چگونگی بهره‌مندی از داده‌کاوی موثر مشتریان

چگونگی بهره‌مندی از داده‌کاوی موثر مشتریان

نگاهی به برخی از بایدها و نبایدهای داده‌کاوی

محسن شربتیان

 

 

جست‌وجو و کاوش در داده‌های مشتری می‌تواند فرصت‌های فروش را بهبود ببخشد، اما چطور می‌توانید این مسئله را در برابر نگرانی‌هایی در مورد حقوق و حریم خصوصی مدیریت کنید و تعادلی را میان این بحث به وجود آورید؟ برای پاسخ به این پرسش باید دیدگاه متخصصان حوزه داده را بررسی کرد.

سازمان‌های خرده‌فروشی و بازاریابی به دنبال جمع‌آوری حجم انبوهی از داده‌های مشتریان هستند، اما همیشه این اطلاعات قابل استفاده را به کار نمی‌برند. از آن‌جایی که قوانین جدید در حوزه حفظ حریم خصوصی در مورد استفاده و به اشتراک گذاشتن داده‌های خصوصی اعمال می‌شود، استفاده معقولانه داده‌ها از اهمیت بسیار بالایی برخوردار است.

درواقع با توجه به مطالعات شرکت ادوبی روی نزدیک به 13 هزار متخصص در حوزه بازاریابی و تبلیغات، بهترین فرصت‌های شرکت‌های بازاریابی فعال در زمینه روابط تولیدکننده با مصرف‌کننده (B2C) در سال 2019 به استفاده از بازاریابی مبتنی بر داده‌های شخصی تعلق داشته است. به‌علاوه، 55 درصد سازمان‌ها به این موضوع اشاره داشتند که در استفاده از داده‌ها در جهت بخش‌بندی و هدف‌گذاری موثرتر مخاطبان بزرگ‌ترین تغییر را می‌بینند. در وهله دوم، مطالعات شرکت ادوبی 42 درصد به هوشمندی مشتری و دیدگاه‌های مرتبط با رویکرد جامع‌نگر به مشتری اشاره داشته است.

در ادامه به نکاتی می‌پردازیم که متخصصان برای بهره‌مندی از داده‌کاوی اثربخش‌تر به آن‌ها اشاره دارند.

 

  1. اتفاقات و تجارب حاصل از گذشته را برای داشتن آینده‌ای بهتر به کار گیرید.

پیشنهادهای خرید معمولا اولویت اول طراحان وب‌سایت‌های خرده‌فروشی هستند. در این مورد همانند سایر چالش‌های داده‌کاوی، بهتر است هرچه داده بیشتری به دست می‌آید، دسترسی به آن نیز آسان‌تر باشد.

از نظر استفان لمب، مدیر ارشد بازاریابی دیجیتال و رسانه شرکت خدماتی چیکو، شرکتی فعال در فلوریدا در حوزه خرده‌فروشی لباس زنانه، معتقد است شرکتش مجموعه‌ای از داده‌های داخلی را دارد که به آن دریاچه داده می‌گویند و در آن تمامی اطلاعات مورد نیاز گرد‌آوری می‌شود، از جمله بررسی خریدها یا سوابق خرید.

او معتقد است که تجزیه ‌و تحلیل‌های مشتری در نمای واحدی از فایل مشتری وجود دارد، و تجزیه ‌و تحلیل فروشگاه و تجزیه ‌و تحلیل وب در خصوص عادات خرید مشتری نیز وجود دارد که به ما در ترسیم این تصویر کمک می‌کند.

سپس لمب سخنان خود را این‌گونه ادامه می‌دهد که دانشمندان فعال در حوزه داده‌ها می‌توانند جستاری را در دریاچه داده بنویسند، تا از طریق آن مشتریانی را بیابند که تمایل دارند با تخفیف و در زمان حراج خرید کنند. در نتیجه این داده‌های مشتریان با دسته دیگری از مشتریان و داده‌های محصولات هم‌بستگی دارد و شامل متن نظرات مشتریان می‌شود.

