Kvaliteten på din CRM-data påverkar hela din organisation, nerifrån och upp.
Dina marknadsföringsteam förlitar sig på kvalitetsdata för att segmentera kontakter, anpassa meddelanden och skapa riktade kampanjer.
Dina säljteam kräver korrekta data för att tala till dina potentiella kunders största problem.
Ditt kundsupportteam behöver korrekt data för sammanhang i konversationer med kunder. Ekonomiteam behöver korrekt kunddata för prognoser. Även ditt ledningsteam förlitar sig på korrekt CRM-data för strategiskt beslutsfattande.
De flesta organisationer vet detta. Än, dålig data kostar amerikanska företag så mycket som 3 biljoner dollar per år och upp till 60% av organisationerna beräkna inte den verkliga kostnaden för deras dåliga data.
Det signalerar att det finns mycket utrymme för förbättringar av dataunderhåll i många företag. Företag av vilken storlek som helst skulle påverkas av så mycket felaktig data i sin kunddatabas, även om de kanske inte är medvetna om hur smärtsam påverkan kan vara, med många av de dagliga problemen som flyger under radarn.
Så mycket "dålig" data representerar ett stort problem för dina marknadsföringsteam i synnerhet. Hur talar du till dina kunders största oro om du inte kan vara säker på att du vet exakt vilka de är och vad de bryr sig om? Du behöver korrekt, tillförlitlig data för att vara säker på dina påståenden.
Idag lutar företag sig ofta för mycket på manuellt arbete för att fixa dataproblem, vilket kan vara extremt tidskrävande och dränerande för era team. Att förlita sig på att dina anställda exporterar data, fixar det i Excel med komplicerade formler och importerar tillbaka det till ditt CRM problemfritt är en stor fråga.
Låt oss överväga hur dålig datakvalitet påverkar dina marknadsföringsteam, saktar ner dem och ger dem mindre kreativa alternativ när de lanserar nya kampanjer.
Inverkan av datakvalitet på dina marknadsföringsinsatser
Även om inverkan av dålig kunddatakvalitet märks i hela din organisation, har den en särskilt flyktig inverkan på dina marknadsföringsteam.
Allt som ett marknadsföringsteam gör - varje strategi som används, kampanj som lanseras, meddelanden som levereras och kreativt producerat - påverkas av kunddata. Eller åtminstone borde det vara det.
Det är vad fantastiska marknadsföringsteam gör – förstå sina kunder på djupet och tala direkt till dem på ett sätt som ger resonans. Du kan inte göra det om du inte känner till dem, och du kan inte vara säker på att du känner till dem om du inte kan lita på din data.
Låt oss titta på några av de specifika sätt som dataproblem och data av låg kvalitet kan påverka dina marknadsföringsteam.
segmente~~POS=TRUNC
En stor del av alla marknadsförares jobb är segmentering. Eller praxis att analysera långa listor med kunder och dela upp dem i mindre listor så att du på ett mer tillförlitligt sätt kan prata med varje segments problem.
Du skulle inte marknadsföra din B2B-programvara på samma sätt till både VD:ar och marknadschefer, även om båda kan vara inriktade köpare för din produkt. De har olika behov och bekymmer. Om du försöker, kommer språket du använder aldrig att få helt resonans hos båda.
Så du bryter ner saker. Du gör listan över personer du pratar med mindre och mer lätthanterlig. Sedan kan du använda ett specifikt språk som kommer att resonera med det segmentet. Men om din data inte är tillförlitlig kan du inte effektivt segmentera den i de mindre grupperna.
Marknadsförare kan inte riktigt segmentera kontakter med inkonsekventa data. Med inkonsekvenser blir att skapa även grundläggande kampanjer en komplicerad analysinsats som kräver experter till hands som förstår alla nyanser. Som ett resultat hindrar det marknadsförare från att skapa effektiva kampanjer och hindrar deras förmåga att köra snabbt.
Låt oss överväga ett exempel. Låt oss säga att du är ett B2B-programvaruföretag och du vill skicka ut en e-postkampanj till VD:ar i ditt HubSpot CRM.
Om du inte regelbundet standardiserar och formaterar fältdata för din jobbtitel, kommer du att upptäcka att VD:ar listas i din databas på många olika sätt:
- VD
- VD
- Verkställande direktör
- Grundare / VD
- VD och grundare
- Ägare och VD
- Annat
Och det kommer sannolikt att finnas många andra varianter också.
