Kimlikleri çözerken profilleri birleştirmek için 3 yaklaşım

Pazarlamacılar, parçalanmış dijital kanallar nedeniyle müşterilerinden her zamankinden daha farklı sinyaller alıyor. Bununla başa çıkmak, kimlik çözümüne yönelik net bir yaklaşıma sahip olmayı gerektirir. Tanımlayıcıları nasıl eşleştiriyorlar ve müşteri profillerini nasıl birleştiriyorlar? Maçlara ne kadar güveniyorlar? Tanımlanmış bir stratejiye sahip olmak, müşterilerle daha iyi iletişime ve daha etkili ve karlı bir müşteri deneyimine yol açar.

Birincisi, kuruluşlar kimlik çözümleme stratejileri için bir çerçeve benimsemelidir. Cihaz öncelikli, kişi öncelikli veya ikisinin bir kombinasyonu olabilir. Önemli olan, pazarlamacıların kullandıkları tanımlayıcıların, dijital yolculuk boyunca müşteriyi görmelerine izin verdiğinden emin olmalarıdır.

Deterministik ve olasılıksal eşleştirme

Kuruluşunuzla farklı dijital kanallar üzerinden etkileşim kuran müşteriler, tek bir müşterinin verilerinizde birden fazla profile sahip olmasına neden olabilir. Bu profilleri birleştirmek, cihazları, dijital hesapları ve diğer tanımlayıcıları bir kişiyle eşleştirmenin yollarını bulmayı gerektirir.

Bunu yapmanın iki ana yolu vardır.

Deterministik eşleştirme. Bu, yalnızca eşleşmenin kesin olduğu profilleri birleştireceğiniz anlamına gelir. Genellikle bu, birden çok profilde ortak bir tanımlayıcı bulunduğunda olur. Örneğin, müşteriniz bir e-posta adresi kullanarak sipariş verdiyse, o siparişle birlikte bulunan posta adresi veya telefon numarası, aynı müşterinin başka hangi profiller olduğunu gösterebilir. Bu ortak tanımlayıcılar, deterministik bir eşleşme oluşturur.

Örneğin, e-posta adresi bir müşteri profiline dahil edilmişse, o müşterinin verileri, e-posta servis sağlayıcısında (ESP) ayrı olarak saklanan bilgilerle birleştirilebilir.

Olasılık eşleştirme. Bu, ortak bir tanımlayıcı kullanmadan, ayrı müşteri etkileşimlerinin hepsinin aynı müşteriden olma olasılığını tahmin etmek için davranışsal verileri diğer sinyallerle birleştiren yapay zekayı içerir.

MarTech Konferansı'nda The Krehbiel Group danışmanı Greg Krehbiel, "Bu tür bir eşleştirme ve tüm bu tür kimlik çözümlemesindeki sorun, sonunda pek çok varsayımda bulunmanızdır," dedi.

Ancak Krehbiel, deterministik eşleştirmenin bile tamamen güvenilir olmadığına dikkat çekiyor. Hiç de nadir olmayan bir kullanım durumunu paylaştı. Krehbiel'in annesi, kız kardeşinden Noel alışverişine yardım etmesini istedi, bu yüzden kız kardeş, kendi dizüstü bilgisayarını ve annesinin kredi kartını kullanarak Amazon'dan hediyeler aldı. Deterministik eşleştirme, annenin kızının dizüstü bilgisayarını kullandığı sonucuna varabilir.

Tek bir hakikat kaynağı oluşturun

Müşteri profillerini ve eşleşen tanımlayıcıları birleştirmek için her zaman biraz muhakeme gerekir. Bunu olabildiğince doğru yapmak için müşteri verileriniz için tek bir doğruluk kaynağı oluşturmak akıllıca olacaktır.

Krehbiel, "Mümkün olduğu ölçüde tek bir müşteri kaydına sahip olmak istiyorsunuz ve bu, bir dizi başka kaydın birleştirilmesini gerektiriyor," dedi. "Ve bu, her ne ise, o şey için tek bir gerçeğin tek kaynağı olması gerektiği anlamına gelir."

Belirli bir kanal için tüm kullanım durumlarını ve bu verilerin nerede birleştirilmesi gerektiğini düşünün. Bu, fazlalıklardan ve rekabet eden hakikat kaynaklarından kaçınmaya yardımcı olacaktır.

"Birisi [CRM]'deki bir e-posta adresini değiştirirse, bu ESP'deki bilgilerin üzerine mi yazacak?" diye sordu.

Bazı durumlarda profilleri birleştirmek ideal değildir. Örneğin bazı müşteriler, iş ve kişisel kullanımlar için birden çok e-postaya sahip olmayı tercih eder. Böyle bir durumda e-postalar birleştirilmemelidir. Bunun yerine, kuruluşunuz bu müşteriyi birkaç e-posta içeren çok yönlü bir kişi olarak düşünmelidir.

Daha derine inin: Penske Media, reklamverenlerin dijital kullanıcılara ulaşmasına yardımcı olmak için bir CDP'yi nasıl kullanır?

Kayan güven ölçeği

Hem deterministik hem de olasılıksal eşleştirme, profilleri birleştirirken ve bir müşterinin kimliğini çözerken kullanılan verilere güvenmeye bağlıdır.

Bu, pazarlamacıların güvenlerini kullanım durumlarına, yani müşterileriyle nasıl etkileşim kurmayı amaçladıklarına bağlı olarak kayan bir ölçekte derecelendirmesi gerektiği anlamına gelir.

Bu hesaplama önemlidir, çünkü birden fazla profilden gelen verileri birleştirirken yapılan varsayımları baltalayan uç durumlar vardır.

Krehbiel, "Her zaman uç vakalar vardır," dedi. "Bir kişinin birden çok e-posta adresi vardır, ancak bazen bir e-posta adresinde birden çok kişi olabilir, değil mi? Veya tüm aile için tek bir e-posta adresi olan bazı aileler tanıyorum. Genel olarak konuşursak, bunlar gerçekten çok fazla endişelenmenize gerek olmayan uç vakalardır. Sorun çıkarırsa, dünyadaki en büyük anlaşma değildir. Ya da olabilir - ama bunları kullanım durumlarınız açısından düşünmeniz gerekir.

Bu güven ölçeğini kullanmak, veri noktalarından birinin yanlış olma olasılığını belirlemeye yardımcı olacaktır. Örneğin, yanlış bir posta adresi yalnızca bir doğrudan posta parçası için posta ücretinin boşa harcanmasına neden olabilir. Ancak bu, bir müşterinin hesap bilgilerinin bir parçasıysa ve yanlış adresi görürlerse, gizlilik ve şirketinizin verileri nasıl yönettiği konusunda daha büyük endişeleri olabilir.

Yine, işletmenize özgü kullanım durumlarına bağlıdır. Başka bir örnek: Şirketiniz bir yemek dağıtım hizmetiyse ve müşterinizin yer fıstığına alerjisi varsa, bu, şirketinizin doğru yapması gereken önemli bilgilerdir.

Bu kullanım durumlarını akılda tutmak, ekibinizin tanımlayıcıları eşleştirme, profilleri birleştirme ve nihayetinde müşterilerinize en iyi deneyimleri sunma konusunda en güvenli kararları vermesine yardımcı olacaktır.

MarTech Konferansı'na buradan kaydolun.