چنین داده‌کاوی مشتریان می‌تواند به شرکت‌ها کمک کند این موضوع را پیش‌بینی کنند که مشتریان چه زمانی احتمال دارد مجدد خرید کنند، یا زمان ارائه و انتشار پیام‌های بازاریابی در جهت اثربخشی بیشتر آن‌ها را برآورد کنند.

هم‌چنین، شرکت چیکو از داده‌کاوی و تجزیه ‌و تحلیل استفاده می‌کند تا آن زمانی را پیش‌بینی کند که مشتری نسبت به خرید از این فروشگاه دست بکشد و به مشتری محروم از این فروشگاه تبدیل شود. لمب به این موضوع اشاره دارد که: «در شرکت، پیام متفاوتی را منتشر می‌کنیم.»

بن لریکا، دانشمند ارشد در شرکت رسانه‌ای اوریلی (شرکت رسانه‌ای یادگیرنده آن‌لاین از دیگر شرکت‌ها)، بر این نظر است که بسترهای زیرساخت داده برای تحقق همه این موارد همیشه در حال ارتقاست.

بن لریکا هم‌چنین معتقد است علاوه بر این‌که چنین بسترهایی ارتقا می‎‌یابند و داده‌ها را در زمان واقعی جمع‌آوری و تحلیل می‌کنند، در عین حال حریم خصوصی و امنیت را بر اساس قوانین حفظ می‌کنند.

 

  1. با مشتریان با زبان خودشان در ارتباط باشید.

نیروهای فروش می‌دانند که باید بر مبنای مشتریان خود و آن‌چه آن‌ها می‌خواهند، تن و لحن صدای خود را تنظیم کنند. چنین چیزی برای کانال‌های دیجیتال نیز صدق می‌کند.

لمب به این موضوع پی برده که مشتریان شرکتش ممکن است کانال‌های ارتباطی متفاوتی را ترجیح دهند، یا در اوقات مختلفی از روز یا روزهای مختلفی از هفته در ارتباط باشند. لمب به این نکته اشاره داشته که همیشه به دنبال یافتن بهترین راه برای صحبت با مشتریان هستند و این‌که در پی آن هستند بدانند مشتریان چه چیزی می‌خواهند و در کجا به آن نیاز دارند.

چیکو پلتفرم تجاری به نام وایبز را انتخاب کرده تا از این طریق امکان شخصی‌سازی ارتباطات سیار را فراهم کند.

لمب می‌گوید: «ارسال پیام از طریق تلفن همراه احتمالا یکی از مهم‌ترین روش‌هایی است که باید از طریق آن با مشتریان در ارتباط باشیم. ارسال پیام از طریق تلفن همراه برای مشتری، یک تجربه کاملا شخصی است و همان چیزی است که باید آن را بسیار جدی بگیریم.»

پلتفرم وایبز هم‌چنین دارای هوش مصنوعی درونی است و شامل فرایند پردازش زبان طبیعی است که یکی از سرویس‌های خدمات آمازون با نام Amazon Comprehend طراحی کرده و به برندها این اجازه را می‌دهد تا مکالماتشان را با مشتریان در جهت پیش‌بینی میزان رشد مشتریان جذب‌شده از طریق پیام‌های ارسالی به تلفن همراه، میزان ریزش و روند تعاملات تجزیه ‌و تحلیل کنند.

 

  1. داده‌ها را دموکراتیزه کنید.

داده‌کاوی مشتریان همانند داده‌های خریداران شخصی چیکو می‌تواند زمانی بسیار قدرتمند عمل کند که آن را افرادی اجرا کنند که بیشترین اطلاعات را از آن استخراج کنند.

