Müşteri Profilleri Nasıl Belirlenir

Temel çıkarımlar

  • Müşteri profilleri, şirketlerin bir grubun özelliklerine ve davranışlarına göre müşteri deneyimlerini optimize etmek ve kişiselleştirmek için toplanan verileri kullanmasına olanak tanır. 
  • Müşteri profillerinin sürekli olarak güncellenmesi gerekir – müşteriler sabit değildir, bu nedenle müşteri profilleri de olmamalıdır. 
  • Şeffaflık, müşteri güvenini kazanmak ve değeri kanıtlamak için çok önemlidir. 
  • En iyi müşteri profilleri, şirketlerin bilgileri cihazlar ve kanallar arasında bağlamasına olanak tanır.

Nate Smith, Adobe Analytics için Grup Ürün Pazarlama Müdürüdür . Nate, görevinde Adobe Analytics için stratejik pazarlamayı denetler ve devam eden ürün sürümlerinin başarısını sağlar. Son on beş yıldır dijital pazarlamayla uğraşmaktadır ve Brigham Young Üniversitesi’nden Bilgi Sistemleri alanında BS ve MBA sahibidir.

Müşteri profilleme nedir?

Temel düzeyde, müşteri profili bir veritabanındaki bir giriştir – her kişi için bir karma kimlik vardır. Bu kişi bir markayla veya herhangi bir dijital deneyimle etkileşime girdiğinde, her yerde dijital ayak izleri bırakır. Müşteri profili oluşturma, bu ayak izlerini alır ve onları, biliniyor veya anonim olsalar da, söz konusu kullanıcıya geri bağlar.

Profiller dinamiktir. Gerçek zamanlı olarak güncellenmeleri gerekir. Bu, bir müşteri profilinin şu anda ne olabileceğine dair büyük konseptten en önemli farktır. Daha fazla etkileşimimiz olduğu için, bu ayak izleri yakalanır ve profil dinamik olarak güncellenir, böylece bu profili pazarlama, katılım veya kişiselleştirme amaçları için esasen kullanabiliriz. Buradaki fikir, bilgi açısından zengin bir profile ulaşmaktır, böylece insanlarla kişiselleştirilmiş bir şekilde ve hatta bire bir görüşmelerde iletişim kurabiliriz.
İdeal müşteri profili birleştirilir – kuruluşun dört bir yanından müşteriler hakkında toplanan veriler birbirine dikilir. Bu, CRM’nizde, web analizinde, bir müşteri destek veritabanında ve e-posta listenizde görünen bir müşterinin aynı kişi olarak bilindiği anlamına gelir – kimliği veritabanları, kanallar, cihazlar ve dahili departmanlar arasında çözülür. Birleşik profil, gelen verileri normalleştirdiğimiz bir özellikler ve davranışlar koleksiyonudur ve daha sonra bir e-posta sistemi veya bir A / B test çözümü gibi eylem sistemleri tarafından erişilir .

Müşteri profilleriyle ilgili en önemli şeylerden biri taşınabilir olmalarıdır, böylece tüketiciler için tutarlı kanallar arası etkileşim deneyimleri yaşayabiliriz. Bir profilin eylem sistemlerine yakın durması gerekir, böylece bir deneyim sunmak için o profile erişen her ne ise, bunu gerçek zamanlı olarak yapabilir. Teknolojide üç katman derine gömülmemelidir – erişilebilecek en üst düzey bir katman olması gerekir.

Bir müşteri profilinde hangi bilgiler tutulur?

En genel bilgi seviyesi, özelliğe dayalı bilgidir – bir CRM platformunda bulunabilecek bilgiler. Örneğin yaş, demografik bilgiler, psikografik bilgiler, hesap durumu, müşterinin altın üye mi yoksa platin üye mi olduğu.

Müşteri özelliklerine davranışsal bilgi eklediğinizde profiller gerçekten ilginç hale geliyor. Özelliklerin ve davranışların birlikte etkileşimini anlamaya başladığınızda, pazarlama bütçenizi nereye yatıracağınız ve deneyimleri farklı müşteri segmentlerine nasıl kişiselleştireceğiniz konusunda daha iyi kararlar verebilirsiniz .

