτερο πρόβλημα ποιότητας δεδομένων που αντιμετωπίζουν οι έμποροι

Αν και η κακή ποιότητα δεδομένων προκαλεί μια μακρά λίστα ζητημάτων για τους εμπόρους σε μια εταιρεία, αλλά έχοντας παραδώσει λύσεις δεδομένων σε 100+ πελάτες, το πιο κοινό πρόβλημα ποιότητας δεδομένων που έχουμε δει να αντιμετωπίζουν άτομα είναι:

Επίτευξη μιας ενιαίας προβολής των βασικών στοιχείων δεδομένων.

Αυτό το ζήτημα εμφανίζεται όταν διπλότυπες εγγραφές αποθηκεύονται για την ίδια οντότητα. Εδώ, ο όρος οντότητα μπορεί να σημαίνει οτιδήποτε. Κυρίως, στον τομέα του μάρκετινγκ, η λέξη οντότητα μπορεί να αναφέρεται σε: πελάτης, υποψήφιος πελάτης, υποψήφιος πελάτης, προϊόν, τοποθεσία ή κάτι άλλο που είναι βασικός για την απόδοση των δραστηριοτήτων μάρκετινγκ σας.

Ο αντίκτυπος των διπλών εγγραφών στις διαδικασίες μάρκετινγκ σας

Η παρουσία διπλών εγγραφών σε σύνολα δεδομένων που χρησιμοποιούνται για σκοπούς μάρκετινγκ μπορεί να είναι εφιάλτης για οποιονδήποτε έμπορο. Όταν έχετε διπλότυπες εγγραφές, ακολουθούν ορισμένα σοβαρά σενάρια που μπορείτε να αντιμετωπίσετε:

  • Χαμένος χρόνος, προϋπολογισμός και προσπάθεια – Δεδομένου ότι το σύνολο δεδομένων σας περιέχει πολλές εγγραφές για την ίδια οντότητα, μπορεί να καταλήξετε να επενδύσετε χρόνο, προϋπολογισμό και προσπάθειες πολλές φορές για τον ίδιο πελάτη, υποψήφιο πελάτη ή υποψήφιο πελάτη.
  • Δεν είναι δυνατή η διευκόλυνση εξατομικευμένων εμπειριών – Οι διπλές εγγραφές περιέχουν συχνά διαφορετικά μέρη πληροφοριών για μια οντότητα. Εάν πραγματοποιήσατε καμπάνιες μάρκετινγκ χρησιμοποιώντας μια ελλιπή εικόνα των πελατών σας, μπορεί να καταλήξετε να κάνετε τους πελάτες σας να αισθάνονται ότι δεν ακούγονται ή παρεξηγούνται.
  • Ανακριβείς αναφορές μάρκετινγκ – Με διπλότυπα αρχεία δεδομένων, μπορεί να καταλήξετε να δίνετε μια ανακριβή εικόνα των προσπαθειών μάρκετινγκ και της επιστροφής τους. Για παράδειγμα, στείλατε email σε 100 δυνητικούς πελάτες, αλλά λάβατε απαντήσεις μόνο από 10 – θα μπορούσε να είναι ότι μόνο 80 από αυτούς τους 100 ήταν μοναδικοί και οι υπόλοιποι από τους 20 ήταν διπλότυποι.
  • Μειωμένη λειτουργική αποτελεσματικότητα και παραγωγικότητα των εργαζομένων – Όταν τα μέλη της ομάδας ανακτούν δεδομένα για μια συγκεκριμένη οντότητα και βρίσκουν πολλαπλές εγγραφές αποθηκευμένες σε διαφορετικές πηγές ή συγκεντρωμένες με την πάροδο του χρόνου στην ίδια πηγή, λειτουργεί ως τεράστιο εμπόδιο στην παραγωγικότητα των εργαζομένων. Εάν αυτό συμβαίνει αρκετά συχνά, τότε επηρεάζει αισθητά τη λειτουργική αποτελεσματικότητα ενός ολόκληρου οργανισμού.
  • Δεν είναι δυνατή η εκτέλεση της σωστής απόδοσης μετατροπής – Εάν έχετε καταγράψει τον ίδιο επισκέπτη ως νέα οντότητα κάθε φορά που επισκέπτεται τα κοινωνικά κανάλια ή τον ιστότοπό σας, θα είναι σχεδόν αδύνατο για εσάς να εκτελέσετε ακριβή απόδοση μετατροπής και να γνωρίζετε την ακριβή διαδρομή που ακολούθησε ο επισκέπτης προς τη μετατροπή.
  • Μη παραδοτέα φυσικά και ηλεκτρονικά ταχυδρομεία – Αυτή είναι η πιο κοινή συνέπεια των διπλών εγγραφών. Όπως αναφέρθηκε προηγουμένως, κάθε διπλότυπη εγγραφή τείνει να περιέχει μια μερική προβολή της οντότητας (γι' αυτό οι εγγραφές κατέληξαν αρχικά ως διπλότυπα στο σύνολο δεδομένων σας). Για αυτόν τον λόγο, ορισμένες εγγραφές ενδέχεται να έχουν φυσικές τοποθεσίες ή στοιχεία επικοινωνίας που λείπουν, γεγονός που μπορεί να προκαλέσει την αποτυχία παράδοσης των μηνυμάτων.

