مدیریت ترجیحات مشتری، قابلیت مرتبط با گردآوری و نگهداری داده در مورد ترجیحات مشتریان است. این داده‌ها، یا شامل «خواسته‌ها» هستند که مستقیماً از مشتری جمع‌آوری می‌شوند، یا «نیازها» که از طریق تحلیل رفتارهای مشتری در داخل سازمان شناسایی، نگهداری و به‌‏روزرسانی می‌شوند.

oسفارشی‌سازی (Customization): پاسخ به خواسته‌های مشتریان (آنجا که به طور شفاف می‌توانند بیان کنند چه می‌خواهند)،

oشخصی‌سازی (Personalization): پاسخ به نیازهای مشتریان از طریق تحلیل رفتارهایشان (آنجا که نمی‌توانند شفاف آنچه می‌خواهند بیان کنند).

سفارشی‌سازی و شخصی‌سازی جهت بهبود مدیریت روابط با مشتریان و ارتقای تجربه مشتری ضروری هستند.

نمونه‌‏هایی از داده‌‏های مرتبط با ترجیحات مشتری عبارتند از:

  • محصولات و خدماتی که مشتری ترجیح می‏‌دهد؛
  • پیشنهادهای بازاریابی (Marketing Offer) که مشتری مایل است به او پیشنهاد شود (ممکن است سازمان پیشنهادهایی برای جذب و نگهداشت به مشتریان ارائه دهد در حالیکه مشتری چیز دیگری را ترجیح می‏دهد)؛
  • محتوای دیجیتال؛
  • مشتری چه کانال‌‏هایی برای دریافت محصولات ترجیح می‌دهد؛ 
  • الگوهای ارتباطی که مشتری دوست دارد چیست (مثلاً زمان و تعداد ارتباط به چه شکل باشد. تعداد کمتر یا بیشتر از آنچه مشتریان به عنوان تعداد تعامل و ارتباط ترجیح می‌دهند می‌تواند رضایت آنها را کاهش دهد)؛
  • روش‏‌های تسویه حساب، به عنوان مثال روش‏های پرداخت؛
  • اطلاعات شخصی مشتری، مانند موسیقی مورد علاقه، ورزش و بسیاری موارد دیگر.


۱- گردآوری داده‏‌های ترجیحات مشتریان

«خواست‌های» مشتری در عملیات‌های پیشگاه (Front-office) جمع‌آوری می‌شوند. این داده‌ها توسط مشتریانی که ترجیحات خود را مستقیماً و از نقاط تماس مختلف به سیستم مدیریت ارسال می‌کنند به دست می‌آید. جمع‌آوری و استفاده از داده‌های ترجیحات ممکن است به اجازه مشتری و همچنین مجوزهای قانونی نیاز داشته باشد. به همین دلیل، یک گزینه انصراف همیشه باید در دسترس مشتریان باشد.
"خواست‌ها" با "نیازها" متفاوت هستند. "نیازها" در عملیات‌های پشتگاه (Back-Office) شناسایی می‌شوند. این نوع از داده‌ها (نیازها یعنی آنچه مشتری مستقیم بیان نکرده اما برای او ارزش‌آفرین است) توسط تحلیلگران داده یا ابزارهای تحلیلی شناسایی می‌کنند. در اغلب موارد، نیازهای شناسایی شده از تجزیه و تحلیل دیجیتالبه مراتب از آنچه مشتریان، خود اذعان داشته‌اند مهمتر هستند. بسیاری از شرکت‌ها در انتقال یافته‌های ناشی از تجزیه و تحلیل در پشتگاه (Back-Office) به قسمت‌ها و عملیات‌های پیشگاه (Front-Office) موفق نیستند.

۲- یکپارچه‏‌سازی داده‌‏های ترجیحات مشتریان

داده‌های ترجیحات مشتریان در واحدهای مختلف از جمله بازاریابی، فروش، خدمات و مراکز تماس، و در میان سیستم‌های فناوری اطلاعات مختلف از جمله سیستم مدیریت کمپین، سیستم مدیریت سرنخ، سیستم مرکز تماس و وب‌سایت‌های رسمی سازمان جمع‌آوری می‌شوند.این احتمال وجود دارد که این منابع مختلف از داده‌ها در یک مخزن واحد جمع آوری و یکپارچه نشده باشند زیرا واحدها و سامانه‌های آنها به طور مستقل از یکدیگر عمل می کنند. این یکی از رایج‌ترین چالش‌هایی است که سازمان‌ها در مورد مدیریت ترجیحات مشتری با آن مواجه هستند.

بسیاری از شرکت‌ها یک برنامه برای ایجاد یک فهم واحد از داده‌های مشتری در تمام سطوح سازمان خود اجرا می‌کنند. در این صورت، داده‌های ترجیحات مشتری باید بخشی از محدوده طرح یکپارچه‌سازی داده های مشتریان باشد.

۳- به روز نگاه داشتن داده‌‏های ترجیحات مشتریان

چالش دیگر در حفظ داده‏های ترجیحات مشتریان، این است که وقتی داده‌ها از مشتریان جمع‌آوری می‌شوند به سرعت قدیمی می‌شوند و هزینه به‌روز نگه‌داشتن آن‌ها می‌تواند گران باشد.

یکی از راه‌های تشویق مشتریان به به‌روزرسانی داده‌های ترجیحات خود، یادآوری داده‌های ترجیحی‌شان با ارائه اطلاعات شرکت در نقاط تماس مورد علاقه‌شان است. برای مثال: «ما به شما یک کوپن برای این محصول می‌دهم چون به ما در این خصوص اطلاعات دادید». با این تعامل، مشتری تلاش می‌کند تا داده‌های خود را به‌روز کند و بتواند پیشنهادهای بهتری دریافت نماید.

برای داده‌های ترجیحات باید فرآیندهای بازخورد دوره ای ایجاد شود تا داده‌های تحلیلی بتوانند به صورت خودکار یا دستی به پایگاه داده ترجیحات بازگردند.