Dla marketerów, którzy znają się na danych, pojawiło się nowe słowo kluczowe: Intencja

W związku z Google

Podróż klienta jest tak wyjątkowa, jak jego odciski palców — co wyjaśnia, dlaczego marketerzy wykorzystują technologię do analizowania, klasyfikowania i docierania do klientów na podstawie działań, które podejmują, zanim dokonają konwersji.

W przedcyfrowej przeszłości podróż kupującego była przewidywalnie liniowa; teraz może wiązać się z licznymi wyszukiwaniami i wizytami w witrynie, przemierzając kilka różnych urządzeń. Zakręcona wędrówka, którą podejmują klienci – postępująca poprzez badania i rozważanie granicy konwersji – nie kończy się z chwilą dokonania zakupu, ale jest kontynuowana poprzez lojalność i potencjalne powtórne zakupy.

Dzięki zrozumieniu unikalnej podróży klienta dla różnych segmentów marketerzy mogą uzyskać wgląd w zachowanie ich najcenniejszych. Obecnie istnieją narzędzia i technologie, takie jak uczenie maszynowe i atrybucja oparta na danych, które umożliwiają marketerom skoncentrowanie się na klientach o największej potencjalnej wartości życiowej (LTV), wzmacnianie ciągłego zaangażowania klientów i ostatecznie pobudzanie działalności.

Osiągnięcie życiowe

Ponieważ konsumenci korzystają z coraz większej liczby punktów styku, marki muszą znaleźć sposoby na obliczenie, które działania marketingowe – iw jakich kombinacjach – generują zwroty. Marketerom nie wystarcza już mierzenie ich wpływu, tak jak robili to tradycyjnie: wyodrębnianie i ocenianie kilku kluczowych zmiennych po kampanii. Nie wystarczy też po prostu monitorować aktywność ostatniego kliknięcia, przypisując konwersje do ostatniej aktywności klienta.

Źródło obrazu: Kheng Ho Toh

Dzięki dostępowi do technologii analitycznej marki mogą realokować budżety marketingowe, wykorzystując dane w czasie rzeczywistym o tym, jak skutecznie niektóre działania marketingowe są wykonywane w porównaniu z innymi. Marketerzy mogą również testować różne scenariusze, aby określić idealną kwotę do zainwestowania w określone kanały na ścieżce klienta.

Ustalenie, jak wyglądają ci klienci o wysokim priorytecie, wymaga opanowania wskaźnika LTV, wybiegającego w przyszłość pomiaru ogólnej wartości, jaką klient wygeneruje w trakcie relacji z marką. Gdy marketerzy koncentrują się na LTV, mogą zidentyfikować klientów, którzy przynoszą więcej transakcji w dłuższej perspektywie, a następnie wydać więcej pieniędzy marketingowych, aby do nich dotrzeć. W niedawnej ankiecie przeprowadzonej wśród 1419 dyrektorów marketingu, przeprowadzonej przez MIT Technology Review Insights we współpracy z Google, 89 procent wiodących marketerów używa strategicznych wskaźników, takich jak przychody brutto, udział w rynku lub LTV, aby mierzyć skuteczność swoich kampanii*. W rzeczywistości LTV jest wskaźnikiem używanym najczęściej przez 51 procent wiodących marketerów.

Czy wyglądasz na wartościowego klienta? Jeśli to zrobisz — w oparciu o to, co wiem, że robią moi wartościowi klienci — będę mógł sprzedawać Ci w oparciu o zwrot, który oferujesz — mówi Allison Hartsoe, założycielka i dyrektor generalna Ambition Data, firmy konsultingowej zajmującej się analizą danych.

Papyrus, sprzedawca artykułów papierniczych i kartek z życzeniami, jest jedną z firm skupiających się na LTV. Współpracując z Google, firma uznała, że ​​członkowie jej programu lojalnościowego Perks byli 66 procent bardziej wartościowy niż inni klienci, mówi Sean Downey, wiceprezes ds. platform w Google. Rozszerzając swój marketing na tych klientów, Papyrus zwiększył zyski dziesięciokrotnie w ciągu trzech miesięcy. Używając LTV, Papyrus ustalił, że klienci Perks są największymi wydatkami i najczęstszymi kupującymi, mówi Downey. Program Perks umożliwił również lepszą segmentację. Papyrus był w stanie dotrzeć do członków, którzy utracili status, ze specjalnymi ofertami i spersonalizowanymi wiadomościami, aby pomóc zwiększyć zaangażowanie.

Rozwijanie silnika danych

Czy wyglądasz na wartościowego klienta? Jeśli to zrobisz — w oparciu o to, co wiem, że robią moi wartościowi klienci — wtedy będę mógł Ci sprzedawać w oparciu o zwrot, który oferujesz.

Uczenie maszynowe umożliwia markom pobieranie spostrzeżeń z obszernych danych, oceniając skuteczność — mierzoną zachowaniami klientów — różnych ścieżek. Uczenie maszynowe działa szybko, stale aktualizując swój model. To też szybka nauka; Hartsoe powołuje się na wydawnictwo, które może oszacować LTV w ciągu zaledwie dwóch dni początkowej interakcji klienta.

Atrybucja oparta na danych (DDA) wykorzystuje systemy uczące się do obliczania udziału każdego działania klienta na ścieżce konwersji. Bada, jak ludzie znajdują firmę i decydują się zostać jej klientami, a następnie przypisuje udział konwersjom, według Downeya. Pomaga to zespołom marketingowym określić, które reklamy, słowa kluczowe i kampanie będą najbardziej bezpośrednio wpływać na cele biznesowe.