För att driva en grundlig kampanj måste du sammanföra alla dessa olika jobbtitlar, eftersom de alla i praktiken är samma titel. För att göra detta måste du antingen köra några kreativa Excel-formler, skapa komplicerade sökfilter för att "fånga" alla relevanta titlar eller ta hjälp av en utvecklare. Hur som helst, det är fortfarande osannolikt att du upptäcker varje enskilt fel i fältet.
Detta inkluderar inte ens stavfel och andra fel i din data heller. Vissa personer kan vara listade som "CEOn" eller ha jobbtitlar listade som inkluderar andra dataproblem. Och dessa standardiserings- och datakvalitetsproblem kan potentiellt påverka hela din databas.
Till exempel skulle detta standardiseringsproblem inte bara påverka VD:ar, utan alla befattningar i din databas. Eller, tänk om du ville segmentera dina CRM-kontakter efter stad, land, riktnummer eller många års erfarenhet? Datafrågor finns inom alla områden.
Varje datapunkt i din databas har en mängd potentiella problem som kan påverka din förmåga att segmentera dina kontakter och leverera effektiva kampanjer som uppfyller dina KPI-mål.
Dataproblem gör dina segmenteringsansträngningar komplicerade och opålitliga. I slutändan kommer dina marknadsföringsteam att tvingas segmentera mindre ofta och mindre kreativt tills problemen är åtgärdade.
personalisering
Dataproblem kommer också att påverka din förmåga att anpassa dina meddelanden också. Och personliga meddelanden är avgörande för framgångsrika kampanjer.
80% av konsumenterna är mer benägna att köpa ett varumärke som ger personliga upplevelser. 72% av konsumenterna säga att de bara ägnar sig åt personliga meddelanden.
Din förmåga att anpassa meddelanden är avgörande och förlitar sig på högkvalitativ, konsekvent data i ditt CRM. Har du någonsin fått ett e-postmeddelande och fått ditt namn utan stor bokstav, eller av misstag hänvisats till med ditt efternamn?
Inneboende vet du förmodligen att detta är en enkel dataöversyn. De menade inte att hänvisa till dig med ditt efternamn. Men det påverkar ändå dina känslor om företaget i fråga, eller hur? Kanske är det inte medvetet oförskämt, men det är oprofessionellt att hålla din kunddata i oordning.
Och det handlar inte bara om {FirstName} eller {JobTitle} heller, även om de är viktiga. Det är sant att djup personalisering kanske inte refererar till data så direkt, men använd slutsatser som dras från dessa data för att vägleda dina meddelanden.
Till exempel kommer ett vanligt personaliseringsproblem som uppstår på grund av CRM-dataproblem från föreningar. I HubSpot CRM är dina B2B-kontakter associerade med företag.
Om den associationen saknades och en del av dina kontakter var fritt flytande, skulle det göra det omöjligt att utföra kontobaserade marknadsföringsstrategier. Dessutom blir det svårt att anpassa meddelandet baserat på kontoengagemang när du saknar data.
Inkonsekventa associationer bidrar också till felaktiga leadscores i kontobaserad marknadsföring. Eftersom poäng tillämpas på kontonivå, baserat på variabler för de oberoende kontakterna inom kontot, kommer saknade kontakter att påverka kontopoängen. I slutändan kan skillnaden i lead-poängning påverka hela kontots livscykel, sakta ner dess rörelse genom din pipeline och potentiellt spåra ur en affär.
Kundupplevelse
Problem med segmentering och personalisering påverkar i slutändan upplevelsen som kunderna får under sin kundresa. Med mindre specifika marknadsföringsmeddelanden som är mindre benägna att få resonans kommer deras erfarenheter och åsikter om ditt varumärke att bli lidande.
92% av marknadsförare se personalisering som en "avgörande" del av kundupplevelsen. Och personalisering bygger ofta på din förmåga att segmentera kunddata effektivt för att leverera relevanta meddelanden. Alla dessa effekter är sammankopplade, vilket skadar hela din marknadsföringsverksamhet.
Kopiera data, till exempel, presenterar ett problem med kundupplevelsen som potentiellt kan skada ditt varumärkes rykte. Om du inte regelbundet slår samman dubbletter kommer många av dina kunder att få dina meddelanden flera gånger. Detta driver upp kostnaderna för dina kampanjer, skadar ditt varumärkes rykte och gör din rapportering mindre tillförlitlig.
