Клиентские данные в маркетинге (Customer Data): виды, сбор и аналитика

Клиентские данные: виды, анализ и использование в маркетинге

Современный маркетинг всё сильнее зависит от данных. Но данные сами по себе не делают маркетинг умнее. Нужны правильные вопросы, чистота, связка с исследованиями и уважение к приватности.

Виды клиентских данных

Ментальная карта, структурирующая различные виды клиентских данных (профильные, поведенческие, транзакционные и т.д.) вокруг клиента.

mindmap
  root((Клиентские
  данные))
    Профильные
      Демография
      Контакты
      География
    Поведенческие
      Клики
      Просмотры
      Сессии
    Транзакционные
      Заказы
      Суммы
      Возвраты
    Коммуникационные
      Email
      Звонки
      Чаты
    Исследовательские
      Опросы
      Интервью
      JTBD
    Предиктивные
      Скоринг
      Прогноз LTV

Профильные данные

Имя, контакт, компания, должность, география, отрасль, размер бизнеса, язык.

Поведенческие данные

Посещения, клики, покупки, просмотры, использование функций, брошенные корзины, реакции на рассылки.

Транзакционные данные

Заказы, суммы, частота, возвраты, скидки, оплата, категории товаров.

Коммуникационные данные

Email, звонки, чаты, обращения, ответы, причины отказов, возражения.

Исследовательские данные

Интервью, VOC, опросы, сегменты, JTBD, персоны.

Предиктивные данные

Скоринг, вероятность покупки, риск churn, прогноз LTV.

Согласия и приватность

Согласие на коммуникации, обработку данных, cookie, предпочтения каналов.

Зачем нужны

сегментация;
персонализация;
lead scoring;
retention;
реактивация;
анализ LTV;
RFM;
прогноз churn;
подбор офферов;
оценка каналов;
улучшение продукта;
customer success.

Данные и исследование

Данные показывают поведение, но не всегда объясняют причину. Если пользователи не завершают onboarding, аналитика покажет где они уходят. Интервью и VOC помогут понять почему.

Лучший подход соединяет:

количественные данные;
качественные исследования;
продажи;
поддержку;
эксперименты.

Качество данных

Проблемы:

дубли;
неполные поля;
неправильные события;
разные названия одного сегмента;
устаревшие контакты;
некорректная атрибуция;
данные без согласия;
данные без владельца;
несвязанные системы.

Плохие данные создают плохую сегментацию и неверные решения.

First-party, second-party, third-party

First-party data — данные, которые компания собирает напрямую от своих клиентов и пользователей.
Second-party data — данные партнёра, полученные через соглашение.
Third-party data — данные сторонних поставщиков, агрегаторов и рекламных сетей.

С ростом требований к приватности значение first-party data увеличивается.

Подробнее: First-party data.

Этика данных

Клиентские данные нельзя рассматривать только как ресурс для таргетинга. Это доверие клиента. Нужно:

собирать только нужное;
объяснять, зачем;
хранить безопасно;
уважать согласия;
не использовать чувствительные данные без необходимости;
не продавать данные без прозрачности;
не персонализировать так, чтобы это выглядело пугающе.

Ошибки

Собирать всё подряд. Чем больше лишних данных, тем выше риск и сложность.

Не связывать данные с решениями. Данные должны отвечать на вопросы бизнеса.

Персонализировать без ценности. Персонализация должна помогать клиенту, а не демонстрировать слежку.

Игнорировать качественные данные. Цифры без смысла ограничены.

Не обновлять профиль клиента. Старые данные могут вредить.

Связанные статьи

Навигация:

Раздел: Клиент и рынок -> Анализ рынка и конкурентов

Поделиться статьей:

Telegram ВКонтакте Twitter