Apa itu Data Pelanggan?

Ini adalah bagian pertama dari rangkaian lima bagian tentang data pelanggan. Nantikan postingan berikutnya dalam seri ini.

Percakapan umum tentang data sering kali memunculkan praktik privasi teknologi besar—fakta bahwa mereka mengumpulkan terlalu banyak data dan kekhawatiran yang berkembang atas ketidakjelasan kebijakan data mereka telah melahirkan undang-undang privasi yang ketat seperti GDPR Uni Eropa dan CCPA California.

Undang-undang privasi dan fakta bahwa browser membuat cookie pihak ketiga menjadi usang membuat perusahaan lebih akuntabel, memaksa mereka untuk memperhatikan praktik pengumpulan data mereka. Akibatnya, efek bola salju terjadi—perusahaan merangkul transparansi dan kreativitas sambil berusaha untuk tetap patuh, dan kesadaran tentang data meningkat di antara individu.

Data pelanggan adalah inti yang memungkinkan personalisasi dan otomatisasi dalam skala besar—data ini memberikan konteks pada pengguna serta perilaku pengguna dalam hal menggunakan suatu produk.

Data pelanggan paling baik dijelaskan ketika dipecah menjadi dua jenis berikut:

• Data pengguna: Ini memberikan konteks pada pengguna dan sifatnya, dan juga disebut sebagai Data interaksi: Ini memberikan konteks tentang bagaimana pengguna berinteraksi dengan produk dan juga disebut sebagai Data pelanggan juga dikumpulkan saat pengguna berinteraksi dengan merek Anda di luar pengalaman produk inti Anda melalui sumber data sekunder atau alat pihak ketiga yang digunakan untuk periklanan, keterlibatan, dan dukungan, untuk beberapa nama. Namun, panduan ini berfokus pada data pelanggan yang berasal dari sumber data utama atau pihak pertama—aplikasi web, aplikasi seluler, perangkat pintar, atau kombinasinya—dan terdiri dari data entitas dan data peristiwa.

  PS "Pelanggan" dalam "data pelanggan" mencakup pengguna gratis produk berbayar serta pengguna yang membayar dengan data pribadi untuk menggunakan produk.

  data entitas

  Data entitas mencakup informasi pengenal pribadi (PII) seperti nama, email, dan nomor telepon, serta detail lainnya seperti usia, negara, dan preferensi.

  Ini sering disebut sebagai data pengguna karena pengguna adalah entitas atau objek utama. Ini terdiri dari properti pengguna atau atribut pengguna, yang masing-masing menyimpan informasi atau sifat tentang pengguna.

  Data entitas disimpan dalam tabel di mana kolom mewakili properti pengguna seperti nama dan email, sementara setiap baris mewakili pengguna. Salah satu properti bertindak sebagai pengenal dan harus berisi nilai unik untuk setiap baris (pengguna).

  

  Pada tabel di atas, email dapat bertindak sebagai pengenal dengan memastikan tidak ada dua pengguna yang memiliki email yang sama. Namun, ini adalah praktik yang lebih baik untuk menetapkan ID unik untuk setiap pengguna karena alamat email dapat berubah tetapi user_id tetap.

  Akun atau grup sebagai entitas

  Sekelompok pengguna atau akun juga merupakan entitas dengan atribut berbeda yang umumnya disebut sebagai organisasi atau ruang kerja dalam hal produk SaaS B2B.

  Dari sudut pandang hierarki, akun adalah grup yang terdiri dari pengguna. Jadi, data tentang akun atau grup terdiri dari properti grup yang menyimpan informasi tentang akun seperti jenis langganan atau jumlah pengguna. Jika akun dikenal sebagai organisasi , properti terkait harus dirujuk sebagai properti organisasi .Adalah umum untuk mengumpulkan data tentang pengguna dan grup secara bersamaan. Ini, sekali lagi, terutama berlaku untuk alat SaaS B2B di mana pengguna adalah bagian dari akun atau organisasi dengan banyak pengguna.