Deduplicering hjälper till att uppnå en enda kundvy, vilket är när alla dina data om dina kontakter och konton kan hittas på ett tillförlitligt sätt i ett system. Att ha en enda "record of sanning" innebär att dina marknadsföringsteam effektivt kan segmentera och anpassa kommunikationen. En enda kundvy ger dina team tilltro till din data, vilket gör att de kan fokusera sin uppmärksamhet på andra områden.
Kvaliteten på din data påverkar kunderna varje steg på vägen. Utan tillförlitlig data är var och en av dessa kontaktpunkter billigare. Mindre data, eller mindre tillförlitlig data, begränsar vad som kan användas och vad dina team vet om varje kontakt. Över månader och dussintals beröringspunkter går det ihop.
Det enda sättet för företag att lösa dessa problem är att känna igen och anamma datahanteringsstrategi och regelbundet underhåll av CRM-data.
Vad är CRM-dataunderhåll?
CRM-dataunderhåll är den pågående processen att granska dina CRM-data, identifiera problem och åtgärda dessa problem i din databas.
Den större processen att underhålla din CRM-data kan delas upp i många fokusområden, inklusive:
- Datakvalitet
- Datarensning
- Dataoperationer
- Dataduplicering
- Datarensning
- Dataövervakning och KPI:er
Datakvalitet
Datakvalitet avser data som är tillgänglig, konsekvent och relevant. Hela din organisation påverkas av kvaliteten på din data – från enskilda kampanjer till större strategiska beslut.
Tillgänglig betyder inte bara att informationen är korrekt, utan att rätt personer inom din organisation kan komma åt den när de behöver den. Siled data skapar byråkratiska redundanser som saktar ner din organisation.
Datakonsistens avser till stor del hur konsekvent data formateras och standardiseras i din databas. Är dina telefonnummer enhetligt formaterade? Är dina jobbtitlar standardiserade? Är dina kontaktnamn korrekt versaler? Konsistens låter dig skära och tärna data på intressanta sätt.
Då finns det relevans. Det spelar ingen roll om du har en miljon helt korrekta poster i ditt CRM om ingen av dem finns på din målmarknad. Den data som du samlar in måste vara relevant för att vara användbar.
Datakvalitet uppnås genom andra dataunderhållsprocesser som datarensning.
Datarensning
Datarensning är processen att åtgärda eller ta bort felaktig, felaktigt formaterad, dubblerad eller ofullständig data i ditt CRM.
- Åtgärda problem med versaler i för- och efternamn (jane vs. Jane)
- Standardisera adresser och telefonnummer (1234567890 vs 123-456-7890)
- Standardisera jobbtitlar (VD vs VD vs Chief Executive Officer)
- Ta bort redundant data
- Ta bort felaktiga och falska data
- Ta bort specialtecken
- Identifiera och åtgärda yttre problem
Processen att rensa data kan vara tidskrävande. Ofta handlar det om att bryta ut bitar av din databas och tilldela korrigeringar och uppgifter till medlemmar i ditt team. Sedan kommer de att ladda data till Excel och använda VLOOKUP och komplicerade formler för att identifiera och åtgärda fel i dina data. När den är klar måste data återimporteras tillbaka till ditt CRM.
Det är en icke-exakt process. Om du inte har en äkta Excel-guide i ditt team kommer du sannolikt att missa många problem och fortfarande behöva kontinuerlig hjälp från utvecklare för att uppdatera data i bulk.
Dataduplicering
Alla företag hanterar dubbletter av data. Dubbletter av kontakt- eller företagsuppgifter kan skapas genom manuell inmatning, antingen av dina kunder i formulär eller av ditt team via ditt backend-CRM. Eller så kan de skapas genom dataimport eller integrationer med annan programvara.
Oavsett hur duplicerade poster skapas kan de vara en nagel i ögonen på ditt marknadsföringsteam.
Dubblettdata leder till ökade kampanjkostnader och minskad produktivitet. När dina team lägger ner tid på att stryka dataproblem istället för att fokusera på andra områden, vilket leder till missade möjligheter. Varje sekund de ägnar åt att sålla igenom register för att identifiera den "rätta" eller mest kompletta posten är bortkastad tid. Dubblettdata slår sönder din enda kundvy, eftersom det inte finns någon enskild "sanningskälla" som man kan lita på.
