Data-Driven მარკეტინგი

ჩვენს რეგიონში, არც თუ ისე ბევრი კომპანია იყენებს data-driven მარკეტინგს

რაც იმით არის გამოწვეული, რომ საშუალო და მცირე კომპანიებში დიდი რაოდენობის მონაცემების შეგროვება არ ხდება, ან თუკი გროვდება, მომხმარებლის ქცევისა თუ კომუნიკაციის ეფექტურობის გასაუმჯობესებლად სიღრმისეული ანალიზის თითქმის არავინ უკეთებს.

 

მარტივი განმარტებით

Data-driven მარკეტინგი არის სტრატეგია, რომელიც შემუშავებულია უკვე არსებული მონაცემების მუდმივი, სიღრმისეული ანალიზის საფუძველზე და მაქსიმალურად გამორიცხავს სუბიექტურ შეხედულებებს.

 

მაგალითად,

გვაქვს სამი სხვადასხვა სარეკლამო პოსტერი, რომელზეც დიზაინერისა და სოციალური მედიის მენეჯერის აზრი ორად გაიყო. შესაძლოა, ორივეს აქვს თავისი არგუმენტი, თუ რატომ არის უკეთესი პირველი პოსტერი და არა მეორე ან მესამე, თუმცა, ეს არგუმენტები არ არის მონაცემებით გამყარებული. სწორედ ამ დროს დგება საჭიროება, რომ პოსტერები გაიტესტოს ფართო აუდიტორიაზე და მონაცემებზე დაყრდნობით მივიღოთ გადაწყვეტილება ნამდვილად პირველი სჯობს, თუ მეორე ან მესამე. ეს ალბათ, ერთ-ერთი ყველაზე მარტივი მაგალითია, რაც შეიძლება მოვიყვანოთ data-driven მარკეტინგის განხილვისას. რა თქმა უნდა, ბევრი მონაცემისა და კამპანიის ერთად არსებობის შემთხვევაში, მოცემულობა ბევრად რთულდება, თუმცა ამავდროულად ბევრად საინტერესოც ხდება.

 

რა სარგებელი შეიძლება მივიღოთ data-driven მარკეტინგისგან?

Data-Driven Marketing - მონაცემები მარკეტერებისთვის და ბიზნესისთვის

 

Customer experience

data-driven მარკეტინგული მიდგომით, მომხმარებლის გამოცდილების შესწავლა ხდება მიკრო დონეზე ყველა გადადგმული ნაბიჯის ცალ-ცალკე შესწავლითა და ანალიზით. თუკი ტრადიციული მარკეტინგით, სადაც მონაცემები ნაკლებად აქტუალურია, მუშაობა უფრო მეტად მიმდინარეობს მომხმარებლების ზოგადი პრეფერენციების გათვალისწინებით და/ან მთლიანად პროცესზე დაკვირვებით, data-driven მარკეტინგის შემთხვევაში ხდება მომხმარებლის მიერ კონკრეტული პროდუქტის ან სერვისის მოხმარების თითოეული ეტაპის ცალცალკე გამოყოფა, ამ ეტაპების ჩაშლა კიდევ მეტ ელემენტებად და ამ ელემენტების მონაცემების შესწავლა. რა თქმა უნდა, დეტალების პარალელურად ხდება სრული გამოცდილების ეფექტურობის შეფასება.

 

მაგალითად,

გვაქვს ონლაინ მაღაზია, სადაც ვყიდით სხვადასხვა ტიპის სამკაულებს. ერთის მხრივ შესაძლოა დავაკვირდეთ რომელი წყაროდან გადმოვიდა მომხმარებელი ონლაინ მაღაზიაში, რა ეტაპები გაიარა, რა შეიძინა და რამდენი დახარჯა, რაც მოგვცემს იმის საშუალებას, რომ დავთვალოთ რა თანხა დაიხარჯა კომუნიკაციაში და რა მოგება მოგვიტანა ამ მომხმარებლის საიტზე ვიზიტმა. თუმცა, data-driven მიდგომის შემთხვევაში, მნიშვნელოვანი იქნება არა მხოლოდ ეს ეტაპები და მოგება-ზარალის დაანგარიშება, არამედ ის, თუ რა დროს შემოვიდა მომხმარებელი, კონკრეტულად რომელი სამკაულები დაათვალიერა მანამ, სანამ შეიძენდა მისთვის სასურველ სამკაულს, რამდენი ხანი გაატარა საიტზე, ვინ იყო მომხმარებელი (ასაკი, სქესი, ლოკაცია), რომელი ბარათით გადაიხადა, შეუკვეთა თუ არა სასაჩუქრე ყუთიც და ა.შ. ამგვარად, მსგავსი ინფორმაციის დაგროვებაში შესაძლებლობა გვეძლევა დავამუშაოთ ეს მონაცემები და ონლაინ მაღაზიის გამოცდილება შევცვალოთ თითოეული ზევით ჩამოთვლილი პარამეტრების მიხედვით. მაგალითად, თუკი sitename.ge საიტიდან გადმოსული მომხმარებლები ძირითადად საყურეებს ყიდულობენ, ამ საიტზე განთავსებული რეკლამა უნდა იყოს აუცილებლად საყურეების ვიზუალით, ვინაიდან ბევრად დიდია იმის შანსი, რომ ეს ადამიანები საყურეების დანახვისას გადმოვლენ შენს ონლაინ მაღაზიაში, სადაც ასევე მისთვის რელევანტური პროდუქცია  - საყურეები დახვდებათ. აქ კი შეგიძლიათ გამოიტანოთ იმ ფასების შესაბამისი საყურეები, რა ფასის საყურეებსაც ამ საიტიდან გადმოსული მოხმარებლები ყიდულობენ და ა.შ.

