کیفیت دادهٔ مشتری Shopify وقتی آسان‌تر ارزیابی می‌شود که نمونه رکوردهایی را داشته باشد که احتمال خطایشان بیشتر است. ردیف اولِ مرتب اطلاعات کمی دربارهٔ نام غایب، وضعیت اشتراک متعارض یا ترجیح قدیمی می‌گوید. رکوردهای نماینده را تا بخش و پیامی که استفاده‌شان می‌کند دنبال کنید و به‌جای ویرایش مکرر تک‌تک ایمیل‌ها، منبع هر مشکل را اصلاح کنید.
نمونه‌ای نماینده انتخاب کنید
مشتری تازه و بازگشتی، زبان‌های متفاوت، مخاطب لغوشده، نشانی نامعتبر و رکورد فاقد فیلد اختیاری را بگنجانید. نام یا برچسب محصول بسیار بلند را هم اضافه کنید تا فرض‌های چیدمان در پیام شخصی‌سازی‌شده آشکار شوند.
چند رکورد را با منبع اصلی مقایسه کنید. تاریخ، وضعیت سفارش، برچسب، متافیلد و مجوز کانال را بررسی کنید. فیلد شاید پُر به نظر برسد اما معنایش غلط باشد؛ مثل تاریخ متنی که ترتیبش اشتباه تفسیر شده.
هم رکورد معمول و هم استثنای عمدی را بگنجانید
رکوردها را از منبع و وضعیت‌هایی برگزینید که کمپین به آن‌ها وابسته است. مشترک واجدشرایط معمول، لغو دیرتر، واردسازی تکراری، ترجیح تغییرکرده، تماس نامعتبر و اطلاعات اختیاری غایب را شامل کنید. رکوردهای درست داخل و بیرون هر آستانهٔ زمانی یا خرید را هم بیفزایید.
برای کمپین چندزبانه، هر زبان مربوط و جایگزین زبان ناشناخته را بگنجانید. برای پیشنهاد مبتنی بر خرید، اگر تفاوت مهم است سفارش لغوشده یا بازپرداخت‌شده را هم وارد کنید. نمونه باید فرض پشت پیام را به چالش بکشد، نه اینکه فقط آسان‌ترین مسیر موفق را نشان دهد.
معنا را در کنار ظاهر بسنجید. تاریخ پُر شاید منطقهٔ زمانی یا ترتیب روز و ماه نادرست داشته باشد. برچسب ممکن است رویدادی تاریخی را بگوید، نه ترجیح فعلی را. شمارهٔ تلفن غایر‌خالی شاید برای پیامک مناسب نباشد. پُربودن فیلد با مناسب‌بودنش برای تصمیم یکی نیست.
رکورد را تا بخش مخاطب دنبال کنید
در Sendvio ببینید هر مشتری نمونه طبق انتظار وارد یا خارج شده است. نتیجه را به زبان ساده توضیح دهید. اگر توضیح به برچسب مستندنشده یا فرضی دربارهٔ دادهٔ غایب متکی است، پیش از ارسال قاعده را روشن کنید.
هم‌پوشانی مخاطبان را بررسی کنید. یک مشتری ممکن است به‌درستی عضو چند گروه باشد، اما برنامهٔ کمپین باید اولویت پیام را تعیین کند. ممیزی داده این اشتراک‌ها را آشکار کند، نه اینکه آن‌ها را مشکل زمان‌بندی بعدی بداند.
پیش از اصلاح رکوردهای تکی، مشکل را دسته‌بندی کنید
خطای منبع، نگاشت اشتباه، مقدار قدیمی، مقدار غایب و منطق نادرست مخاطب را جدا کنید. اگر همهٔ پاسخ‌های یک فرم به ترجیح غلط نگاشت می‌شوند، اصلاح چند رکورد مشتری ارسال‌های آینده را درست نمی‌کند. نگاشت را ترمیم و مسیر منبع تا بخش را دوباره بیازمایید.
برای هر مشکل نمونهٔ متأثر، معنای مورد انتظار، نتیجهٔ مشاهده‌شده، دامنهٔ احتمالی، مسئول و اصلاح را ثبت کنید. در صورت امکان شواهد پاک‌سازی‌شده به‌کار برید. پس از تغییر نمونهٔ تازه‌ای از همان گروه را بررسی کنید. اصلاح موفق باید فرایند پایه و پیام حاصل را تغییر دهد، نه فقط فیلد قابل مشاهدهٔ یک رکورد را.
پیام واقعی را پیش‌نمایش کنید
از رکوردهای نمونه در پیش‌نمایش مربوط استفاده کنید. سلام، زمینهٔ محصول، پیوند و جایگزین‌ها را بررسی کنید. مطمئن شوید اطلاعات خصوصی بی‌جهت در پیام یا نشانی وب آشکار نیست.
خطاهای تکراری را ثبت و فرایند جمع‌آوری یا نگاشتی را که می‌سازد اصلاح کنید. تکرار همان تصحیح دستی هر ماه نشانهٔ نیاز به رسیدگی منبع است. ممیزی مفید به تیم دربارهٔ داده و تصمیم‌های ساخته‌شده بر پایهٔ آن اطمینان می‌دهد.
نمونه نمی‌تواند درستی هر رکورد را ثابت کند. در صورت تناسب بررسی کلان را هم اضافه کنید: نرخ خالی غیرمنتظره، توزیع نامعمول مقدار، شناسهٔ تکراری یا تغییر ناگهانی اندازهٔ مخاطب واجدشرایط شاید مشکل گسترده‌تری را نشان دهد. این بررسی‌ها را در زمینهٔ منبع تفسیر کنید؛ هر مقدار نامعمول خطا نیست.
در پایان کمپین واقعی را با رکوردهای نماینده پیش‌نمایش و کنارگذاری‌ها را تأیید کنید. کیفیت داده مهم است چون مشخص می‌کند چه کسی چه چیزی می‌گیرد، نه چون صفحه‌گسترده مرتب به نظر می‌رسد. ممیزی وقتی مفید است که مخاطبی قابل دفاع، شخصی‌سازی قابل اتکا و فهرستی کوتاه از بهبودهای منبع بسازد تا همان موارد دشوار در واردسازی بعدی بازنگردند.