यूनिफ़ाइड कस्टमर प्रोफ़ाइल एक व्यक्ति का 360 डिग्री व्यू है: उसकी डेमोग्राफ़िक जानकारी, उसका व्यवहार (वेबसाइट विज़िट, ईमेल खोलना, विज्ञापन क्लिक), उसके लेन-देन (खरीद, भुगतान), और उसकी बातचीत (सपोर्ट टिकट, कॉल)। एकीकरण से पहले डेटा बिखरा होता है: मार्केटिंग को व्यवहार दिखता है, सेल्स को लेन-देन, और सपोर्ट को टिकट। एकीकरण के बाद सबको ग्राहक की पूरी जानकारी दिखती है। इससे बेहतर फ़ैसले और पर्सनलाइज़ेशन मुमकिन होते हैं।
यूनिफ़ाइड प्रोफ़ाइल में क्या-क्या होता है
डेमोग्राफ़िक डेटा: नाम, ईमेल, फ़ोन, कंपनी, जॉब टाइटल, इंडस्ट्री, लोकेशन।
व्यवहार का डेटा: देखे गए पेज, खोले गए ईमेल, विज्ञापन क्लिक, साइट पर बिताया समय, डाउनलोड किया कंटेंट।
लेन-देन का डेटा: खरीदारी, ऑर्डर की रकम, भुगतान के तरीके, रिफ़ंड, सब्सक्रिप्शन की स्थिति।
जुड़ाव का डेटा: सपोर्ट टिकट, चैट हिस्ट्री, कॉल नोट्स, प्रोडक्ट का इस्तेमाल।
एनरिचमेंट डेटा: कंपनी की जानकारी (फ़ंडिंग, कर्मचारियों की संख्या), टेक्नोलॉजी स्टैक, इंडस्ट्री की खबरें, वित्तीय डेटा।
स्कोरिंग और सेगमेंट: लीड स्कोर, ग्राहक छोड़ने का जोखिम, लाइफ़टाइम वैल्यू, पर्सोना, सेगमेंट सदस्यता।
यूनिफ़ाइड प्रोफ़ाइल बनाना
स्टेप 1: आइडेंटिटी रेज़ोल्यूशन।
अलग-अलग सिस्टम में एक ही व्यक्ति को मिलाएं। मुख्य पहचान: ईमेल (सबसे आम)। दूसरी पहचान: फ़ोन, यूज़र ID, कंपनी। अगर ईमेल प्लेटफ़ॉर्म में jane@wemasy.com और CRM में n.morrison@wemasy.com दिखे, तो क्या वे एक ही व्यक्ति हैं? CDP को तय करना होगा।
समाधान: डिटरमिनिस्टिक मैचिंग (ईमेल बिल्कुल एक जैसा), प्रोबेबिलिस्टिक मैचिंग (मिलते-जुलते नाम + कंपनी = शायद एक ही व्यक्ति), मशीन लर्निंग (पिछले मिलान से सीखना)।
स्टेप 2: डेटा का एकीकरण।
सभी स्रोतों से डेटा प्रोफ़ाइल में खींचें। उदाहरण: ईमेल प्लेटफ़ॉर्म ईमेल जुड़ाव का डेटा भेजता है, CRM लेन-देन का डेटा भेजता है, एनालिटिक्स व्यवहार का डेटा भेजता है। सब एक प्रोफ़ाइल में जुड़ जाता है।
स्टेप 3: एनरिचमेंट।
बाहरी डेटा से प्रोफ़ाइल को बेहतर बनाएं: कंपनी की जानकारी (किसी प्रोफ़ेशनल नेटवर्किंग साइट से), वित्तीय डेटा (डेटा एनरिचमेंट प्रोवाइडर से), टेक्नोग्राफ़िक डेटा (वे कौन से टूल इस्तेमाल करते हैं?)। एनरिचमेंट से प्रोफ़ाइल की कीमत बढ़ती है।
स्टेप 4: इस्तेमाल।
प्रोफ़ाइल को फ़ैसलों के लिए इस्तेमाल करें: व्यवहार के आधार पर पर्सनलाइज़्ड ईमेल भेजें, रुचियों के आधार पर टारगेटेड विज्ञापन दिखाएं, और अगर इरादा स्कोर ज़्यादा है तो सेल्स टीम को भेजें। प्रोफ़ाइल आगे की हर कार्रवाई की जानकारी देती है।
यूनिफ़ाइड प्रोफ़ाइल के इस्तेमाल
पर्सनलाइज़ेशन: यूज़र वेबसाइट पर आता है, प्रोफ़ाइल लोड होती है, और वेबसाइट पर्सनलाइज़्ड कंटेंट दिखाती है। नया विज़िटर जानकारी वाला कंटेंट देखता है, और लौटने वाला ग्राहक अपग्रेड ऑफ़र।
लीड स्कोरिंग: व्यवहार (प्राइसिंग पेज देखा), डेमोग्राफ़िक (VP of sales), जुड़ाव (5 ईमेल खोले) को मिलाएं → लीड स्कोर = 85/100। सेल्स ज़्यादा स्कोर वाली लीड पर ध्यान देती है।
ग्राहक छोड़ने का अनुमान: जुड़ाव मेट्रिक्स (लॉगिन 50% घटे), सपोर्ट टिकट (3 शिकायतें), जुड़ाव स्कोर (गिर रहा है) को मिलाएं। ग्राहक छोड़ने का जोखिम = 70% का अनुमान लगाएं। कस्टमर सक्सेस टीम खुद आगे बढ़कर संपर्क करती है।
ग्राहक को बनाए रखना: खरीद का इतिहास (5 ऑर्डर), हाल की खरीद (आख़िरी खरीद 6 महीने पहले), जुड़ाव (ईमेल से अनसब्सक्राइब किया) को मिलाएं → ग्राहक छोड़ने का अनुमान लगाएं। विन-बैक कैंपेन से उन्हें टारगेट करें।
यूनिफ़ाइड प्रोफ़ाइल लागू करने की चुनौतियां
प्राइवेसी और सहमति: डेटा को जोड़ने के लिए साफ़ सहमति चाहिए। GDPR में साफ़ ऑप्ट-इन ज़रूरी है। पक्का करें कि डेटा जोड़ने का आपके पास कानूनी आधार है।
डेटा का पुराना पड़ना: ग्राहक प्रोफ़ाइल उतनी ही ताज़ा है जितना सबसे हालिया डेटा। अगर ईमेल प्लेटफ़ॉर्म हफ़्ते में अपडेट होता है पर CRM रोज़, तो प्रोफ़ाइल में तालमेल नहीं रहता। डेटा रिफ़्रेश का नियमित समय तय करें।
डुप्लिकेट प्रोफ़ाइल: अगर आइडेंटिटी रेज़ोल्यूशन फ़ेल हो, तो एक व्यक्ति की दो प्रोफ़ाइल बन जाती हैं। इससे पर्सनलाइज़ेशन और एट्रिब्यूशन बिगड़ता है। लगातार निगरानी और डुप्लिकेट हटाना ज़रूरी है।
एक से ज़्यादा ईमेल पते वाले ग्राहकों को यूनिफ़ाइड प्रोफ़ाइल में कैसे संभालूं?
सभी ईमेल को एक प्रोफ़ाइल से जोड़ें: मुख्य ईमेल (सबसे हालिया), दूसरे ईमेल (पुराने, जुड़े हुए)। अगर ग्राहक jane@wemasy.com और jane.c@wemasy.com दोनों इस्तेमाल करता है, तो दोनों को एक ही प्रोफ़ाइल से जोड़ें। CDP यह सपोर्ट करते हैं, इसलिए ईमेल एकीकरण के नियम सेट करें। नियम लिखकर रखें ताकि टीम समझे कि एक ग्राहक की कई पहचान हो सकती हैं।
अजीब न लगे, इसके लिए यूनिफ़ाइड प्रोफ़ाइल में कौन सा डेटा रखूं?
रखें: जिस पर ग्राहक ने सहमति दी (व्यवहार, ईमेल खोलना), जो ग्राहक ने खुद बताया (कंपनी, जॉब टाइटल), और जो उनका अनुभव बेहतर करे (कंटेंट की पसंद)। न रखें: जिस डेटा पर सहमति नहीं दी, अनुमान से निकाली संवेदनशील बातें (राजनीतिक विचार, सेहत), और जासूसी जैसी बारीकी (सेकंड-दर-सेकंड ट्रैकिंग)। मोटा नियम: क्या ग्राहक को यह जानकर ठीक लगेगा कि आपके पास यह डेटा है? अगर नहीं, तो इकट्ठा न करें।
बिना दखल दिए यूनिफ़ाइड प्रोफ़ाइल को सटीक कैसे रखूं?
ग्राहक को खुद प्रोफ़ाइल एडिट करने दें: वे अपना प्रोफ़ाइल डेटा देखकर ठीक कर सकें। ऑप्ट-इन पुष्टि भेजें: 'हमारे हिसाब से आप [प्रोफ़ाइल सार] हैं। क्या यह सही है?' ग्राहकों से पूछें: क्या आपको काम का पर्सनलाइज़्ड कंटेंट दिख रहा है? अगर संतुष्टि कम है, तो प्रोफ़ाइल सटीक नहीं हैं।
क्या मैं यूनिफ़ाइड प्रोफ़ाइल से ग्राहकों के व्यवहार का अनुमान लगा सकता हूं?
हां। पुराने डेटा पर मॉडल बनाएं: जिन ग्राहकों की प्रोफ़ाइल में पैटर्न X है, उनमें ग्राहक छोड़ने की दर 80% है। पैटर्न Y वाले ग्राहकों में 5% है। इन पैटर्न से नए ग्राहकों को स्कोर दें। मॉडल समय के साथ पुराने पड़ जाते हैं (ग्राहक का व्यवहार बदलता है), इसलिए उन्हें हर तिमाही या हर महीने दोबारा ट्रेन करें।
अगर मैं किसी ग्राहक को अपनी यूनिफ़ाइड प्रोफ़ाइल से हटाना चाहूं तो क्या होगा?
GDPR का मिटाने का अधिकार: प्रोफ़ाइल का सारा डेटा मिटाना होगा। यह जटिल है क्योंकि डेटा कई जगह बंटा है (एनालिटिक्स, CRM, ईमेल, विज्ञापन प्लेटफ़ॉर्म)। CDP को सभी जुड़े सिस्टम में मिटाने की सुविधा देनी होगी। मिटाने का वर्कफ़्लो बनाएं: ग्राहक मिटाने की रिक्वेस्ट करता है → CDP से मिटाएं → CDP सभी टूल को मिटाने का कमांड भेजता है। जांचें कि मिटाना पूरा हुआ।
मुझे कितनी प्रोफ़ाइल रखनी चाहिए (क्या डुप्लिकेट मायने रखते हैं)?
डुप्लिकेट हटाना बेहद ज़रूरी है। एक ग्राहक = एक प्रोफ़ाइल। डुप्लिकेट से एट्रिब्यूशन, पर्सनलाइज़ेशन और ROI की गणना बिगड़ती है। आइडेंटिटी रेज़ोल्यूशन में निवेश करें। डुप्लिकेट की दर पर नज़र रखें: मानक है 1% से कम (< 1%) डुप्लिकेट। अगर ज़्यादा है, तो आपके आइडेंटिटी रेज़ोल्यूशन को सुधार चाहिए। खराब डेटा (डुप्लिकेट) बिना डेटा से भी बुरा है।