رابرت جانسون مدیر ارشد فناوری شرکت اینترانا، شرکت ارائه‌کننده پلتفرمی برای کسب داده‌های مشتری، می‌گوید: «اغلب اوقات تنها تعدادی محدود از کارکنان به داده‌ها دسترسی دارند. یک تصور غلط رایج این است که فقط دانشمندان در حوزه داده می‌توانند این اطلاعات را پیدا یا درک کنند. موفق‌ترین سازمان‌هایی که وجود دارند، آن‌هایی هستند که می‌توانند توانایی درک داده را در اختیار افراد فعال در حوزه کسب‌وکار بگذارند که از قبل درباره محصولات و مشتریان خود اطلاعاتی دارند. مشخصا متخصصان در حوزه بازاریابی و تبلیغات باید تا حد ممکن به این داده‌ها دست یابند. این متخصصان کسانی هستند که می‌دانند چه تجزیه ‌و تحلیل و چه سوالاتی بیشترین ارزش را برای کسب‌وکارها به ارمغان می‌آورند.»

 

  1. برای به سر آمدن عمر کوکی‌ها آماده شوید.

طی دو سال اخیر، هم مرورگر سفری و هم موزیلا، استفاده از کوکی‌های ردیابی بازاریابی را محدود کرده‌اند و در عمده موارد این قابلیت را حذف کرده‌اند. در حال حاضر، گوگل هم در پی مقابله با این کوکی‌هاست.

دیو ماریانی، بنیان‌گذار و مدیر ارشد استراتژی شرکت AtScale ، فروشنده پلتفرم مجازی‌سازی داده، معتقد است: «کوکی‌ها راهی هستند که هر شخص ثالث دیگری می‌تواند از طریق آن، اطلاعات مربوط به مصرف‌کنندگان را در اینترنت جمع‌آوری کند.» ماریانی قبلا بررسی و تجزیه‌ و تحلیل داده‌ها را برای مخاطبان و مشاغل تبلیغاتی یاهو انجام می‌داد. ماریانی گفته: «اگر کوکی‌ها از بین بروند، فقط گوگل و فیس‌بوک قادر به مشاهده مصرف‌کنندگان در سراسر فضای مجازی و اینترنت خواهند بود، زیرا آن‌ها همه جا حضور دارند. مثلا برای هر کاری نیاز به ورود به حساب فیس‌بوک، حساب گوگل، یا استفاده از خدمات گوگل است، و این یعنی آنها شما را در همه جا می‌بینند.»

یکی از بزرگ‌ترین فعالان در حوزه داده‌کاوی پیشرفته و اثربخش مشتریان به سمت استفاده از فناوری ابر روی آورده است. خرده‌فروشان اکنون فقط به جمع‌آوری داده‌هایی محدود می‌شوند که خود کاربران در سایت‌های آن‌ها وارد می‌کنند.

به‌علاوه مقررات عمومی حفاظت از داده‌ها و قانون جدید حفظ حریم خصوصی مصرف‌کنندگان در کالیفرنیا، به‌اشتراک‌گذاری داده‌ها برای اشخاص ثالث را دشوارتر می‌کند. ماریانی معتقد است: «خرده‌فروشان برای پاسخ‌گویی بهتر، باید در زمینه داده‌کاوی مشتریان فعال‌تر عمل کنند. وقتی مشتریان می‌روند و از وب‌سایت کسب‌وکارها دیدن می‌کنند، محصولی را در سبد خود قرار می‌دهند و تسویه حساب را انجام می‌دهند. افراد فعال در کسب‌وکارها می‌توانند این سیگنال را باز پس بگیرند و بلافاصله پیشنهاد دیگری به آن‌ها ارائه دهند.» نکته اصلی این است که باید حلقه بازخورد را محکم کرد و در همان لحظه به مراوده با آن مشتری ادامه داد. ماریانی بر این نظر است که: «از دید برخی افراد چنین چیزی بسیار وحشتناک است، اما شما چیزی فراتر از این را خواهید دید.»

