شارا - شبكه اطلاع رساني روابط عمومي ايران : بازارياب‌هاي زيرك در عصر كرونا
یکشنبه، 19 اردیبهشت 1400 - 08:54 کد خبر:46928
سازمان‌هايي كه تلاش‌هاي بازاريابي دقيق را اولويت قرار مي‌دهند، مي‌توانند بحران كوويد-19 را به يك دوران تحول تبديل كنند. بازارياب‌ها با به‌دست آوردن داده‌هاي جديد، جست‌وجو براي روابط رفتاري جديد و فراهم كردن امكان آزمايش‌هاي سريع، مي‌توانند فرصت‌ رشد به‌دست آورند و با انعطاف و بازگشت سرمايه بيشتر، وارد دوران رونق شوند.



شبكه اطلاع رساني روابط‌عمومي يران (شارا)-|| تغيير بزرگ در سبك خريد مردم جهان، به واكنش مدرن مديران بازاريابي در شركت‌هاي خرده‌فروشي منجر شد. شركت‌هايي كه سال گذشته موفق شدند جايگاه خود را در بازار خريدهاي آنلاين تقويت كنند، از مدل «بازاريابي دقيق» بهره مي‌برند. تاريخ مصرف «بازاريابي سنتي» به پايان رسيده و بازارياب‌هاي زيرك به‌دنبال تعريف «مشتريان اختصاصي» هستند.

بين مارس و آگوست ۲۰۲۰، از هر پنج مصرف‌كننده يك نفر برندي را كه از آن خريد مي‌كرد تغيير داد و از هر ۱۰ نفر، هفت نفر كانال‌هاي جديد خريد ديجيتال را امتحان كردند. بخش خرده‌فروشي ۱۰ سال رشد در نفوذ ديجيتال را تنها ظرف چند ماه تجربه كرد. اما افزايشي كه در ميزان داده‌ها ايجاد شده، به بازارياب‌ها شناخت چندان بهتري از مشتريان نداده است، چون مدل‌سازي داده‌اي قديمي شركت‌ها نمي‌تواند اين تحولات را با سرعت و جديت لازم همگام كند. خيلي از بازارياب‌ها به‌جاي اينكه از داده استفاده كنند تا مشتريان را بهتر هدف قرار دهند و پيام‌هايي را كه براي آنها مي‌فرستند متناسب‌سازي كنند، به ارتباطات و تبليغات انبوه روي آورده‌اند. همان‌طور كه يك مدير ارشد بازاريابي به ما گفته، «من به جاي بازاريابي داده‌محور، در سطح گسترده‌اي به بازاريابي انبوه روي آوردم، چون رفتار مشتري با چنان سرعتي درحال تغيير است كه ديگر نمي‌توانم به مدل‌ها و داده‌هاي قبلي اعتماد كنم.»

اما برخي بازارياب‌ها داده‌ها را به‌خاطر وفورشان مي‌پذيرند و به جاي اينكه از «بازاريابي دقيق» (precision marketing، يك نوع استراتژي بازاريابي است كه بر بخش‌بندي دقيق بازار متمركز است و بازار را به واحدهاي كوچك‌تر و اختصاصي‌تري از مشتريان با نيازهاي منحصر به فرد تقسيم‌بندي مي‌كند و به تحليل خواسته‌ها، نيازها، علايق و الگوهاي رفتاري كاربران در هر بخش مي‌پردازد) دست بردارند و كمي در آن تامل كنند، بيشتر از قبل به آن پايبند مي‌شوند. به‌عنوان مثال، ‌يك شركت كالاهاي مصرفي پيش‌بيني كرده بود فروش محصولات آرايشي و بهداشتي، با كاهش محدوديت‌هاي كرونا در جوامع، افزايش چشمگيري خواهد داشت. تيم‌هاي بازاريابي بازگشايي‌ها را با استفاده از آمارهاي اپيدميولوژيك، گزارش‌هاي شهري و داده‌هاي ترافيكي به شكل ايالتي پيگيري كردند تا بفهمند هزينه‌هاي بازاريابي رسانه‌اي خود را كجا متمركز كنند. اين تاكتيك‌ها باعث افزايش دورقمي فروش شد.

