ग्राहक डेटा और निजीकरण के लिए एक विश्वसनीय रणनीति

केंद्रीय विचार: जब ग्राहक समझते हैं कि वे क्या प्रदान करते हैं, वे क्या…

जब ग्राहक समझते हैं कि वे क्या प्रदान करते हैं, वे क्या प्राप्त करते हैं, और वे अपनी पसंद को कैसे बदल सकते हैं।

अधिकांश निजीकरण कार्यक्रमों का निर्माण inference: व्यवहार मनाया गया, पैटर्न व्युत्पन्न, सेगमेंट असाइन किए गए थे। उस आर्किटेक्चर ने काम किया जबकि तीसरे पक्ष का संकेत प्रचुर मात्रा में था और यह कई वर्षों तक गिरावट आ रही है, न कि एक विनियमन के कारण, बल्कि मंच परिवर्तनों, ब्राउज़र चूकों और सहमति आवश्यकताओं के स्थिर संचय के कारण जो प्रत्येक ने थोड़ी अधिक इनपुट को हटा दिया। उन कार्यक्रमों में जो सबसे कठिन संघर्ष करते थे उन लोगों के लिए जिनका मूल्य उन आंकड़ों पर निर्भर था जिन्हें उन्होंने कभी नहीं पूछा था।

क्या बदल गया है और अब यह क्यों मायने रखता है: एक गैर-व्यक्तिगत आधार रेखा के खिलाफ वरीयता पूरा होने,…

बदलाव से पता चलता है कि निजीकरण अब कैसे विफल रहता है। सिफारिशें जो केवल निर्दोष थीं, visibly गलत हो जाती हैं, क्योंकि अंतर्निहित संकेत पतला होता है और मॉडल आगे बढ़ रहा है। ग्राहक नोटिस करते हैं, और प्रतिक्रिया तटस्थ नहीं है: एक ब्रांड से गलत सिफारिश जिसे कभी भी कुछ भी नहीं कहा जाता है, यह भी काम नहीं करता है। इस बीच स्वयंसेवक प्राथमिकताओं पर निर्मित कार्यक्रम धीरे-धीरे और भविष्य में गिरावट आई क्योंकि इनपुट को जानबूझकर दिया गया था और तब तक मान्य रहता है जब तक कि ग्राहक इसे बदलता है।

ऑपरेटिंग मॉडल का निर्माण: प्रत्येक ग्राहक क्षेत्र, इसके मालिक, अवधारण अवधि,…

स्पष्ट लाभ के क्षणों में वरीयताओं को इकट्ठा करना, प्रतिधारण को कम करना, सादे भाषा में उपयोग की व्याख्या करना और समीक्षा और हटाने के लिए एक दृश्य नियंत्रण सतह प्रदान करना।

एक्सचेंज को पूछने के क्षण में वैध होना चाहिए। यह कहे बिना एक जन्म तारीख का अनुरोध करने वाला क्षेत्र क्या होगा, वह कर है जो ग्राहक विश्वास पर भुगतान करता है; एक विशिष्ट बयान के बगल में एक ही क्षेत्र - हम इसे एक साल में एक बार उपयोग करते हैं और कुछ नहीं - एक लेनदेन है। प्रत्येक अनुरोध को एक क्षण से शुरू किया जाना चाहिए जहां इसका मूल्य स्पष्ट है, और प्रश्नों की कुल संख्या इतनी कम है कि प्रत्येक एक बिंदु पर पहुंचे जहां ग्राहक क्यों देख सकते हैं।

क्या निर्णय का उत्पादन: ट्रस्ट-फर्स्ट डेटा रणनीति को अक्सर एक अनुपालन…

एक गैर-व्यक्तिगत आधार रेखा के खिलाफ वरीयता पूरा होने, सुविधा उपयोग, ऑप्ट-आउट कारणों, शिकायत दर और वृद्धिशील मूल्य ट्रैक करें।

प्रति फ़ील्ड के बजाय पूरा होने की दर को मापें, क्योंकि कुल छिपाता है जो प्रश्न क्षति कर रहा है। एकत्र वरीयताओं के अनुपात को ट्रैक करें जो वास्तव में नौ दिनों के भीतर उपयोग किए जाते हैं - यह संख्या सबसे अधिक कार्यक्रम बच जाती है, और एकत्र और उपयोग के बीच एक बड़ा अंतर यह स्पष्ट संकेत है कि संगठन व्यक्तिगत रूप से व्यक्तिगत होने के बजाय hoarding है। प्राथमिकता अद्यतन दर ट्रस्ट सूचक है: ग्राहक जो एक निर्धारित वरीयता को बदलने के लिए वापस आते हैं, यह दर्शाता है कि उनका मानना है कि इसका प्रभाव है।

जहां निष्पादन टूट जाता है: निजीकरण हर बार जब एक मंच अपने नियमों को बदल देता है,…

जब संग्रह छिपा हुआ महसूस करता है तो अधिक डेटा विश्वास को कम कर सकता है, सिफारिशें गलत हैं, या ग्राहक प्रोफ़ाइल को सही नहीं कर सकते हैं।

मुख्य असफलता संगठन की तुलना में अधिक एकत्र कर रही है। प्रत्येक अप्रयुक्त क्षेत्र एक संग्रहीत देयता, एक सहमति दायित्व और अगले प्रश्न का उत्तर देने के लिए ग्राहक की इच्छा से एक छोटा वापसी है। एक दूसरी विफलता उत्पाद की सतह के बजाय एक सेटिंग्स पेज के रूप में वरीयता केंद्र का इलाज कर रही है: दफन, शायद ही कभी अद्यतन किया गया और अनुभव से डिस्कनेक्ट किया गया था, जो माना जाता है कि नियंत्रित होता है, जो ग्राहकों को सिखाता है कि वरीयता में कोई बदलाव नहीं होता है। कैसे वरीयताओं को संशोधित करने में संबंधित विफलता है। एक ग्राहक जिसने अठारह महीने पहले कुछ कहा था, अब इसका मतलब नहीं हो सकता है, और एक प्रणाली जो स्थायी रूप से कहानी की जानकारी पर कार्य करती है, जबकि यह सम्मानजनक है। एजिंग वरीयताओं और फिर से एक से अधिक अंतराल पर पूछ डिजाइन का हिस्सा है, एक प्रवेश नहीं है कि मूल उत्तर बेकार था।

यह व्यवहार में कैसा दिखता है: निजीकरण हर बार जब एक मंच अपने नियमों को बदल देता है,…

अभ्यास में एक कार्य कार्यक्रम बहुत कम मांगता है और तुरंत प्रभाव दिखाता है। एक वापसी ग्राहक एक बार एक आकार बताता है और कभी भी गलत नहीं देखता है। एक ग्राहक एक आवृत्ति का चयन करता है और अगले भेजने का सम्मान करता है। इस भूमि को बनाने वाला तंत्र पुष्टि करता है: ग्राहक को यह बताने के लिए कि वे क्या कहते हैं कि वे आपको बताते हैं, उस समय यह बदल जाता है। प्रोग्राम जो चुपचाप एकत्र करते हैं और चुपचाप व्यक्तिगत रूप से डेटा संग्रह की अनुपालन लागत को किसी भी ट्रस्ट लाभ के साथ प्राप्त करते हैं।

इसके खिलाफ सबसे मजबूत तर्क: जब ग्राहक समझते हैं कि वे क्या प्रदान करते हैं, वे क्या…

गंभीर आपत्ति यह है कि स्वयंसेवी डेटा पतली है, जो ग्राहकों की ओर अग्रसर है, और महंगा पैमाने पर इकट्ठा करने के लिए उपयोग किया जाता है। केवल निर्दिष्ट प्राथमिकताओं पर प्रशिक्षित एक सिफारिश इंजन अमीर व्यवहार संकेत के साथ एक को कम करेगा, और उच्च मात्रा वाले कम मार्जिन वाणिज्य के लिए जो अंतर पैसा है।

यह सच है और यह विश्वास के साथ रहने के बजाय एक हाइब्रिड के लिए तर्क देता है। Behavioural संकेत उपयोगी रहता है जहां यह उपलब्ध है और सहमति व्यक्त की जाती है; बिंदु यह है कि सिस्टम गायब होने पर विफल नहीं होना चाहिए। व्यावहारिक स्थिति यह है कि ग्राहकों ने जो कहा था उससे टिकाऊ परत का निर्माण किया है, जो एक वृद्धि के रूप में अनुमान लगाता है जो गायब हो सकता है, और यह कहने में सक्षम हो सकता है कि कौन-सा कौन-सा कार्यक्रम जो सबसे अधिक पीड़ित थे वे नहीं कह सकते थे।

30-day कार्यान्वयन अनुक्रम: एक गैर-व्यक्तिगत आधार रेखा के खिलाफ वरीयता पूरा होने,…

प्रत्येक ग्राहक क्षेत्र, इसके मालिक, अवधारण अवधि, उपयोगकर्ता लाभ और विलोपन पथ की सूची। एक निश्चित उद्देश्य के बिना फ़ील्ड निकालें।

