लीड जनरेट करने का डेटा क्या है?
Scrapeless Agent Browser प्रबंधित ब्राउज़र सत्र प्रदान करता है ताकि अनुमोदित सार्वजनिक व्यावसायिक जानकारी एकत्र की जा सके जो लीड जनरेशन डेटा वर्कफ़्लोज़ का समर्थन कर सकती है।
TL;DR
- लीड जनरेट करने का डेटा अवलोकनों को एक परिभाषित निर्णय इनपुट में बदल देता है। रिकॉर्ड को पहचान, संदर्भ, समय, उत्पत्ति, और एक मालिक की आवश्यकता होती है।
- संग्रहण और व्याख्या अलग-अलग चरण हैं। एक स्रोत तथ्य को स्कोर, श्रेणी, या सिफारिश से अलग पहचानने योग्य होना चाहिए।
- कवरेज सीमाएँ हर परिणाम के साथ होनी चाहिए। देखे गए पृष्ठ या संस्थाएँ डिफ़ॉल्ट रूप से एक पूर्ण बाजार का प्रतिनिधित्व rarely करती हैं।
- इतिहास परिवर्तन को स्पष्ट बनाने में मदद करता है। दिनांकित प्रमाण विश्लेषकों को स्रोत परिवर्तन को पाइपलाइन परिवर्तन से अलग करने की अनुमति देता है।
- जिम्मेदार उपयोग गुणवत्ता का एक हिस्सा है। एक तकनीकी रूप से सही फ़ील्ड अभी भी लक्षित उद्देश्य के लिए अनुपयुक्त हो सकता है।
लीड जनरेट करने का डेटा एक घोषित उद्देश्य रखता है
लीड जनरेट करने का डेटा जानकारी है जिसका उपयोग एक संभावित ग्राहक या साथी की पहचान, समझना, योग्यता, प्राथमिकता, मार्गदर्शन, या संपर्क के लिए किया जाता है। यह एक संगठन, एक व्यावसायिक भूमिका, एक प्राप्त अनुरोध, एक संबंध, या एक इंटरैक्शन का वर्णन कर सकता है, लेकिन हर फ़ील्ड को एक प्रलेखित उद्देश्य और कानूनी आधार से जोड़ा जाना चाहिए।
एक लीड केवल एक ईमेल पता नहीं है। एक साउंड रिकॉर्ड संगठन की पहचान, व्यक्ति की पहचान, संपर्क चैनल, फिट सबूत, जुड़ाव, सहमति या पसंद की स्थिति, उत्पत्ति, और उन तथ्यों से निकले स्कोर में भेद करता है। उपयोगी सीमा वह निर्णय है जिसका समर्थन जानकारी करती है। एक एकत्र फ़ील्ड केवल इसलिए मूल्यवान नहीं है क्योंकि यह मौजूद है; फ़ील्ड उपयोगी तब बनता है जब इसका अर्थ, अवलोकन संदर्भ, और लक्षित उपभोक्ता घोषित होते हैं।
लीड जनरेट करने के डेटा के लिए, कार्य की इकाई एक व्यक्ति या संगठन रिकॉर्ड है जो एक प्रलेखित व्यावसायिक उद्देश्य से जुड़ा होता है। वांछित परिणाम एक योग्य और जिम्मेदारी से उपयोग योग्य लीड रिकॉर्ड है। यह भेद संग्रह को व्याख्या से अलग रखता है: एक पृष्ठ कैप्चर प्रमाण है, एक निकाली गई रिकॉर्ड प्रतिनिधित्व है, और एक विश्लेषणात्मक निष्कर्ष एक निर्णय कलाकृति है जो दोनों के लिए ट्रेस करने योग्य रहनी चाहिए।
एक लीड रिकॉर्ड कैसे बनाया और योग्य किया जाता है
एक लीड जनरेटिंग डेटा वर्कफ़्लो एक निर्णय प्रश्न के साथ शुरू होता है और अनुमोदित स्रोत, पहचान, सामान्यीकरण, व्याख्या, और वितरण के माध्यम से आगे बढ़ता है।