ديدگاه‌هاي مشابه به يك كسب‌وكار خدماتي كمك كرد از يك رويداد نوظهور ديگر، مزيت به‌دست آورد. داده‌هاي اشتغال و ثبت كسب‌وكار نشان داد خدمات‌دهندگان كوچك بهداشتي و درماني در مناطق شهري بزرگ، با سرعتي بيشتر از ديگر كسب‌وكارهاي كوچك و متوسط رشد مي‌كردند. اين شركت كه متوجه چنين ديدگاهي شده بود و به اطلاعات در اين زمينه مجهز شده بود، دسته‌بندي‌هاي محصولي مختص بهداشت و درمان درست كرد و تبليغات رسانه‌اي را شروع كرد تا اين كسب‌وكارها و مناطق را هدف قرار دهد. اين اقدامات در كنار يكسري كمپين‌هاي مشابه داده‌‌محور، باعث شد فروش شركت در يك محصول هسته‌اي، تا بيش از 10 درصد افزايش پيدا كند.

شركت‌هايي كه بازاريابي دقيق خود را به اين شيوه‌ها صيقل مي‌دهند، مي‌توانند در دوره‌هايي كه تحولات خيلي گسترده وجود دارد، تعداد قابل‌توجهي از مشتريان را جذب كنند. اما به‌دست آوردن چنين فرصتي، نيازمند اين است كه برندها مدل‌سازي خود را به‌روز كنند (از منابع جديد داده گرفته تا به‌روز كردن الگوريتم‌ها)، تا هم با نيازها و انتظارات متغير همگام باشند و هم تغييرات در رفتار مشتري را پيش‌بيني كنند.


چالش‌هاي جديدي كه بايد مدنظر قرار داد

مدل‌هاي بازاريابي دقيق آموزش داده مي‌شوند تا بتوان از الگوهاي رفتاري، يكسري استنباط‌ها را شناسايي و استخراج كرد. مثلا يك الگوريتم مي‌تواند نشان دهد مشترياني كه ظرف يك دوره دو هفته‌اي، بيش از دو بار به وب‌سايت يك فروشگاه سر مي‌زنند، 30 درصد بيشتر از بقيه احتمال دارد كه از آن سايت خريد كنند. چنين شاخص‌هايي مي‌توانند به وب‌سايت‌ها راهنمايي كنند كه چه تلاش‌هايي را انجام دهند تا وب‌گردها را به خريداران قطعي تبديل كنند و همچنين بازارياب‌ها هم مي‌توانند تلاش‌هاي جذب مشتري خود را هدفمند كنند و به سمت بخش‌هايي بروند كه بيشترين سودآوري را دارند.

اما رفتار خريدار، از وقتي پاندمي شروع شده، تغييرات چشمگيري كرده و باعث شده خيلي از قوانين ارتباطي كه قبلا در مورد مدل‌هاي داده‌اي وجود داشت، نامعتبر شوند. تاثير عوامل بيروني كه زماني تصادفي به‌نظر مي‌رسيد- مثل تغييرپذيري مشتري- حالا اهميت بسيار زيادي پيدا كرده است. آيا كم شدن مراجعه حضوري به فروشگاه‌ها به اين خاطر است كه مردم در دوران كرونا ترجيح مي‌دهند در خانه بمانند يا ديگر دوست ندارند از آن فروشگاه خريد كنند؟ خيلي از تيم‌هاي بازاريابي جواب دقيق اين سوال را نمي‌دانند.

به علاوه، الگوها وجود دارند، اما تحليل و بررسي آنها سخت‌تر شده و حتي وقتي مورد تحليل و بررسي قرار مي‌گيرند، كاملا موقتي هستند؛ مثل جوامعي كه مدت كوتاهي محدوديت‌هاي كرونايي آنها كم مي‌شود و بعد از مدتي دوباره بايد به قرنطينه بروند. بازارياب‌ها براي استخراج به‌موقع شاخص‌هاي رفتاري برجسته، به‌منظور عكس‌العمل نشان دادن نسبت به آنها، به داده‌هايي از منابع مختلف و در سطح بسيار جزئي‌شده‌اي نياز دارند تا بتوانند عكس‌العمل به‌موقع داشته باشند. اما خيلي از شركت‌ها همچنان به داده‌هاي مشتري كه در داخل شركت تهيه شده استناد مي‌كنند و از ابزارهاي مدل‌سازي استفاده مي‌كنند كه براي مديريت حجم انبوهي از داده درست نشده‌اند.

