Eine robuste Kundenmarketingstrategie ist ein Muss. Dennoch gibt es immer noch zahlreiche schlecht zielgerichtete Anzeigen, die Ihre potenziellen Kunden stören. Laut einer McKinsey-Studie erwarten 71 % der Verbraucher, dass Unternehmen personalisierte Anzeigen liefern, und 76 % sind frustriert, wenn dies nicht der Fall ist. Es gibt verschiedene Möglichkeiten, die Relevanz von Anzeigen zu erhöhen, und eine davon ist die Verwendung eines guten Kunden-Datenmodells. Lesen Sie weiter, um die Vorteile seiner Anwendung zu erfahren!
Was ist ein Kunden-Datenmodell?
Ein Kunden-Datenmodell (CDM) definiert, wie Informationen über Ihre Kunden in der Datenbank (DB) gespeichert sind. Wie jedes andere Datenmodell besteht es aus Datenpunkten, die für das Thema relevant sind (in diesem Fall der Kunde), wie Transaktionen, Attribute und Ereignisse, wie in der folgenden Abbildung dargestellt. Es enthält auch Informationen über bestimmte Eigenschaften dieser Datenpunkte, wie die Anzahl der Transaktionen, und über Beziehungen zwischen den Datenpunkten. Bevor Sie eine Datenbank erstellen, erstellen Sie ein Datenmodell und legen Ihre DB-Architektur darauf fest.
Ein Kunden-Datenmodell kann folgendermaßen aussehen:
Source: www.crystalloids.com
Jede dieser Variablen enthält verschiedene Arten von Kundendaten. Zum Beispiel könnte es Identitätsdaten wie Namen, Adresse, E-Mail und Telefonnummer enthalten, oder Engagementdaten wie die Anzahl der Besuche von Kunden in Ihrem Geschäft im letzten Monat und ihren durchschnittlichen Einkauf.
Einige Ihrer Daten können quantitativ sein, wie oft ein Kunde im letzten Monat Ihr Geschäft besucht hat. Andere Daten können qualitativ sein, wie der Inhalt von Kundenbewertungen. Darüber hinaus können Kundendaten domainspezifisch sein, wie Vorlieben für das Design von Autos, und Informationen von Drittanbietern wie demografische und finanzielle Profile enthalten.
Ein aufwändiges Kunden-Datenmodell hilft Ihnen, all diese Daten zu kombinieren und bestmöglich zu nutzen. Lassen Sie uns dies weiter erläutern.
Warum benötigen Sie ein gutes Kunden-Datenmodell?
Mit einem guten CDM sind alle notwendigen Daten über Ihre Kunden sauber, konsistent und an einem Ort verfügbar. Dadurch können Sie diese Informationen leicht in Intelligenz umwandeln, um Ihren Entscheidungsprozess im Geschäft zu fundieren und schnell auf die Bedürfnisse der Kunden zu reagieren, um ihre Erfahrung zu verbessern. Ein Bericht zeigt, dass Unternehmen, die umfangreiche Analysen im Marketing verwenden, eher schneller wachsen als Wettbewerber. Aber ohne ein ordnungsgemäßes CDM können Sie einfach keine datengesteuerten Tools für Kundenintelligenz verwenden!
Darüber hinaus können Sie mit einem robusten Kunden-Datenmodell leicht ein 360-Grad-Kundenprofil erstellen – eine einheitliche Darstellung von Daten aus verschiedenen Berührungspunkten in Bezug auf einen bestimmten Kunden. Damit können Sie schnell die häufigsten Marketingherausforderungen lösen, wie Cross-Selling und Kundenbindung.
Unser Punkt ist, ein gutes CDM ist für jedes Unternehmen unerlässlich: Es stärkt die Position des Unternehmens auf dem Markt und macht die Kunden glücklicher. Aber wie erstellen Sie ein Kunden-Datenmodell?
Wie erstellen Sie ein Kunden-Datenmodell?
Um ein gutes Kunden-Datenmodell zu erstellen, sollten Sie Kundendaten aus verschiedenen Quellen sammeln und sicherstellen, dass sie sauber, konsistent und an einem Ort verfügbar sind. So ist es für die Analyse geeignet.
Zuerst sollten Sie Daten aus verschiedenen Quellen einem Kundenobjekt in Ihrer Datenbank zuordnen. Wenn Sie den gleichen Kundenname in zwei Quellen finden, behalten Sie eine Instanz und verknüpfen die andere damit, anstatt mehrere Felder mit dem gleichen Namen zu haben.
Aber wie wissen Sie, dass Datensätze aus zwei Quellen zu demselben Kunden gehören? Hier werden primäre Identitätseigenschaften für jeden Kunden, als Übereinstimmungsschlüssel bezeichnet, nützlich. Sie helfen Ihnen, Informationen über denselben Kunden in mehreren Datenquellen zu finden. Wie? Sehen Sie sich die Abbildung unten an.
