CRM 数据质量有哪些维度?
常用的维度包括完整性(必填字段已填写)、准确性(记录与真实世界相符)、一致性(同一事实在各处以相同方式记录)、时效性(数据是最新的)、有效性(取值符合预期格式)以及唯一性(没有重复记录)。有些框架使用其中五个维度,有些使用六个,但完整性、准确性和一致性几乎在每个版本中都会出现,并体现在 ISO/IEC 25012 等标准中。
劣质的 CRM 数据质量实际上会造成多大代价?
Gartner 估计,劣质数据每年给组织造成的损失平均高达 1290 万美元。对一家服务型企业而言,这种代价是具体而非抽象的:花在重复或错误记录上的时间、发给失效联系人的营销、对不完整线索漏掉的跟进,以及管理层无法信任的预测,因为底层的管道数据并不可靠。
为什么 CRM 数据质量会随时间变差?
数据会衰减。B2B 联系人数据通常被认为以每月约 2.1% 的速度变得陈旧,全年约为 22.5%,在人员流动率高的行业中更快。人们会换岗位,公司会搬迁或被收购,邮箱域名也会变更,因此看起来还不错的记录会慢慢与现实脱节。这正是数据质量必须持续维护、而不能一次修好就了事的原因。
我该如何衡量 CRM 数据质量?
针对每个维度对数据库进行剖析,并把它转化为数字:必填字段的填充比例、重复率、未通过格式校验的记录占比,以及十二个月或更长时间内没有活动的记录占比。将关键字段与可信来源比对,可以得到准确性的读数。随时间追踪这些比率,就能知道质量是在改善还是在回落。
CRM 数据质量与 CRM 卫生是一回事吗?
两者密切相关,但并不相同。CRM 数据质量是你的数据在完整性、准确性、一致性等维度上可衡量的状态。CRM 卫生则是为保持这种高质量而持续清理和维护数据库的实践。简单说,卫生是工作,数据质量是你衡量出来的结果。
提升 CRM 数据质量最快的方法是什么?
从最痛的维度入手,通常是唯一性或完整性。合并重复项,校验并标准化格式,补全关键的缺失字段。然后用必填字段、用下拉选项替代自由文本、录入时的校验,再加上定期扫描,把成果固定下来,让数据不再回落。一次聚焦的数据清理冲刺会完成第一次梳理,并构建出维持成果的规则。