دو مساله ديگر، چالش‌هايي را كه بازارياب‌ها با آن مواجهند، پيچيده مي‌كنند. داده‌هاي مك‌كينزي نشان مي‌دهد خيلي از شركت‌ها بودجه بازاريابي خود را كم كرده‌اند، به‌طوري‌كه از هر 10 بازارياب، شش نفر از كاهش‌هاي قابل‌توجه بودجه واحد خود خبر داده‌اند. يكي از اين بازارياب‌هاي ارشد مي‌گويد: «بودجه من تقريبا به صفر رسيده است. ما براي انجام كارهاي ضروري هم تقريبا هيچ پولي نداريم، چه برسد به اينكه بخواهيم تاكتيك‌هاي جديد را اجرا كنيم.»

مساله ديگر، تغيير سريع و گسترده به سوي دوركاري است. بازاريابي داده‌محور در برنامه‌هاي چابك بيشترين كاربرد را دارد؛ جايي كه تيم‌ها امكان آزمايش و تكرار سريع را دارند. اما از آنجا كه اين روزها تقريبا دوسوم كاركنان از خانه كار مي‌كنند، مديران بازاريابي ايجاد يك هماهنگي موثر بين اعضاي تيم را دشوار مي‌بينند. يكي از مديران ارشد بازاريابي فورچون 100 مي‌گويد: «در گذشته، با بهره‌برداري از يك مركز فرماندهي شبيه اتاق جنگ، سراغ فرصت‌هاي بازاريابي مي‌رفتيم. اما حالا كه همه از خانه كار مي‌كنند، نمي‌توانيم مثل گذشته عكس‌العمل سريع داشته باشيم.»


چگونگي انجام مدل‌سازي دقيق‌تر

درحالي‌كه يكسري سازمان‌ها ممكن است بازاريابي انبوه را كنار گذاشته باشند، سازمان‌هايي كه مدل‌سازي خود را به‌روز مي‌كنند، مي‌توانند در توليد درآمد اثربخش‌تر باشند. به اين منظور، آنها بايد كارهاي زير را انجام دهند:

*از داده‌هاي جديد (و بهتر) بهره‌برداري كنند

بازاريابي دقيق به اندازه داده‌هايي كه در پس آن است، خوب و مفيد است. مدل‌هاي جديد با داده‌هاي قديمي، نتايج غيردقيقي ارائه مي‌كنند. رهبران سازماني براي صيقل دادن ديدگاه‌هاي خود در نرمال جديد، رويكردي با وسعت ديد بيشتر نسبت به جمع‌آوري داده خواهند داشت و اين كار را علاوه بر جمع‌آوري رويدادهاي رفتاري و ديدگاه‌هاي مكان‌محور، با تجزيه و تحليل كسب‌وكار، مشتري و رقباي خود انجام مي‌دهند. شركت‌هايي كه اين سفر را شروع مي‌كنند، داده‌هاي اپيدميولوژيك به‌دست آمده از منابع دولتي و داده‌هاي فروش و رفتار مشتري را كه افراد شخص سوم جمع‌آوري كرده‌اند، در مدل‌هاي خود مي‌گنجانند. شركت‌هايي كه جمع‌آوري داده را به اين شيوه‌ها گسترش مي‌دهند، افزايش اندكي را در تقاضا و منابع جديد جذب مشتري شاهد خواهند بود و همچنين مي‌توانند ارزيابي كنند كه كدام مشتريان در پايگاه مشتريان موجود آنها، خريد خود را افزايش داده‌اند يا مشترياني كه خريد نمي‌كنند، كجا رفته‌اند.