- निर्णय, दायरा, जनसंख्या, समय आपूर्ति, और आवश्यक अवलोकनीय प्रमाण को परिभाषित करें। चरण को इसकी इनपुट, आउटपुट, मालिक, और स्वीकृति नियम रिकॉर्ड करना चाहिए ताकि दोषों को बिना पूरे वर्कफ़्लो को एक ओपेक काम के रूप में मानते हुए अलग किया जा सके।
- एक अनुमोदित स्रोत योजना बनाएं और प्रत्येक स्रोत परिवार के लिए संग्रह आधार रिकॉर्ड करें। चरण को इसकी इनपुट, आउटपुट, मालिक, और स्वीकृति नियम रिकॉर्ड करना चाहिए ताकि दोषों को बिना पूरे वर्कफ़्लो को एक ओपेक काम के रूप में मानते हुए अलग किया जा सके।
- पहचान, स्थान, पृष्ठ स्थिति, और समय संदर्भ के साथ अवलोकन एकत्र करें। चरण को इसकी इनपुट, आउटपुट, मालिक, और स्वीकृति नियम रिकॉर्ड करना चाहिए ताकि दोषों को बिना पूरे वर्कफ़्लो को एक ओपेक काम के रूप में मानते हुए अलग किया जा सके।
- फील्ड को सामान्यीकृत करें और संस्थाओं को हल करें जबकि मूल मान और उत्पत्ति को बनाए रखें। चरण को इसकी इनपुट, आउटपुट, मालिक, और स्वीकृति नियम रिकॉर्ड करना चाहिए ताकि दोषों को बिना पूरे वर्कफ़्लो को एक ओपेक काम के रूप में मानते हुए अलग किया जा सके।
- एक संस्करणित विश्लेषणात्मक नियम, वर्गीकरण, या मॉडल लागू करें और अनिश्चितता रिकॉर्ड करें। चरण को इसकी इनपुट, आउटपुट, मालिक, और स्वीकृति नियम रिकॉर्ड करना चाहिए ताकि दोषों को बिना पूरे वर्कफ़्लो को एक ओपेक काम के रूप में मानते हुए अलग किया जा सके।
- परिणाम को एक नामित मालिक को जारी करें और स्रोत और निर्णय परिणामों का मॉनिटरिंग करें। चरण को इसकी इनपुट, आउटपुट, मालिक, और स्वीकृति नियम रिकॉर्ड करना चाहिए ताकि दोषों को बिना पूरे वर्कफ़्लो को एक ओपेक काम के रूप में मानते हुए अलग किया जा सके।
क्रम महत्वपूर्ण है क्योंकि सहमति, पहले पक्ष, लाइसेंस प्राप्त, या अनुमोदित सार्वजनिक व्यावसायिक जानकारी विपणन, बिक्री, या साझेदारी टीम के निर्णय प्रक्रिया को बदलने से पहले बदल सकती है। अधिग्रहण, सामान्यीकरण, व्याख्या, और वितरण को अलग रखने से एक स्तर को बिना मौन रूप से हर नीचे की मेट्रिक को बदलने की अनुमति मिलती है। यह तब भी ऐतिहासिक पुनःप्रसंस्करण का समर्थन करता है जब एक वर्गीकरण, मॉडल, मिलान नियम, या व्यावसायिक परिभाषा में सुधार होता है।
वर्कफ़्लो को सहमति, पहले-पार्टी, लाइसेंस प्राप्त, या अनुमोदित सार्वजनिक व्यावसायिक जानकारी से एक योग्य और जिम्मेदारी से उपयोग योग्य लीड रिकॉर्ड तक के पथ को संरक्षित करना चाहिए। पुन: प्रोसेसिंग संभव हो जाती है जब एक परिभाषा, पार्सर, मॉडल, या स्रोत बदलता है। एक व्यावहारिक कार्यान्वयन इस प्रकार कच्चे सबूत, सामान्यीकृत रिकॉर्ड, और निकाले गए निर्णयों को अलग भंडार या स्पष्ट संस्करणित तालिकाओं में रखता है।
पहचान, फर्मोग्राफिक, इरादा, और संपर्क फ़ील्ड
| स्तर | उद्देश्य | रखावट का प्रमाण |
|---|---|---|
| पहचान | व्यक्ति और कंपनी को हल करें | स्रोत पहचानकर्ता और मिलान विश्वास |
| फर्मोग्राफिक | संगठन का वर्णन करें | स्रोत और अवलोकन तिथि |
| संपर्क | अनुमोदित चैनल प्रदान करें | पसंद और अनुमति दी गई उपयोग |
| जुड़ाव | एक इंटरैक्शन रिकॉर्ड करें | सहमति और संदर्भ |
| निकाले गए | स्कोर फिट या प्राथमिकता | मॉडल संस्करण और सीमा |
हर स्तर की एक अलग त्रुटि प्रोफ़ाइल और मालिक होती है। उन्हें एक स्कोर या डैशबोर्ड में मिलाना आवश्यक प्रमाण को हटाकर एक गलत निष्कर्ष को सही करने के लिए आवश्यक प्रमाण को हटा देता है।
तालिका में विकल्प परिपक्वता स्तर नहीं हैं। एक मैनुअल समीक्षा एक छोटे, महत्वपूर्ण नमूने के लिए सही नियंत्रण हो सकता है, जबकि स्वचालन मापनीय त्रुटि प्रबंधन वाले दोहराए जाने वाले निर्णयों के लिए उपयुक्त है। विकल्प को गलत परिणाम की लागत, स्रोत परिवर्तन की गति, और समीक्षा करने वाले को आवश्यक साक्ष्य का पालन करना चाहिए।
बाजार और बिक्री में डेटा को लीड करना
Inbound योग्यता
एक व्यक्ति की सबमिट की गई मांग को प्रतिक्रिया भेजने के लिए आवश्यक कंपनी संदर्भ के साथ मिलाना।
खाते का चयन
दस्तावेजित बाजार प्रोफ़ाइल से मेल खाते संगठनों की पहचान करें बिना अनावश्यक व्यक्तिगत विवरण।
भागnership अनुसंधान
विशिष्ट आउटरीच उद्देश्य के लिए सार्वजनिक कंपनी भूमिकाओं और पारिस्थितिकी तंत्र संबंधों को मैप करें।
डेटा सुधार
मूल स्रोत और परिवर्तन इतिहास को बनाए रखते हुए पुराने संगठन गुणों को ताज़ा करें।
सबसे मजबूत उपयोग के मामले विपणन, बिक्री, या भागीदारी टीम को बिना अधिक कवरेज का दावा किए स्पष्ट निर्णय देते हैं जितना कि साक्ष्य समर्थन करता है। प्रत्येक उपयोग मामला अभी भी एक नामित मालिक और एक रिलीज़ नियम की आवश्यकता होती है। एक लीड जनरेशन डेटा वर्कफ़्लो को तब तक डेटा डैशबोर्ड, मॉडल, बिक्री व्यक्ति, या स्वचालित कार्रवाई भेजनी नहीं चाहिए जब तक प्राप्तकर्ता रिकॉर्ड ग्रेन, ताजगी विंडो, गुम-मान नीति, और अनुमत उद्देश्य को नहीं जानता।
ताजगी, प्राचीनता, और मेल विश्वास
लीड जनरेशन डेटा के लिए गुणवत्ता का अर्थ है कि जारी किया गया परिणाम उसके घोषित निर्णय के लिए उपयुक्त हो और साक्ष्य से पुन: उत्पन्न किया जा सके।
- व्यक्ति और कंपनी की पहचान को अलग करें। एक साझा डोमेन को अप्रासंगिक व्यक्तियों को विलय न करने दें।
- स्रोत टाइमस्टैम्प संलग्न करें। भूमिकाएँ और संपर्क चैनल क्षेत्र-विशिष्ट नियमों के तहत समाप्त होनी चाहिए।
- पसंदों को बनाए रखें। दबाना और ऑप्ट-आउट स्थिति को रिकॉर्ड के साथ यात्रा करनी चाहिए।
- लेबल अनुमान। व्युत्पन्न वरिष्ठता, इरादा, या फिट को देखे गए तथ्य के रूप में नहीं दिखाई देना चाहिए।