सप्ताह एक, प्रत्येक ग्राहक डेटा फ़ील्ड को आप इकट्ठा करते हैं और चिह्नित करते हैं जो पिछले तिमाही में एक अनुभव बदल देते हैं। अप्रयुक्त अनुपात को असहज होने की उम्मीद है। सप्ताह दो, हटाएं या अप्रयुक्त लोगों को इकट्ठा करना बंद करें। सप्ताह तीन, उन तीन क्षेत्रों का चयन करें जो अधिकांश अनुभव में सुधार करेंगे और उस क्षण को डिजाइन करेंगे जहां प्रत्येक को पूछा गया है, जिसमें एक वाक्य में कहा गया है। सप्ताह चार, पुष्टि जहाज - संदेश जो एक ग्राहक को बताता है कि उनका जवाब क्या बदल गया - क्योंकि यही कारण है कि दूसरा सवाल जवाब देने योग्य है।

लेखा परीक्षा एकत्र बनाम उपयोग की गई, सहमति दर नहीं

प्रत्येक क्षेत्र की एक तालिका रखें, तारीख यह एक अनुभव को बदलने के लिए इस्तेमाल किया गया था, और उस टीम का मालिक है। दो क्वार्टरों में कोई उपयोग नहीं करने वाले क्षेत्रों को उचित रूप से हटाया जाना चाहिए। तालिका का विरोध किया जाता है क्योंकि यह संग्रह को उजागर करता है जो एक ऐसी परियोजना के लिए हुआ था जिसे रद्द कर दिया गया था, और यह ठीक उसी का मूल्य है: अप्रयुक्त व्यक्तिगत डेटा शुद्ध देयता है, और यह चुपचाप जमा करता है क्योंकि यह किसी का उद्देश्य नहीं है। तालिका एक तर्क भी निर्धारित करती है कि अन्यथा हर योजना चक्र की पुनरावृत्ति होती है, जो कि एक और क्षेत्र के लिए पूछना है। प्रत्येक मौजूदा क्षेत्र से जुड़े उपयोग डेटा के साथ, प्रश्न काल्पनिक होने से रोकता है: एक नया प्रस्ताव देने वाली टीम को यह कहा जा सकता है कि वर्तमान क्षेत्रों में से कौन से यह बेहतर है, और यह उत्तर के साथ एक सवाल है।

त्रैमासिक समीक्षा करें, और उपयोग की दर और वरीयता अद्यतन दर के बगल में संग्रह दर को एक साथ पढ़ें। जबकि उपयोग में वृद्धि का मतलब है कि कार्यक्रम में सुधार के बजाय जमा हो रहा है। एक स्वस्थ संकेत ग्राहकों को सूचित वरीयताओं को अद्यतन करने के लिए वापस आ रहा है, क्योंकि केवल तब होता है जब उन्होंने अपने पिछले उत्तर को एक प्रभाव में देखा है।

संपादकीय निष्कर्ष: ट्रस्ट-फर्स्ट डेटा रणनीति को अक्सर एक अनुपालन…

ट्रस्ट-फर्स्ट डेटा रणनीति को अक्सर एक अनुपालन प्रतिक्रिया के रूप में प्रस्तुत किया जाता है, जो इसे कम करता है। परिचालन का मामला सरल है: एक ग्राहक को यह बताने के लिए चुना गया कि आप ब्राउज़र अपडेट होने पर गायब नहीं होते हैं, और यह संलग्न अनुमति के साथ आता है। वहाँ भी एक आंतरिक लाभ है कि शायद ही कभी गिनती हो जाता है। एक कहा गया वरीयता किसी मॉडलिंग चरण के बिना संगठन में हर किसी के लिए वैध है, जिसका मतलब है कि मर्चेंडाइजिंग, सर्विस और सीआरएम सभी उसी व्यवहार के तीन अलग-अलग व्याख्याओं के बजाय उसी तथ्य पर कार्य कर सकते हैं। Inference-आधारित खंड टीमों के बीच चुपचाप भिन्न होते हैं क्योंकि प्रत्येक उन्हें अपने उद्देश्य के लिए पुनर्निर्माण करता है, और उन्हें किसी भी बजट की तुलना में अधिक विश्लेषक समय खर्च करता है। जो संगठन पांच साल में अच्छी तरह से व्यक्तिगत रूप से करेंगे वे इस साल इस साल इस बात को जानने में कामयाब रहे कि कैसे पूछें, और कैसे पता चलेगा कि जवाब किस तरह मायने रखता है। पूछ आसान आधा है। यह दर्शाता है कि अधिकांश कार्यक्रम बंद हो जाते हैं, और यह आधा है जो यह निर्धारित करता है कि क्या कोई ग्राहक दूसरे प्रश्न का उत्तर देता है।