Kimlik Çözümü: Veri Ambarı ve Müşteri Veri Platformu

Herkes müşteri verileri için tek bir gerçek kaynağı ister, ancak bunun ne anlama geldiği kime sorduğunuza bağlıdır.

Elbette, veri ambarı, birden çok kaynaktan toplanan müşteri verileri için "tek bir mağaza"dır; ancak, kimlik çözümlemesinin yokluğunda, veriler yalnızca yarı doğrudur. Verilerden müşteri etkinliğine ilişkin birleşik bir görünüm oluşturmak önemsizden başka bir şey değildir; bununla görevlendirilenler, doğru yapmanın karmaşıklıklarını kanıtlayabilir.

Ayrıca, kimlik çözümlemenin tanımı da işletmeden işletmeye değişir - belirli endüstriler için kimlik çözümlemesi için çözüm, daha geniş bir varlık çözümleme sorununun bir alt kümesidir.

Kimlik çözümlemesi, adından da anlaşılacağı gibi, bir kişinin kimliğini ifade eder - bir işletmenin ilgilendiği çeşitli varlıklardan biri olan bireysel bir kullanıcı veya müşteri. Diğerlerinden bazıları hesaplar, ürünler, tedarikçiler, satıcılar, ortaklar ve satıcılardır.

Ancak bu kılavuzda, kimlik çözümlemesini biraz daha derinlemesine incelemek ve bunun gerçekleştiği sistemleri, otomatik ve manuel kimlik çözümlemesi arasındaki farkları ve deterministik ile olasılıklı eşleştirmenin faydalarını açıklamak istiyorum.

Kimlik çözümlemesi: Nerede ve nasıl olur?

Kimlik çözümlemesi, muhtemelen zaten bildiğiniz gibi, birden çok kaynakta (veya temas noktalarında) yakalanan kullanıcı (veya müşteri) kayıtlarını birleştirme sürecidir.

Fakat bu süreç nerede gerçekleşir? Birleştirmeyi kim yapar? Veriler nasıl yakalanır ve saklanır? Ve hepsini mümkün kılmak için önkoşul veri noktaları nelerdir?

Bir kimlik çözümleme çabasına yatırım yapmadan önce bu soruların yanıtlarına sahip olmak önemlidir.

Veri ambarı (DWH)

Veri ambarının babası olarak bilinen Bill Inmon, kısa süre önce bir veri ambarının ne olduğuna dair popüler mitleri çürüttüğü “Veri Ambarı Ne Değildir” başlıklı bir makale yazdı. veri ambarlama dünyasında neler olup bittiğine dair daha derin bir anlayış kazanın.

Tipik haliyle veri ambarı, farklı kaynaklardan gelen müşteri verilerini depolayan ve analitik iş yükleri için kullanılan bir bulut veritabanıdır.

Kimlik çözümlemesi gerçekleşmeden önce, birinci taraf veri kaynaklarından (uygulamalar, web siteleri veya akıllı cihazlar) gelen verilerin, genellikle bir dahili veya harici müşteri veri altyapısı (CDI) kullanılarak yapılan veri ambarında kullanıma sunulduğundan emin olunmalıdır. çözüm. Kimlik çözümlemesi, birden çok kaynaktan kaynaklanan kullanıcı kayıtlarını eşleştirmek ve birleştirmek için kullanılan bir dizi tanımlayıcıya (ID'ler) dayandığından, hangi verilerin toplandığı ve nasıl depolandığı önemlidir.

Birleştirme kodunun yazılması

Kayıtların birleştirilmesi veya birleştirilmesi süreci, gerekli veriler depoda hazır hale getirildikten sonra başlar. Bu genellikle, veri kümelerini iyi anlayan ve gerçekleştirilmiş görünümler olarak bilinen yeni tablolar oluşturmak için tablolar arasında karmaşık birleştirmeler gerçekleştiren SQL sorguları yazmada usta olan analistler tarafından yapılır. Bu tablolar daha sonra analiz ve aktivasyon için kullanılan gerçeğin kaynağı olarak hizmet eder.

