اطلاعات مشتری را از خطا پاک کنید

پایگاه داده بزرگ، فروش بیشتر نیست

شرکتی ممکن است اعلام کند که ده‌ها هزار مشتری در سامانه ارتباط با مشتریان ثبت شده‌اند.

این عدد در نگاه نخست نشان‌دهنده ظرفیت بازار است، اما اگر بخش بزرگی از اطلاعات تکراری، قدیمی یا ناقص باشد، ارزش عملی آن کاهش پیدا می‌کند.

ممکن است یک مشتری با چند شماره متفاوت ثبت شده باشد و چند فروشنده هم‌زمان با او ارتباط بگیرند.

در وضعیت دیگر، معامله‌ای که مدت‌ها متوقف شده همچنان در فهرست فرصت‌های فعال باقی می‌ماند.

چنین مشکلاتی بر تجربه مشتری و دقت پیش‌بینی درآمد اثر می‌گذارند.

به همین دلیل، پیش از سرمایه‌گذاری روی ابزارهای تازه فروش، کیفیت داده‌های موجود باید بررسی شود.

انواع خطای داده

خطای نخست، تکرار رکوردهاست. یک شخص یا شرکت ممکن است چند بار با نام‌های متفاوت ثبت شده باشد.

خطای دوم، ناقص‌بودن اطلاعات ضروری است. اگر نوع نیاز، مسئول تصمیم یا آخرین اقدام مشخص نباشد، پیگیری فروش دشوار خواهد شد.

خطای سوم، قدیمی‌بودن اطلاعات است. شماره تماس، سمت فرد یا وضعیت قرارداد ممکن است تغییر کرده باشد.

خطای چهارم، ناهماهنگی تعریف مراحل فروش میان کارکنان است. ممکن است یک فروشنده مشتری علاقه‌مند را فرصت قطعی ثبت کند و دیگری تنها پس از دریافت سفارش چنین وضعیتی را انتخاب کند.

این تفاوت‌ها گزارش مدیریتی را غیرقابل مقایسه می‌کنند.

داده اشتباه چه هزینه‌ای دارد؟

فرض کنیم شرکت برای ارسال یک کمپین به ۲۰ هزار مخاطب هزینه می‌کند.

اگر ۳۰ درصد فهرست شامل اطلاعات نامعتبر یا تکراری باشد، بخشی از هزینه ارتباطی بدون منفعت مناسب مصرف خواهد شد.

اما هزینه فقط مبلغ ارسال پیام نیست.

ممکن است فروشندگان زمان زیادی را برای پیگیری افراد تکراری صرف کنند یا به علت اطلاعات ناقص، فرصت واقعی مشتری را از دست بدهند.

همچنین پیام‌های تکراری یا نامرتبط می‌توانند باعث نارضایتی مشتری شوند.

بنابراین کیفیت داده یک مسئله فنی صرف نیست؛ بخشی از بهره‌وری فروش و بازاریابی است.

ابزار عملی: ممیزی صد پرونده

برای آغاز لازم نیست تمام پایگاه داده یک‌باره اصلاح شود.

می‌توان صد رکورد اخیر یا صد پرونده از گروهی مهم را انتخاب کرد.

برای هر پرونده، وجود اطلاعات ضروری، تکراری‌نبودن، تاریخ آخرین ارتباط و وضعیت واقعی معامله بررسی شود.

سپس درصد خطا در هر دسته محاسبه گردد.

این نمونه کوچک برای برآورد قطعی کل پایگاه داده کافی نیست، اما می‌تواند به شناسایی انواع خطا و اولویت‌های اصلاح کمک کند.

پس از آن، می‌توان نمونه‌گیری گسترده‌تر و متناسب با بخش‌های مختلف مشتریان انجام داد.

حداقل اطلاعات ضروری چیست؟

نوع داده موردنیاز به مدل کسب‌وکار وابسته است.

برای فروش سازمانی، نام شرکت، فرد رابط، نقش او، مسئله تجاری، مرحله مذاکره و اقدام بعدی اهمیت دارد.

برای خرده‌فروشی، ممکن است تاریخ خرید، نوع محصول و اطلاعات ارتباطی مورد رضایت مشتری کافی باشد.

نباید جمع‌آوری اطلاعات اضافی به هدفی مستقل تبدیل شود.

اطلاعاتی که استفاده مشخصی ندارند می‌توانند هزینه نگهداری، خطر محرمانگی و پیچیدگی عملیات را افزایش دهند.

بنابراین اصل مناسب، جمع‌آوری داده ضروری با هدف روشن و رعایت حقوق مشتری است.

اصلاح رکوردهای تکراری

ادغام اطلاعات تکراری باید با دقت انجام شود.

