Email matias@matter.fi Soita +358 40 709 6651

 

Googlaamalla voi löytää tiedon että termi Big Data (isoilla kirjaimilla, koska isoa on datakin) määriteltiin nykyisekseen jo vuonna 2005. Kovin pöhinä alkoi vähän myöhemmin, mutta muistelen että 2012 tienoilla sitä olisi ollut jo vahvasti liikkeellä. Markkinointipetterit jalostivat pian puheesta itselleen dataohjatun markkinoinnin sovelluksia. Nykyisin asiakasdatan monipuolinen hyödyntäminen markkinoinnin suunnittelussa ja toteuttamisessa on suuremmissa yrityksissä arkipäivää, mutta pienemmillä tässä on vielä valtavasti otettavaa.

 

Asiakasdatan kerääminen ja hyödyntäminen on uusien teknologioiden myötä mennyt Big Data -huudahduksista valtavasti eteenpäin viime vuosina. Mikäli tuntuu että datan hyödyntämisessä olisi kuitenkin vielä petrattavaa, niin lue tämä yleiskatsaus datan keräämisen ja hyödyntämisen mahdollisuuksiin markkinoinnissa.

 

Millaista dataa asiakkaista voidaan kerätä

Asiakkaista kerättävän datan voi esimerkiksi jakaa neljään eri kategoriaan sen perusteella, mitä ne asiakkaasta kertovat.

 

Tunnistamisdata

Tunnistamisdata tarkoittaa kaikkea sitä asiakastietoa jolla asiakas voidaan yksilöidä tietyksi asiakkaaksi, sekä myös kuvailevampaa dataa, joka kertoo enemmän asiakkaasta, ja jonka avulla asiakkaita voidaan esimerkiksi segmentoida eri asiakasryhmiin yhteisten tekijöiden perusteella (esimerkiksi asiakkaan demografiset tiedot).

Tunnistamisdataan voi kuulua esimerkiksi:

  • kirjautumisdata markkinoijan palveluihin
  • etukortin käyttäminen oston yhteydessä
  • asiakkaan yhteystiedot kuten asuinpaikka
  • asiakkaan henkilötiedot, kuten ikä, sukupuoli, perhesuhteet, asumisen ja liikkumisen muodot yms.

 

Käyttäytymis/selaindata

Asiakkaan käyttäytymisen seuraaminen ja ennakoiminen vie datan hyödyntämistä markkinoinnin suunnittelussa astetta pidemmälle kuin mitä perinteisellä kohderyhmäajattelulla voidaan tehdä. Ihmisten mielihaluja on vaikea yleistää, joten tässä kohdin verkkodatan analysoimisen ja markkinoinnin automaation työkalut ovat tulleet avuksi.

Asiakaspolkuja ja asiakkaan suorittamia, ennalta määriteltyjä trigger-tapahtumia seuraamalla voidaan luoda ennusteita asiakkaiden toiminnasta sekä tehdä siihen puuttuvia toimenpiteitä, joilla pyritään johtamaan asiakkaan käyttäytymistä yrityksen kannalta parhaaseen mahdolliseen lopputulemaan.

 

Ostodata

Ostodataa voi olla esimerkiksi ostotiheys, kertaostoksen koko, sekä ostoskorin sisältö, eli minkä tuotteen tai mitä tuotteita asiakas on ostanut.

Ostodata on tietenkin myös käyttäytymisdataa mutta se on hyvä pitää erillään muusta käyttäytymisestä, koska se kertoo ns “kovana datana” sen, kuka lopulta ostaa. Jos tarjouspyynnöistä esimerkiksi puolesta tulee kaupat, niin tarjouspyyntöjen seuraaminen ei vielä riitä vaan ostodatan perusteella voidaan vielä eritellä ne tarjouspyynnöt, joista todennäköisemmin tulee kauppoja, kun tiedetään tarjouspyyntöön johtaneita taustatekijöitä ostopolun varrelta sekä niihin pohjautuva ostotodennäköisyys.

 

Mielipiteet, asenteet, motiivit, palaute

Edellisiä asiakastietueita voi ajatella kvantitatiivisina tietoina, jotka kertyvät automaattisesti asiakkaiden toiminnan perusteella. Niistä voidaan nähdä pitkälti faktuaalisia asiakkaisiin ja heidän toimintaansa liittyviä asioita ja tehdä parempia markkinoinnin päätöksiä.

Pehmeämpää mutta tuiki tärkeää dataa ovat asiakkailta itseltään kysyttävät tiedot liittyen heidän mielipiteisiinsä, asenteisiinsa ja motiiveihinsa, sekä tietenkin asiakkailta kerättävä palaute yrityksen suoriutumisesta ylipäänsä. Vaikka nämä tiedot ovat asiakkaiden antamia omia näkemyksiä, eivätkä välttämättä ole aina suorassa yhteydessä heidän todelliseen käyttäytymiseen, voi kyselydataa silti käyttää hyväksi monella tapaa, kunhan muistaa ottaa sen rajoitukset huomioon.

 

Miten asiakasdataa voi käyttää hyväksi?

