Datasanasto

Mustalle taustalle valokirjaimista muodostettu sana "data"

Oletko hukassa datatermien viidakossa? Koska data on yhä tiiviimmin osa päivittäistä työtä niin myynnissä, markkinoinnissa kuin muussakin liiketoiminnassa, olemme koonneet listan yleisimmistä termeistä. Ota keskeinen sanasto haltuun.

 

Avoin data: Yritykselle tai muulle instanssille kertynyt tieto, joka on avattu ilman erillistä maksua hyödynnettäväksi myös organisaation ulkopuolisille.

Datakohderyhmä: Ryhmä, joka muodostetaan valittuja kiinnostuksen kohteita tai muita ominaisuuksia sisältävistä evästeistä. Esimerkiksi lomamatkasta haaveilijat.

Datalähde: Esimerkiksi verkkosivu, applikaatio, asiakasrekisteri, kanta-asiakasohjelma tai tutkimus, josta dataa on mahdollista kerätä.

Datapoiminta: Datapoiminnasta puhutaan kun esimerkiksi asiakasrekisteristä tai muusta datalähteestä kerätään haluttu kohderyhmä jatkohyödyntämistä varten. Voidaan käyttää markkinointiin, tuotekehitykseen, parempaan päätöksentekoon yrityksessä jne.

Demografiset tekijät: Demografiset tekijät eli väestötekijät, joilla tarkoitetaan yksilöiden ominaisuuksia kuten ikää, sukupuolta, siviilisäätyä, asuinpaikkaa, perheen elinvaihetta ja kokoa, tuloja, ammattia ja koulutusta.

Klusterointi: Kerätyn tiedon ryhmittäminen samankaltaisuuden perusteella. Esimerkiksi kyselytutkimuksissa samankaltaisesti vastanneet kuluttajat muodostavat oman klusterin.

Look-a-like: Tapa mallintaa sellaisia online-kohderyhmiä, jotka ovat vastaavia siemenaineiston kanssa. Look-a-like mallinnuksen avulla voidaan löytää esimerkiksi yleisöjä, jotka käyttäytyvät samalla tapaa kun yrityksen kannattavimmat asiakkaat.

 

D-valokirjain mustalla taustalla

 

Mallinnus (tilastollinen): Pyrkimys yleistää tietyssä satunnaisotoksessa tai satunnaisesti valitussa osapopulaatiossa havaittu tapahtuma koskemaan koko populaatiota tilastollisen mallinnuksen avulla.

Offline-data: Kuluttajaan liittyvää tietoa, joka on kerätty muista kuin verkkolähteistä. Muodostuu usein useasta eri lähteestä. Kuluttajaan liittyvä tieto voi olla joko faktaa tai ennustettua tietoa. Faktatietoa on esimerkiksi kuluttajan nimi- ja osoitetiedot. Ennustettua tietoa on esimerkiksi maksuhäiriöennuste.

Kuluttajaan liittyvä offline-tieto voi olla joko faktaa tai ennustettua tietoa.

Online-data: Online-kanavasta, kuten verkkosivustolta tai applikaatiosta kerättyä dataa, joka kuvaa kuluttajien käyttäytymistä tai heidän tekemiään toimenpiteitä. Online-datan avulla voidaan ymmärtää verkkokävijöiden kiinnostuksia ja ostokäyttäytymistä sekä reaaliaikaisia ostohaluja. Tätä tietoa voidaan hyödyntää esimerkiksi relevantimman mainonnan tekemiseen.

Ohjelmallinen data: Datan hyödyntäminen tiettyjen järjestelmien kautta tapahtuvassa markkinoinnissa. Esimerkiksi Adformin, Appnexuksen tai Googlen Bid Managerin kautta ostettaviin online-kampanjoihin voi myös ostaa ohjelmalliseen dataan pohjautuvia kohderyhmiä.

 

A-valokirjain mustalla taustalla

 

Pisteytys: Tilastollinen malli, jonka avulla etsitään todennäköisyyttä esimerkiksi uuden auton ostamiselle. Pisteytyksen avulla useasta tiedosta koostuva monimutkainen asetelma muuttuu yksinkertaiseksi pistearvoksi.

Profiili: Kohteen, esimerkiksi erilaista online-dataa sisältävän selaimen, ominaisuuksien kuvaus. Yksi profiili voi sisältää esimerkiksi kiinnostedataa liittyen jääkiekkoon, Aasian matkailuun ja valokuvaukseen. Lisäksi profiiliin voi olla liitettynä erilaisia demografioita, kuten ”mies 30–35 vuotta”.

Profilointi: Profiloinnissa arvioidaan asiakkaiden tiettyjä ominaisuuksia. Profiloinnin avulla voidaan ymmärtää, millaisia asiakkaita yrityksen asiakasrekisteriin kuuluu. Profiloinnin avulla ymmärretään esimerkiksi asiakkaiden sukupuoli- ja ikäjakauma, joiden lisäksi pystytään kertomaan mm. asuinaluejakauma sekä arvioimaan sitä, minkä tyyppistä asiakkaiden osto- ja verkkokäyttäytyminen on.

 

T-valokirjain mustalla taustalla

 

Rikastaminen: Datan rikastamisesta puhutaan, kun yhden datalähteen, esimerkiksi asiakasrekisterin tietoja monipuolistetaan toisista lähteistä saatavalla lisätiedolla. Asiakasrekisterin data ja vaikkapa tietystä tutkimuksesta ja lisäksi avoimesta datasta saatu tieto yhdistetään yhdeksi kokonaisuudeksi, jota analysoidaan ja hyödynnetään liiketoiminnan tarpeiden mukaan. Dataa rikastetaan mm. asiakasymmärryksen lisäämiseksi.

Rikaste: Rikasteet ovat henkilötasoisia demografiatietoja, demografiaennusteita tai verkkokäyttäytymisestä demografioiden avulla johdettuja kiinnostetietoja, jotka voidaan viedä yrityksesi asiakaskantaan rikastamaan asiakastietoa.  

Segmentointi: Yrityksen asiakaskunnan jakaminen osiin niin, että saman tyyppiset profiilit kuuluvat samaan segmenttiin ja toisistaan poikkeavat profiilit eri segmentteihin. Esimerkiksi maaseudulta kotoisin olevat, 60–70-vuotiaat miehet kuuluisivat eri segmenttiin kuin kaupunkilaiset alle 35-vuotiaat naiset, vaikka he kaikki osallistuisivat samaan jazz-musiikkitapahtumaan.

Segmentti: Asiakasryhmä. Yksi segmentti voisi olla esimerkiksi 30–40-vuotiaat perheelliset naiset, jotka suosivat luomua ja lähiruokaa.

 

A-valokirjain mustalla taustalla

 

Visuaalinen data: Graafinen tapa esittää tieto visuaalisesti.

Weedaus: Asiakasrekisterien ristiinajo päällekkäisyyksien poistamiseksi.

Data Refinery

Yhteydenottopyyntö