Şirketler müşteri profillerini nasıl oluşturur?

Müşterilerin etkileşimde bulunduğu tüm farklı kanallardan – e-posta sisteminiz, demografik bilgileri, sosyal etkileşim, tüm bu etkileşimler ne olursa olsun, özellik ve davranış verilerini topluyoruz.

Bu veriler için farklı kategoriler vardır ve genellikle silolardır, ancak bunları bir platforma taşıdığınızda ve normalleştirdiğinizde, bunlar tek bir profile entegre edilebilir. Yani bu gerçekten çok önemli, birden fazla evde üretilen sistemden veya teknoloji yığınından esnek, bütünsel veri toplamaya sahip olabilmeniz.

Tüm bu verileri çeşitli sistemlerde topluyorsunuz ve bir veri gölünde veya başka bir merkezi depoda tutuyorsunuz. Ve sonra olaylar gerçekleştiğinde – birisi bir web sitesine geldiğinde, bir mobil uygulamaya girdiğinde , bir mağazaya girdiğinde veya bir bölge sınırına girdiğinde – verileri bu profillere bağlarsınız. Bir cihazdaki bir profili veya dijital bir etkileşim noktasıyla bir şeyler yapan bir müşteriyi tanıdığımızda, bu eyleme temelde profillerinin veri kaydında bir satır öğesi atanır. Neredeyse olayların o profile tahsis edildiği bir profil olarak düşünebilirsiniz.

Bunun ötesinde bir sonraki parça, kanallar ve cihazlar arasında bir profilin ne olduğunu tanımlamaktır. Örneğin, cihazları insanlara çözümlemeniz gerekir, çünkü bir müşteri e-posta kanalına farklı şekillerde birden fazla cihazdan erişebilir – tüketiciler olarak markalarla etkileşim şeklimiz budur.

Cihazları insanlara bağladıktan sonra, belirli şeyleri tekilleştirmeniz ve temizlemeniz gerekir ve ardından bu profili artıran yeni veriler de gelir. Ve bu profilleri gerçekten etkinleştirebileceğiniz yer burasıdır. Bir noktada, sisteminizde yerleşik yapay zeka veya makine öğrenimi varsa, benzer yapıdaki profilleri otomatik olarak gruplandırır. Potansiyel olarak bir araya gelip ölçeklenebilen gruplar – veya kitle segmentleri – oluşturmak istiyorsunuz, çünkü bire bir olma vaadi iyidir, ancak işletmeler olabildiğince ölçeklemek ister.

Müşteri profillerinin faydaları nelerdir?

Etkileşim şeklimizin doğası gereği, şirketler e-posta yoluyla, görüntülü reklam yoluyla, sosyal medyaaracılığıyla çeşitli yollarla iş yapan birden fazla martech satıcısına sahiptir. Bir müşteri profili ile, daha sonra herhangi bir kanalda etkinleştirebileceğiniz bir müşteri hakkında en güncel bilgilere sahip olabilirsiniz.

Bir e-postaya tıklamadan gelen bir bilgiye sahipsem ve ardından müşteri gidip web sitesine erişirse, bu bilgi müşteri profiline akacaktır. Bir dahaki sefere bu profilin reklamını yaptığımda, daha güncel olacak ve daha fazla kişiselleştirme sunabileceğim .
Diyelim ki Los Angeles’ta yaşıyorum ve Ford.com’a gidiyorum. Potansiyel olarak bir kamyon satın almak istediğime karar verdim. Web sitesindeki davranışımla sinyalleri atmaya başlarsam – örneğin, bir kamyon inşa et seçeneğine karşı teklifleri ve teşvikleri görüntüle seçeneğine gidersem, fiyata duyarlı olmayabileceğime dair bir davranış sinyali veriyorum. bu, Ford’un örneğin “California’dan” veri noktasıyla birleştirmesi için iyi bir sinyal olabilir, böylece aldığım bir sonraki e-postada Hollywood Hills’teki bir kamyon gösterilir. Bunun benimle konuşacağını biliyorlar.