Datan soveltamisessa ollaan oleellisten kysymysten äärellä. Dataa on olemassa periaatteessa ääretön määrä, mutta älykästä, dataohjattua markkinointia on ottaa selville mitkä ovat asioita selittävää dataa ja tehdä päätöksiä sen perusteella. Esimerkkejä datan hyödyntämisestä voivat olla esimerkiksi nämä:

 

Viestinnän kohdentaminen

Kenelle mikäkin viesti kannattaa kohdentaa? Jos yritys myy ratkaisuja luomen luomiseksi ihmisten talojen pihoilta, auttaa data esimerkiksi kertomaan asuuko asiakas omakotitalossa vai ei, miten suuri piha on, onko asukas kenties perheellinen ja kiireinen, tai iäkäs eikä enää niin kykeneväinen lumitöihin. Tämän perusteella voisi asiakkaalle tarjota vaikkapa joko lumikolaa, auralla varustettua mönkijää tai täyttä lumenkolauspalvelua.

 

Personointi

Tämä voi pitää sisällään esimerkiksi erillisiä kohdehenkilön mukaan kohdennettuja ländäreitä joille asiakkaita ohjataan, tai henkilökohtaisia viestejä joilla asiakasta pyritään ohjaamaan suotuisalla tavalla.

Jos esimerkiksi uusien autojen myynnistä tiedetään että tarjouspyyntö menee yli 50-vuotiaille naisille selvästi todennäköisemmin läpi kun asiakas on käynyt myös koeajamassa autoa ennen kuin näkee tarjouksen hinnan, niin kannattaa juuri tätä kohderyhmää yrittää houkutella kokeilemaan autoa jollain tavalla ennen tarjouksen lähettämistä.

 

Promootiot ja erikoistarjoukset

Relevantteja, kohdennettuja erikoistarjouksia kannattaa hyödyntää valikoidusti jos niillä voi houkutella niitä, jotka eivät muuten tiettyyn tuotteeseen ehkä tarttuisi.

Jos esimerkiksi kalliinpuoleisten 2-kanavavahvistimen ja kaiuttimien ostaja tyypillisesti ostaa myös 10 kertaa perusjohtoja kalliimmat kaapelit stereoihin mukaan, ei heille kannata välttämättä tarjota etuja arvokkaista lisätuotteista jotka menevät jo kaupaksi – se syö katetta. Kannattaa ennemmin haarukoida asiakkaista niitä kohderyhmiä jotka eivät priimakaapeleita yleensä osta, ja yrittää houkutella niitä asiakkaita erikoistarjouksilla. Tässä on suurempi potentiaali lisätä myyntiä rokottamatta katetta.

 

Asiakaspalvelu ja asiakaskokemus

Asiakastyytyväisyys tai asiakaskokemus voivat olla aivan muuta kuin myyjä myyntilukujen perusteella saattaa kuvitella. Jos asiakkaat esimerkiksi jatkavat asioimistaan mutta ostotiheys harvenee, voisi asiakkailta itseltään kysyä tarkempia mielipiteitä ja pyrkiä sen pohjalta saamaan selville ostotiheyden suunnan syitä.

Asiakas voi esimerkiksi olla hyvinkin tyytymätön, mutta muun tarjonnan puutteessa silloin tällöin palaa asioille, toiveenaan kuitenkin ettei joutuisi niin tekemään. Tai sitten asiakaspalvelu turhauttaa mutta asiat nippanappa hoituvat, kuitenkin niin ettei palvelusta mitään hyvää fiilistä jää. Tässä vaiheessa tyytyväisyyteen voi silti yrittää vielä vaikuttaa palvelua ja kokemusta kehittämällä.

Samaan kategoriaan kuuluu myös tuotekehitys: asiakkaat itse tietävät parhaiten, mistä tuotteen tuoma arvo syntyy. Ei ole mitään syytä jättää kysymättä myös asiakkailta näkemyksiä kun tuotekehitystä tehdään: voihan olla että tuotteen oleellinen arvo asiakkaille on jotain muuta kuin mitä on ajateltu, ja yritys tulee kehittäneeksi kalliita ominaisuuksia tai tarjonneeksi turhia palveluita, joilla ei olekaan asiakkaille mitään merkitystä.

 

Uudet tuotteet ja palvelut

Aasinsilta kantaa tänne seuraavankin otsikon alle: myös uusien tuotteiden ja palveluiden kehittämisen tulisi lähteä asiakasymmärryksestä. Tuotteen ja liikeidean voi määritellä yritys, mutta arvon määrittelee asiakas. Arvo täytyy käydä löytämässä asiakkaiden luota, jotta uusia ratkaisuja voi tarjota niin että ne vastaavat oikeisiin tarpeisiin. Asiakasdata auttaa siis tarpeiden tunnistamisessa sekä ratkaisujen kehittämisessä.

 

 

Jo täysin puhkikulunut sitaatti kuuluu, että 50% mainonnasta on turhaa, mutta kun ei vaan piru vie tiedetä että kumpi puoli, niin on parempi puskea ilmaan koko budjetti. Suomalaisten yritysten markkinointipanostukset ylipäänsä eivät ole päätähuimaavia, ainakaan kansainvälisten vertailujen mukaan, joten emme suosittele myöskään mainosbudjettien puolittamista datan pohjalta. Mutta kun tiedetään paremmin, että kumpi puoli mainonnastakin on se paremmin toimiva puolikas, voi panoksia keskittää tärkeisiin toimenpiteisiin ja satsata laadukkaaseen tekemiseen.

 

Asiakas markkinointisi keskiöön? Lataa oppaamme avuksi.