Τι είναι το Entity Resolution;

Ανάλυση οντότητας (ER) είναι η διαδικασία προσδιορισμού του πότε οι αναφορές σε οντότητες του πραγματικού κόσμου είναι ισοδύναμες (ίδια οντότητα) ή όχι ισοδύναμες (διαφορετικές οντότητες). Με άλλα λόγια, είναι η διαδικασία αναγνώρισης και σύνδεσης πολλαπλών εγγραφών με την ίδια οντότητα όταν οι εγγραφές περιγράφονται διαφορετικά και το αντίστροφο.

Ανάλυση οντοτήτων και ποιότητα πληροφοριών από τον John R. Talburt

Εφαρμογή ανάλυσης οντοτήτων στα σύνολα δεδομένων μάρκετινγκ

Έχοντας δει τον τρομερό αντίκτυπο των αντιγράφων στην επιτυχία των δραστηριοτήτων μάρκετινγκ σας, είναι επιτακτική ανάγκη να έχετε μια απλή, αλλά ισχυρή, μέθοδο για κατάργηση των αντιγράφων των συνόλων δεδομένων σας. Αυτό είναι όπου η διαδικασία του ανάλυση οντότητας Απλώς, η ανάλυση οντοτήτων αναφέρεται στη διαδικασία προσδιορισμού ποιες εγγραφές ανήκουν στην ίδια οντότητα.

Ανάλογα με την πολυπλοκότητα και την ποιότητα των συνόλων δεδομένων σας, αυτή η διαδικασία μπορεί να περιλαμβάνει μια σειρά από βήματα. Θα σας οδηγήσω σε κάθε βήμα αυτής της διαδικασίας, ώστε να καταλάβετε τι ακριβώς συνεπάγεται.

Σημείωση: Θα χρησιμοποιήσω τον γενικό όρο «οντότητα» ενώ θα περιγράψω τη διαδικασία παρακάτω. Ωστόσο, η ίδια διαδικασία είναι εφαρμόσιμη και δυνατή για κάθε οντότητα που εμπλέκεται στη διαδικασία μάρκετινγκ, όπως πελάτης, υποψήφιος πελάτης, υποψήφιος πελάτης, διεύθυνση τοποθεσίας κ.λπ.

