Мы уже писали, как навредить бизнесу, желая улучшить сбор клиентских данных. А здесь подскажем способы и принципы, которые на самом деле повышают качество собранной информации.

Три идеи, как быстро улучшить качество собираемых данных

Упростить ввод. Метод помогает, когда люди стабильно игнорируют одни и те же поля формы. Чем проще вводить данные, тем человек охотнее это сделает.

Мы советуем заказчикам подключать подсказки для упрощенного ввода адресов, имен, емейлов, компаний.

«Подсказки» «Дадаты» берут данные из официальных государственных справочников: ЕГРЮЛ, ЕГРИП, ГАР и т. д.

Объяснить людям, зачем собираете данные. Человек скорее поделится информацией, если понимает, какую пользу от этого получит. А еще пользователям спокойнее, когда они знают, как компания использует данные.

В полях заявки на аудит объясняем, для чего просим емейл, телефон, имя

Оставить свободу для обмана (да-да!). Если человек не хочет оставлять настоящие данные, он все равно так или иначе перехитрит машину. Никакие проверки не помогут. Лучше разрешить откровенный мусор, чем провоцировать ввод похожих на правду фейков вроде «Иван Кузнецов».

На своих формах мы позволяем клиентам называться хоть Чебурашкой, хоть Терминатором. Алгоритмы легко найдут такие фейки на этапе постпроверки. Куда хуже, если клиент имитирует реально существующее ФИО. Вычислить такой обман сложнее, а то и невозможно.

Для этих подсказок мы используем собственный справочник фейковых имен и фамилий. Собирали его годами

Бонус: два главных принципа постоянного улучшения качества данных

Искать причину плохих данных, а не лечить симптомы.

У одного из наших заказчиков причиной плохих данных был KPI операторов. Бонус сотрудника зависел от скорости обслуживания клиента. При этом для каждого клиента операторы заполняли карточку, в том числе ИНН. Люди не помнят номер наизусть, а искать его долго. Поэтому сотрудники вместо ИНН вбивали набор цифр в нужном формате. Бизнес получал плохие данные, хотя KPI были в порядке.

Развивать систему метрик и алгоритмы обработки клиентских данных. Работа над качеством данных — непрерывный процесс.

  1. Сначала запускаем систему стандартизации и проверки данных, анализируем результаты, фиксируем проблемы.
  2. Затем разработчики придумывают, как докрутить систему и улучшить сбор метрик качества и обработку информации.

Наша CDI-платформа «Единый клиент» изначально без ранжирования собирала телефонные номера клиента в «золотой» карточке. Номеров набиралось так много, что заказчики терялись, какой использовать.

Мы выявили проблему и доработали «Единый клиент». Теперь он вычисляет лучшие контакты клиента.

Качество данных — процесс, а не конечная точка. Совершенствование алгоритмов должно быть непрерывным.

Этот материал — часть офлайн-курса HFLabs «Клиентские данные в энтерпрайзе: от проектирования MDM-системы до Data Governance и аналитики». В мае проведем очередной поток, приходите к нам учиться. Команда HFLabs упаковала в три дня все, что узнала за 10 лет работы с данными. Подробности — на странице мероприятия.