ممکن است دو مشتری نام مشابهی داشته باشند اما اشخاص متفاوتی باشند.

همچنین یک شرکت می‌تواند چند واحد مستقل خرید داشته باشد که نباید بدون بررسی در یک پرونده ادغام شوند.

برای تشخیص تکرار، می‌توان از ترکیب چند شاخص معتبر مانند شناسه سازمانی، راه ارتباطی و سوابق معامله استفاده کرد.

پیش از ادغام گسترده، بهتر است نسخه پشتیبان و مسیر بازگشت وجود داشته باشد.

حذف شتاب‌زده داده ممکن است اطلاعات مهم قراردادها یا سوابق ارتباطی را از بین ببرد.

کیفیت داده و پیش‌بینی فروش

اگر مرحله فرصت فروش به‌درستی به‌روز نشود، مدیر ممکن است معاملات متوقف‌شده را همچنان در پیش‌بینی درآمد حساب کند.

در مقابل، فرصت‌های واقعی که ثبت ناقص دارند ممکن است از گزارش‌ها حذف شوند.

به همین دلیل، اطلاعات باید به رفتار مشتری مرتبط باشند.

برای مثال، ورود فرصت به مرحله مذاکره بهتر است بر اساس اقدام مشخصی مانند بررسی پیشنهاد توسط تصمیم‌گیرنده انجام شود؛ نه احساس فروشنده.

تعریف مشترک مراحل، امکان مقایسه عملکرد تیم‌ها را افزایش می‌دهد.

چه کسی مسئول کیفیت اطلاعات است؟

اگر اصلاح پایگاه داده تنها به یک کارشناس فناوری سپرده شود، احتمال دارد علت خطاهای عملیاتی برطرف نشود.

بخشی از داده هنگام گفت‌وگوی فروشنده با مشتری ایجاد می‌شود.

بخشی دیگر از سامانه سفارش، پشتیبانی یا حسابداری وارد می‌شود.

بنابراین مسئولیت کیفیت باید میان واحدها تقسیم شود، اما مالک فرایند مشخص باشد.

برای هر فیلد مهم باید تعیین شود چه کسی آن را ثبت می‌کند، چه زمانی به‌روزرسانی می‌شود و چگونه صحت آن بررسی خواهد شد.

خطای اتوماسیون بدون داده مناسب

برخی شرکت‌ها تصور می‌کنند افزودن هوش مصنوعی یا اتوماسیون به سامانه فروش، مشکلات اطلاعاتی را حل می‌کند.

اما اگر داده اولیه نادرست باشد، تصمیم یا پیام خودکار نیز می‌تواند نادرست شود.

برای مثال، سامانه‌ای که بر اساس تاریخ خرید قدیمی پیام تمدید ارسال می‌کند ممکن است مشتری را درباره قراردادی که پیش‌تر لغو شده آزار دهد.

بنابراین خودکارسازی باید پس از تعریف کیفیت داده و کنترل‌های مناسب اجرا شود.

هرچه تعداد اقدامات خودکار بیشتر شود، اهمیت دقت اطلاعات نیز بالاتر می‌رود.

برنامه ۳۰روزه اصلاح CRM

در هفته نخست، تعریف رکورد مشتری و فرصت فروش استاندارد شود.

در هفته دوم، یک نمونه از داده‌ها بررسی و انواع خطا ثبت شود.

در هفته سوم، رکوردهای حساس اصلاح و روش جلوگیری از تکرار خطا طراحی گردد.

در هفته چهارم، گزارش‌های جدید با گزارش‌های قبلی مقایسه شوند.

معیار موفقیت می‌تواند کاهش رکوردهای تکراری، افزایش کامل‌بودن فیلدهای ضروری و بهبود دقت گزارش فروش باشد.

حفاظت از اطلاعات مشتری

اصلاح کیفیت داده نباید موجب انتشار یا دسترسی غیرضروری به اطلاعات افراد شود.

سطح دسترسی کارکنان باید متناسب با نقش آنها باشد.

همچنین استفاده بازاریابی از اطلاعات ارتباطی باید با رضایت و مقررات مرتبط سازگار باشد.

داده باکیفیت تنها داده درست نیست؛ داده‌ای است که به شکل مسئولانه نگهداری و استفاده شود.

حکم فرصت امروز

پیش از خرید نرم‌افزار پیچیده‌تر یا افزایش بودجه جذب مشتری، کیفیت اطلاعات موجود را بررسی کنید.

یک پایگاه داده کوچک اما دقیق می‌تواند برای تصمیم فروش ارزش بیشتری از فهرستی بزرگ، تکراری و غیرقابل اعتماد داشته باشد.