Przełamanie schematu marketingowego dzięki uczeniu maszynowemu

• Pobierz raport

Wśród respondentów ankiety 60 procent wiodących marketerów uważa, że ​​DDA jest niezbędne do zrozumienia podróży klientów o wysokiej wartości. Im skuteczniej mogą to zrobić marketerzy, tym lepszy zwrot uzyskają z inwestycji marketingowych.

Według Downeya, HomeAway, rynek wynajmu wakacyjnego, wykorzystał DDA do osiągnięcia ambitnych celów rozwoju. Silosowe podejście do pomiaru oparte na ostatnim kliknięciu nie sprawdziłoby się w bardzo konkurencyjnej branży. Więc firma dostosował swoją strategię medialną , dopasowując wskaźniki i cele biznesowe. DDA umożliwia zespołom marketingowym HomeAway uzyskiwanie i działanie w czasie rzeczywistym w zakresie intencji i interakcji klientów. Firma odnotowała 46-procentowy wzrost rezerwacji podróży w 2017 r. w porównaniu z rokiem poprzednim oraz 115-procentowy wzrost przychodów.

Czego klienci chcą dalej

Zamiast śledzić klientów podczas ich podróży i próbować się z nimi spotkać, marketerzy muszą teraz przewidzieć, dokąd zmierzają i pomóc im się tam dostać. Możliwość kierowania, a nawet kształtowania kolejnego ruchu klienta otwiera nowy front konkurencyjny. W ankiecie 63 procent czołowych marketerów twierdzi, że uważa, że ​​przewidywanie zamiarów konsumentów przyniesie lepsze wyniki.

Według Downeya ręczne narzędzia marketingowe, takie jak modelowanie probabilistyczne i remarketing, nie wystarczą, aby być na bieżąco z obecnymi klientami, którzy przełączają się między kanałami i urządzeniami, szukając potrzebnych im produktów i usług. Aby zrozumieć ślady sygnałów intencji klientów, marketerzy muszą zrobić więcej. Muszą wiedzieć, czego chcą klienci, zanim to zrobią — i przedstawić im najbardziej odpowiednią treść, mówi.

TGI Fridays, sieć restauracji typu casual dining, wykorzystuje dane o aktywności cyfrowej, preferencjach i nawykach klientów, aby oceniać i dostarczać na czas wiadomości na różnych platformach, optymalizując swoją strategię produktową i wydatki na media, według Sherifa Mityasa, dyrektora ds. doświadczeń w restauracji łańcuch. Klienci, którzy zdecydowali się na udostępnianie swoich danych, uruchamiają spersonalizowane zdarzenia. Kierując się danymi, pracownicy restauracji przedstawiają opcje — nakłanianie do drugiego drinka lub sugerowanie przystawki — które podniosą wysokość przeciętnego czeku.

Na przykład klienci, którzy od czasu do czasu pojawiają się o 17:00. w środy, aby podzielić się winem z przyjaciółmi otrzymasz wiadomość w aplikacji Fridays, tuż przed godziną 17:00, zapowiadającą nadejście niezwykłego rocznika. Analizując szczegółowość kontroli, sieć może stwierdzić, że ponad 25 procent konsumentów otrzymujących spersonalizowane wiadomości odwiedza restaurację i dokonuje zakupów — bez otrzymania rabatu.

Oczekiwanie na coś

Aby analizy oparte na danych były podstawą strategii pierwszej linii, analizy muszą być rozproszone w całym przedsiębiorstwie. W przeszłości potrzeba nowych możliwości marketingowych skłaniała firmy do ciągłego dodawania odrębnych działów — na przykład jednego zajmującego się analityką cyfrową, a drugiego poświęconego obsłudze klienta. Jednak ogrom wyzwania cyfrowego przewyższa takie rozróżnienia, ponieważ łączy również kanały cyfrowe i offline w dążeniu do wspólnego celu biznesowego.

Korzystamy z analiz predykcyjnych w różnych obszarach biznesowych, mówi Shyam Venugopal, wiceprezes ds. globalnej strategii mediów i danych konsumenckich w PepsiCo. Jak sprawić, by była ona bardziej wszechobecna we wszystkim, co robisz? Zawsze istnieje możliwość skalowania go dalej i dalej. Aby informacje o klientach przeniknęły do ​​biznesu, każdy zespół musi włączyć analityków danych. A liderzy w każdym zespole muszą mieć możliwość przekształcania analizy danych w mądrzejsze decyzje biznesowe.

Dzięki strukturze organizacyjnej wspierającej elastyczność firmy mogą docierać do różnych punktów styku z konsumentami. Mogą wykorzystać technologię uczenia maszynowego, aby wykorzystać rzeczywiste zamiary i je przewidzieć, przekraczając oczekiwania klientów. W miarę jak marketerzy stają się coraz bardziej biegli w korzystaniu z tego typu technologii, usprawnią one zarówno podróż klienta, jak i długoterminowe zyski firmy.

* W ankiecie wiodący marketerzy zostali uznani za firmy, które osiągnęły ponad 15-procentowy wzrost przychodów w ciągu dwóch lat lub ponad

Dowiedz się więcej o wpływie uczenia maszynowego na marketing.

ukryć