Olasılıksal ve deterministik eşleştirme

E-posta, cep telefonu numarası, cihaz kimliği ve kullanıcı kimliği gibi tanımlayıcıların yokluğunda veya diğer faktörlerden dolayı bunları doğru bir şekilde birleştirme yeteneğinde, olasılıksal eşleşme olarak adlandırılan ve bunun yerine sinyallere dayanan, olasılıklı eşleştirmeye başvurmak gerekir. kişisel olarak tanımlanabilir bilgiler (PII).

Bulanık eşleme olarak da bilinen olasılıksal eşleme, olası eşleşme kabul edilebilir bir puan aldığında kayıtları birleştirmek için ad, konum, işletim sistemi, IP adresi vb. gibi kullanıcı özelliklerinin bir kombinasyonunu arar.

Basit bir ifadeyle, olasılıklı eşleştirme daha esnektir ancak %100 doğru değildir. Veri kümelerinin büyük ve karmaşık olduğu dolandırıcılık tespiti gibi kritik kullanım durumlarında kullanmak mantıklıdır; ancak hedefiniz veriye dayalı kişiselleştirilmiş deneyimler oluşturmaksa bu önerilmez.

Deterministik eşleme daha doğrudur çünkü işin içinde "tahmin" yoktur; bu, mevcut tanımlayıcılara dayalı bir 0 veya 1 senaryosudur. Bu yaklaşımın faydaları aşağıda ele alınmıştır.

Artık veri ambarında kimlik çözümlemesinin nasıl işlendiğine dair adil bir anlayışa sahip olduğunuzu umuyorum. CDP'ler tarafından nasıl yapıldığını anlamanın zamanı geldi.

Müşteri veri platformu (CDP)

Bir CDP'nin ne olmadığını açıklayan bir makaleye bağlantı vermek istedim (burada bir CDP nedir ) , ancak ne yazık ki bir tane bulamadım, bu yüzden öncelikle bir CDP'nin bir CDI olmadığını, ne de olduğunu hızlıca belirtmek istiyorum. bir CRM.

Özünde, bir müşteri veri platformu, müşteri veri altyapısının üzerinde bir platformdur - platform, insanların görsel bir arayüz kullanarak kitleleri üçüncü taraf araçlarla bölümlere ayırmasına ve senkronize etmesine olanak tanır.

Peki kimlik çözümlemesi nerede ve nasıl gerçekleşir?

Genel olarak konuşursak, verilerin toplanması sırasında veya hemen sonrasında gerçekleşir. Kaputun altında, bir CDP verilerin bir kopyasını saklar ve otomatik bir şekilde, sağlanan tanımlayıcılara dayalı olarak deterministik eşleştirme gerçekleştirir.

Daha önce belirtildiği gibi, kişisel olarak tanımlanabilir bilgiler (PII), deterministik eşleştirmeyi sağlamada kilit bir rol oynar ve yüksek düzeyde doğruluk sunar; verileri toplamak ve birleştirmeyi gerçekleştirmek için entegre bir sistem, bir CDP'yi çekici kılan şeydir.

Bazı CDP satıcıları olasılıksal yolu seçmiş ve tekliflerinin doğası gereği üstün olduğunu öne sürmüşlerdir. Olasılıksal eşleşmenin dezavantajlarını detaylandırmak yerine, deterministik eşleşmenin bazı temel faydalarını vurgulamak istiyorum.

Deterministik kimlik çözümü: Temel faydalar

Kişiselleştirme, SaaS ve e-ticaret işletmeleri için kutsal bir kâsedir, ancak yanlış giderse veya zamansız olursa, kişiselleştirme çabalarının hiç kişiselleştirmemekten daha zararlı olduğu kanıtlanabilir.

