암시적 데이터: 정의 및 수집 방법

암시적 데이터는 명시적으로 언급되지 않았지만 명시적으로 제공된 정보에서 추론할 수 있는 정보입니다. 명시적 데이터는 때때로 암시적 데이터의 반대 개념으로 간주됩니다.

당신의 동료가 전날 Tintin이 공을 가지고 놀다가 다리를 다쳤다고 알려준다고 가정해 봅시다. 오늘 오후에 그녀를 의사에게 데려가야 합니다. 정확한 정보에 따르면 땡땡은 부상을 입고 현재 동물의사의 치료를 받고 있다. 암시된 데이터는 Tintin이 고양이라는 것입니다.

인간-컴퓨터 상호 작용의 암시적 데이터 수집은 비침습적 사용자 데이터를 수집합니다. 인간-컴퓨터 상호 작용은 사용자 데이터를 수집하여 컴퓨터 인터페이스를 사용자 지정합니다. 이러한 종류의 데이터는 사용자 모델을 개발하는 데 활용됩니다.

암시적 데이터가 무엇인지, 이러한 종류의 데이터를 수집하는 방법을 알아보려면 이 블로그에 설명되어 있습니다.

암시적 데이터란 무엇입니까?

"암시적 데이터"라는 용어는 의도적으로 제공되지 않았지만 직접 또는 명시적 데이터 분석을 통해 쉽게 액세스할 수 있는 많은 데이터 스트림에서 수집한 정보를 나타냅니다.

자발적으로 제출된 정보를 '명시적 데이터'라고 하며, 설문지, 회원가입 신청 등 다양한 방법으로 수집될 수 있습니다.

인간-컴퓨터 상호 작용에서 암시적 데이터 수집은 사용자에 대한 정보를 수동적이고 눈에 거슬리지 않게 수집하는 데 사용됩니다.

보다 최근에는 소셜 네트워킹 플랫폼의 데이터에서 중요한 정보가 추출되었습니다. 예를 들어, 상태 게시물이나 트윗에는 종종 Twitter 및 Facebook과 같은 소셜 미디어 플랫폼의 명시적 데이터와 암시적 데이터가 모두 포함될 수 있습니다.

암시적 데이터 소스: 장점과 단점

암시적 사용자 정의는 특정 채널을 사용하는 동안 사용자의 고유한 행동에 반응하기 때문에 세부 데이터에 의존합니다. 인간의 추론을 사용하여 실시간으로 사실을보고 분석하는 동안 사용자는 지원을 받아야합니다. 그러나 모든 유형의 데이터가 동일하게 생성되는 것은 아닙니다. 효과적인 암시적 사용자 지정을 수행하려면 여러 가지 다른 형식의 데이터가 함께 작동해야 합니다.

1. 1. 프로필 데이터: 개별 프로필은 이름, 연락처 세부 정보, 계좌 번호, IP 주소, 이전 거래 및 활동 패턴과 같은 데이터로 채워집니다. 이 데이터가 정확하고 관련성이 있으며 유용한지 판단하기 어려울 수 있습니다. 암시적 개인화에는 현재 사용자에게 반응하는 방식에 영향을 미치기 때문에 이러한 종류의 정보가 포함됩니다.

• 사용자 세그먼트: 사용자 세그먼트는 연령, 성별, 지역, 산업 및 기타 인구통계학적 특성이 유사한 사람들의 모음입니다. 각 비교 가능한 소비자 집합의 응답은 마케터에 의해 추측되고 예측됩니다. 이에 대한 이론은 젊고 성공적인 여성을 위한 사용자 경험은 은퇴한 남성 애호가를 위한 사용자 경험과 달라야 한다는 것입니다.

암시적 사용자 정의의 기초로서 세분화는 콘텐츠 타겟팅, 제안, 광범위한 방문자 요구 및 목표의 뼈대와 프로세스(또는 구조)를 지원하는 데 필수적입니다.

• 사용자 의도 데이터: 사용자 의도를 알면 개인화 시도에 정확성을 더할 수 있습니다. 사이트는 방문자의 위치, 마지막 방문 및 온라인 기록을 알고 있음을 보여줍니다. 개인화는 방문자가 원하는 것이 아니라 개인에 대한 것입니다. 이는 사용자가 목표를 달성하지 못한 채 짜증을 유발합니다. 방문이 아닌 방문자에게 집중하는 것은 개인화의 느린 개발 및 개인 정보 보호 문제에 기여합니다.

각 사용자의 희망 사항을 요청해야 합니다. 이것은 잠재 고객이 전화를 걸거나 상점을 방문할 때 작동하지만 온라인에서는 더 어렵습니다. 방문자의 브라우저 기록, 검색어, 클릭률과 같은 실시간 데이터는 의도를 드러낼 수 있습니다. 사이트 또는 앱에서 데이터를 수집하고 이에 대응하기 때문에 매장 내 또는 전화 접촉을 시뮬레이션합니다.

암시적 데이터를 수집하는 방법

모든 소비자는 고유하며 자신의 좋아하는 것, 관심사 및 성격을 테이블에 가져옵니다. 또한 고객에 대한 정보가 많을수록 온사이트 및 오프라인 메시지를 고객에게 더 잘 분류하여 마케팅의 효과, 관련성 및 목표 가능성을 높일 수 있습니다.

그러나 소비자에게 많은 것을 요구하는 것처럼 보일 수 있으며 우리는 그것을 이해합니다.

암시적 데이터를 수집하여 묻지 않고도 고객에 대해 더 많이 발견할 수 있습니다. 클라이언트에게 특정 정보를 요청하는 대신 명시적 데이터와 달리 백그라운드에서 이 데이터를 식별할 수 있습니다.

암시적 데이터 수집은 여러 가지 방법으로 수행될 수 있습니다. 세부 사항으로 들어가 보겠습니다.

• 한 가지 방법은 고객의 IP 주소 또는 브라우저 설정을 이용하는 것입니다. 이는 위치 또는 선호하는 언어와 같은 항목에 유용합니다. 이는 전 세계적으로 판매하거나 비즈니스가 캐나다와 같이 공식 언어가 많은 국가에 위치한 경우에 특히 유용합니다.
• 인터넷 쿠키는 데이터 수집의 또 다른 방법입니다. 여기에는 사용자가 사이트를 방문하는 빈도, 페이지를 보는 빈도 또는 이전에 보거나 참여한 캠페인과 같은 참여 관련 데이터가 포함됩니다. 그런 다음 이러한 종류의 데이터를 사용하여 다양한 상호작용 정도에 따라 별도의 캠페인을 분류할 수 있습니다.
• 숨겨진 필드에서 암시적 데이터를 수집하는 데도 유용합니다. 이러한 양식 필드를 추가할 수 있지만 사용자는 볼 수 없습니다. 데이터는 영역이 도입될 때만 자동으로 수집됩니다.
• 쿠폰 코드는 암시적 데이터의 마지막 중요한 부분입니다. 고객이 가입한 캠페인이나 할인 코드를 정확히 알고 있다면 다양한 제안이나 커뮤니케이션 형식으로 고객을 타겟팅할 수 있습니다.

결론

암시적 데이터는 기업이 웹사이트에서 어떤 스타일과 브랜드를 가장 많이 클릭하는지, 어디를 가리키고 있는지와 같은 소비자의 웹사이트 탐색 행동에서 수집하는 정보입니다.

QuestionPro의 Insights Hub는 고객 중심입니다. 연구원들은 연구 및 통찰력 데이터를 저장하고 검색할 위치가 필요했습니다. 연구 아이디어를 민주화하기 위해 그들은 다양한 영역과 기능이 사용할 수 있는 쉽게 접근할 수 있는 센터가 필요했습니다. 목적은 연구 절차에 시간, 노력 및 비용 절감 도움을 제공하는 것입니다.

QuestionPro의 통찰력 엔진은 50개 이상의 언어를 지원하며 통합할 수 있습니다. GDPR, HIPAA, Fedramp, Section 508, CCPA 등을 준수합니다.

더 알아보기