客户数据质量评价的原则与方法

《客户数据质量评价的原则与方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、.客户数据质量评价的原则与方法admin2013-10-12..客户数据质量评价的原则与方法admin2013-10-12..客户数据质量评价的原则与方法admin2013-10-12..客户数据质量评价的原则与方法admin2013-10-12..客户数据质量评价的原则与方法admin2013-10-12..关于客户数据质量的困惑“什么样的客户数据质量是比较好的？”“为什么我们的客户数据看起来很不错，可是在进行电话营销时，客户接触率和营销效果确差强人意，与期望大相径庭？”在进行数据库营销的讨论和交流中，经常有人问到这样的

2、问题。这些问题反映出了很多在从事数据库营销或直复营销过程中的营销策划人员和运营管理人员经常面临的问题和困惑。几乎所有的组织都需要数据，一些行业严重依赖于客户数据，如银行、电信、保险公司等。毫无疑问，较差的数据质量给企业营销带来的损失非常巨大！试想一下，如果你的呼叫中心正在试图向非目标客户进行大规模电话营销活动，或是你的企业正向那些早已过期的邮寄地址寄出了数以万计的促销宣传资料。这些给公司带来的损失有多少？不幸的是，这样的情况几乎经常发生，而企业的数据库营销策划人员也经常面临着数据选择和评价的挑战。理解关于质量的涵义首先，让

3、我们简单探讨一下“质量”的涵义。在服务营销和服务管理中，通常将“质量”定义为：“满足不同客户的个性化需求的能力”。这样的定义有着一定的主观特征，也就是说不同的企业会根据其对客户需求和竞争环境的理解，来定义其产品与服务的质量特征。这可以用来解释为什么对于不同等级的客户提供的服务质量标准有所差异的原因，这也是为什么同样是提供点对点的航空运输服务，某些航空公司的服务质量和客户体验要好于其他一些竞争者的原因。国际标准组织将质量定义为：“产品或服务所具备的满足明确或隐含需求能力的特征和特性的总和”。这样的定义虽然更明确，但对于大多数

4、的人来说，过于专业和抽象。一个比较通俗且受到多数人认可的对质量的直观定义是“适合使用需求”。这也是我们本文的一个主旨，没有质量绝对完美的数据，对于数据质量的评价也是要根据数据的使用需求来进行评价的。只要能够适合使用的需求，我们就认为数据的质量是符合要求的。企业也应当本着有取有舍的原则，选择那些为企业所能利用的数据。了解了质量的定义，接下来就可以进入客户数据质量的评价话题了。数据质量评价的基本原则评价数据质量有着一些通用的基本原则，这些原则在进行数据库营销或是数据分析时经常采用。一般来说，以下六点是评价数据质量时的最主要的原

5、则：1．正确性。正确性主要是指数据的来源是否正确，数据的来源是否可以被证实。不准确的客户数据产生的原因很多，有时是因为采集时的录入错误，也可能是在存贮或转换的过程出错，或是老化的数据没有更新或重新标定造成的错误。不准确的数据的另外一种形式是由于应用系统中对数据域的误用，或者是由于与数据相关的定义不一致而导致了数据不是其所代表的含义。2．完整性。完整性是指客户数据要求记录的信息是否完整，是否没有缺失。客户数据项缺失的原因可能是没有采集，或是缺失了。数据缺失通常会造成错失营销机会、甚至导致营销决策错误。数据不完整的另一个原因是

6、要求的信息没有被识别出来，如通过身份证件号码可以获知客户的性别和年龄。3．一致性。指数据在应用或维护时是否被一致的定义和理解，在不同的列表中，或是不同的使用人员应当对于列表的数据有着相同的认识，或是说同一列表中的同一数据项表达着相同的含义。4．完备性。指分析或营销所需要的数据信息是否都存在，不会因为某些信息项目缺失造成对营销或分析的影响。5．有效性。指数据是否在符合使用需求的可接受范围内，数据是否在符合使用需求的时间范围内采集或维护的。。不及时的和过时的数据都是无效的。6．适用性。指数据是否在时间上、空间上和内容上符合企业

7、营销活动的使用需求。有时也指数据本身被获取、理解或使用的可能性。高质量的数据具备以下的一些特征：1.数据列表采集过程规范，记录项目准确2.客户数据列表的记录项目完整，没有缺失的记录项3.在客户数据列表中的字段项被统一的定义和解释，在整个数据库中保持一致4...数据存贮的格式规范，没有冗余字段或无效字段5.数据列表最近刚刚进行过清洗，而且数据的有效率和准确率较高数据质量为什么会变差数据总是不完美的。客户数据是动态的，对于一个特定的客户来说，客户转换工作、搬家、变更联系方式等情况都会造成客户联络信息的变化。企业数据同样也是如此

8、，企业更名、搬迁、联系人变更、电话号码变更等等，都会造成企业数据的质量变化。而在一些破产率较高的行业或是创业成长型企业，企业数据的更是经常发生变化。进行数据抽样测试数据本身并没有内在意义，数据仅描述了所发生事件的部分事实，并不提供对事件的判断或解释。数据本身无法说明其自身是否重要或准确。在大规模进行数据