Mức độ bằng chứng
Kịch bản minh họa không phải case study khách hàng đã xác minh
Bài viết cũ gắn các tỷ lệ cụ thể với những ví dụ ẩn danh trong thương mại điện tử, y tế, thời trang và tài chính. Vì không nêu khách hàng, nguồn, quy mô mẫu, thời gian hay phương pháp đo, các con số đó không thể được kiểm chứng độc lập và không được đăng lại trong bài này như kết quả thực tế. Chúng cũng không được thay bằng khách hàng, logo, chỉ số hay đánh giá khác. Các kịch bản trong hướng dẫn này là giả thuyết cần được kiểm chứng, không phải kết quả đã được chứng minh.
Kịch bản thực hành
Bốn quy trình có thể thử nghiệm thận trọng
Thông điệp trải nghiệm khách hàng thương mại điện tử
Làm giàu các bản ghi phù hợp, tách riêng kết quả không chắc chắn và so sánh cá nhân hóa có giới hạn với trải nghiệm trung lập.
Phân tích đối tượng
Phân tích xu hướng ở cấp tổng hợp và báo cáo độ phủ, kết quả không xác định cùng giới hạn của mẫu dữ liệu.
Chuẩn hóa dữ liệu CRM
Thêm trường chuẩn hóa và giá trị bổ trợ để nhóm phụ trách có thể xem lại bản ghi trước khi sử dụng.
Thử nghiệm chiến dịch
Không coi kết quả dự đoán là thông tin định danh; kiểm chứng xem thông điệp có giới hạn có cải thiện chỉ số đã định trước hay không.
Chiến lược cá nhân hóa
Ưu tiên trải nghiệm hữu ích và trung lập
Kết quả dự đoán từ tên không phải là bản dạng giới do chính người đó cho biết. Hãy bảo đảm trải nghiệm vẫn hữu ích ngay cả khi không có kết quả hoặc kết quả sai. Cung cấp lựa chọn trung lập, tránh khuôn mẫu, không đưa ra quyết định quan trọng dựa trên giới tính dự đoán và cho phép người dùng sửa thông tin quan trọng qua kênh phù hợp của bên quản lý dữ liệu.
Khung đo lường
Đánh giá kết quả qua bốn bước
- 01
Xác định mục tiêu và tiêu chí quyết định trước
Ghi rõ lý do cần tín hiệu, người được phép sử dụng và những mục đích bị cấm.
- 02
Duy trì nhóm đối chứng
So sánh quy trình làm giàu dữ liệu với trải nghiệm trung lập, thay vì quy mọi thay đổi cho một trường dữ liệu duy nhất.
- 03
Đo độ phủ và mức không chắc chắn
Báo cáo kết quả không xác định, mơ hồ hoặc không chắc chắn cùng với chỉ số kinh doanh đã chọn.
- 04
Đánh giá tác động
Tìm ra tác động bất lợi, cá nhân hóa gây hiểu nhầm và khác biệt theo khu vực hoặc ngôn ngữ.
Chọn cách triển khai
REST API, bảng tính và tự động hóa không cần mã
Quản trị dữ liệu
Chỉ giữ dữ liệu và quyền truy cập ở mức cần thiết
Chỉ ánh xạ những dữ liệu đầu vào cần cho mục đích đã ghi lại, hạn chế quyền truy cập vào khóa API và kết quả, và quyết định khi nào cần xem lại hoặc xóa các trường dự đoán. Theo Chính sách quyền riêng tư đã công bố, dữ liệu đầu vào của các truy vấn tên, tên người dùng, email và các truy vấn thành công khác được xử lý để trả về kết quả và không được lưu giữ dưới dạng bản ghi truy vấn có thể tái sử dụng. Các truy vấn không phải email mà không tìm được kết quả giới tính có thể được lưu giữ trong tối đa 12 tháng để cải thiện GenderAPI; truy vấn email bị loại khỏi tập dữ liệu cải thiện này.
Các tệp Excel và CSV tải lên được lên lịch xóa khỏi hệ thống đang hoạt động trong vòng 5 ngày, và dữ liệu đã xóa có thể còn trong các bản sao lưu luân phiên bị hạn chế truy cập thêm tối đa 15 ngày. Nhật ký máy chủ, nhật ký xác thực và nhật ký bảo mật tuân theo thời hạn lưu giữ riêng được nêu trong chính sách. Các quyền truy cập, phản đối và xóa được mô tả trong Thông tin quyền riêng tư theo GDPR.
Câu hỏi thường gặp
Câu hỏi về trường hợp sử dụng và đo lường kết quả
Các con số trong bài viết cũ có phải là case study khách hàng đã được xác minh không?
Không. Phiên bản cũ không nêu tên khách hàng, nguồn, quy mô mẫu hay phương pháp đo. Vì vậy, phiên bản này không trình bày các con số đó như bằng chứng và cũng không thay chúng bằng con số khác.
Một case study có thể công bố cần những thông tin gì?
Cần có sự cho phép của khách hàng, số liệu cơ sở, quy mô mẫu, thời gian đo, phương pháp, kết quả quan sát được và các giới hạn được nêu rõ.
Đo lường một quy trình làm giàu dữ liệu như thế nào?
Xác định chỉ số từ trước, duy trì nhóm đối chứng trung lập, ghi nhận độ phủ và mức không chắc chắn, rồi đánh giá toàn bộ quy trình.
Giới tính dự đoán có phải là thông tin đã được xác minh về một người không?
Không. Đây là ước tính dựa trên tên, không phải bản dạng giới do chính người đó cho biết. Kết quả có thể sai hoặc không phù hợp, vì vậy đừng coi đó là danh tính đã xác minh hoặc căn cứ cho quyết định quan trọng.
Có nên loại bỏ kết quả không xác định không?
Không. Hãy giữ nguyên các kết quả không xác định hoặc có độ tin cậy thấp. Tỷ lệ của chúng là một phần của độ phủ và chất lượng dữ liệu, và cần được báo cáo cùng với chỉ số kết quả.
Quy trình làm giàu dữ liệu nên lưu những dữ liệu nào?
Chỉ lưu các trường cần thiết cho mục đích đã ghi lại và đặt ra quy tắc xóa. Theo Chính sách quyền riêng tư đã công bố, dữ liệu đầu vào của truy vấn thành công không được lưu giữ dưới dạng bản ghi truy vấn có thể tái sử dụng. Các truy vấn không phải email mà không tìm được kết quả giới tính có thể được lưu giữ trong tối đa 12 tháng để cải thiện GenderAPI. Các tệp Excel và CSV tải lên được lên lịch xóa khỏi hệ thống đang hoạt động trong vòng 5 ngày và có thể còn trong các bản sao lưu bị hạn chế truy cập thêm tối đa 15 ngày. Hãy kiểm tra cả nhật ký và quy tắc lưu giữ của từng dịch vụ được kết nối.
Có thể xem hướng dẫn triển khai ở đâu?
Bạn có thể dùng tài liệu REST API hoặc các hướng dẫn Google Sheets, Shopify và tự động hóa không cần mã được liên kết trên trang này.