۱۶ فروردین ۱۳۹۹
صفحه اصلی / داده‌کاوی و تحلیل رفتار مشتریان / چه نوع داده‌هایی از مشتریان را جمع‌آوری کنیم؟
چه نوع داده‌هایی از مشتریان را جمع‌آوری کنیم؟

چه نوع داده‌هایی از مشتریان را جمع‌آوری کنیم؟

چه نوع داده‌هایی از مشتریان را جمع‌آوری کنیم؟

واضح است که کسب‌وکارها پیش از آنکه بتوانند داده‌هایی از مشتریان خود را تحلیل کنند و از نتایج این تحلیل برای بهبود کسب‌وکار خود استفاده کنند، ابتدا نیاز به جمع­ آوری داده‌هایی از مشتریان دارند. قطعاً می‌دانید که جمع‌آوری داده‌هایی از مشتریان کار ساده‌ای نیست؛ اما با وجود پیشرفت‌هایی که درزمینه­ ی فناوری اطلاعات و ارتباطات و روش‌های ذخیره‌سازی داده­ ها به وجود آمده، این کار شدنی و امکان‌پذیر شده است.

لازم نیست که در ابتدای کار تمامی داده‌های مشتری را به‌صورت یکجا جمع‌آوری کنید. برخی از کسب‌وکارها دچار این اشتباه می‌شوند و خود را درگیر جمع‌آوری حجم زیادی از داده‌ها می‌کنند، بدون آنکه استفاده مفیدی از این داده‌ها داشته باشند. اهداف کسب‌وکار شما مشخص می‌کند که بهتر است چه نوع داده‌هایی را جمع‌آوری نمایید. مقدار کمی از داده‌های مشتریان شما، می‌تواند از هر نوع پایگاه داده بزرگی که به‌ درستی از آن استفاده نمی‌شود ارزش بیشتری تولید کند؛ بنابراین داده‌های مشتریان را به‌گونه‌ای جمع‌آوری کنید که برای آغاز برنامه‌های بازاریابی شما کافی باشد و بتوانید از تحلیل آن‌ها به نتایج خوبی برسید. در نظر داشته باشید داده‌های مشتریان و نتایج حاصل از آن را در اختیار تمامی همکاران مربوطه قرار دهید. مطمئن باشید با ارائه نتایج شگفت‌انگیز حاصل از تحلیل داده‌های مشتریان، همه کارکنان شرکت برای جمع‌آوری داده‌های مشتریان شما را یاری خواهند کرد و شما می‌توانید پایگاه داده مشتریان خود را روزبه‌روز بیشتر تکمیل نمایید.

در ادامه به بررسی داده­ های مشتری بر اساس نوع و ارزش آن‌ها می‌پردازیم و چهار نوع کلیدی از داده ­های مشتریان را به شما معرفی می­کنیم.

به‌طورمعمول برای تشکیل پایگاه داده‌هایی از مشتریان لازم است به جمع‌آوری داده‌های هویتی، داده‌های کمی، داده‌های توصیفی و داده‌های کیفی از مشتریان بپردازید. در تصویر نمونه‌هایی از هر یک از انواع داده‌ها ارائه شده است.

چه نوع داده‌هایی از مشتریان را جمع‌آوری کنیم؟

به‌ طور معمول ترتیب اولویت داده‌ها به شرح زیر است:

نوع اول: داده‌های هویتی

مشتری در قلب پایگاه داده قرار دارد، بنابراین شناخت فرد و ایجاد یک نمای واحد برای هر مشتری از اهمیت بالایی برخوردار است. نمای واحد مشتری شامل هرگونه اطلاعاتی است که امکان شناسایی انحصاری فرد را فراهم می‌سازد و موارد زیر را شامل می‌شود:

  • اطلاعات نام: عنوان، نام و نام خانوادگی.
  • اطلاعات شخصی: تاریخ تولد، جنسیت و غیره.
  • اطلاعات آدرس پستی: شماره ساختمان، نام ساختمان، آدرس، شهر، شهرستان، کد پستی، کشور و غیره.
  • اطلاعات تلفن: شماره تلفن منزل، شماره تلفن محل کار، شماره تلفن همراه و غیره.
  • اطلاعات آدرس ایمیل: نشانی پست الکترونیکی شخصی، نشانی پست الکترونیکی کاری و غیره.
  • اطلاعات شبکه‌های اجتماعی: شناسه فیس‏بوک، آدرس توییتر، شناسه لینکدین و غیره.
  • اطلاعات شغلی: نام شرکت، نام بخش، عنوان شغلی و غیره.