 

პერსონალიზებული მარკეტინგი

პერსონალიზაციის გამოყენების შემთხვევაში, ყოველ ჯერზე, როდესაც მომხმარებელი საიტზე შემოვა, შესაძლებელია დახვდეს მისი ძიებების შესაბამისი პროდუქცია. მაგალითად, თუკი 2 დღის წინ ბანკის საიტზე ანაბრებს ვეძებდი და დღეს იგივე საიტზე, იგივე მოწყობილობით კიდევ ერთხელ შევედი თუნდაც სხვა მიზნით, პირველ გვერდზე შესაძლოა დამხვდეს ანაბრების სხვადასხვა სახეობების ჩამონათვალი, ვინაიდან ბანკმა იცის, რომ მე ანაბრის პოტენციური მომხმარებელი ვარ.

გარდა ამისა, პერსონალიზაციის დროს, კრიტიკულად მნიშვნელოვანია იმ მომხმარებლებთან სეგმენტური და სწორი კომუნიკაცია, ვისი საკონტაქტო ინფორმაციას უკვე გვაქვს. იგივე მაგალითს რომ დავუბრუნდეთ, თუკი ბანკის საიტზე განაცხადი შევავსე და დავტოვე ჩემი საკონტაქტო ინფორმაცია, ბანკმა უკვე იცის, ვინ ვარ და რითი ვარ დაინტერესებული, შესაბამისად, იმ შემთხვევაში, თუკი მე ანაბარს მაინც არ გავხსნი, ბანკს შეუძლია ჩამსვას კომუნიკაციის ციკლში, სადაც ყოველ ჯერზე, როდესაც ანაბარზე რაიმე სახის „აქცია“ ექნებათ, გამომიგზავნის შესაბამის შეტყობინებას, ან სულაც შესაძლოა იცოდეს, თუ როდის ხსნიან ჩემნაირი (ასაკი, სქესი, დასაქმება ა.შ.) მოხმარებლები ანაბრებს ყველაზე ხშირად და სწორედ იმ დროს გამომიგზავნოს შეტყობინება, როცა ყველაზე დიდია ჩემი დაინტერესების ალბათობა.

 

გაუმჯობესებული პროდუქტი/სერვისი

მომხმარებლების პრეფერენციებისა და ქცევის მონაცემების ანალიზი გვაძლევს საშუალებას, პროდუქტისა თუ სერვისის არსებობის ნებისმიერ ეტაპზე, მივიღოთ გადაწყვეტილება ცვლილებების შესახებ და ვიყოთ დარწმუნებული იმაში, რომ დაგეგმილი ცვლილებები ბევრად პოზიტიურად აისახება შემოსავალებზე, ვიდრე ეს იქნებოდა მხოლოდ კომპანიის გუნდის წევრების დისკუსიაზე დაყრდნობით განხორციელებული ცვლილებების შემთხვევაში.

 

ეფექტური მედია-შესყიდვა

არსებულ მონაცემებზე დაყრდნობით თითოეული მედია საშუალების გაანალიზებით, შესაძლებელია ბევრად ეფექტურად მოვახდინოთ ბიუჯეტის გადანაწილება. მაგალითად, თუკი ვიცით, რომ 4 სხვადასხვა არხში ვიხდით 1000 ლარს და ასევე ვაკონტროლებთ, თუ რა შედეგები მოდის თითოეული არხიდან, დამატებითი ბიუჯეტის არსებობის შემთხვევაში, მარტივად მივიღებთ გადაწყვეტილებას თუ რომელ არხში ღირს ბიუჯეტის დამატება, ან საერტოდ ღის თუ არა ამავე არხებში დამატება თუ სჯობს საერთოდ ახალი არხი ვნახოთ, სადაც სხვა კატეგორიის მომხმარებლებსაც მივაწვდენთ ხმას.

