RAZGOVORI PETKOM: NAUKA PODATAKA U MARKETINGU #OSNOVE

24. 07. 2020.

Marketing je jedno od najplodnijih polja za nauku o podacima. Postoji mnogo različitih tehnika i pravaca koje marketinški timovi nastoje da realizuju, ali dve najčešće diskutovane su – dodatna i unakrsna prodaja. Za one od vas koji su manje upoznati sa terminima, pojam dodatna prodaja (up sell) označava radnju ubeđivanja kupca da kupi (ili izvrši nadogradnju) skuplji proizvod/uslugu i samim tim – potroši više novca, dok pojam unakrsna prodaja (cross sell) označava da se kupac navede da kupi još jedan različit proizvod/uslugu pored već izabranog i time – potroši više novca. Dodatno objašnjenje ću dati ovde, kao referencu.

Ali da li postoji karika koja nedostaje koja bi mogla da poboljša ovaj proces „ubeđivanja“ kupca da obavi kupovinu i da se poveća dodatna i unakrsna prodaja? Ako mene pitate – to je nauka o podacima. Da budemo iskreni – svetlosnim smo godinama udaljeni od perioda kada nije bilo strašno ako izgubimo kupca. U današnje vreme – stvari stoje sasvim drugačije. Situacija na tržištu je sledeća – mnogobrojna i jaka konkurencija, masovna proizvodnja, visoki troškovi sticanja kupaca, visoka stopa odliva i – loša situacija lojalnosti. Kao i uvek aktuelna tvrdnja – jeftinije je zadržati postojećeg kupca, nego steći novog.

Privlačnost nauke o podacima za marketinške timove potiče od nekoliko faktora, koji se svi spajaju u jedan tok: prilagođen marketing. Život bi bio mnogo lakši kada biste znali šta kupac želi da kupi, zar ne?

Ali opet, ne radi se samo o preferencijama, već i o mogućnosti da se to priušti (sa finansijskog aspekta). Osim toga, možda kupac to trenutno ne može da priušti, što ne znači da to neće moči da priušti na kraju meseca, kada dobije platu. S druge strane, možda taj kupac čeka specijalne popuste i akcije… Ko bi to mogao znati? Lista se nastavlja i nastavlja. Šta učiniti sa svim pritiskom? Pa, konsultujte podatke, tu leži odgovor.

Glavne prednosti primene napredne analitike i mašinskog učenja u marketingu su:

personalizacija – razumeti preferencije i potrebe kupaca, kako bi se odredio sadržaj, učestalost i kanal za njihovo targetiranje i negovali
prioriteti na putu kupca – identifikovati klijente visoke vrednosti i poboljšati proces donošenja odluka, uključujući učinak raspodele
vremena, resursa i budžeta – pratiti i proceniti tranzicije i napredak tokom vremena, kako bi se kvantifikovalo kako promoteri i ometači rastu ili se smanjuju kroz vremensku
prediktivnost – mogućnost da se projektuje i utiče na buduće ponašanje kupaca, na osnovu njihovih istorijskih obrazaca ponašanja, preferencija i navika.
Jasno je da ne postoji svemoćan algoritam, ili alat koji vam može dati odgovore na sva ova pitanja, na način da možete koristiti te informacije za rešavanje svih problema. Evo nekoliko ideja o tome kako marketing može da iskoristi osnovne procese vođenja kampanje.

SISTEMI PREPORUKA

Sistemi preporuka su možda najmoćniji, ali svakako najatraktivniji resurs koji se može ugraditi u alate za kampanje. Osnovna svrha korišćenja preporuka je da se analiziraju preferencije i sličnosti kupaca, kako bi se procenilo koje proizvode bi kupac veoma voleo da kupi u budućnosti. Ovo čini sisteme preporuka dobrim izborom za kampanje za unakrsnu prodaju. Možete izvući rejting iz mehanizama za sisteme preporuka koji opisuju nivo afiniteta kupaca prema svakom proizvodu i koristiti te informacije da kreirate „sledeću najbolju ponudu“.

SEGMENTACIJA

Segmentacija (ili u terminima mašinskog učenja – grupisanje) se koristi za grupisanje kupaca sa sličnim karakteristikama i kupovnim navikama u male segmente. Postoji mnogo tipova segmentacije koji se mogu razviti – segmentacija aktivnosti, segmentacija ponašanja, segmentacija svesti o brendu, itd. Tip segmentacije zavisi od informacija koje želimo da dobijemo i načina na koji želimo da ih koristimo. Podela kupaca na male segmente znatno olakšava proces određivanja prioriteta i fokusiranog targetiranja (na primer, definisale bi se različite kampanje za segment „natprosečno uspešnih” i onaj sa „uspavanim” kupcima).

SKLONOST KUPOVINI

Analiza verovatnoće da će kupac obaviti kupovinu u budućnosti može dodatno usmeriti preduzete radnje. Ukratko, na osnovu istorijskih podataka o nivou aktivnosti, navikama potrošnje, periodičnosti, preferencijama i konačnom ishodu (kupio, nije kupio) – algoritam se može obučiti kako bi se ustanovila verovatnoća ili oznaka koja ukazuje na sklonost ka kupovini u budućnosti, s obzirom na trenutno stanje koje opisuje karakteristike kupaca.

ANALIZA PREŽIVLJAVANJA

„Crni konj“ prilagođenog marketinga svakako je – analiza preživljavanja. Glavni cilj ove analize je da se proceni vreme do određenog događaja (npr. kupovine), i da se kvantitativno objasni kako ovo vreme zavisi od različitih svojstava tretmana (kampanja), kupaca i drugih varijabli. Ponekad procena sklonosti kupovini nije dovoljna. Ako želimo da kreiramo i pošaljemo promociju – moramo da znamo kada je pravo vreme za to. Zašto slati promociju, ako će kupac doći i obaviti kupovinu na bilo koji način? S druge strane – ako predugo čekate, kupac će odustati. Ova procena vremena može pomoći da blagovremeno targetirate kupce.

ŽIVOTNA VREDNOST ZA KUPCA

Procena životne (novčane) vrednosti korisnika vrši se uzimajući u obzir sve prethodno navedene karakteristike – navike potrošnje, periodičnost, nivo aktivnosti, trend potrošnje, demografske karakteristike itd. Informacije o očekivanom prihodu od datog kupca u nekom narednom periodu mogu pomoći u identifikaciji kupaca visoke vrednosti i potencijala koji se može dostići (i nadmašiti) ako se kupac dobro neguje i targetira. Životna vrednost za kupca može biti dragocen uvid za održavanje toka novca i strateško planiranje u vezi sa marketinškim i prodajnim kampanjama.

MNOGO, MNOGO VIŠE…

Integrisanje svih ovih slučajeva upotrebe i spajanje njihovih rezultata moglo bi pomoći da se prikupe odgovori na ova pitanja:

• čime targetirati kupca?
• koja je najbolja opcija kanala za targetiranje ovog kupca?
• koliko je ovaj kupac važan za naše poslovanje?
• da li će ovaj kupac izvršiti kupovinu u narednom periodu?
• kada se očekuje da će ovaj kupac obaviti kupovinu?
• koliko novca će kupac verovatno potrošiti u nekom budućem periodu?
• koliko je ovaj kupac osetljiv na konkretnu vrednost kampanje/popusta?

Imati odgovore na sva ova pitanja znači biti u stanju da definišete i usmeravate buduće marketinške aktivnosti kako biste se razlikovali od drugih i negovali lojalne odnose sa kupcima plasirajući im proizvode, sadržaje i promocije za koje bi zaista mogli da budu zainteresovani. Glavni preduslov je pronaći odgovore kroz jasno definisane slučajeve upotrebe i dobro projektovane i razvijene algoritme mašinskog učenja.

U kompaniji Things Solver, fokusirani smo na inkorporiranje svih ovih ideja u jedinstvenu platformu za prilagođen marketing – Solver AI Suite.

Mi govorimo o Solver AI Suite kao o revolucionarnoj modularnoj platformi koja može da pokrene poslovanje od tačke pretpostavke do konkretnih rezultata. Prilagodljiv je tako da odgovara vašim potrebama – možete da koristite Solver AI Studio da obučite sopstvene modele, ugradite spoljne modele ili dozvolite platformi da uradi prljavi posao umesto vas. Možete odabrati perspektive iz kojih ćete posmatrati kupca. Nema potrebe da brinete o infrastrukturi i integraciji. Naša platforma omogućava fokusiranje na rezultate i definisanje aktivnosti.

Ako ste zainteresovani da saznate više o našoj platformi i onome što radimo, slobodno nam se javite na office@thingsolver.com. U našim narednim objavama ćemo detaljnije obraditi svaku od ovih tema. Naša sledeća stanica – segmentacija. Hvala vam!

Cover photo taken from: https://unsplash.com/@austinchan