Pojęcie big data wyszło już z fazy modnego buzzwordu, a zaawansowana analityka na dobre rozpowszechniła się w firmach. I to nie tylko w korporacjach. Choć większość marketerów ma świadomość konieczności gromadzenia, analizy i łączenia danych oraz wykorzystania ich do predykcji i budowy silnych strategii marketingowych, to dobry moment, żeby powiedzieć „sprawdzam” dyrektorowi działu marketingu lub osobie odpowiedzialnej za adaptację do nowej, cyfrowej rzeczywistości.
Mniej więcej 10 lat temu branża marketingowa jak mantrę powtarzała slogan: „To będzie rok mobile”. I owszem – wreszcie jest., ale od niedawna. Wcześniej firmy przeznaczały na reklamę mobilną stosunkowo małe budżety – na pewno niedorastające do wyobrażeń i oczekiwań analityków. Problem leżał w samych konsumentach, bo przeglądanie internetu na komórkach było uciążliwe i niewygodne, a ze smartfonów korzystała wąska grupa użytkowników. Dopiero po wdrożeniu technologii LTE niemal w całej Polsce i po wyparciu analogowych komórek przez smartfony nastąpiły złote lata konsumenta mobilnego, a w konsekwencji rozkwit mobilnej reklamy. Ta sukcesywnie zyskuje na znaczeniu: mamy do dyspozycji więcej technologii, a użytkownicy coraz częściej do codziennej aktywności w internecie wybierają właśnie mobile. To radykalnie zmieniło marketingowy krajobraz i... skutecznie utrudniło trafne inwestycje marketingowe, bo nagle wszystko przestało być w tak prosty sposób policzalne.
Moda na big data
Podobnie było z trendem big data, który jeszcze kilka lat temu święcił triumfy niemal na każdej konferencji marketingowej. Taki buzzword – modne, popularne słowo, często wykorzystywane w mediach. „Prorocy” marketingu mówili o tym, że wszystko będzie oparte na danych, że to one są przyszłością itd. W tamtym czasie były to raczej marzenia niż rzeczywistość, ponieważ marketerzy i eksperci rynkowi nie za bardzo wiedzieli, co z tymi danymi zrobić: skąd je pozyskać i w jaki sposób je wykorzystać. Brakowało też analityków big data. Jednym zdaniem: nikt nie był na to przygotowany, ale każdy wiedział, że jest to szalenie istotne.
Dla branży marketingowej był to ważny czas i dobrze, że tak wiele uwagi poświęcano temu tematowi. To naturalne dla stopniowego dojrzewania kiełkującej innowacji – prowokuje rynek do zmiany myślenia, tworzenia nowych rozwiązań i technologii i dostosowania do dynamicznie zmieniającej się rzeczywistości.
Big data = big challenge
Początki gromadzenia gigantycznej ilości danych i korzystania z nich nie były łatwe. Większość CTO miała świadomość, że może generować sporo informacji o użytkownikach czy klientach, ale nie zastanawiała się nad ich wykorzystywaniem. W konsekwencji: nie gromadzono ich na dużą skalę. Teraz się to zmienia i właściwie wszystkie ważne usługi, systemy marketingowe czy CRM zapisują i gromadzą informacje o zachowaniach klientów, zarówno tych obecnych, jak i potencjalnych.
Dla budowania i realizowania strategii marketingowej jest to moment przełomowy: nie tylko dla dużych graczy – korporacji z gigantycznymi budżetami, ale dla wszystkich firm. Bo analityka w marketingu była zawsze, ale teraz jej ranga i skala możliwości wymagają zaangażowania. Mamy więcej danych, które stanowią bazę do planowania idealnie dopasowanych działań marketingowych organizacji. Mamy też lepsze narzędzia i wciąż rozwijamy umiejętności analityczne.
W 2018 r. big data jest faktem, dobrze już osadzonym w rzeczywistości biznesowej, a na pewno w świadomości ludzi związanych z biznesem. Miejsce tego modnego pojęcia zajmują już dwa kolejne: sztuczna inteligencja i uczenie maszynowe (artificial intelligence i machine learning). I jest to konsekwencja i kontynuacja zagadnienia big data, które wymaga uzupełnienia czy poszerzenia o kolejne możliwości.
Firmy posiadają gigantyczne ilości danych. Można je analizować, badać na ich podstawie zachowania użytkowników, ale można też pójść dalej i dzięki nim budować scenariusze przyszłości. To się właśnie dzieje. Analitycy, matematycy i statystycy uczą już algorytmy komputerowe, jak na bazie ogromnej ilości danych przewidywać przyszłość i wykorzystywać te przewidywania do podejmowania dalszych decyzji – nie tylko marketingowych, ale też biznesowych.
Dane mają bowiem realizować cele biznesowe. Same w sobie nie są wiele warte. W połączeniu z właściwymi narzędziami (technologiami, algorytmami oraz umiejętnościami dobrego data scientist) stanowią jednak potężną siłę. Możemy na ich podstawie nie tylko badać obecne, ale także przewidywać kolejne zachowania i ruchy klientów, a idąc dalej – budować na tej wiedzy biznes. I nie jest to przywilej największych graczy. Obecnie niemal każda firma może to robić.
Szczegółowa analityka marketingowa jest wręcz czymś koniecznym do dalszego rozwoju. Marketing mobilny, o którym była mowa wcześniej, zmienił na zawsze krajobraz marketingowy: nagle stare systemy analityczne (nawet te najpopularniejsze) przestały radzić sobie z rozpoznawaniem i zliczaniem realnych odwiedzających nasz biznes w internecie. Bo wszystkie systemy prezentują tylko urządzenia, a nie osoby. A wiemy, że to nie jest to samo, gdyż na jedną osobę zwykle przypada więcej niż jedno urządzenie. Obraz się rozmywa. Ponadto poprawną analitykę marketingową w internecie utrudnia ustawodawstwo związane z ochroną danych osobowych. Przestrzeń, która do tej pory była prawie w 100% policzalna, nagle przestaje taka być. Ustawy typu GDPR (RODO) bardzo ograniczają przekazywanie danych na temat powiązań komputer‑smartfon‑tablet pomiędzy największymi właścicielami danych na świecie (Google & Facebook). Dla biznesu to duże wyzwanie, które wymaga od firm sporego nakładu pracy, ale w efekcie jest bardzo opłacalne.
Otóż każda z firm (nawet jeżeli nie jest korporacją) powinna samodzielnie wdrażać zaawansowaną analitykę i rozpoznawać swoich klientów – niezależnie od tego, z jakich urządzeń oni korzystają. W ten sposób będzie wiedziała, jak do nich docierać, jak budować komunikację, jak prowadzić działania reklamowe czy wizerunkowe. Jest to jedno z wielu niezbędnych zastosowań analityki big data w marketingu cyfrowym. Jakie inne można wymienić?
Trudna adaptacja
Wielokanałowość sprzedaży (omnichannel) wydłużyła proces podejmowania decyzji o zakupie. I nie ma tutaj znaczenia, czy mówimy o zakupie usług w sektorze B2C, czy B2B, dóbr szybko zbywalnych czy trwałych rzeczy typu sprzęt AGD, RTV lub samochody. Konsumenci w naszej części Europy bardzo szanują swoje pieniądze, a co za tym idzie, zanim wydadzą jakąkolwiek złotówkę, obracają ją w palcach kilkanaście razy. Co to oznacza? Szukają, czytają, porównują, przeglądają – słowem: analizują na wszelkie sposoby – tak długo, aż będą pewni, że wydadzą je właściwie.
To rozwarstwienie podczas procesu zakupowego powoduje, że pozyskanie klienta (w dowolnym biznesie) za pomocą narzędzi cyfrowych staje się ekstremalnie trudne i dużo droższe niż na rynkach rozwiniętych, takich jak USA, Kanada czy Europa Zachodnia, na których klienci nie podchodzą do niego aż tak analitycznie. Dlaczego? Właśnie z powodu wnikliwości podczas podejmowania decyzji i konieczności ściągnięcia usera na serwis internetowy kilkakrotnie, zanim dokona zakupu.
A ponieważ obecnie to serwis internetowy jest często najważniejszym kontaktem z naszą marką, to rozwinięcie informacji na temat zachowań klientów w drodze do niego jest bardzo istotne. I tutaj wracamy do analityki i do konieczności mierzenia ścieżki użytkownika (customer journey). Właściwie każda firma powinna to robić – niezależnie od tego, czy jest korporacją, czy nie. Warto znać sposób, w jaki docelowy odbiorca podejmuje decyzje: ile czasu mu ten proces zajmuje, jakie punkty styku między marką a odbiorcą powstają po drodze, co ma na tę decyzję największy wpływ, z jakich serwisów korzysta itd. To jest podstawa podejmowania racjonalnych decyzji o inwestycjach marketingowych. Tylko dysponując potężną wiedzą na temat klienta, można skutecznie działać tu i teraz, przewidywać zachowania, a idąc dalej – nawet je projektować. W tym kontekście zaskakująca i niezrozumiała jest nonszalancja, z jaką wciąż tak wiele firm podchodzi do analityki. Bo obecnie właściwie każda organizacja jest w stanie wdrożyć analizę predykcyjną. Co to może oznaczać w praktyce?
Oto kilka przykładów dla lepszego zobrazowania możliwości predykcji.
1. Sklep z produktami dla dzieci (zabawki, ubranka itp.)
Wykorzystując zebrane dane historyczne na temat klientów, można bardzo precyzyjnie określić płeć dziecka oraz jego wiek. Na tej podstawie można także wnioskować, czego rodzic będzie dla niego potrzebował wraz z upływem czasu i w związku z tym kierować do niego przekaz marketingowy odpowiadający jego rzeczywistym potrzebom.
Dane mają bowiem realizować cele biznesowe. #big #data
2. Sieć restauracji typu fast food z dowozem
Na bazie historycznych danych można powiązać przekaz marketingowy (banery, e‑mail, SMS, social media) z zachowaniami konsumenckimi. Sieć może zachęcać klientów do zamówienia dokładnie wtedy, kiedy go potrzebują, i dokładnie tych potraw, na jakie mają ochotę. Może także zidentyfikować osoby, które na imprezach zwykle zamawiają dla wszystkich znajomych, i dostosować do nich formę przekazu promocyjnego.
Co więcej, w przypadku zintegrowanego systemu do zamawiania online i w lokalach stacjonarnych można wykorzystać dane do sterowania intensywnością marketingu i efektywniejszego zarządzania możliwościami operacyjnymi lokalu. Po co generować złe doświadczenia i kazać czekać na jedzenie 2 godziny, skoro wiemy, że na danym obszarze geograficznym nie ma sensu prowadzić kampanii reklamowej? W drugą stronę: jeżeli wiemy, że kucharze i obsługa nie mają zamówień, to wtedy automatycznie możemy zaproponować im wsparcie marketingowe na wybranym obszarze.
To wszystko powinno być jednak poparte analityką, łączeniem danych oraz wdrożeniem zaawansowanej automatyzacji.
3. Drogeria internetowa
Tu również można przewidzieć potrzeby oraz wiek klienta na bazie składanych przez niego zamówień. Można nawet obliczyć, kiedy skończy się zamawiany przez klienta kosmetyk i zaoferować automatycznie uzupełnienie go. To już nie jest science‑fiction – to rzeczywistość.
4. Marka modowa
Tu jest największe pole do popisu. Można bardzo precyzyjnie określić rozmiar ubrań swoich klientów, preferowane kolory oraz segmenty cenowe. I to nie tylko na bazie historii zakupów, ale także historii przeglądania, ponieważ nie jest tajemnicą, że klienci sklepów modowych są dużo bardziej aktywni, przeglądają więcej produktów niż np. klienci drogerii internetowych. Zostawiają w ten sposób ogromną ilość danych, które później można zastosować do lepszego „hipertargetowania” przekazu marketingowego.
Najważniejsze jednak, co można osiągnąć dzięki analityce internetowej, to precyzyjne określanie: CAC – czyli kosztu pozyskania klienta, i LTV – czyli średniej wartości klienta w czasie.
Do tej pory robiły to głównie ogromne firmy, gdzie klienta przywiązywało się na dłużej (głównie firmy ubezpieczeniowe, telekomunikacyjne czy banki). Teraz te same narzędzia mogą obliczać te wskaźniki i podejmować na ich podstawie trafne decyzje inwestycyjne niemal w każdej branży – zwłaszcza w sprzedaży internetowej.
Poświęć czas na dokładną analizę
Mimo że przez kilka ostatnich lat rynek zmienił się o 180 stopni, wciąż wielu CMO podejmuje decyzje w dość archaiczny sposób, korzystając z danych w relatywnie niewielkim zakresie, nie konstruując na ich podstawie pełnego obrazu klienta itd. Szkoda, bo to wpływa na biznes, wyhamowuje go, zamiast rozpędzać i wynosić na wyższy poziom. Opory związane ze wdrożeniem nowych możliwości czy narzędzi analitycznych są w pewnym sensie zrozumiałe – narzędzia z zakresu Business Intelligence pojawiają się na rynku, a nie zawsze wiadomo, z których korzystać i w jaki sposób, by było to jak najbardziej efektywne, ale rezygnacja z nich jest biznesowym samobójstwem: bo tak jak zaledwie w ciągu kilku lat mobile stał się standardem, tak zaawansowana analityka pokona ten dystans w jeszcze krótszym czasie. Ci, którzy temu trendowi nie ulegną, zostaną po prostu w tyle.
Dlatego już dziś powiedz „sprawdzam”.