- हानिकारक त्रुटियों को मापें। गलत व्यक्ति मेल, अमान्य संपर्कों, और अनुचित रिलीज का ट्रैक रखें।
गुणवत्ता समीक्षा को सहमति प्राप्त, पहले-बोरे, लाइसेंस प्राप्त, या अनुमोदित सार्वजनिक व्यापार सूचना से एक योग्य और जिम्मेदार तरीके से उपयोगी लीड रिकॉर्ड तक की पूरी पथ का नमूना लेना चाहिए। फील्ड-लेवल सटीकता अकेले एक गलत पृष्ठ, एक पुरानी अवलोकन, एक असंगत इकाई, या एक निर्णय नियम को छिपा सकती है जो अपने इच्छित खंड के बाहर लागू होती है। प्रत्येक पार्सर, श्रेणी, मॉडल, सीमा, और मानचित्रण का संस्करण संग्रहीत करें जिसे जारी किए गए रिकॉर्ड को पुन: उत्पन्न करने की आवश्यकता है।
अच्छी मीट्रिक तकनीकी व्यवहार को निर्णय लागत से जोड़ती है। कवरेज दिखाता है कि कार्यप्रवाह क्या देख सकता है; शुद्धता दिखाती है कि क्या जारी किए गए क्षेत्रों की सहमति है; ताजगी दिखाती है कि अवलोकन समय पर है; और स्थिरता दिखाती है कि क्या माप बदलता है क्योंकि बाजार बदला या क्योंकि संग्रह प्रक्रिया बदल गई।
सहमति, आउटरीच नियम, और डेटा न्यूनकरण
एक लीड जनरेशन डेटा कार्यक्रम को संग्रह होने से पहले स्रोत, गोपनीयता, रखरखाव, और उद्देश्य की समीक्षा की आवश्यकता है।
स्वचालित संग्रह के लिए, ICO डेटा सुरक्षा सिद्धांत सेवा मालिकों को क्रॉलर प्राथमिकताएँ प्रकाशित करने के तरीके को परिभाषित करता है। ये प्राथमिकताएँ प्राधिकरण, संविदात्मक समीक्षा, या उद्देश्य सीमाओं को प्रतिस्थापित नहीं करती हैं, लेकिन इन्हें अधिग्रहण नीति में होना चाहिए और कार्यक्रम सक्रिय होने से पहले इनका मूल्यांकन किया जाना चाहिए।
यह FTC CAN-SPAM अनुपालन मार्गदर्शिका इस विषय के लिए एक दूसरा सीमा प्रदान करता है। यह टीमों को तकनीकी रूप से अवलोकनीय डेटा और ऐसा डेटा जो बनाए रखना, मिलाना, स्कोर करना, या क्रियावली के लिए उपयोग करना उचित है, के बीच भेद करने में मदद करता है। एक्सेस नियंत्रण, रखरखाव, और डिलीट करने के नियम को रिकॉर्ड में सबसे संवेदनशील क्षेत्र का पालन करना चाहिए न कि सबसे कम संवेदनशील क्षेत्र का।
प्राथमिक प्राधिकृत व्यक्ति परिभाषाएँ और नियंत्रण प्रदान करते हैं जिन्हें सीधे जाँचा जा सकता है; वे संगठन-विशिष्ट कानूनी और पद्धतिगत समीक्षा की आवश्यकता को समाप्त नहीं करते हैं। NIST गोपनीयता ढाँचा यहां शामिल क्षेत्र-विशिष्ट प्रतिनिधित्व, जोखिम, या सार्वजनिक डेटा प्रथा के लिए एक ठोस संदर्भ प्रदान करता है।
सार्वजनिक व्यापार साक्ष्य को ध्यान से इकट्ठा करना
अनुमोदित सार्वजनिक वेब पृष्ठों से लीड जनरेशन डेटा के लिए समय पर साक्ष्य प्रदान किया जा सकता है, जब कवरेज और संदर्भ दृश्य में बने रहें।
Scrapeless एजेंट ब्राउज़र अनुमोदित सार्वजनिक पृष्ठों के लिए प्रबंधित ब्राउज़र सत्र प्रदान कर सकता है, जिसमें वे पृष्ठ शामिल हैं जिनका उपयोगी सामग्री क्लाइंट-साइड रेंडरिंग के बाद प्रकट होती है। अनुप्रयोग लक्ष्य अनुमोदन, फ़ील्ड चयन, नेविगेशन चरण, निष्कर्षण नियम, कार्यभार सीमा, और संग्रह के बाद लागू हर व्याख्या के लिए जिम्मेदार रहता है।
एक दीर्घकालिक अधिग्रहण रिकॉर्ड में अनुरोधित URL, अंतिम URL, अवलोकन समय, यदि प्रासंगिक हो तो बाजार या स्थानीयता, पृष्ठ पहचान जांच, और योग्य और जिम्मेदार तरीके से उपयोगी लीड रिकॉर्ड को समझाने के लिए आवश्यक कच्चा साक्ष्य शामिल होता है। उन तथ्यों को व्युत्पन्न रिकॉर्ड के पास रखना बाद में सुधारों को संभव बनाता है जब पृष्ठ संरचना या अर्थ बदलता है।
वेब अवलोकनों को सीमित नमूने के रूप में मानें। अनुरोधित और अंतिम URL, इकाई पहचान, स्थानीयता, अवलोकन समय, और पृष्ठ सत्यापन को प्रत्येक व्युत्पन्न योग्य और जिम्मेदार तरीके से उपयोगी लीड रिकॉर्ड के पास रखें।
जोखिम उत्पन्न करने वाले लीड डेटा प्रथाएँ
लीड जनरेशन डेटा अविश्वसनीय हो जाता है जब चमचमाती आउटपुट कमजोर पहचान, संदर्भ, या कवरेज को छिपाता है।
- अस्पष्ट रिकॉर्ड खरीदना। टीम स्रोत, आयु, या अनुमत उपयोग की व्याख्या नहीं कर सकती।
- प्रस्तुत डेटा को अधिलेखित करना। एक संवर्धन मूल्य उस व्यक्ति द्वारा प्रदान की गई जानकारी को मिटा देता है।
- निष्कर्ष को निश्चितता के रूप में मानना। एक स्कोर इरादे के बारे में एक तथ्यात्मक बयान बन जाता है।
- ऑप्ट-आउट राज्य को गिराना। एक दमन घटना हर गंतव्य तक नहीं पहुँचती है।
- हर उपलब्ध क्षेत्र को एकत्र करना। निर्णय में सुधार किए बिना जोखिम बढ़ता है।
जब परिणाम बहते हैं, तो अपेक्षित और अवलोकित राज्य की तुलना एक सीमा में एक समय में करें: स्रोत पहचान, कैप्चर पूर्णता, प्राणी मिलान, सामान्यीकृत मान, विश्लेषणात्मक नियम, वितरण समय, और उपभोक्ता क्रिया। वह क्रम एक डैशबोर्ड की विषमता को संग्रह विफलता के रूप में गलत निदान से रोकता है और सुधारात्मक कार्य को सबूत से बांधता है।
लीड डेटा गवर्नेंस चेकलिस्ट
एक पायलट के चालू उत्पादन कार्यप्रवाह में बदलने से पहले निम्नलिखित प्रश्नों का उपयोग करें।
- यह डेटा सेट किस निर्णय का समर्थन करेगा, और किसके पास वह निर्णय है?
- एक रिकॉर्ड का क्या प्रतिनिधित्व करता है, और कौन से पहचानकर्ता उस अनाज को स्थिर रखते हैं?
- कौन से स्रोत और पृष्ठ राज्य संग्रह के लिए अनुमोदित हैं?
- कौन से क्षेत्र आवश्यक, विकल्प, व्युत्पन्न, या निषिद्ध हैं?
- स्थानीयता, मुद्रा, समय, और अवलोकन संदर्भ कैसे दर्ज किए जाते हैं?
- कौन सा लेबल किया गया सबूत स्वीकार्य सटीकता और कवरेज को परिभाषित करता है?
- सुधार, रखरखाव, विलोपन, और पहुंच अनुरोधों को कैसे संभाला जाता है?
- स्रोत या उपभोक्ता अनुबंध में कौन सा परिवर्तन नए समीक्षा को प्रेरित करता है?