När du har höga dubbleringsfrekvenser kommer dina marknadsföringsteam alltid att vara medvetna om det faktum. De vet att de kommer att behöva deduplicera en lista med potentiella kunder eller potentiella kunder innan nya kampanjer släpps, och lägga till en ny uppgift för varje kampanjlansering.
Det viktigaste är att dubbletter av data skadar kundupplevelsen. Inte bara för att de sannolikt kommer att få blandade meddelanden och överflödiga meddelanden. Men eftersom din förmåga att förstå dem kommer att halveras under kundens livscykel, vilket leder till mindre tillfredsställande interaktioner om och om igen.
Dataoperationer
Datadrift omfattar de pågående dagliga uppgifterna som krävs för att underhålla din CRM-data och säkerställa användbarheten av dessa data i hela din organisation.
Datadriftuppgifter inkluderar daglig massuppdatering av data, konsolidering av fält och redundanta data, migrering av fritextfält till vallistor, import av data (från händelser eller tredjepartskällor) och andra uppgifter.
Dessa uppgifter är en nödvändighet för data av hög kvalitet och för att placera din data i en position där datarensning kan vara så effektiv som möjligt.
Datarensning
Datarensning omfattar borttagning av skräpdata, inaktuella data, redundanta data och data av låg kvalitet som bara kommer att tjäna till att belamra din databas och negativt påverka ditt rykte och öppningshastigheter för e-post.
Det finns många typer av dataproblem som potentiellt kan göra poster till en bra kandidat för rensning. Exempel inkluderar:
- E-postmeddelanden som inte levererades
- Uppenbart falska data
- Föråldrade skivor
- Okvalificerade framtidsutsikter
- Dåliga register från integrationer
- Ofullständiga kontaktuppgifter
- Gratis och rollbaserade e-postadresser
- Oengagerade kontakter
- Okvalificerade kontakter
- Duplicera kontakter
Att rensa dessa data är avgörande för att förbättra användbarheten av din CRM-data som helhet. Utan att kontinuerligt behöva sålla igenom och ta bort skräpdata för kampanjer kommer din produktivitet att förbättras.
Utan skräp kommer du att kunna hålla nere kostnaderna för datalagring och kontaktbaserade CRM-avgifter, tillsammans med den tid som dina team vanligtvis skulle spendera på att hantera de rensade uppgifterna.
Utan data av låg kvalitet som drar ner din e-postleverans och öppettider, slipper du bli straffad och får ett förbättrat avsändarrykte.
Dataövervakning och KPI:er
För att åtgärda problem i din CRM-databas måste du kunna identifiera var dessa problem ligger. Mellan de olika dataproblemen som du hittar i din databas, att förstå vad dessa problem är och vilken typ av problem det finns hjälper dig att prioritera att åtgärda de mest påverkande problemen.
Naturligtvis kan du övervaka dina KPI:er och generera rapporter manuellt. Men det innebär att köra rapporter eller exportera data till Excel och analysera det. Vissa verktyg kan dock automatisera diagnostik och insamlings-KPI:er.
Till exempel, den CRM Data Grader är ett verktyg som ansluter direkt till HubSpot, analyserar CRM-databasen och tar upp specifika problem som du behöver åtgärda. Detta säkerställer att du har insyn i kvaliteten på din data och praktiska insikter för att hantera dessa problem.
Genom att ha en tydlig nyckelprestandaindikator, såsom procentandelen rena poster i din databas, kan du spåra dina framsteg och snabbt bedöma din kunddatas övergripande hälsa.
Skillnader Dataunderhåll och standardrensningsprojekt
Standardprojekt för datarensning är kortsiktiga och taktiska. Du hittar en brand, du släcker den. Datarensningsprojekt är reaktiva eftersom de måste vara det. Ibland kan oväntade dataproblem stoppa saker och ting och måste åtgärdas omedelbart. Dessa behov kommer alltid att finnas där, men mindre ofta med en dataunderhållsstrategi.
Till skillnad från engångsrensningsprojekt är dataunderhåll en pågående strategi. Det kräver konsekventa investeringar och uppmärksamhet, men med hjälp av moderna datahanteringsverktyg kan du automatisera en majoritet av dina dataunderhållsuppgifter och förbättra verksamheten i dina team.
När din kunddata växer blir hanteringen av denna data mer komplicerad. Det kräver mer fokus och planering för att säkerställa att din data är tillgänglig, konsekvent och relevant.
När detta händer tenderar företag att gå igenom flera stadier på vägen mot verklig dataunderhållsoptimering:
- Odefinierat och kaotiskt. Ingen förståelse för problem och inga processer på plats för att hantera dem.
- Synlighet. Medvetna om datarelaterade problem har insyn i de specifika problemen i sin databas, med rapporter som genereras automatiskt regelbundet.
- Standardisering. Etablerade datakvalitetsstandarder och anpassning mellan tvärfunktionella team om dataförväntningar och mål. För att kunna genomföras effektivt måste standarder upprätthållas automatiskt.
- Optimering. Använd automatisering för att proaktivt rensa och underhålla data, undvika upprepat manuellt arbete, effektivisera datakorrigeringar och samarbete, varna om undantag.
Dataunderhåll är inte något du gör en gång och sedan aldrig igen. Denna process är något som du måste göra om och om igen. Du behöver korrekt dokumentation och processer på plats för att minimera din tidsinvestering.
Ny data flödar alltid in i din CRM-databas, och med den data kommer en rad problem och fel som har potential att sakta ner nästan alla team i din organisation. Verktyg som Insykla hjälpa dig att granska dina befintliga data, identifiera vanliga dataproblem och fixa dem enligt ett automatiskt fastställt schema.
Genom att förbättra dina CRM-dataunderhållsprocesser kan dina marknadsföringsteam producera fler marknadsföringskvalificerade leads genom förbättrad segmentering, personalisering och uppfostran.
Kvalitetsdata innebär att du kan representera ditt varumärke professionellt i all kommunikation med kunder samtidigt som du förbättrar deras upplevelse under hela kundens livscykel.
Källa: https://blog.hubspot.com/marketing/what-is-crm-data-maintenance
- &
- tillgång
- Konto
- Alla
- tillåta
- bland
- analys
- OMRÅDE
- revision
- Automatiserad
- Automation
- B2B
- störst
- Kampanj
- Kampanjer
- kapitalisering
- vilken
- brottning
- VD
- chef
- verkställande direktör
- Stad
- röran
- koda
- samverkan
- Gemensam
- Trygghet i vårdförloppet
- Företag
- företag
- konversationer
- Korrigeringar
- Kostar
- Skapa
- Kreativ
- CRM
- kundupplevelse
- Kundresa
- Helpdesk
- Kunder
- datum
- datahantering
- Datakvalitet
- datalagring
- Databas
- behandla
- som handlar om
- leverans
- Utvecklare
- utvecklare
- Effektiv
- anställda
- händelser
- excel
- verkställande
- Erfarenheter
- experter
- export
- fejka
- avgifter
- Fält
- filter
- finansiering
- natur
- Förnamn
- Fast
- Fokus
- Fri
- Gartner
- Ge
- god
- stor
- Väx
- styra
- Hälsa
- Hög
- Hur ser din drömresa ut
- HTTPS
- HubSpot
- stor
- identifiera
- Inverkan
- importera
- Inklusive
- insikter
- integrationer
- investering
- problem
- IT
- Jobb
- Nyckel
- språk
- lansera
- leda
- ledande
- LÄRA SIG
- Nivå
- Lista
- listor
- läsa in
- Lång
- Majoritet
- ledning
- marknad
- marknadsförare
- Marknadsföring
- Medlemmar
- meddelandehantering
- miljon
- blandad
- övervakning
- månader
- flytta
- namn
- nummer
- Officer
- öppet
- Verksamhet
- Yttrande
- Tillbehör
- Övriga
- Personer
- prestanda
- personalisering
- planering
- plattform
- dålig
- presentera
- producerad
- Produkt
- produktivitet
- projekt
- inköp
- kvalitet
- datakvalitet
- radarn
- område
- rates
- RE
- register
- Rapport
- Körning
- rinnande
- försäljning
- Sök
- in
- Enkelt
- Storlek
- saktar
- So
- Mjukvara
- spendera
- Etapp
- standarder
- förvaring
- Strategisk
- Strategi
- framgångsrik
- stödja
- system
- taktiska
- Målet
- tid
- topp
- spår
- oss
- Uppdatering
- användbarhet
- utsikt
- synlighet
- Vad är
- VEM
- inom
- Arbete
- år
- år