  Bagaimana Anda mengumpulkan data entitas?

  Data entitas di mana pengguna adalah entitas dikumpulkan sebagai hasil dari pengguna yang berbagi data secara langsung atau tidak langsung.

  Pengguna berbagi data secara langsung saat mereka memasukkan detail dalam formulir, menanggapi email atau survei, atau saat mereka berinteraksi dengan antarmuka percakapan seperti chatbot dan bot suara.

  Di sisi lain, pengguna berbagi data secara tidak langsung ketika mereka menggunakan suatu produk. Saat mendengarkan musik di Spotify, pengguna membagikan data tentang preferensi musik mereka termasuk genre, artis, dan bahkan lagu tertentu yang mereka sukai. Demikian pula, ketika pengguna membuat laporan tentang Amplitudo, mereka membagikan data tentang jenis laporan yang mereka anggap berguna.

  Karena Amplitude adalah alat SaaS B2B di mana banyak pengguna menjadi bagian dari organisasi, jumlah laporan yang dibuat di bawah organisasi adalah data yang terkait dengan organisasi dan bukan pengguna tertentu. Oleh karena itu, dalam kasus ini, Organisasi adalah entitas lain, number_of_reports adalah properti organisasi, dan nilai properti ini berubah ketika pengguna mana pun dalam organisasi membuat atau menghapus laporan.Penting untuk tidak mengacaukan data entitas yang berubah sebagai akibat dari penggunaan produk (jumlah laporan) dengan data peristiwa yang dihasilkan saat pengguna berinteraksi dengan produk (laporan dibuat)

  Data acara

  Peristiwa mengacu pada tindakan unik yang dilakukan oleh pengguna saat berinteraksi dengan produk, dan data yang dihasilkan dalam proses disebut data peristiwa atau data interaksi.

  Klik dan arahkan kursor di web, ketuk dan geser di ponsel, serta perintah teks atau suara di antarmuka obrolan dan suara—semua interaksi tersebut adalah tindakan yang dilakukan oleh pengguna atau peristiwa yang terjadi di dalam aplikasi.

  

  Data peristiwa memungkinkan Anda memahami perilaku pengguna dan oleh karena itu sering disebut sebagai data perilaku. Selain itu, data peristiwa memungkinkan Anda untuk mengambil tindakan pada data atau mengaktifkan data di alat eksternal tempat data tersedia.

  Kasus penggunaan yang umum adalah pesan kontekstual berbasis peristiwa (dalam aplikasi atau email) di mana kampanye dipicu saat peristiwa X tertentu terjadi. Atau ketika peristiwa Y tertentu tidak terjadi dalam jangka waktu tertentu setelah X terjadi—kemungkinannya tidak terbatas.

  Data peristiwa terdiri dari tiga elemen kunci:

  • Tindakan atau peristiwa yang terjadi
  • Stempel waktu atau tanggal dan waktu yang tepat saat acara berlangsung
  • Status atau semua properti lain yang terkait dengan peristiwa (dikenal sebagai properti peristiwa)

  Tambahkan ke Keranjang, Beli Sekarang, dan Selesaikan Pembayaran adalah semua tindakan atau peristiwa. Saat yang tepat ketika suatu peristiwa terjadi dicatat sebagai stempel waktu.

  Properti yang memberikan lebih banyak konteks tentang acara Tambahkan ke Keranjang dapat berupa user_id, product_id, harga, dan kuantitas — yang semuanya memberikan informasi yang terkait dengan acara atau status acara.

  Bagaimana Anda mengumpulkan data peristiwa?

  Mengumpulkan data peristiwa mengharuskan Anda membuat rencana pelacakan yang menentukan peristiwa yang akan dilacak dan properti terkait untuk setiap peristiwa. Kemudian Anda meminta tim teknik data Anda untuk menerapkan rencana pelacakan menggunakan salah satu dari berikut ini:

  • CDI (infrastruktur data pelanggan) atau CDP (platform data pelanggan)
  • Layanan pelacakan khusus dibangun di rumah

  Setelah pelacakan peristiwa diterapkan, data peristiwa yang dikumpulkan tersedia di tujuan yang dikonfigurasi (analisis produk dan alat keterlibatan) dan biasanya, salinan data ini disimpan di gudang data.

