امروزه بازاریابان دیجیتال از داده مشتری به‌عنوان رئیس خود یاد می‌کنند. تصمیم گیری های بازاریابی بدون استفاده از داده امکان‌پذیر نخواهد بود، اما معنای واقعی بازاریابی داده محور (data-driven marketing) چیست؟ با هورموند همراه شوید؛
“مارک فلاهارتی” معاون اجرایی تبلیغات ساندای اسکای (تأمین‌کننده تکنولوژی است که از قدرت نفوذ داده های مشتری برای ایجاد و ارائه ویدئوهای بازاریابی تک به تک استفاده می‌کند)، معتقد است که قدرت درک این موضوع که چه داده هایی دارید، چه داده هایی را می‌توانید به دست آورید، چگونه آن‌ها را سازمان‌دهی کنید و درنهایت چگونه از آن‌ها استفاده کنید، مهم‌ترین تحول تاریخ بازاریابی و بازاریابی داده محور بوده است.
داده های بازاریابی از کجا می‌آیند؟
داده های مشتری می‌تواند از هرجایی سر درآورد. اطلاعات مذاکرات فروش در سیستم‌های ERP و CRM سازمان دفن می‌شود. تعاملات مشتری در بازاریابی و خدمات مشتری در سیلوها (بخش‌هایی در سازمان که تمایلی به اشتراک گذاشتن داده ها با بخش‌های دیگر همان سازمان ندارند) باقی می‌مانند. بااین‌وجود، گوش دادن اجتماعی یا رصد کردن آنچه مردم در شبکه‌های اجتماعی می‌گویند، نظرسنجی‌های آنلاین، بازخور مصرف‌کنندگان و اینترنت اشیا هرروز داده های بی‌شماری تولید می‌کنند.
شرکت‌هایی مانند Avention، وجود دارند که داده های B2B در مورد مشتریان، پیش‌بینی‌ها و چشم‌اندازها را ارائه می‌دهند که هر سازمانی می‌تواند با ادغام آن‌ها با داده های داخلی سازمان و تجزیه‌وتحلیل آن‌ها درنهایت به یک بینش بازاریابی برسد. داده های این شرکت‌ها به سازمان‌ها در مدیریت چرخه عمر خرید مشتری و هدف قرار دادن چشم اندازهای بهتر کمک می‌کند.
“هنک وشورست ” مدیر طرح‌های فنی این شرکت می‌گوید: ما سوخت آتش تجزیه‌وتحلیل‌های بازاریابی را تهیه می‌کنیم! تمام گروه‌ها در حال تلاش برای کسب مزیت رقابتی به‌وسیله داده هستند، تاکنون بازاریابان سریع‌ترین رشد را در بین بخش‌های کسب و کار این شرکت داشته‌اند.
سردرگمی با آنالیز داده
بازاریابان اغلب وقتی‌که حجم زیاد داده ناگهان در دسترس آن‌ها قرار می‌گیرد دستپاچه می‌شوند و حتی ممکن است احساس عجز کنند. آن‌ها برای انتخاب داده های صحیح برای تصمیم‌گیری‌های بهنگام تحت‌فشار هستند. انتظار می‌رود آن‌ها متخصص داده شده باشند: “مانتیت ” می‌گوید سه مورد از هر چهار مشتری می‌خواهد که خرده‌فروش داده های شخصی را برای بهبود تجربه‌های خرید، گردآوری کند.
داده ها از منابع مختلف تولید می‌شوند اما همه آن‌ها به‌دردبخور و کمک‌کننده نیستند. تفکیک داده های خوب از داده های بد نیز از وظایف بازاریابان بشمار می‌رود. این موضوع در حال پیشرفت است و مدیران ارشد فناوری (CIO) می‌توانند در یادگیری منابع داخلی و خارجی داده و ارزش آن‌ها برای بازاریابان به مدیران ارشد بازاریابی (CMO) کمک کنند. همچنین تأمین‌کنندگان تکنولوژی نیز می‌توانند در این فرآیند دشوار مشارکت داشته باشند.
Weghorst می‌گوید: ما به مدیران ارشد بازاریابی کمک می‌کنیم تا تعریف معیارهای اندازه‌گیری کاربرد داده را درک کنند. ما داده های صحیح، مفید و پیش‌گویانه را پیدا می‌کنیم و همچنین مشخص می‌کنیم کدام داده ها را می‌توان از قلم انداخت و منابع دیگری را اضافه کرد.
با نفوذ تکنولوژی، تجزیه‌وتحلیل‌ها و داده های بسیاری که پیش روی بازاریابان قرار دارد، در نظر گرفتن هدف نهایی عاقلانه به نظر می‌رسد، اینکه “با تمام این داده ها، دقیقاً به چه چیزی می‌خواهید دست‌یابید؟”
فورستر می‌گوید: داده های صحیح می‌توانند ترجیحات مشتری و نیازهای کشف و برآورده نشده او را شناسایی کنند. فورستر می‌گوید یک خرده‌فروش لباس به‌طور هوشمندانه‌ای از داده های محلی و رفتاری مشتریان، استفاده کرد و دریافت که خانم‌های جوان بین ۱۳ تا ۲۴ سال از فروشگاه‌های آن‌ها تنها خرید پنجره ای (نگاه کردن به کالاهای ویترین بدون خرید آن‌ها) انجام می‌دهند تا اجناسی مشابه و با قیمت پایین‌تر را از جای دیگری تهیه کنند. این موضوع باعث شد که خرده‌فروش یک خط تولید لباس‌های ارزان قیمت برای هدف‌گیری این قشر از خریداران راه‌اندازی کنند.
ایجاد روابط بهتر در بازاریابی داده محور
داده های مشتری فقط برای پیش‌بینی فروش نیست. بازاریابان می‌توانند برای بهبود روابط مشتری نیز به‌خوبی از این داده ها استفاده کنند. فورستر می‌گوید: فرودگاه‌ها از داده های بهنگام (real-time) و تکنولوژی تشخیص برای شناسایی مسافران، بارها و پرسنل استفاده می‌کنند تا گلوگاه‌ها را آزاد و از تأخیرها جلوگیری کنند. زمانی که پروازی کنسل شود، هر ایرلاین یک اپ دارد که گزینه‌های رزرو دوباره را در زمانی مختصر و کوتاه به مسافران پیشنهاد می‌دهد.
فورستر مثال دیگری از سرویس‌های مشتری خلاقانه که متأثر از داده ها هستند را بیان می‌کند: Mattersight میلیاردها تعامل و فعل‌وانفعالات مشتریان را در دیتابیس مشتری ذخیره می‌کند و از الگوریتم‌های پیش‌بینی استفاده می‌کند تا هر مشتری را با یک نماینده خدمات مشتری تطبیق دهد که هر دو مدل ارتباطی و ویژگی‌های رفتاری مشابه داشته باشند. “داده، نقطه آغازین تمام این اتفاقات است.”