3 วิธีในการรวมโปรไฟล์เมื่อแก้ไขข้อมูลระบุตัวตน
เผยแพร่แล้ว: 2023-07-26นักการตลาดได้รับสัญญาณที่แตกต่างกว่าที่เคยจากลูกค้าเนื่องจากช่องทางดิจิทัลที่กระจัดกระจาย การจัดการกับสิ่งนี้จำเป็นต้องมีแนวทางที่ชัดเจนในการแก้ปัญหาตัวตน พวกเขาจับคู่ตัวระบุและรวมโปรไฟล์ลูกค้าอย่างไร มั่นใจแค่ไหนกับแมตช์นี้? การมีกลยุทธ์ที่กำหนดไว้นำไปสู่การสื่อสารกับลูกค้าที่ดีขึ้นและประสบการณ์ของลูกค้าที่มีประสิทธิภาพและให้ผลกำไรมากขึ้น
ประการแรก องค์กรควรปรับใช้กรอบสำหรับกลยุทธ์การแก้ปัญหาตัวตนของตน อาจเป็นอุปกรณ์มาก่อน บุคคลมาก่อน หรือทั้งสองอย่างรวมกัน สิ่งที่สำคัญคือนักการตลาดมั่นใจว่าตัวระบุที่พวกเขาใช้ช่วยให้พวกเขารักษามุมมองของลูกค้าได้ตลอดเส้นทางดิจิทัล
การจับคู่เชิงกำหนดกับความน่าจะเป็น
ลูกค้าที่โต้ตอบกับองค์กรของคุณผ่านช่องทางดิจิทัลต่างๆ อาจทำให้ลูกค้ารายเดียวมีหลายโปรไฟล์ในข้อมูลของคุณ การรวมโปรไฟล์เหล่านี้จำเป็นต้องหาวิธีจับคู่อุปกรณ์ บัญชีดิจิทัล และตัวระบุอื่นๆ กับบุคคลเดียว
มีสองวิธีหลักในการทำเช่นนี้
การจับคู่ที่กำหนด ซึ่งหมายความว่าคุณจะรวมโปรไฟล์ที่ตรงกันเท่านั้น โดยปกติแล้ว สิ่งนี้จะเกิดขึ้นเมื่อพบตัวระบุทั่วไปหนึ่งตัวในหลายโปรไฟล์ ตัวอย่างเช่น หากลูกค้าของคุณทำการสั่งซื้อโดยใช้ที่อยู่อีเมล ที่อยู่ไปรษณีย์หรือหมายเลขโทรศัพท์ที่พบกับคำสั่งซื้อนั้นสามารถระบุโปรไฟล์อื่นๆ ที่เป็นลูกค้ารายเดียวกันได้ ตัวระบุทั่วไปเหล่านี้สร้างการจับคู่เชิงกำหนด
ตัวอย่างเช่น หากที่อยู่อีเมลรวมอยู่ในโปรไฟล์ลูกค้า ข้อมูลของลูกค้านั้นสามารถรวมกับข้อมูลที่จัดเก็บแยกต่างหากในผู้ให้บริการอีเมล (ESP)
การจับคู่ความน่าจะเป็น สิ่งนี้เกี่ยวข้องกับ AI ที่รวมข้อมูลพฤติกรรมเข้ากับสัญญาณอื่นๆ เพื่อทำนายความเป็นไปได้ที่การโต้ตอบกับลูกค้าที่แยกจากกันทั้งหมดมาจากลูกค้ารายเดียวกัน — โดยไม่ต้องใช้ตัวระบุร่วมกัน
Greg Krehbiel ที่ปรึกษาของ The Krehbiel Group กล่าว ที่ The MarTech Conference ว่า “ปัญหาของการจับคู่แบบนี้และการแก้ปัญหาตัวตนแบบนี้คือคุณต้องตั้งสมมติฐานมากมาย”
อย่างไรก็ตาม Krehbiel ชี้ให้เห็นว่าแม้แต่การจับคู่เชิงกำหนดก็ไม่น่าเชื่อถืออย่างสมบูรณ์ เขาแบ่งปันกรณีการใช้งานที่ไม่ได้หายาก แม่ของ Krehbiel ขอให้พี่สาวช่วยซื้อของคริสต์มาส พี่สาวจึงซื้อของขวัญใน Amazon โดยใช้แล็ปท็อปของเธอเองและบัตรเครดิตของแม่ การจับคู่ที่แน่นอนอาจข้ามไปสู่ข้อสรุปว่าแม่กำลังใช้แล็ปท็อปของลูกสาว
สร้างแหล่งความจริงแหล่งเดียว
จำเป็นต้องมีวิจารณญาณเสมอในการรวมโปรไฟล์ลูกค้าและตัวระบุที่ตรงกัน เพื่อให้ข้อมูลนี้แม่นยำที่สุดเท่าที่จะเป็นไปได้ คุณควรสร้างแหล่งข้อมูลเดียวสำหรับข้อมูลลูกค้าของคุณ
“คุณต้องการมีเรกคอร์ดลูกค้าเพียงหนึ่งเดียวในขอบเขตที่คุณทำได้ และนั่นจำเป็นต้องรวมเรกคอร์ดอื่นๆ เข้าด้วยกัน” Krehbiel กล่าว “และนั่นหมายความว่าระบบหนึ่งจะต้องเป็นแหล่งความจริงแหล่งเดียวสำหรับสิ่งนั้น ไม่ว่าจะเป็นอะไรก็ตาม”
ลองนึกถึงกรณีการใช้งานทั้งหมดสำหรับช่องใดช่องหนึ่งและตำแหน่งที่ควรรวมข้อมูลนั้น สิ่งนี้จะช่วยหลีกเลี่ยงความซ้ำซ้อนและแหล่งที่มาของความจริงที่แข่งขันกัน
“ถ้ามีคนเปลี่ยนที่อยู่อีเมลใน [the CRM] นั่นจะเป็นการเขียนทับข้อมูลใน ESP หรือไม่” เครบิลถาม
ในบางกรณี การรวมโปรไฟล์ไม่เหมาะ ตัวอย่างเช่น ลูกค้าบางรายต้องการมีอีเมลหลายฉบับสำหรับการทำงานและการใช้งานส่วนตัว ในกรณีเช่นนี้ ไม่ควรรวมอีเมลเข้าด้วยกัน องค์กรของคุณควรคิดว่าลูกค้ารายนี้เป็นบุคคลหลายแง่มุมที่มีอีเมลหลายฉบับ
เจาะลึก: Penske Media ใช้ CDP เพื่อช่วยให้ผู้ลงโฆษณาเข้าถึงผู้ใช้ดิจิทัลได้อย่างไร
ระดับความเชื่อมั่นที่เลื่อนลอย
การจับคู่เชิงกำหนดและความน่าจะเป็นขึ้นอยู่กับความเชื่อมั่นในข้อมูลที่ใช้เมื่อรวมโปรไฟล์และแก้ไขข้อมูลประจำตัวของลูกค้า
ซึ่งหมายความว่านักการตลาดควรจัดอันดับความเชื่อมั่นในระดับเลื่อนขึ้นอยู่กับกรณีการใช้งาน — วิธีที่พวกเขาตั้งใจที่จะโต้ตอบกับลูกค้า
การคำนวณนี้มีความสำคัญเนื่องจากมีกรณีขอบที่บ่อนทำลายสมมติฐานที่ทำขึ้นเมื่อรวมข้อมูลจากหลายโปรไฟล์
“มีกรณีขอบอยู่เสมอ” Krehbiel กล่าว “คนๆ หนึ่งมีหลายอีเมล แต่บางครั้งอีเมลเดียวก็มีหลายคนใช่ไหม หรือฉันรู้จักบางครอบครัวที่มีที่อยู่อีเมลเดียวสำหรับทั้งครอบครัว โดยทั่วไปแล้วสิ่งเหล่านี้เป็นกรณีขอบที่คุณไม่จำเป็นต้องกังวลมากเกินไป ถ้ามันสร้างปัญหาก็ไม่ใช่เรื่องใหญ่ที่สุดในโลก หรืออาจจะเป็น แต่คุณต้องคิดถึงสิ่งเหล่านั้นในแง่ของกรณีการใช้งานของคุณ”
การใช้มาตราส่วนความเชื่อมั่นนี้จะช่วยกำหนดโอกาสที่จุดข้อมูลใดจุดหนึ่งจะผิดพลาด ตัวอย่างเช่น ที่อยู่ทางไปรษณีย์ที่ไม่ถูกต้องอาจทำให้เสียค่าไปรษณีย์สำหรับไปรษณีย์โดยตรงเท่านั้น แต่ถ้าเป็นส่วนหนึ่งของข้อมูลบัญชีของลูกค้าและพวกเขาเห็นที่อยู่ที่ไม่ถูกต้อง พวกเขาอาจมีความกังวลมากขึ้นเกี่ยวกับความเป็นส่วนตัวและวิธีที่บริษัทของคุณจัดการข้อมูล
อีกครั้ง ขึ้นอยู่กับกรณีการใช้งานเฉพาะสำหรับธุรกิจของคุณ อีกตัวอย่างหนึ่ง: หากบริษัทของคุณให้บริการจัดส่งอาหารและลูกค้าของคุณมีอาการแพ้ถั่วลิสง นี่เป็นข้อมูลสำคัญที่บริษัทของคุณจะต้องได้รับอย่างถูกต้อง
การคำนึงถึงกรณีการใช้งานเหล่านี้จะช่วยให้ทีมของคุณตัดสินใจได้อย่างมั่นใจที่สุดในการระบุตัวระบุที่ตรงกัน การรวมโปรไฟล์ และท้ายที่สุดคือการส่งมอบประสบการณ์ที่ดีที่สุดให้กับลูกค้าของคุณ
ลงทะเบียนเข้าร่วม MarTech Conference ที่นี่
รับ MarTech! รายวัน. ฟรี. ในกล่องจดหมายของคุณ
ดูข้อกำหนด
เรื่องที่เกี่ยวข้อง
ใหม่บน MarTech