نوع دوم: داده‌های کمی

بعد از این‌که متوجه شدید مشتری شما کیست، داده کلیدی بعدی داده‌های عملیاتی هستند که به شما کمک می‌کند تا بدانید مشتری شما با کسب‌وکارتان چه رفتار، معامله یا واکنشی داشته است. این داده‌ها هرگونه فعالیتی را که بین مشتری و کسب‌وکار شما انجام‌شده شرح می‌دهد و شامل موارد زیر است:

  • اطلاعات معاملات (آنلاین و آفلاین): تعداد محصولات خریداری‌شده، محصولات واقعی خریداری‌شده، قیمت سفارش / اشتراک، تاریخ سفارش / تمدید، واگذاری محصول (سبدهای واگذارشده)، بازده محصول و غیره.
  • اطلاعات ارتباطی (ورودی و خروجی): تاریخ ارتباط، کانال ارتباطی، نرخ کلیک و غیره.
  • اطلاعات فعالیت‌های آنلاین: بازدید از سایت، نمایش محصول، ثبت آنلاین و غیره.
  • فعالیت در شبکه‌های اجتماعی: لایک‏ ها در شبکه‌های اجتماعی، اینستاگرام و غیره.
  • اطلاعات خدمات مشتری: جزئیات شکایت، جزئیات سؤالات مشتری و غیره.

نوع سوم: داده‌های توصیفی

درک اینکه مشتری کیست و نوع فعالیت‌هایی که با شما انجام می‌دهد، نقطه شروع مناسبی برای هر پایگاه داده بازاریابی است. برای به دست آوردن یک دیدگاه کامل‌تر از مشتری، داشتن اطلاعات اضافی از مشتری بسیار مهم است. اطلاعات اضافی در مورد مشتری، کمی فراتر از هویت و جزئیات فعالیت‌ها پیش می‌رود و شامل موارد زیر می‌شود:

  • جزئیات خانوادگی: وضعیت تأهل، تعداد فرزندان، سن فرزندان و غیره.
  • جزئیات سبک زندگی: نوع اموال، نوع اتومبیل، تعداد اتومبیل و غیره.
  • جزئیات حرفه و شغل: حرفه، سطح تحصیلات و غیره.

نوع چهارم: داده‌های کیفی

نوع نهایی اطلاعاتی که با آن مواجه می‌شوید، توضیح بیشتری درباره مشتری و رفتار بالقوه او ارائه می‌دهد. گاهی اوقات این نوع از اطلاعات از طریق پرسشنامه جمع‌آوری می‌گردد که در آن نگرش، انگیزه و نظرات مشتری موردسنجش قرار می‌گیرد. مثال­هایی از این نوع داده به شرح زیر است:

  • اطلاعات نگرشی: خدمات مشتری ما را چگونه ارزیابی می‌کنید؟ ارزش محصول را چگونه ارزیابی می‌کنید؟ چقدر احتمال دارد دوباره محصول ما را خریداری نمایید؟ و غیره.
  • نظرات: رنگ موردعلاقه شما چیست؟ مقصد موردعلاقه شما برای تعطیلات کجاست؟ و غیره.

با استفاده از این فرآیندِ طبقه‌بندی ساده و توجه به اهداف اصلی کسب‌وکار، می‌توان داده‌هایی را که اطلاعات ضروری برای موفقیت اصلی کسب‌وکار فراهم می‌کنند، به‌سرعت شناسایی کرد.

پایگاه داده مشتریان همانند یک گنج پنهان است که پیشرفت­های روزافزون فناوری اطلاعات کمک می‌کند تا این پایگاه داده ­ها روزبه‌روز بزرگ‌تر و حجم داده­ های مربوط به مشتریان افزایش یابد. داده می­تواند یک منبع برای یک سازمان مشتری محور باشد، اما می‌بایست شما را از این واقعیت آگاه کنم که حجم و مقدار داده چندان مهم نیست و داشتن مقدار بیشتری داده، موفقیت شما را در رقابت تضمین نمی‌کند.

« به یاد داشته باشید که جمع آوری داده ها و  اطلاعات مشتری می تواند عامل مهمی در تدوین استراتژی بازاریابی شما باشد. بدون داده ها، در واقع شما در حال بازاریابی کورکورانه، به امید رسیدن به مخاطبان و مشتریان هدف خود می باشید. بکارگیری تکنیک های داده کاوی در CRM  می تواند به کسب و کار شما در کسب اطلاعات ارزشمند از مشتریانتان کمک کند که پس از آن و با استفاده از دانش استخراج شده می توانید درک جامع تری از مشتریان خود داشته باشید. »

درباره شقایق ابوالمکارم

دکترا مهندسی صنایع، متخصص داده کاوی با بیش از پنج سال سابقه مشاوره، تدریس و پژوهش در این حوزه است. تا کنون دوره های متععد داده کاوی را در دانشگاه های مختلفی نظیر دانشگاه تهران ،دانشگاه آزاد تهران جنوب و دانشگاه علوم و تحقیقات برگزار نموده است. همچنین طی دوره های آموزشی متعدد به تدریس داده کاوی در مرکز دانش مدیریت ارتباط با مشتری(مُدام) پرداخته و پروژه های داده‌کاوی اطلاعات مشتریان را انجام داده است.

مقاله پیشنهادی

درک داده‌ها و تعیین انواع متغیرها در مجموعه داده مشتریان

درک داده‌ها و تعیین انواع متغیرها در مجموعه داده مشتریان

در این مقاله به درک داده‌ها که شامل جمع‌آوری داده‌های اولیه است پرداخته می شود و سپس به تشریح داده‌ها، اکتشاف در داده‌ها و مصورسازی داده‌ها می پردازیم. درحوزه داده‌کاوی، توانایی تشخیص نوع داده‌ها بسیار مهم است.

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *