Tener en cuenta las implicaciones de datos durante la segmentación

Objetivos de aprendizaje

Después de completar esta unidad, podrá:

• Describir el impacto que tiene su modelo de datos en la segmentación.
  
• Identificar los tipos de reglas de resolución disponibles en Data Cloud.
  

Comprender sus datos

Es importante trabajar con un especialista de datos para saber qué tipo de datos va a recibir en su cuenta y cómo se vinculan con su modelo de datos. En el módulo Fundamentos de Data Cloud para especialistas en marketing, hemos hablado del modelo de datos de Customer 360. A medida que empiece a crear sus segmentos, es útil recordar algunos términos relacionados con los modelos de datos.

Área temática

Un área temática es un concepto empresarial que permite conectar puntos de datos en función de un modelo estándar. Algunos ejemplos comunes de modelos de datos son las partes (los clientes) y los pedidos de ventas (lo que compran).  

Objeto de modelo datos (DMO)

Un objeto en el modelo de datos creado a partir de transmisiones de datos y perspectivas ingeridas. Los DMO pueden ser estándar o personalizados, según las necesidades de su negocio. Un DMO es algo similar a una extensión de datos de Marketing Cloud Engagement (que es una tabla de base de datos estándar), puesto que es un objeto que almacena datos como candidatos, información de productos, información de clientes, etc. 

Atributos

Hablamos de los atributos en la primera unidad, así que vamos a repasarlos rápidamente. Un atributo es una característica única de un objeto de modelo de datos, por ejemplo, un nombre de cliente. Es similar a un campo de extensión de datos en Marketing Cloud Engagement. 

En la página de ayuda hay más información sobre el modelo de datos: Conceptos de modelo de datos.

Datos y segmentación

Recuerde que la biblioteca de atributos se utiliza para crear segmentos en Data Cloud. Además, la biblioteca está basada en las transmisiones de datos ingeridas y asignadas que componen el modelo de datos y las relaciones que se crean. Por eso es importante emplear algo de tiempo de calidad con la persona que gestiona su modelo de datos antes de crear segmentos. Les recomendamos que trabajen juntos para responder las siguientes preguntas.

• ¿Utiliza el modelo de datos estándar con paquetes de datos predefinidos? 
  

• ¿Qué atributos ofrecen esos paquetes de datos para la segmentación?
  

• ¿Quiere usar datos de extensiones de datos específicas de Marketing Cloud Engagement para crear segmentos?
  
• ¿Qué datos desea limpiar? 
  

• Por ejemplo, ¿quiere que el valor de "Estados Unidos" del atributo de país se estandarice de EEUU a EE. UU.? 
  

• ¿Qué fuentes de datos tienen la información más actualizada para usarla en conjuntos de reglas de resolución de identidad? 
  

• Por ejemplo, es posible que sus datos de Marketing Cloud Engagement tengan los correos más actualizados, pero que los pedidos de productos tengan la dirección más actualizada gracias a los datos de envío.
  

• ¿Con cuánta frecuencia se van a actualizar las fuentes de datos?
  

• ¿Necesita que los datos provengan de una transmisión diaria de datos de almacenamiento en la nube? ¿Semanal? ¿Qué pasa con los datos de Marketing Cloud Engagement? 
  

Espacio de datos y nombre y descripción del segmento

Al crear un segmento, debe seleccionar el espacio de datos en el que quiere crearlo. También debe definir el nombre y la descripción del segmento para distinguirlo de otros en la lista de segmentos.

Ubicación del segmento

Al crear un segmento en Data Cloud, primero debe seleccionar lo que conocemos como Segment On (Ubicación del segmento).

Esta opción define el objeto de destino en el que se va a crear el segmento. Es otro aspecto de la segmentación que depende del modelo de datos y del objeto que se haya marcado como "perfil" a la hora de crear transmisiones de datos y modelar los datos. Vamos a repasar dos selecciones comunes en Segment On (Ubicación del segmento).

• Perfil individual: persona o cliente específicos de una fuente de datos específica, por ejemplo, Marketing Cloud Engagement.
  
• Perfil individual unificado: perfil de cliente cuyos datos se han combinado a partir de distintas fuentes mediante reglas de resolución de identidad.
  

Recomendamos usar el perfil individual unificado. ¿Por qué? Porque no habrá contactos duplicados. ¿Esto le genera intriga? ¡No se pierda la siguiente parte!

Tipo de publicación y programaciones

Con el tipo de publicación, podemos determinar si queremos usar la funcionalidad de publicación estándar o la de publicación rápida de segmento (solo en Marketing Cloud). La publicación rápida de segmento permite publicar de una manera más frecuente. Sin embargo, debe tener en cuenta que existen limitaciones en cuanto a los datos históricos de interacciones con este tipo de publicación. La programación de publicaciones permite especificar con cuánta frecuencia se debe volver a filtrar el segmento según los perfiles individuales que cumplan los criterios, además de notificar a los destinos de activación que hay un segmento actualizado disponible.

Resolución de identidad

Data Cloud utiliza conjuntos de reglas de resolución de identidad para resolver datos en distintas fuentes de datos, además de permitir crear un registro para cada cliente, independientemente de la procedencia de los datos. ¿En qué le beneficia esto? Podrá controlar mejor los datos y, como hemos dicho antes, tener menos contactos duplicados. En este vídeo hay más información sobre los conceptos de datos e identidad.

Existen dos tipos de reglas que conforman un conjunto de reglas: coincidencia y conciliación.  

• Las reglas de coincidencia se usan para vincular varios registros en un perfil de cliente unificado. Permiten especificar las condiciones de coincidencia y unificar un registro. Por ejemplo, puede realizar coincidencias en función de un nombre y una dirección de correo electrónico. Las reglas se pueden combinar y mezclar en función del caso de uso. Usted es quien decide lo que tiene más sentido para su empresa. Si su empresa guarda números de teléfono con más frecuencia que direcciones de correo electrónico, puede que sea mejor usar la regla que busca coincidencias para generar un número de teléfono normalizado.
  
• Las reglas de conciliación determinan cómo se seleccionan los atributos del perfil de cliente unificado. En otras palabras, permite seleccionar criterios, como la última actualización o los datos más repetidos, para seleccionar los datos que se usarán en el perfil. Como especialista en marketing, esto puede resultar útil para valores como direcciones postales, ya que el cliente ha podido modificar la dirección en un sistema pero no en otros. Por eso es útil saber qué fuente de datos tiene la información más actualizada sobre los clientes.
  

En la página de ayuda Unificar perfiles de origen hay más información sobre las reglas de coincidencia y resolución. 

En general, la creación de segmentos filtrados es más sencilla si comprende su modelo de datos y las reglas que generan los atributos disponibles. En la siguiente unidad, revisaremos la lógica de filtro y veremos algunos ejemplos.  

Recursos

• Trailhead: Fundamentos de Data Cloud para especialistas en marketing
• Ayuda de Salesforce: Ubicación del segmento
• Ayuda de Salesforce: Party Data Model (Modelo de datos de parte)
• Ayuda de Salesforce: Sales Order Data Model (Modelo de datos de pedido de ventas)
• Ayuda de Salesforce: Unificar perfiles de origen
• Ayuda de Salesforce: Increase Segment Refresh from Data Cloud to Marketing Cloud (Aumentar la actualización de segmentos de Data Cloud en Marketing Cloud)
• Ayuda de Salesforce: Manage Data Spaces (Gestionar los espacios de datos)