جریان داده‌ها (Data Stream) چیست و چگونه از آن استفاده کنیم؟

Data Stream اطلاعاتی است که می‌تواند در سیستم عامل‌های اختصاصی مانند Platform Management Data (DMP) جمع‌آوری شود. این اطلاعات، شامل داده‌های خامی است که از رفتار کاربر در مرورگر استخراج شده است. داده‌ها می‌توانند به عنوان منبع خوبی برای انجام تبلیغات هدفمند، تحقیقات پیش‌‎بینی شده و تجزیه و تحلیل Big Data مورد استفاده قرار بگیرند.

Data Stream یک سرویس داده منعطف است؛ بنابراین می‌توانید ساختار آن را متناسب با نیازهای کاری خود تنظیم کنید. با استفاده از Data Stream، می‌توانید تمام داده‌ها را از طریق پیکسلِ پیاده‌سازی شده در داخل کد منبع وب‌سایت جمع‌آوری کنید. ID یا شناسه‌های داده‌ها و بخش‌های مورد استفاده نیز ذخیره می‌شوند.

از جریان داده‌ها می‌توان برای مشاهده رفتار کاربران و مقایسه ویژگی‌های آن‌ها، مشاهده علایق و اهداف آن‌ها و پیش‌بینی اقداماتی که در آینده انجام می‌دهند، استفاده کرد تا بازدیدکنندگان به مشتری واقعی تبدیل شوند. شما می‌توانید از Data Stream برای هدف‌گذاری در برنامه‌های تبلیغاتی، ساختن ابزارهای داده، تهیه تجزیه و تحلیل Big Data برای بهبود محصولات یا انجام تحقیقات بازار، قبل از عرضه محصول جدید استفاده کنید.

چه کسی می‌تواند بیش‌ترین بهره را از جریان داده‌ها ببرد؟

شرکت‌های بزرگ یا کوچکی که تیم تحلیل داده دارند، می‌توانند بیشترین سود را از داده‌های خام به دست آورند. بسته به نوع صنعتی که یک شرکت در آن زمینه کار می‌کند، داده‌های خام را می‌توان با توجه به نیازهای تجاری پردازش کرد. Data Stream تیم‌های تحلیل داده را قادر می‌سازد تا نیازهای مبتنی بر داده را برآورده کنند و ابزارهای داده خود مانند تجربه شخصی‌سازی شده و پیام‌رسانی، سیستم‌های پیشنهادی و الگوریتم‌های یادگیری ماشین را بسازند.

مقاله پیشنهادی: “طراحی مرکز داده: چگونه مانند یک معمار فکر کنیم؟”

قالب‌های جریان داده‌ها

جریان داده را می‌توان در قالب‌های مختلف ارائه داد. در ادامه، ۴ نمونه از این قالب‌ها را با هم بررسی می‌کنیم.

۱- قالب Data Point شامل ویژگی‌های زیر است:

• Data Point occurrences: این بخش نشان می‌دهد که بسیاری از رویدادها مانند باز کردن یک وب سایت یا کلیک کردن روی لینک خاص توسط کاربران انجام شده است.
• آخرین فعالیت کاربر
• کشور اصلی کاربر: کاربران می‌توانند به کشورهای مختلفی اختصاص داده شوند. کشور اصلی کاربر، کشوری است که اغلب کاربر با IP آن کشور وارد سایت می‌شود.
• آخرین Timestamp: زمانی را نشان می‌دهد که آخرین بار، رویدادی مربوط به یک دیتا پوینت خاص رخ داده است.
• طول عمر کوکی: یک دوره زمانی است که یک کوکی خاص بین مرورگر وب کاربر و سرور مبادله می‌شود.

۲- در این قالب، شناسه کدگذاری شده کاربر و شناسه‌های سگمنت به اشتراک گذاشته می شوند. بخش‌های گنجانده شده به مشتری تعلق دارند و مشخصات خاصی از بازدیدکنندگان صفحه وب را نشان می‌دهند، مانند علایق یا اطلاعات دموگرافیک.

 ۳- داده‌های ترکیبی، مخلوطی از دو قالب داده قبلی است اما به طور خاص Data Points است. این داده‌ها قابلیت شخصی‌سازی بیشتری دارند، بنابراین به شما امکان می‌دهند اطلاعات دقیق‌تری راجع به کاربران وب‌سایت‌تان مانند مجموعه خاصی از علایق و اطلاعات دموگرافیک را بدست آورید.

۴- URL‌ها: مجموعه‌ای از اطلاعات مربوط به URL خاصی‌ست که توسط کاربران بازدید شده است. فیلدهای زیر در این بخش به اشتراک گذاشته می‌شود:

• URL
• timestamp (در فرم UNIX)
• userAgent که نشان می‌دهد از چه نوع دستگاهی استفاده شده است.
• موقعیت جغرافیایی
• آدرس IP کوتاه

کاربرد جریان داده‌ها

مناطق مختلفی وجود دارد که در آن‌ها می‌توان از جریان داده‌‎ها و داده‌های خام استفاده کرد. این اطلاعات منبع خوبی است که باید در مرحله برنامه‌ریزی تحقیق یا هنگام پیش‌بینی یا آزمایش نهایی بررسی شوند. محبوب‌ترین فیلدها در کاربرد جریان داده‌ها عبارت‌اند از:

تشخیص تقلب و کلاه‌برداری- داده‌های خام می‌توانند به عنوان داده‌های منبع الگوریتم ضد تقلب استفاده شوند. به عنوان مثال، می‌توان از زمان‌سنجی یا مقدار وقایع کوکی‌ها یا تجزیه و تحلیل دیتا پوینت‌ها در سیستم امتیازدهی برای شناسایی تقلب یا اطمینان از ربات نبودن یک گیرنده پیام استفاده کرد. در واقع با این روش می‌توان ترافیک‌های غیرانسانی را (که ناشی از ربات‌‎ها هستند) تشخیص داد.