  Data apa yang harus dilacak vs bagaimana cara melacaknya

  Meskipun baik untuk mengetahui tentang proses pelacakan peristiwa, sebagai profesional yang dipimpin oleh data, Anda harus fokus pada apa yang harus dilacak daripada bagaimana melakukannya.

  Kenapa begitu?

  Saya tidak akan setuju jika Anda berpendapat bahwa mendefinisikan data apa yang akan dilacak dan proses pelacakan itu sendiri sama pentingnya. Namun, dua aktivitas ini idealnya dimiliki oleh orang yang berbeda dan tergantung pada ukuran organisasi Anda, bahkan mungkin tim berbeda yang berkolaborasi secara erat.

  Untuk insinyur atau tidak untuk insinyur

  Biasanya, seorang insinyur data menangani penerapan pelacakan dan berkolaborasi dengan tim produk dan pertumbuhan untuk memutuskan alat dan teknologi mana yang akan digunakan. Tahap perusahaan, ruang lingkup pekerjaan dan pengerjaan ulang, sumber daya yang tersedia, prioritas, dan beberapa faktor lain mempengaruhi keputusan ini.

  Banyak perusahaan, bagaimanapun, menyerahkan seluruh proses pelacakan ke tim data/teknik, menjaga pemasaran dan orang-orang produk sepenuhnya keluar dari lingkaran — melakukan hal itu selalu menghasilkan data yang tidak akurat, tidak konsisten, dan sering berlebihan ketika terlalu banyak peristiwa yang dilacak hanya demi pelacakan.

  Memutuskan apa yang akan dilacak bukanlah pekerjaan seorang insinyur dan mengharapkan insinyur untuk mengetahui bagaimana tim lain ingin menggunakan data apa, yah, bencana.

  Menerapkan data pelanggan ke dalam tindakan

  Sekarang setelah Anda mengetahui apa itu data pelanggan dan apa peran Anda dalam proses pengumpulannya, langkah selanjutnya adalah dapat menjawab pertanyaan-pertanyaan berikut:

  • Apa kegunaan data peristiwa?
  • Peran apa yang dimainkan entitas dalam konteks data peristiwa?
  • Seperti apa data peristiwa dan entitas dalam konteks data pelanggan?
  • Bagaimana cara memutuskan peristiwa mana yang akan dilacak dan data apa yang akan dikumpulkan?

  Beruntung bagi Anda, setiap pertanyaan di atas akan dijawab dalam seri 5 bagian tentang data pelanggan ini.

  Setelah Anda memiliki jawaban di atas, Anda akan diperlengkapi untuk mendapatkan pemahaman yang jelas tentang cara membuat rencana pelacakan data dan akan dapat melakukan hal berikut dengan percaya diri:

  • Pimpin penerapan analitik berbasis peristiwa dan alat keterlibatan dengan percaya diri
  • Kumpulkan data pelanggan yang bersih dan konsisten dan atasi tantangan yang muncul di sepanjang jalan
  • Ajukan pertanyaan yang tepat tentang data Anda untuk lebih memahami perilaku pengguna
  • Identifikasi peluang untuk mengumpulkan dan bertindak berdasarkan data untuk meningkatkan pengalaman pelanggan
  • Bangun produk yang lebih baik, berikan pengalaman yang lebih baik, dan lakukan percakapan yang lebih baik

  Terakhir, sangat berguna untuk memiliki pemahaman yang baik tentang berbagai tipe data sebelum Anda mulai mengerjakan rencana pelacakan Anda, jadi kapan pun itu, panduan tentang tipe data ini akan sangat membantu.

  ---

  Siap untuk mendalami data pelanggan dan menggunakannya untuk meningkatkan keterlibatan? Lihat buku pedoman Mastering Engagement kami untuk mempelajari lebih lanjut.