Herhangi bir pazarlama kanalını katalize etmek için bir profil kullanabilirsiniz ve bu nedenle çok sayıda eğitimli tahminle zaman ve para harcamak yerine, herhangi bir kanalda gerçekten doğru, güncel, gerçek zamanlı bilgileri kullanabilirsiniz. Sen edebilirsiniz karmaşık yolculuklar sonucu alacak ve daha kişiselleştirilmiş pazarlama yaklaşabilir.

Ve temel düzeyde, müşteri profilleri en değerli müşterilerinizi belirlemenize yardımcı olur. Bunu bildiğiniz zaman, büyütebilir veya büyütebilirsiniz. Yüksek değerli müşteri profillerinize benzeyen daha fazla potansiyel müşteri kazanmak için benzer modelleme yapabilirsiniz.

En karlı müşterilerden bahsediyoruz. Çoğu zaman onları en çok gelir getiren müşteriler olarak görüyoruz. Ancak şirketlerin kendilerine bir ton paraya mal olan gelir getiren müşterileri var. Bu bilgiler ayrıca bir müşteri profilinde de toplanabilir.

S:  Şirketler müşteri profillerinde ne gibi hatalar yapar?

Pek çok şirket, hedef müşterilerinin kim olması gerektiğine dair bir tür vizyonla başlar ve ardından verileri dener ve zorlar. Bu, bunun için uzun bir yol. Bu nedenle, ideal bir müşterinin, hedef pazarlarının bir tür tanımıyla başlarlar ve bazı ayrıntıları içereceklerdir, ancak bu bir özellik veritabanı değildir. 

Geçmişi, hobileri, ilgi alanlarını, eğitimi, gelir seviyesini veya müşterilerin köpekleri olsa bile içereceklerdir. Neredeyse her şeyin birkaç önemli demografik şey etrafında döndüğü eski dünya medya satın alımları, eski dünya veritabanı pazarlaması gibi. Ve sonra şirketler, kampanyalarının neden bu gruplar üzerinde çalışıp çalışmadığını anlamaya başlar. Ve tipik olarak işe yaramıyor çünkü aşırı genelleştirdiler ve varsayımlar yaptılar, buna karşılık verilere müşteri gruplarının ne olduğunu ve onlarla nasıl etkileşimde bulunmaları gerektiğini söylettirdiler.

Pek çok kuruluş, tüm verileri toplayabildikleri sürece iyi olacaklarını düşünüyor. Ancak bunun için önemli maliyet ve zaman etkileri var. Birçok kuruluşun müşteri profilleriyle uğraşmaya çalışmasının yolu, tüm verilerin bir veri gölüne atılması ve ardından SQL sorguları yazan ve müşteri profilleri oluşturmak için bir model bulmaya çalışan veri bilimcilerine sahip olmalarıdır. Ve bu genellikle haftalar değilse de günler sürer, aylar değilse – ve sonra verileri güncellemeniz ve rasyonelleştirmeniz gerekir. 

Ve müşteri profillerinin bir raf ömrü vardır. Birisi sokakta yürürken ve bir Starbucks’ın önünden geçerek uygulamasıyla coğrafi sınırı tetiklerse, Starbucks’ın müşteriyle etkileşime geçmek ve onu mağazaya ikna etmek için belki iki dakikalık bir penceresi vardır. Bir veri bilimi ekibinin geçmiş profillerini birlikte yazmasını bekleyemezler.

Gerçekleşmesi gereken gerçek zamanlı bir bileşen var. Ve birçok kuruluş, verileri merkezileştirip tek bir doğruluk kaynağına sahip olurlarsa başarılı bir şekilde profiller oluşturabileceklerini düşünüyor. Teknik olarak yapabilirler, ancak bunlar eyleme geçirilebilir profiller değildir. Bir müşteriyle gerçekten etkileşim kurmaları gerektiğinde taşınabilir profiller değildirler. Ve bir müşteri profili katmanı, veri çerçevesiyle birlikte veri gölünün üç ila beş katmanının derinliklerine gömülmemeli, eylem sistemlerine yakın olmalıdır.

Müşteri profilleme ile müşteri segmentasyonu birbirine çok benzeyen ve birlikte değerlendirilmesi gereken konulardır. Müşteri segmentasyonu hakkında bilmeniz gerekenleri buradan okuyabilirsiniz.

Kaynak : https://www.adobe.com/experience-cloud/glossary/customer-profiles.html#q1