Bagaimana Mengidentifikasi 3 Kategori Data dalam Analisis Prediktif - dummies

Sebagai hasil dari berbisnis, perusahaan telah mengumpulkan banyak data tentang bisnis dan pelanggan mereka, sering disebut sebagai business intelligence . Analisis prediktif menggunakan data ini. Untuk membantu mengembangkan kategori untuk data Anda, berikut ini adalah ikhtisar umum jenis data yang dianggap intelijen bisnis:

Data perilaku berasal dari transaksi, dan dapat dikumpulkan secara otomatis:

• Barang yang dibeli

• Metode pembayaran

• Apakah barang yang dibeli itu dijual

• Informasi akses pembeli:

  • Alamat

  • Nomor telepon

  • E- mail

• Semua pembeli telah menyediakan data tersebut saat melakukan pembelian secara online (atau bahkan saat membeli di toko atau melalui telepon).

Jenis data lainnya dapat dikumpulkan dari pelanggan dengan kerja sama mereka:

• Data yang diberikan oleh pelanggan saat mereka mengisi survei

• Pelanggan mengumpulkan jawaban atas poling melalui kuesioner

• Informasi yang dikumpulkan dari pelanggan yang melakukan kontak langsung dengan perusahaan

  • Di toko fisik

  • Melalui telepon

  • Melalui situs perusahaan

Selain itu, jenis data yang dikumpulkan bisnis dari operasinya dapat memberikan informasi tentang pelanggannya. Contoh umum mencakup jumlah waktu yang dihabiskan pelanggan di situs web perusahaan, serta riwayat penjelajahan pelanggan. Semua gabungan data tersebut dapat dianalisis untuk menjawab beberapa pertanyaan penting:

• Bagaimana bisnis Anda dapat meningkatkan pengalaman pelanggan?

• Bagaimana Anda bisa mempertahankan pelanggan lama dan menarik yang baru?

• Apa yang akan disukai basis pelanggan Anda selanjutnya?

• Pembelian apa yang dapat Anda rekomendasikan untuk pelanggan tertentu?

Langkah pertama untuk menjawab pertanyaan ini (dan banyak lainnya) adalah mengumpulkan dan menggunakan semua data operasi yang terkait dengan pelanggan untuk analisis menyeluruh. Tipe data yang membentuk data semacam itu dapat berpotongan dan dapat dideskripsikan dan / atau dikelompokkan secara berbeda untuk tujuan analisis.

Beberapa perusahaan mengumpulkan data jenis ini dengan memberi pengalaman yang dipersonalisasi kepada pelanggan. Misalnya, ketika sebuah bisnis menyediakan alat yang mereka butuhkan untuk membangun situs web yang dipersonalisasi, perusahaan tersebut tidak hanya memberdayakan pelanggan (dan memperkaya pengalaman mereka dalam berurusan dengan perusahaan), namun juga memungkinkan perusahaan untuk belajar dari ekspresi langsung pelanggannya. 'keinginan dan kebutuhan: situs web yang mereka buat.

Dasar-dasar data sikap dalam analisis prediktif

Informasi apa pun yang dapat menjelaskan bagaimana pelanggan berpikir atau merasa dianggap data sikap .

Ketika perusahaan mengeluarkan survei yang meminta umpan balik dan pemikiran pelanggan mereka tentang lini bisnis dan produk mereka, data yang dikumpulkan adalah contoh data sikap.

Data berprestasi memiliki dampak langsung pada jenis kampanye pemasaran yang dapat diluncurkan perusahaan. Ini membantu membentuk dan menargetkan pesan kampanye tersebut. Data sikap dapat membantu membuat pesan dan produk lebih relevan dengan kebutuhan dan keinginan pelanggan - yang memungkinkan bisnis untuk melayani pelanggan lama dengan lebih baik dan menarik calon pelanggan.

Keterbatasan data sikap adalah ketidaksempurnaan tertentu: Tidak semua orang secara objektif menjawab pertanyaan survei, dan tidak semua orang memberikan semua rincian yang relevan yang membentuk pemikiran mereka pada saat survei.

Dasar-dasar data perilaku dalam analisis prediktif

Data perilaku berasal dari apa yang pelanggan lakukan saat berinteraksi dengan bisnis; Ini terutama terdiri dari data transaksi penjualan. Data perilaku cenderung lebih dapat diandalkan daripada data attitudinal karena mewakili apa yang sebenarnya terjadi.

Bisnis tahu, misalnya, produk apa yang dijual, siapa yang membelinya, dan bagaimana pelanggan membayarnya.

Data perilaku adalah hasil sampingan dari operasi normal, sehingga tersedia bagi perusahaan tanpa biaya tambahan. Data sikap, di sisi lain, memerlukan survei atau riset pasar untuk mendapatkan wawasan ke dalam pikiran pelanggan.

Data attitudinal dianalisis untuk memahami mengapa pelanggan berperilaku seperti mereka, dan merinci pandangan mereka tentang perusahaan Anda. Data perilaku memberitahu Anda apa yang sedang terjadi dan mencatat tindakan nyata pelanggan. Data sikap memberi wawasan tentang motivasi; data perilaku menyediakan siapa-apa-apa - konteks keseluruhan yang menyebabkan reaksi khusus pelanggan. Analisis Anda harus mencakup kelompok untuk kedua jenis data; mereka saling melengkapi Menggabungkan kedua data sikap dan perilaku dapat membuat model analisis prediktif Anda lebih akurat dengan membantu menentukan segmen basis pelanggan Anda, menawarkan pengalaman pelanggan yang lebih dipersonalisasi, dan mengidentifikasi driver di balik bisnis.

Sekarang mari bandingkan data sikap dan perilaku.

Karakteristik

Perilaku	Perilaku	Sumber Data
Pikiran pelanggan	Tindakan pelanggan	Data Berarti
Dikumpulkan dari survei	Dikumpulkan dari transaksi	Data Tipe
Subjektif	Tujuan	Biaya Data
Mungkin biaya tambahan	Tidak ada biaya tambahan	Dasar-dasar data demografi dalam analisis prediktif
Data demografis

terdiri dari informasi termasuk usia, ras, status perkawinan, tingkat pendidikan, status pekerjaan, pendapatan rumah tangga, dan lokasi. Anda bisa mendapatkan data demografis dari Biro Sensus U. S., instansi pemerintah lainnya, atau melalui entitas komersial. Semakin banyak data yang Anda miliki tentang pelanggan Anda, semakin baik wawasan yang Anda miliki untuk mengidentifikasi tren demografis dan pasar tertentu serta bagaimana hal itu dapat mempengaruhi bisnis Anda.Mengukur denyut nadi tren demografis akan memungkinkan Anda menyesuaikan diri dengan perubahan dan pasar yang lebih baik, menarik, dan melayani segmen tersebut.

Segmen populasi yang berbeda tertarik pada produk yang berbeda.

Usaha kecil yang melayani lokasi tertentu harus memperhatikan perubahan demografis di lokasi tersebut. Semua tetangga telah menyaksikan perubahan populasi dari waktu ke waktu di lingkungan tertentu. Bisnis harus menyadari perubahan tersebut; mereka mungkin mempengaruhi bisnis secara signifikan. Data demografis, bila dikombinasikan dengan data perilaku dan sikap, memungkinkan pemasar melukis gambaran akurat dari pelanggan potensial dan saat ini, yang memungkinkan mereka meningkatkan kepuasan, retensi, dan akuisisi.