 

მომხმარებლის კონვერსიის გაუმჯობესებული გზა

ჩემი გამოცდილებით, ყველაზე რთულად განხორციელებადი, თუმცა ყველაზე ეფექტური საშუალება, მომხმარებელების მიერ ინფორმაციის მიღებიდან საბოლოო ბიზნეს მიზნის მიღწევამდე განვლილი გზის ოპტიმიზაციაა. ბევრი საკომუნიკაციო მესიჯისა თუ რეკლამის ჩვენება ყოველთვის იმას არ ნიშნავს, რომ სწორ გზაზე ვართ და ვზრდით კომუნიკაციის ეფექტურობას. მეტი რეკლამის ჩვენება და კომუნიკაცია ნიშნავს მეტ ხარჯს. ეს ხარჯი როგორც წესი, არც თუ ისე მცირეა, შესაბამისად, რაც უფრო მეტი შეხების წერტილი გვაქვს მომხმარებელთან, მით მეტია თითო მომხმარებლის მოსაზიდად დახარჯული თანხა, რაც ასევე ზრდის პროდუქტის/სერვისის ღირებულებას და შესაბამისად, ამცირებს მოგებას. გამოწვევა იმაში მდგომარეობს, რომ მნიშვნელოვანია, სწორად დავაიდენტიფიციროთ ის არხები, რომლებსაც ყველაზე ნაკლებად მიუძღვით წვლილი მომხმარებლის საბოლოო კონვერსიაში და მინიმუმამდე დავიყვანოთ ამ არხის გამოყენება კონვერსიის ერთიან ჯაჭვში.

 

ჯვარედინი გაყიდვები

კიდევ ერთი შესაძლებლობა მარკეტერებისთვის, რომ უკეთ მოახდინო მომხმარებლების ქცევის შესწავლა, გაიგონ რა ტიპის პროდუქტს/სერვისს მოიხმარენ და ამ ინფორმციის საფუძველზე შესთავზონ პირველადი შენაძენთან კავშირში მყოფი სხვა ტიპის პროდუქტი/სერვისი.

 

მაგალითად,

ამაზონის შემოთავაზებები, როდესაც პირობითად, აიფონის შეძენის შემთხვევაში, გარკვეული პერიოდის მანძილზე, სხვადასხვა საიტებზე გიჩანთ ეარპოდების რეკლამა და ეს რეკლამა მეილზეც გეგზავნებათ. აქაც რა თქმა უნდა, ეს შეთავაზებები ხდება თქვენს მონაცემებზე დაყრდნობით. ინახება ინფორმაცია თქვენი შენაძენის შესახებ და წინასწარ გაწერილი ლოგიკის შესაბამისად გთავაზობთ იმ პროდუქტს, რომელიც იცის, რომ თქვენთვის რელევანტური იქნება. ამ მაგალითის შემთხვევაში, ამზონს ასევე შეუძლია, რომ აღნიშნული ეარპოდები 7 დღის მანძილზე (დღეების რაოდენობაც განისაზღვრება წინასწარ, უკვე არსებულ ქცევებზე დაყრდნობით, თუ რამდენი ხნის შემდეგ ყიდულობს მომხმარებელი ეარპოდებს, აიფონის შეძენის შემდე) შემოგთავზოთ სტანდარტულ ფასად და იმ შემთხვევაში, თუკი მაინც ვერ დაგაინტერესათ, მერვე დღიდან გიჩვენოთ 10% ფასდაკლებით კიდევ 3 დღის მანძილზე, ხოლო 3 დღის შემდეგ 15% ფასდაკლებით. 

 

ეს ის მცირე ჩამონათვალია, რის გამოც გუგლისა და ამაზონის მსგავსად, სხვა წარმატებული კომპანიებიც ცვლიან მარკეტინგულ სტრატეგიას და ერთვებიან ეფექტური მარკეტინგული კომუნიკაციის თანმედროვე პროცესში

 

IT Academy STEP – მსოფლიო ბრენდი 82 ფილიალით!
გახდი კვალიფიციური სპეციალისტი და საკუთარი საქმის პროფესიონალი, შემოგვიერთდით სტეპერების დიდ ოჯახში 

თბილისი,

საბურთალო, ალ.ყაზბეგის 34/34ბ