Крупные корпорации, такие как Google и Facebook, использовали новые и сложные инструменты машинного обучения для отслеживания личности клиентов, чтобы персонализировать рекламу по сегментам клиентов, чтобы улучшить управление взаимоотношениями с клиентами (CRM), что увеличивает прибыль и продажи компании. Однако из-за отсутствия правительственных постановлений эти корпорации смогли вторгнуться в личную жизнь и получить доступ к данным клиентов проще, чем когда-либо прежде.

Из-за роста технологических инноваций и внедрения алгоритмов машинного обучения получение идентификационных данных клиентов становится проще с каждой минутой. Стены конфиденциальности между корпорациями и клиентами разрушаются, и в настоящее время компании могут получать любую информацию от клиентов, такую ​​как рабочее место, предпочтения в ресторане и т. д. Это позволяет сегментировать клиентов на группы на основе предпочтений, что позволяет компаниям предоставлять каждому группа или сегмент с персонализированной рекламой. Доказано, что увеличение количества персонализированной рекламы существенно увеличивает годовой доход и прибыль любой корпорации.

В прошлом компании сталкивались с трудной задачей, пытаясь найти единую идентичность клиента на многих платформах. Эта проблема возникла из-за того, что многие клиенты ведут себя по-разному в различных ситуациях, и это затрудняет для этих крупных корпораций поиск согласованных данных о клиентах. Однако в последние годы было разработано новое решение для получения надежных данных о клиентах. По словам Филиппа Бритта, автора DestinationCRM, электронного журнала с актуальной информацией об управлении взаимоотношениями с клиентами, новые алгоритмы, использующие машинное обучение, теперь могут «просеивать данные о клиентах из многих источников, чтобы создать единую «золотую запись»» ¹. Этот технологический прорыв во многом повлияет на текущее и будущее состояние взаимодействия бизнеса с клиентами. Предоставив многомиллиардным корпорациям доступ к истинной личности клиента, можно увеличить количество рекламы, направленной на их предпочтения, с сортировкой по сегментации клиентов.

В дополнение к персонализации рекламы для клиентов и созданию клиентских сегментов для увеличения прибыли компании также продают собранные данные о клиентах другим компаниям для получения еще большего потока доходов. В недавнем обсервационном исследовании, проведенном пользователями информационных технологий, Google, PayPal и Amazon вошли в тройку самых надежных поставщиков информации о клиентах, а Yahoo оказалась в конце списка². Google — один из примеров компании, использующей новые алгоритмы машинного обучения, описанные Бриттом ранее. Google может просеивать историю своих пользователей в Gmail, Youtube и поисковых системах, чтобы создать одну «золотую» личность, о которой упоминал Филипп Бритт. Получение информации о клиентах и ​​их продажа сами по себе стали важным рынком для многих компаний, потому что многие другие компании готовы тратить значительную часть своего годового бюджета, чтобы получить представление о своих клиентах для лучшего маркетинга.

Несмотря на то, что данные становятся более доступными по мере появления новых достижений, машинное обучение по-прежнему играет огромную роль в маркетинге. За последние несколько десятилетий маркетологи полагались на свои инстинкты, чтобы продавать клиентам, однако, по мере того, как мы углубляемся в будущее, эмпирические данные более многочисленны, чем когда-либо (44 зеттабайта к 2020 году), и теперь они используются для поддержки решений маркетологов. ³. Исследование Эдди подтверждает это, потому что крупным технологическим компаниям нужны эмпирические данные о клиентах, чтобы еще больше упростить сегментацию клиентов. Это устраняет ошибку пользователя из картины, поскольку программы выполняют большую часть работы для получения надежных и согласованных результатов на основе одних и тех же наборов данных. Одним из самых больших преимуществ модели машинного обучения является персонализация на основе индивидуальных данных пользователя. Пользователь может получать рекламные объявления, специально предназначенные для него, чтобы у него было больше шансов приобрести товар.

Одним из самых больших различий между миром бизнеса и миром клиентов являются индивидуальные стандарты. Искусственные барьеры создаются из-за отсутствия контекста между клиентами и бизнесом. Однако по мере того, как все больше компаний начинают использовать стратегию «от человека к человеку» (P2P) для маркетинга, происходит утечка информации о клиентах, которая передается через многие предприятия, где многие устройства хранят их личную информацию ⁴. Личные беседы, в отличие от использования инструментов машинного обучения, добавили человеческий аспект, который спровоцировал клиентов отдать свои личные предпочтения бизнес-сотруднику. Это переход от исследования Натана Эдди, поскольку оно доказывает, что эпоха растущих технологических инноваций привела к изменениям и переходам от сбора данных от других компаний к получению данных посредством взаимодействия с клиентами.

Учитывая все это, появившееся на рынке, следующим крупным и перспективным инструментом управления взаимоотношениями с клиентами станет электронная коммерция, бизнес через цифровой ландшафт. Он начинает использоваться чаще из-за повышения стандартов и качества. Одним из основных преимуществ электронной коммерции по сравнению с CRM являются возможности аналитических инструментов. Oracle и Salesforce — два примера компаний, использующих электронную коммерцию. Oracle недавно представила свое приложение для электронной коммерции, в котором управление взаимоотношениями с клиентами сочетается с аспектом машинного обучения ⁵. Подобно исследованию, представленному Корзеновски, Эдди и Ваном, новый мир электронной коммерции, описанный Помбриантом, открывает новые возможности в области анализа данных наряду с взаимодействием с клиентами.

Хотя многие люди считают отслеживание личности клиентов негативным, у него есть и много положительных сторон. Например, персонализация рекламы помогла клиентам найти продукты, которые им нужны и нужны, из их прошлых результатов поиска. Одним из примеров этого может быть, если клиент покупает наколенник в Интернете, такие компании, как Google и Amazon, могут отслеживать эти результаты поиска и предоставлять пользователю другие доступные наколенники для покупки.

Еще одной проблемой с точки зрения клиента является отсутствие безопасности и конфиденциальности его личной информации во многих различных компаниях. Опираясь на результаты эксперимента Эдди Натана, такие компании, как Google, продают данные о клиентах другим компаниям для увеличения доходов, однако утечки данных могут позволить компаниям сохранять личности клиентов, не покупая их. Google борется с этим с помощью многоуровневой системы облачной защиты, чтобы предотвратить утечку данных. Джайкумар Виджаян исследовал механизмы конфиденциальности Google и определил, что некоторые из методов, используемых Google для ограничения утечек данных, ограничивают количество лиц, которым разрешен доступ к центрам обработки данных, инструменты шифрования для защиты уровня разработки услуг ⁶. Это помогает увеличить прибыль от данных, собранных Eddy, поскольку данные о клиентах будут продаваться только авторизованным покупателям, и количество нарушений будет меньше.

Одна область, в которой борются с этой проблемой, находится в Северной Каролине. Инцидент был спровоцирован, когда Северная Каролина попыталась собрать данные от Amazon, чтобы помочь с процессом налога с продаж, однако это было сочтено неэтичным по социальным стандартам ⁷. Судья по этому конкретному делу Марша Дж. Пешман постановила, что предыдущие данные о клиентах, которые были собраны Департаментом доходов, должны быть уничтожены, однако могут быть запрошены новые данные о клиентах. Этот случай — один из немногих примеров регулирования данных клиентов и их потоков. Этот случай имеет значение для исследования, представленного Эдди, поскольку данные клиентов необходимо защищать не только в государственных организациях, но и в компаниях.

В целом, поскольку данные о клиентах становятся все более и более распространенными по мере того, как мы вступаем в цифровую эпоху, правительства и предприятия должны начать рассматривать конфиденциальность и данные клиентов с большим вниманием к клиентам. Поскольку новые технологии разрабатываются для отслеживания клиентов, необходимо создать законодательство, чтобы противостоять этому движению для защиты этого клиента.

[1] Бритт, Филипп. «Компании находят золото в РАЗРЕШЕНИИ ИДЕНТИФИКАЦИИ: передовые решения теперь могут просеивать данные о клиентах из многих источников, чтобы создать единую «золотую запись». CRM Magazine, vol. 23, нет. 5, июнь 2019 г., стр. 26–29. EBSCOhost, search.ebscohost.com/login.aspx?direct=true&db=asn&AN=136778862&site=ehost-live.

[2] Эдди, Натан. «PayPal, Google, Amazon получают высокие оценки за доверие к идентичности». EWeek, август 2014 г., стр. 7. EBSCOhost, search.ebscohost.com/login.aspx?direct=true&db=asn&AN=97388819&site=ehost-live.

[3] Корженёвски, Пол. «Машинное обучение меняет маркетинговый ландшафт». Журнал CRM, том. 22, нет. 4, май 2018 г., стр. 30–34. EBSCOhost, search.ebscohost.com/login.aspx?direct=true&db=asn&AN=129362413&site=ehost-live.

[4] Ван, Рэй. «Почему битва за идентичность повлияет на качество обслуживания клиентов: объединение идентичностей в разных средах — непростая задача». Журнал CRM,vol. 17, № 12, декабрь 2013 г., с. 6. EBSCOhost,search.ebscohost.com/login.aspx?direct=true&db=asn&AN=128238561&site=ehost-live.

[5] Помбриант, Денис. «Следующая большая вещь в CRM: электронная коммерция: аналитика и машинное обучение меняют наши представления об электронной коммерции и CRM-системах». Журнал CRM, том. 21, нет. 7, июль 2017 г., с. 5. EBSCOhost, search.ebscohost.com/login.aspx?direct=true&db=asn&AN=123922911&site=ehost-live.

[6] Виджаян, Джайкумар. «Google использует многоуровневый контроль для защиты данных в облаке». EWeek, январь 2017 г., стр. 3. EBSCOhost,search.ebscohost.com/login.aspx?direct=true&db=asn&AN=120802452&site=ehost-live

[7] «В Северной Каролине заблокирован сбор данных о клиентах Amazon в споре о налогах с продаж». Publishers Weekly (онлайн), январь 2010 г., стр. 1. EBSCOhost, search.ebscohost.com/login.aspx?direct=true&db=asn&AN=124687099&site=ehost-live.