एक डिज़ाइन एक सीमित पायलट के लिए तैयार है जब हर जवाब का एक मालिक होता है, स्वीकृत एक व्यक्ति या संगठन रिकॉर्ड जो एक दस्तावेजित व्यापार उद्देश्य से बंधा होता है, परीक्षण योग्य है, और उपभोक्ता यह बता सकता है कि प्रत्येक परिणाम के बाद क्या क्रिया होती है। स्रोत व्यवहार, बाजार कवरेज, कानूनी आधार, वर्गीकरण, मॉडल, या निर्णय प्राधिकरण बदलने पर हमेशा चेकलिस्ट पर लौटें।
निष्कर्ष: एक लीड रिकॉर्ड को मूल स्रोत की आवश्यकता होती है
लीड जेनरेशन डेटा तब उपयोगी होता है जब यह एक जिम्मेदार टीम को वैध संभावना की पहचान, योग्यताकरण, मार्गदर्शन, या प्रतिक्रिया में मदद करता है। विश्वसनीय रिकॉर्ड पहचान, अवलोकित तथ्य, व्युत्पन्न स्कोर, स्रोत, ताजगी, सहमति या प्राथमिकता राज्य, और अनुमति का उपयोग भिन्न रखते हैं।
अगला व्यावहारिक कदम एक संकीर्ण पायलट है: एक स्वीकृत एक व्यक्ति या संगठन रिकॉर्ड चुनें जो एक दस्तावेजित व्यापार उद्देश्य से बंधा हो, न्यूनतम सबूत इकट्ठा करें, इसे एक स्पष्ट स्कीमा के तहत सामान्यीकृत करें, परिणाम की समीक्षा करें विपणन, बिक्री, या साझेदारी टीम के साथ, और केवल तब विस्तार करें जब अवलोकित त्रुटि प्रोफ़ाइल निर्णय की सहिष्णुता से मेल खाता हो।
लीड जनरेशन डेटा कार्यप्रवाह बनाने के लिए तैयार हैं?
एक सीमित प्रश्न, एक स्पष्ट रिकॉर्ड दाने और एक समीक्षा सेट के साथ आरंभ करें जो वास्तविक त्रुटियों को उजागर करता है।
आज ही साइन अप करें और पाएं $5 मुफ्त क्रेडिट — कोई क्रेडिट कार्ड आवश्यक नहीं.
अपने $5 क्रेडिट का दावा करें →प्रत्यक्ष प्रश्नाकाण
लीड जेनरेशन डेटा में कौन सी जानकारी शामिल है?
लीड डेटा में संगठन की पहचान, डोमेन, उद्योग, स्थान, पेशेवर भूमिका, पहले-बंद सहभागिता, व्यावसायिक संपर्क चैनल, सहमति या प्राथमिकता राज्य, स्रोत, अवलोकन समय, और व्युत्पन्न स्कोर शामिल हो सकते हैं।
क्या सार्वजनिक संपर्क जानकारी आउटरीच के लिए मुफ्त में उपयोग की जा सकती है?
नहीं। सार्वजनिक दृश्यता स्वचालित रूप से किसी वैध आधार, सहमति, या विपणन और गोपनीयता नियमों का अनुपालन स्थापित नहीं करती है।
लीड संवर्धन लीड जनरेशन से कैसे अलग है?
लीड जनरेशन संभावित संभावनाओं को पहचानती है या प्राप्त करती है, जबकि संवर्धन एक मौजूदा रिकॉर्ड पर विशेषताएँ जोड़ता या सत्यापित करता है। संवर्धन को मूल मान और स्रोत को संरक्षित करना चाहिए।
लीड डेटा को फिर से अपडेट करने की कितनी बार आवश्यकता होती है?
रीफ्रेश नियम क्षेत्र विशिष्ट होने चाहिए। भूमिकाएँ और संपर्क चैनल तेजी से बदल सकते हैं, जबकि कंपनी पहचानों को स्थिर रहना आवश्यक है।
लीड डेटा को उच्च गुणवत्ता क्या बनाता है?
उच्च गुणवत्ता वाला लीड डेटा सही प्राणी से मेल खाता है, वर्तमान और अनुबंधित क्षेत्रों में है, प्राथमिकता राज्य को बनाए रखता है, तथ्य से निष्कर्ष को अलग करता है, निर्धारित उद्देश्य में फिट बैठता है, और इसे एक्सेस नियंत्रित किया जाता है।