Belirleyici kimlik çözümü, yalnızca ölçekte doğru kişiselleştirmeyi sağlamakla kalmaz, aynı zamanda işletmelerin daha fazla gizlilik dostu olmasını ve düzenlemelere daha sıkı bir şekilde uymasını sağlar. Bunu açmama izin ver.

Kişiselleştirme

Belirleyici kimlik çözümlemesi yalnızca sistem, kullanıcı tarafından doğrudan sağlanan tanımlayıcılara (tipik olarak e-posta veya telefon numarası) dayalı olarak kullanıcı kayıtlarını tanımlayabildiğinde gerçekleştiğinden, kişiselleştirme çabalarının berbat olması pek olası değildir.

Ek olarak, CDP'ler veri toplama anında kimlik çözümlemesini otomatik olarak gerçekleştirebildikleri için zamanlılık sağlanır.

Çoğu SaaS işletmesi için geçerli olan basit bir kullanım örneği, kullanıcılara - kaydolduktan hemen sonra - konum, sektör veya tercihler gibi diğer kullanıcı özelliklerini de dikkate alan oldukça kişiselleştirilmiş bir hoş geldiniz e-postası göndermektir.

SaaS işletmeleri genellikle bir kullanıcının birden fazla hesap veya çalışma alanı oluşturmasına izin verir, ancak aynı standart karşılama e-postasını mevcut bir kullanıcıya göndermek pek mantıklı değildir. Önceden tanımlanmış segmentasyon ve gerçek zamanlı senkronizasyon ile birleştirilmiş deterministik kimlik çözünürlüğü, kullanıcının yeni bir kullanıcı olarak değerlendirilmemesini sağlayabilir ve aldıkları iletişim bunu yansıtır.

Hemen hemen tüm sektörler için geçerli olan daha geniş bir örnek, hesaplarına yeni bir cihazda veya tanınmayan bir konumda giriş yaptıklarında kullanıcıları bilgilendirmek. Sistem zaten belirli bir IP adresi ve cihaz kimliği ile ilişkili kullanıcı kimliğine sahip olduğundan, bilinmeyen kalıpları hemen tanıyabilir ve kullanıcıyı gerçek zamanlı olarak bilgilendirebilir.

Gizlilik dostu

Gizlilik dostu bir yaklaşımın işletmeler için neden kritik olduğu konusunda kimsenin ders almasına gerek yok; GDPR veya CCPA'ya uymamanın sonuçları acımasız olabilir.

Belirleyici eşleme ile markalar, bir kullanıcı iletişim almayı reddettiyse veya unutulmak istiyorsa, alt sistemlerde (e-posta, SMS, reklam kanalları vb.) doğru bir şekilde tanımlandığından ve verilerinin silindiğinden emin olabilir. her yerde.

Belirleyici kimlik çözümleme yeteneklerine sahip bir CDP'nin yokluğunda bu uyumluluk düzeyine ulaşmak önemsiz olmaktan uzaktır ve yol boyunca birden fazla ihlale neden olabilir.

Hangi kimlik çözümlemesi sizin için uygun?

Bu kılavuzun amacı, farklı ortamlarda farklı kısıtlamalar altında kimlik çözümlemesinin nasıl elde edildiğine dair bir genel bakış sağlamaktır ve umarım bunu yapmayı başardım.

Bu ipuçları ve öneriler, öncelikle B2B SaaS şirketlerinde olmak üzere ürün, büyüme ve pazarlama kullanım durumları alanı için daha uygundur. Ayrıca, bu parça, bir yaklaşımın diğerinden daha iyi olduğu sonucuna varmak anlamına gelmez ve belirli faktörlere dayalı olarak, veri ambarında bulanık eşleştirme kullanarak kimlik çözümlemesini yönetmek, sonuçta bazı işletmeler için daha iyi sonuç verebilir.

Bir ürün uzmanıyla konuşarak Amplitude CDP'de kimlik çözümlemesi hakkında daha fazla bilgi edinin .