Data science

Phân tích so sánh cần một phương pháp tiếp cận an toàn

Phân tích dữ liệu so sánh chính xác là câu châm ngôn “nồi vàng” ở cuối cầu vồng, nhưng nếu không có danh tính an toàn, các nhà tiếp thị không thể đạt được điều đó. Một lĩnh vực của trí thông minh so sánh quan trọng đang bị tụt hậu trong thế giới siêu phân tích ngày nay. Trong thế giới tiếp thị theo hướng phân tích hiện đại ngày nay, các nhà thực hành cần có khả năng so sánh các bộ dữ liệu khác nhau một cách dễ dàng và dễ dàng trình bày nó, tuy nhiên vẫn có những trở ngại trên đường đi. Với việc cookie của bên thứ ba sẽ biến mất và luật bảo mật mở rộng theo từng tiểu bang, các thương hiệu muốn xen kẽ và phân tích dữ liệu khách hàng chính xác nhất, nhưng họ phải chống lại sự phức tạp và đảm bảo quyền riêng tư bằng chiến lược dữ liệu của bên thứ nhất. Nói tóm lại, bảo mật dữ liệu không còn là một điều tốt đẹp nữa mà nó là một điều cần thiết. Làm thế nào để các thương hiệu, nhà xuất bản, đại lý và nhà cung cấp dữ liệu có thể đi đến cuối cầu vồng? Một cách tiếp cận cơ bản đối với khoa học dữ liệu là sử dụng phân tích so sánh. Nó được sử dụng thường xuyên trong so sánh dữ liệu với hai hoặc nhiều quy trình, tài liệu hoặc tập dữ liệu để phân tích các mẫu, lọc sự bất bình đẳng và tạo phân tích cây quyết định. Phân tích so sánh có thể được sử dụng để giúp đánh giá các thị hiếu và sở thích khác nhau của khách hàng đối với các thiết bị công nghệ cao, thực phẩm và đồ uống hoặc lựa chọn quần áo của họ. (Alexander Supertramp / Shutterstock) Theo Khảo sát Dữ liệu và Phân tích của Gartner 2020, chỉ 54% các quyết định tiếp thị đang bị ảnh hưởng bởi phân tích tiếp thị. Nhưng những người được hỏi cho rằng chất lượng dữ liệu kém, kết quả có thể thực hiện được và các đề xuất ngớ ngẩn là những lý do hàng đầu khiến họ không dựa vào phân tích để đưa ra quyết định. Những rào cản đáng kể tồn tại trong việc tiếp nhận thông tin đó một cách dễ hiểu. Để sử dụng tốt hơn dữ liệu trong kinh doanh, cần phải tập trung mạnh mẽ hơn vào việc tạo ra các đại diện tốt nhất của dữ liệu. Một ví dụ về biểu hiện của việc có sẵn dữ liệu là biểu đồ Venn. Biểu đồ Venn chỉ đơn giản cho thấy các yếu tố về sự giống nhau giữa các khái niệm và cả sự khác biệt giữa chúng. Chưa hết, con đường xây dựng biểu đồ Venn không hề đơn giản đối với các agency và marketer, những người cần quyền truy cập dữ liệu trước tiên. Việc kết nối dữ liệu nhận dạng cơ bản để so sánh các hành vi, sở thích hoặc lịch sử mua hàng mang tính mô tả hoặc định lượng ngày càng khó khăn nhưng là bước quan trọng. Trước tiên hãy sắp xếp dữ liệu và sau đó tổng hợp lại để phát hiện ra một giao lộ thực sự. Giải quyết vấn đề Làm thế nào các chuyên gia dữ liệu có thể giúp các thương hiệu và nhà xuất bản giải quyết các nhu cầu chưa được đáp ứng của người tiêu dùng đối với các sản phẩm mới hoặc tiện ích mở rộng sản phẩm? Cách chính là các nhà khoa học dữ liệu tạo ra các hệ thống an toàn để quản lý dữ liệu. Tín hiệu dữ liệu cung cấp cho AI và máy học để thúc đẩy phân khúc, ưu đãi và nhắm mục tiêu quảng cáo kỹ thuật số tốt hơn trên quy mô lớn. Điều này dẫn đến kiến ​​thức sâu hơn về những gì người tiêu dùng mong muốn và những yếu tố hoặc sở thích nào có thể ngăn họ tham gia. (Song_about_summer / Shutterstock) Để hiểu được những nút giao thông thực sự này, các công ty cần có cách để mang lại những hiểu biết phân tích của các bên khác nhau với nhau. Cho đến nay, do luật pháp và đạo đức, rất ít công ty, nếu có, sẵn sàng hoặc có thể chia sẻ thông tin cá nhân (số nhận dạng PII) với các công ty khác. Để giải quyết vấn đề này, các đổi mới trong việc cung cấp trao đổi danh tính an toàn đang được phát triển để phá vỡ các rào cản, để có thể thực hiện phân tích giữa hai hoặc nhiều phân khúc khách hàng trong khi vẫn bảo vệ dữ liệu người tiêu dùng. Điều này có nghĩa là thực hiện một cách tiếp cận mới đối với các giải pháp dữ liệu của họ, đặt quyền riêng tư lên hàng đầu. Cách khả thi nhất là thông qua trao đổi danh tính an toàn hoạt động độc lập với các thương hiệu và nhà tiếp thị. Với việc trao đổi danh tính an toàn, các khả năng mới sẽ mở ra, vì thông tin có thể được bảo vệ bằng mã hóa. Các nhà tiếp thị hiện có thể sử dụng dữ liệu cụ thể được cung cấp và chồng chéo dữ liệu để có được những hiểu biết mới về khách hàng mới và hành vi của khách hàng lâu dài. Lý do tại sao là dọc theo con đường khám phá dữ liệu, những người thực sự đằng sau dữ liệu hiện vẫn còn ẩn danh. Sử dụng Phân tích so sánh trong Công cụ dữ liệu để thực hiện phân tích so sánh, với các bộ dữ liệu xuất phát từ các công ty khác nhau, thách thức hơn nhiều so với tự phân tích. Với tính năng tự phân tích, các công ty dữ liệu thu thập dữ liệu, sau đó họ bắt đầu làm việc với nó và họ có thể thấy các mốc quan trọng. Trong phân tích so sánh, điều quan trọng là phải biết tất cả các điểm dữ liệu, nhưng dữ liệu trùng lặp có thể không được hiển thị. Trong phân tích so sánh, không quan trọng khách hàng trông như thế nào đối với một nhà tiếp thị, mà tất cả là việc nhìn thấy chính xác khách hàng khác nhau như thế nào. Đó là tìm hiểu về phân khúc bán chạy nhất và nguyên nhân gây ra sự khác biệt đó. Các công ty có thể đã tự do hơn trong những năm qua trong việc chia sẻ dữ liệu người tiêu dùng với các đối tác hoặc Nền tảng quản lý kỹ thuật số (DMP). Nhưng khi vũ trụ dữ liệu phát triển, giờ là lúc các công ty và thương hiệu này phát triển chiến lược dữ liệu của bên thứ nhất theo một cách thức mới. Kết nối an toàn với chiến lược dữ liệu của bên thứ nhất Là một ngành, chúng tôi đang ở thời điểm có thể khắc phục các vấn đề về quyền riêng tư và dữ liệu không an toàn của khách hàng bằng cách kết hợp xử lý an toàn thông tin người tiêu dùng. Mô hình zero-trust là tương lai hợp lý của tất cả các giao dịch để làm cho dữ liệu khách hàng an toàn hơn và tuân thủ quyền riêng tư hơn. Các giám đốc điều hành dữ liệu có tư duy tiến bộ đã nhận thấy lời hứa của nó là thúc đẩy thương mại và giảm thiểu rủi ro. Tin tốt cho các nhà tiếp thị là các vấn đề về bảo mật và quyền riêng tư xung quanh dữ liệu ngành đang được giải quyết; và với những đổi mới như trao đổi danh tính an toàn, sẽ có các cấp độ sâu dữ liệu hoàn toàn mới để hiểu khách hàng. Về tác giả: Brian Mullin là người sáng lập và CEO của Karlsgate, một công ty hợp tác dữ liệu an toàn. Ông đã có hơn 30 năm kinh nghiệm trong lĩnh vực phát triển phần mềm với vai trò lãnh đạo tại các công ty trong hệ sinh thái tiếp thị theo hướng dữ liệu. Các mục liên quan: Có, bạn có thể làm AI mà không cần hy sinh quyền riêng tư Ba kỹ thuật tăng cường quyền riêng tư có thể củng cố COVID – 19 Phản hồi Mở khóa sức mạnh biến đổi của Công nghệ nâng cao quyền riêng tư

  • Trang chủ
  • CRM
  • Email doanh nghiệp
  • Email marketing
  • Marketing News
  • Marketing tổng thể
  • SEO
  • Thiết kế Website
  • Web Hosting
  • Chatbot
  • Data science
  • Back to top button