Βήματα στη διαδικασία επίλυσης οντοτήτων

  1. Συλλογή εγγραφών δεδομένων οντοτήτων που βρίσκονται σε διαφορετικές πηγές δεδομένων – Αυτό είναι το πρώτο και πιο σημαντικό βήμα της διαδικασίας, όπου ταυτίζεστε όπου αποθηκεύονται ακριβώς οι εγγραφές οντοτήτων. Αυτά μπορεί να είναι δεδομένα που προέρχονται από διαφημίσεις μέσων κοινωνικής δικτύωσης, επισκεψιμότητα ιστότοπου ή πληκτρολογημένα με μη αυτόματο τρόπο από αντιπροσώπους πωλήσεων ή προσωπικό μάρκετινγκ. Μόλις εντοπιστούν οι πηγές, όλες οι εγγραφές πρέπει να συγκεντρωθούν σε ένα μέρος.
  2. Προφίλ συνδυασμένων εγγραφών – Μόλις οι εγγραφές συγκεντρωθούν σε ένα σύνολο δεδομένων, είναι πλέον καιρός να κατανοήσουμε τα δεδομένα και να αποκαλύψουμε τις κρυφές λεπτομέρειες σχετικά με τη δομή και το περιεχόμενό τους. Το προφίλ δεδομένων αναλύει στατιστικά τα δεδομένα σας και ανακαλύπτει εάν οι τιμές δεδομένων είναι ελλιπείς, κενές ή ακολουθούν μη έγκυρο μοτίβο και μορφή. Η δημιουργία προφίλ του συνόλου δεδομένων σας αποκαλύπτει άλλες τέτοιες λεπτομέρειες και υπογραμμίζει πιθανές ευκαιρίες καθαρισμού δεδομένων.
  3. Καθαρισμός και τυποποίηση αρχείων δεδομένων – Ένα αναλυτικό προφίλ δεδομένων σάς παρέχει μια λίστα με στοιχεία που μπορείτε να χρησιμοποιήσετε για τον καθαρισμό και την τυποποίηση των δεδομένων σας. Αυτό μπορεί να περιλαμβάνει βήματα για τη συμπλήρωση δεδομένων που λείπουν, τη διόρθωση τύπων δεδομένων, τη διόρθωση μοτίβων και μορφών, καθώς και την ανάλυση σύνθετων πεδίων σε υποστοιχεία για καλύτερη ανάλυση δεδομένων.
  4. Αντιστοίχιση και σύνδεση εγγραφών που ανήκουν στην ίδια οντότητα – Τώρα, οι εγγραφές δεδομένων σας είναι έτοιμες για αντιστοίχιση και σύνδεση και, στη συνέχεια, οριστικοποιήστε ποιες εγγραφές ανήκουν στην ίδια οντότητα. Αυτή η διαδικασία συνήθως γίνεται με την εφαρμογή αλγορίθμων αντιστοίχισης κατηγορίας κλάδου ή αποκλειστικής χρήσης που είτε εκτελούν ακριβή αντιστοίχιση σε μοναδικά προσδιοριστικά χαρακτηριστικά είτε ασαφή αντιστοίχιση σε συνδυασμό χαρακτηριστικών μιας οντότητας. Σε περίπτωση που τα αποτελέσματα από τον αλγόριθμο αντιστοίχισης είναι ανακριβή ή περιέχουν ψευδώς θετικά, μπορεί να χρειαστεί να ρυθμίσετε τον αλγόριθμο ή να επισημάνετε με μη αυτόματο τρόπο λανθασμένες αντιστοιχίσεις ως διπλότυπες ή μη.
  5. Κανόνες εφαρμογής για τη συγχώνευση οντοτήτων σε χρυσούς δίσκους – Εδώ γίνεται η τελική συγχώνευση. Πιθανότατα δεν θέλετε να χάσετε δεδομένα σχετικά με μια οντότητα που είναι αποθηκευμένα σε εγγραφές, επομένως αυτό το βήμα αφορά τη διαμόρφωση κανόνων για να αποφασίσετε:
    • Ποια εγγραφή είναι η κύρια εγγραφή και πού είναι τα διπλότυπά της;
    • Ποια χαρακτηριστικά από τα διπλότυπα θέλετε να αντιγράψετε στην κύρια εγγραφή;

Μόλις διαμορφωθούν και εφαρμοστούν αυτοί οι κανόνες, η έξοδος είναι ένα σύνολο χρυσών εγγραφών των οντοτήτων σας.

Δημιουργήστε ένα συνεχές πλαίσιο επίλυσης οντοτήτων

Αν και διαβάσαμε έναν απλό, βήμα προς βήμα οδηγό για την επίλυση οντοτήτων σε ένα σύνολο δεδομένων μάρκετινγκ, είναι σημαντικό να κατανοήσετε ότι αυτό θα πρέπει να αντιμετωπίζεται ως μια συνεχής διαδικασία στον οργανισμό σας. Οι επιχειρήσεις που επενδύουν στην κατανόηση των δεδομένων τους και στη διόρθωση των βασικών προβλημάτων ποιότητας είναι έτοιμες για μια πολύ πιο υποσχόμενη ανάπτυξη.

Για γρήγορη και ευκολότερη εφαρμογή τέτοιων διαδικασιών, μπορείτε επίσης να παρέχετε στους χειριστές δεδομένων ή ακόμα και στους εμπόρους της εταιρείας σας εύχρηστο λογισμικό ανάλυσης οντοτήτων, το οποίο μπορεί να τους καθοδηγήσει στα βήματα που αναφέρονται παραπάνω.

Συμπερασματικά, μπορούμε να πούμε με ασφάλεια ότι ένα σύνολο δεδομένων χωρίς διπλότυπα λειτουργεί ως καθοριστικός παράγοντας για τη μεγιστοποίηση της απόδοσης επένδυσης των δραστηριοτήτων μάρκετινγκ και την ενίσχυση της φήμης της επωνυμίας σε όλα τα κανάλια μάρκετινγκ.