Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y de análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Obtener más información

Tipos de datos para una personalización efectiva

  • Predictive Analytics

red datos

Cualquier dato que proporcione al vendedor información sobre un individuo puede impulsar la personalización. Por lo general, esos datos se dividen en una de cinco categorías: datos de atributos, datos de comportamiento propios, datos explícitos, datos de terceros y puntajes predictivos.

Datos de atributo: los datos de atributo describen características individuales. Podrían ser atributos digitales (por ejemplo, geolocalización, fuente de referencia, industria, tipo de navegador / dispositivo, etc.), que son particularmente útiles para personalizar experiencias para visitantes del sitio web o usuarios de aplicaciones. Los atributos de la base de datos se refieren a la información extraída de sistemas basados ​​en bases de datos, como CRM, plataformas de automatización de correo electrónico y marketing, plataformas de comercio electrónico, sistemas de punto de venta y más. Necesita un identificador (como una dirección de correo electrónico, número de cuenta, ID de lealtad, etc.) para vincular a una persona con sus datos en otro sistema.

Datos de comportamiento de primera parte: Esto incluye el comportamiento de una persona en todo el sitio y en toda la aplicación (por ejemplo, número de visitas al sitio o inicios de sesión, tiempo pasado en el sitio o en la aplicación, tiempo transcurrido desde la última visita, número de compras realizadas o artículos leer, etc.) y el comportamiento de la página (páginas específicas vistas y cantidad de veces). También debe tener en cuenta el comportamiento y el contexto profundos (tiempo activo dedicado a productos, categorías, marcas, estilos, temas, industrias, etc.) y el compromiso de la campaña (correos electrónicos abiertos / clics, rechazos de notificaciones push, vistas de experiencias personalizadas, etc. ) para obtener una imagen precisa de la intención en el momento. Finalmente, los datos de las transacciones (compras, devoluciones, registros, descargas, etc.) son información de comportamiento adicional e importante que se genera en canales digitales y físicos.

Datos explícitos: puede obtener mucho sobre un individuo a partir de sus datos implícitos. Pero cuando estás perplejo y necesitas más información, a veces lo mejor es preguntar. Los formularios y las encuestas son ideales en estas situaciones. Sin embargo, es importante implementar encuestas estratégicamente. Haga que sus formularios y encuestas sean breves e impleméntelos después de haberse ganado el derecho. También debe intentar utilizar la información para mejorar la experiencia de un individuo en ese mismo momento, para que vean el valor. Por ejemplo, si un visitante del sitio web responde a una encuesta de "¿cuál es su industria?", Puede presentarle de inmediato estudios de casos relevantes específicos de la industria.

Datos de terceros: los datos que compra de fuentes de terceros, como información demográfica, datos de firmografía, señales de compra (por ejemplo, en el mercado de una nueva casa) y atributos autodefinidos (por ejemplo, datos de carrera en LinkedIn), pueden También se puede utilizar para ofrecer experiencias únicas y personalizadas.

Puntajes predictivos: este tipo de datos se deriva de los otros cuatro tipos, pero es lo suficientemente importante como para llamarlos por separado. Muchas organizaciones tienen sus propios equipos de ciencia de datos que generan puntajes de propensión (p. Ej., Probabilidad de abandonar, comprar o participar en un canal), y algunas plataformas de personalización generarán puntajes de propensión y puntajes de afinidad de forma nativa.

Descubre la innovación

Para asegurar el éxito empresarial, ahora y a futuro, es imprescindible maximizar el retorno de la inversión existente en software, a la vez que innovar y adoptar nuevas tecnologías. Los retos que hay abordar para competir en un mundo de TI Híbrida incluyen DevOps, Seguridad, Gestión de riesgos y Análisis predictivo. Puedes obtener más información sobre cómo abordar estos retos e innovar en este enlace.