 

  1. آینده را در آغوش بگیرید.

ولید ایوب، مدیر ارشد فناوری شرکت Rubikloud Technologies ، می‌گوید: «اغلب اوقات، تجزیه و تحلیل عملکردی عقب‌گرد است که باعث می‌شود نرم‌افزار هوش مصنوعی به خرده‌فروشان در تصمیم‌گیری هوشمند کمک کند. درنتیجه، به خریداران پرسونا یا کاربرنما داده می‌شود تا کوکی را حذف کنند. ویژگی‌های شخصیتی این کاربرنماها همراه با رفتارهای خرید آن‌ها تکامل نمی‌یابد.»

اما ماشین‌های یادگیری می‌توانند در پیش‌بینی رفتار آینده مشتریان و خلق فرصت‌های جدید بازاریابی به شرکت‌ها کمک کنند. ولید می‌افزاید: «درواقع، حتی می‌توانید مجموعه‌ای از اقدامات را برای بالا بردن شانس مشتریان برای انجام برخی کارها طراحی کنید. این چیزی است که معمولا ایجاد چرخه عمر مشتری نامیده می‌شود. درحقیقت، با استفاده از هوش مصنوعی می‌توانید این رفتار را تا سطح مشتری شخصی، حتی در صورت وجود داده‌های بسیار کمی، مدل‌سازی کنید.» ولید معتقد است خرده‌فروشان در حال حاضر از این رویکرد برای کمک به مشتریان استفاده می‌کنند تا آن‌ها را از دسته مشتریان با حاشیه سود کم و تعداد دفعات خرید بالا به دسته مشتریانی با حاشیه سود بالا و تعداد دفعات خرید پایین انتقال دهند. تاکتیک‌هایی که یادگیری ماشینی در این راه تقویت می‌کند، تاثیرات واقعی و قابل اندازه‌گیری روی عملکرد کلی کسب‌وکارها دارند.

 

  1. فناوری ابر را بررسی کنید.

یکی از بزرگ‌ترین اقدامات در زمینه داده‌کاوی پیشرفته و موثر مشتری، حرکت به سمت فناوری ابر است. پلتفرم‌های ابری، ذخیره آسان حجم کردن عظیمی از داده‌ها را فراهم می‌کند و امکان ادغام سریع داده‌ها با محصولات و خدمات تحلیلی اشخاص ثالث را فراهم می‌آورد. سانجای مانانهار، مدیر ارشد فناوری شرکت ISM Connect، که خدماتی در حوزه پلتفرم بازاریابی دیجیتال را به بیش از 100 میلیون مشتری و در بیش از 100 مکان، ازجمله NASCAR ، Washington Redskins ، Minor League Baseball ارائه می‌دهد، معتقد است: «در بسیاری از ابزارهای جدید فناوری ابری به کار رفته است و سال‌های سال است که ابزار قدیمی هوش تجاری را پشت سر گذاشته‌ایم. در حال حاضر، ابزارهای خوب و مناسب زیادی وجود دارد. برخی از شرکت‌ها بسترهای خود را برای رسیدگی به مسائلی مانند تاخیر ارسال محصولات، یا هزینه‌ها طراحی می‌کنند. اما در حال حاضر بسیار راحت می‌توانیم با ابزارهای آمازون کار کنیم.»

درحالی‌که  شرکت ISM Connect، از متخصصانی در حوزه یادگیری ماشینی و تیمی فعال در زمینه بینایی کامپیوتر بهره می‌برد، ابزارهای مبتنی بر ابر نیز در اختیار دارد که بسیار جذاب‌اند. درنهایت سانجای به این نکته اشاره دارد که: «با ابزاری مانند Google Analytics می‌توان بدون تلاش زیادی کار کرد و هر چیزی را می‌توان روی آن بارگذاری کرد.»

 

 

اشتراک گذاری

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *