211service.com
Datu stratēģijas uzlabošana, lai radītu vislabāko klientu pieredzi
Saistībā ar Adobe
Uzņēmumiem mūsdienās ir daudz informācijas, ko izmantot. Tas tiek iegūts no klientu saskarsmes punktiem, mobilajām darbībām, lietu interneta (IoT) ierīcēm, e-komercijas darījumiem un daudziem citiem avotiem. Un korporatīvā pārvaldība ir atvieglojusi datu konfidencialitātes noteikumu ievērošanu, tāpēc organizācijas var būt pārliecinātas par datu kvalitāti.
Bet lietderība? Tas ir liels izaicinājums, ar kuru cīnās daudzi zīmoli.
Galvenais nav tas, kā jūs apkopojat datus, bet gan kā jūs tos savienojat, saka Anjul Bhambhri, Adobe platformas inženierijas viceprezidents. Organizācijām ir daudz datu, taču neviens nezina, kādi dati tām ir. Dati tiek sagrupēti, sadrumstaloti un izkaisīti visā uzņēmumā.
Bhambri saka, ka kāds ir atbildīgs par uzņēmuma datu kataloģizēšanu, kā arī datu savienošanas tehnoloģijas pārvaldību. Bez datu stratēģijas uzņēmums nevar sakārtot datus vai gūt no tiem ieskatu, lai reaģētu uz mainīgajiem tirgus apstākļiem. Tas arī nozīmē, ka organizācija neizmanto iespējas nodrošināt uz datiem balstītu personalizētu klientu pieredzi, kas uzlabo lietotāju lojalitāti, palielina pārdošanas apjomu vai veicina atkārtotu iesaistīšanos.
Uzņēmumi var izmantot datus, lai iegūtu patiesu, vienotu priekšstatu par saviem klientiem. To var izdarīt, izveidojot reāllaika klientu profilus, izmantojot Adobe Experience Platform, kas savieno datus visā uzņēmumā un palīdz uzņēmumiem radīt un nodrošināt neaizmirstamu digitālo pieredzi. Tas var apstrādāt vairāk nekā 13 miljonus mākoņa API zvanu dienā, kas nozīmē, ka tas var apstrādāt datus no jebkuras organizācijas daļas. Lai pierādītu šo iespēju, Adobe nolēma kļūt par savu klientu. Izmantojot šo platformu, Adobe varētu pilnībā personalizēt klientu pieredzi visos kanālos saviem miljoniem klientu. Un šī pieredze tiek atjaunināta 10–14 sekundēs, nevis 24–72 stundu laikā.
Drošs veids, kā nopelnīt klientu uzticību un lojalitāti, ir viņus saprast labāk nekā jebkurš cits un piegādāt to, kas viņiem nepieciešams, tieši tad, kad tas ir nepieciešams. Bagātīgāks skatījums uz klientu ļauj uzņēmumiem izprast klienta ceļu, saka Bhambri. Un tieši tur Adobe saskata reālu iespēju: kā padarīt to personalizētu, lai klients kļūtu par lojālu fanu?
Viena daļa no klienta ceļojuma
Ikviens patērētājs ir neapmierināts ar nenoteiktību. Kad pienāks mans pasūtījums? Vai tas būs tas, ko es gribēju? Uzņēmums, kas piedāvā paredzamību, var iegūt lielāku daļu no pīrāga.
Piemēram, liela picu ķēde izveidoja tiešsaistes pasūtīšanas sistēmu, kas uzlaboja tās klientu ceļu vai vismaz picas ceļu pie klienta. Protams, picu ķēde izseko katru pasūtījumu savas darbplūsmas labā. Taču, kopīgojot šos datus ar klientiem, uzņēmums nepārtraukti piedāvā pārliecību, ka pārtika ir ceļā. Picu ķēde integrē reāllaika datus, ko tā savāc katrā procesa posmā, no picas pasūtījuma līdz piegādei, un nosūta personalizētus statusa izmaiņu atjauninājumus. Klients saņem teksta brīdinājumus, ka pica ir ielikta cepeškrāsnī, ka tā būs gatava paņemšanai pēc 10 minūtēm, vai atjauninājumu, pamatojoties uz atrašanās vietas datiem, kas parāda, cik tuvu pica atrodas viņa mājā.
Tagad tas nodrošina klientu pieredzi.
Datu organizēšana, lai uzlabotu klientu pieredzes pārvaldību
Sakārtoti dati atvieglo holistiska klienta skatījuma iegūšanu, kas ļauj uzņēmumiem piedāvāt personalizētu lietotāja pieredzi katrā saskares punktā.
Picu ķēde nav vienīgais piemērs. Ražotāji var dalīties informācijā ar klientiem, lai informētu viņus par pasūtījumu izpildes gaitu, izmantojot e-pasta ziņojumus, kuros teikts: Jūsu pielāgotais serveris tiek komplektēts! un īsziņas, lai izsekotu piegādes gaitai un piedāvātu paredzamību.
Taču datu analīzei ne vienmēr ir jābūt saistītai ar patērētāju. Piemēram, uzņēmums John Deere analizē IoT datus palīdzēt lauksaimniekiem uzlabot savu darbību . Izmantojot traktoru uzņēmuma kopīgotos reāllaika datus, lauksaimnieki var analizēt veiktspēju, izvēlēties aprīkojumu un sadarboties; gala rezultāts ir tāds, ka lauksaimnieki var labāk izlemt, ko stādīt, kā arī kur un kad. Arī lauksaimniecības uzņēmums paplašināja savu datu platformu trešajām personām, kas liek lauksaimniekiem dalīties ar datiem ar ievades piegādātājiem. Tas var izraisīt automātisku pasūtīšanu (piemēram, sēklas un mēslojums), lai nodrošinātu piegādi tieši laikā.
Datu izmantošana, lai palīdzētu klientiem, ietekmē katru pārtikas ķēdes dalībnieku. IoT iespējotu AI un mašīnmācīšanos izmanto a Fortune 200 ražošanas uzņēmums lai optimizētu krājumu līmeni un paredzēt aprīkojuma atteici , paļaujoties uz sensoru datu analīzi, vietnes uzraudzības datiem un līdzekļu pārvaldības sistēmām.
Acīmredzot šī veiksmīga izņemšana pārsniedz reāllaika datu vākšanas un datu pārvaldības modeļus, kas datu bāzes ievieto tvertnēs. Tam ir nepieciešama pieredzes arhitektūra, lai sakārtotu datus, konceptuāls modelis tam, ko var piegādāt, un tehnoloģija, kas savieno gabalus.
Datu stratēģijai ir nepieciešams, lai kāds konceptualizē procesu: apkopo, savieno, organizē un pēc tam aktualizē. Tieši tad parādās pieredze, saka Bhambri. Ne katram uzņēmumam ir visas iespējas, lai piedāvātu tik dziļu klientu pieredzi — vismaz ne uzreiz. Uzņēmumi var savākt datus, lai sāktu procesu, un vēl jo vairāk, izmantojot savienojumus, ko tie var izveidot. Bhambri saka, ka tas ir atkarīgs no tā, kur uzņēmums atrodas, no apkopošanas un aktualizācijas iegūto datu dzīves cikla. Kad mērķi ir skaidri, ir vieglāk redzēt, vai esam savienojuši pareizos datus.
Tas ir dzīves cikls, saka Bhambhri. Jūs nevarat uzsākt šo ceļojumu tikai vienu reizi. Jūs mācāties un pilnveidojaties. Un tas ir labs darījums datu pārvaldībai (un picai) neatkarīgi no tā, kā jūs to sadalāt.