Angenommen, Sie haben eine Datenquelle mit Kundennamen (Datenquelle 1), eine andere mit Kontaktinformationen (Datenquelle 2) und eine, die Informationen über kürzliche Einkäufe enthält (Datenquelle 3). Sie können die Felder für Namen und Nachnamen kombiniert als Übereinstimmungsschlüssel für Datenquelle 1 und 2 verwenden, während Sie eine E-Mail-Adresse verwenden können, um Datenquelle 2 und 3 abzugleichen.
Wie Sie unten sehen können, wird das Alter in zwei der Datenquellen unterschiedlich gespeichert (einmal als Ganzzahl und einmal als Zeichenkette). Dies stellt eine Dateninkonsistenz dar, und Sie werden ein Algorithmus zur Konfliktlösung benötigen.
Nachdem Sie alle verfügbaren Eigenschaften aggregiert haben, sollten Sie alle irrelevanten Informationen entfernen (stellen Sie sich vor, Sie benötigen nicht die Lieblingssorten Kaffee der Kunden und deren Adresse):
Nachdem Sie Ihre Daten gesammelt und bereinigt haben, können Sie endlich Ihr Datenmodell erstellen. Jeder Datensatz in Ihrem Modell benötigt einen eindeutigen Bezeichner, wie in der Abbildung unten dargestellt:
Das Design Ihres Datenmodells wird von den Anforderungen Ihres Unternehmens und den Aufgaben abhängen, die Sie in Ihrer Datenbank am häufigsten ausführen werden. Zum Beispiel müssen Sie möglicherweise in der Lage sein, wiederholte Verhaltensereignisse in einem bestimmten Format zu exportieren, wenn Sie maschinelles Lernen für Verhaltensprognosen verwenden möchten.
Was macht ein gutes Kunden-Datenmodell aus?
Ein gutes Kunden-Datenmodell weist folgende Merkmale auf:
- Gute Datenqualität. Daten sollten gut verfeinert sein: Beim Zuordnen von Datenquellen zu Datenobjekten sollten alle doppelten Werte als eine einzelne Eigenschaft betrachtet werden, auch wenn es Unterschiede in der Schreibweise gibt.
- Zweckmäßig. Organisierte Daten machen Ihre Analyse effizienter. Enthalten Sie nur relevante Eigenschaften und eliminieren Sie Redundanzen. Wenn Sie beispielsweise Spielzeug verkaufen, behalten Sie einen Datensatz darüber, ob die Kinder des Kunden eine private oder öffentliche Schule besuchen, speichern Sie jedoch nicht die Lieblingssorte Kaffee des Kunden. Dadurch sparen Sie auch Kosten für die Datenspeicherung.
- Zeiteffizient. Sie sollten Ihre Segmentierungsvariablen präzise speichern, um die Segmentierungsgeschwindigkeit zu erhöhen. Wenn Sie beispielsweise basierend auf der Adresse segmentieren möchten, speichern Sie die Länder-, Stadt- und Straßenadressparameter als separate Datenbankeigenschaften, anstatt die gesamte Adresse als eine Zeichenfolge zu speichern.
- Leicht verständlich und wartbar. Denken Sie daran, dass das Verständnis eines Datenmodells von einer Person nicht zwangsläufig das Verständnis einer anderen Person ist. Wenn Sie komplexe Beziehungen zwischen Entitäten in Ihrer Datenbank haben, stellen Sie sicher, dass die Beziehungen für jeden, der die Daten später verwenden wird, ausreichend klar sind.
- Portabel. Ihr Datenmodell sollte leicht in gängigen Datenbanken implementiert und mit beliebten Analysetools integriert werden können. Andernfalls können Sie nicht von modernsten Technologien profitieren und werden Ihren Wettbewerbern hinterherhinken. Die Portabilität ermöglicht es Ihnen auch, von Migrationsmöglichkeiten Gebrauch zu machen, wenn Sie sich entscheiden, in Zukunft zu einer anderen Technologieplattform zu wechseln.
Fazit
Die Gestaltung eines CDM ist eine herausfordernde Aufgabe. Sie müssen sie gründlich angehen, mit einem klaren Verständnis Ihrer Geschäftsziele und einer ausführlichen Beschreibung Ihrer Zielgruppe. Obwohl die Erstellung eines CDM möglicherweise länger dauert als erwartet, sollten Sie nicht zögern, es zu tun; es wird den Geschäftswert steigern.
Es kann eine Herausforderung sein, ein CDM während des Wechsels zwischen Helpdesks zu bewahren. Unsere Helpdesk-Software stellt sicher, dass Ihr Kunden-Datenmodell nach der Migration intakt bleibt. Unser Tool gewährleistet eine sorgfältige Datenübertragung, die die Struktur Ihrer Daten bewahrt. Und Sie werden am Ende einen neueren besseren Helpdesk haben, der Ihren Kundensupport verbessert.