هوش مصنوعی – در هنگام ساخت الگوریتم‌های هوش مصنوعی و یادگیری ماشین می‌توان از این داده‌های خام استفاده کرد.

از داده‌های خام می‌توان برای شخصی‌سازی پروفایل مشتری و تقسیم آن‎ها مثلا بر اساس جنسیت یا کشور محل سکونت‌شان استفاده کرد. این بخش‎‌ها در هدف‌گیری دقیق تبلیغات آنلاین و ارسال پیام‌های شخصی به مشتری استفاده می‌شوند.

هوش تجاری – داده‌های خام منبع اطلاعاتی برای سیستم‌هایBI  است، که به غنی‌‎سازی پروفایل کاربر با اطلاعات دقیق‎‌تر، مثلا مسیر خرید یا داده‌های جغرافیایی کمک می‌کند. این اطلاعات منبع خوبی برای تجزیه و تحلیل کسب‌وکار و سایر تحقیقات ماست.

هدف‌گذاری – داده‌های پردازش شده توسط تحلیل‌گران داده می‌توانند به بهبود کمپین‌های آنلاین و دستیابی به مخاطبان هدف کمک کنند.

غنی‌سازی CRM – داده‌ها می‌توانند با سیستم CRM مشتری تلفیق شوند. بنابراین، با غنی سازی سیستم‌های CRM، صاحبان کسب‌وکار دید کاملی از مشتریان خود پیدا می‌کنند، که به آن‌ها امکان ارسال پیام‌های بسیار شخصی را می‌دهد.

مقاله پیشنهادی: “کاربردهای Data Domain”

جریان داده و GDPR

Data Stream جریانی از داده‌هاست که شامل اطلاعات مختلفی است. این اطلاعات می‌تواند شامل اطلاعات شخصی (PII) باشد. اما برای انطباق با مقررات حفظ حریم خصوصی در دوره  GDPR، شرکت‌ها آن‌ها را فقط با اطلاعات ناشناس ارائه می‌دهند. علاوه بر این، برخی از ارائه دهندگان داده، تمام داده‌هایی که به مشتری می‌رسد را ناشناس می‌کنند.

ادغام جریان داده‌ها

جریان داده را می‌توان به راحتی با سیستم‌هایی که هم اکنون در شرکت‌ها کار می‌کنند، ادغام کرد. داده‌های خام به یافتن بینش جدید، بهبود کیفیت داده‌ها یا تقسیم‌بندی کاربران و شناخت عمیق رفتار آن‌ها کمک می‌کند.

متداول ترین ادغام‌ها با Data Stream شامل سیستم‌های Big Data از قبیل بستر اطلاعات مشتری (CDP)، مدیریت ارتباط با مشتری (CRM)، بستر مدیریت داده (DMP)، سیستم مدیریت محتوا (CMS) است.

جریان داده‌ها را می‌توان با سیستم‌هایی مانند CDP، CRM یا DMP تلفیق کرد تا پروفایل‌های مشتری را با داده‌های شخصی یا ناشناس غنی کند. با استفاده از منابع خارجی می‌توانید به راحتی دانش کاربران موجود را گسترش دهید.

از جریان داده‌ها می‌توان برای غنی‌‎سازی سیستم‌های هوش تجاری و نمایش و نتیجه‌‎گیری دقیق‌تر در این زمینه استفاده کرد.

در مورد ادغام CMS، جریان داده‎‌ها برای شناسایی کاربران و شخصی‌سازی بازدید آن‌ها استفاده می‌شود، حتی اگر اولین بازدید آن‌ها از وب‌سایت ما باشد. با تجزیه و تحلیل داده‎‌ها، محتوای واقعی وب‌سایت را می‌توان با تنظیمات کاربر تطبیق داد.

جریان داده را می‌توان با DSP ادغام کرد. DSP پلتفرمی ا‌ست که قسمت مهمی از اکوسیستم تبلیغاتی برنامه‌ای را شکل می‎‌دهد. طرفین (به عنوان مثال، تبلیغ کنندگان) می‌توانند شناسه کاربران را مبادله کرده و پروفایل‌های موجود را با داده‌های خارجی ترکیب کنند تا این پروفایل‌ها را غنی‌تر کرده و کیفیت آن‌ها را بهبود بخشند.

از جریان داده می‌توان برای ایجاد بخش کاربران خاص (به عنوان مثال، افرادی که به صنعت خودرو علاقه‌مند هستند) و استفاده از آن‌ها برای هدف قرار دادن کمپین‌های آنلاین استفاده کرد.

حرف آخر!

در این مقاله با چیستی Data Stream و چگونگی استفاده از آن آشنا شدیم. همچنین دانستیم که استفاده از جریان داده‌ها چطور می‌تواند روی شناسایی مشتریان و بهبود پروفایل آن‌ها تاثیر بگذارد و به کسب‌وکارها کمک کند تا با تحلیل این داده‌ها، برنامه‌های تبلیغاتی و بازاریابی خود را ارتقا بدهند.

منبع