به‌عنوان مثال، يك خرده‌فروشي زنجيره‌اي، قبل از به‌روزرساني رويكرد مدل‌سازي خود، فقط مي‌توانست ارزيابي كند كه چه تعداد مشتري مي‌تواند به‌دست آورد يا از دست بدهد. اين شركت بعد از مدتي تصميم گرفت داده‌هاي به‌دست آمده از تلفن‌‌همراه را استفاده كند تا تغييراتي را كه در ترافيك شبكه رقبا ايجاد مي‌شود، رصد كند. اين تحليل نشان داد خيلي از مشترياني كه آنها در دوران پاندمي جذب كرده بودند، از سمت خرده‌فروش‌هايي مي‌آمدند كه گران‌تر و تخصصي‌تر بودند و البته مشترياني كه آنها از دست مي‌دادند، به سمت رقباي ارزان‌تر با قالب بزرگ‌تر مي‌رفتند. اين شركت خرده‌فروش، بر مبناي اين اطلاعات، كمپين‌هاي جلوگيري از ريزش مشتري خود را متحول كرد. آنها ايميل‌هايي را ارسال كردند كه محصولات گران‌تر را براي مشترياني كه از فروشگاه‌هاي تخصصي به آنها روي آورده بودند تبليغ مي‌كرد و بالعكس، محصولات تخفيف‌خورده را به مشترياني پيشنهاد مي‌دادند كه در آستانه از دست‌ دادنشان بودند.

در يك مثال ديگر، يك كسب‌وكار ارائه خدمات، از منابع داده جديدي استفاده مي‌كرد كه توسط شخص سوم فراهم مي‌شود و لحظات كليدي را در چرخه عمر كسب‌وكار كوچك شناسايي مي‌كند. در يكي از اين تلاش‌ها، منابع داده‌اي جمع‌آوري شده تنها با اختلاف يك روز، نشان مي‌داد شركت‌هاي جديد در دوران پرتلاطم كوويد-19 چه زماني راه‌اندازي مي‌شوند. مسوولان فروش اين شركت خدماتي، خيلي فوري محصولات و پيام‌هايي متناسب‌سازي شده با نيازهاي شركت‌هاي تازه تاسيس شده تهيه مي‌كردند. اين تلاش‌ها، بهره‌وري فروش را بيش از 25 درصد افزايش داد.

داده‌هاي انبوه همچنين به شركت‌ها امكان مي‌دهد ديدگاه‌هاي بهتري در مورد رقيب پيدا كنند. به‌عنوان مثال، بازارياب‌ها از طريق مقايسه داده‌هاي اشخاص سوم، فروش و تبليغات با اعداد و ارقام خودشان، مي‌توانند قدرت ارزش‌هاي پيشنهادي مختلف را ارزيابي كنند و ببينند كدام عوامل با گروه‌هاي مختلف مشتريان همخواني دارند. سپس مي‌توانند پيام‌ها، محتوا و پيشنهادهاي متناسب‌سازي شده را براي اين گروه‌ها بفرستند.
*در تكنولوژي‌هايي سرمايه‌گذاري كنند كه يادگيري در مقياس دارد

افزايش ابهام در نرمال جديد، مستلزم اين است كه بازارياب‌ها در آزمايش كردن بهتر عمل كنند و در واكنش نشان دادن سريع‌تر باشند. يك مدل عملياتي چابك‌تر، عاملي كليدي در اين اتفاق است، اما در ضمن لازم و ضروري است كه از تكنولوژي‌هايي استفاده كنيم كه يادگيري در مقياس دارند. اين كار نيازمند توسعه قابليت‌هاي تكنولوژي است كه مي‌توانند بخوانند و سيگنال‌هايي از قصد و نيت مصرف‌كننده و واكنش‌هاي او را به پيام‌هاي بازاريابي تفسير كنند و سپس آن را به موتور بازاريابي برگردانند تا بفهمد چه چيزهايي كارآيي داشته و چه چيزهايي نداشته.

بازارياب‌هايي كه در اين شرايط تحت فشار هستند، از هوش مصنوعي براي رصد كردن كمپين‌ها و تحقيق و بررسي پاسخ‌ها در سطح جزئي‌شده استفاده مي‌كنند تا علاوه بر دانستن اينكه چه چيزهايي كارآيي دارند و چه چيزهايي ندارند، بفهمند آنچه كارآيي دارد براي كدام بخش‌بندي‌ها، در چه زماني و از طريق چه كانال‌هايي است و سپس استراتژي خود را براساس اين ديدگاه‌ها تنظيم كنند. استخراج ديدگاه‌هاي خاص با استفاده از تجزيه و تحليل استاندارد، ممكن است به‌طور ميانگين چند روز براي يك سازمان بازاريابي زمان لازم داشته باشد. اما رصد كردن با كمك هوش مصنوعي اين كار را به چند دقيقه كاهش مي‌دهد و گاهي حتي چند ثانيه!

به‌عنوان مثال، يك شركت خدمات مصرفي با كاهش محدوديت‌هاي قرنطينه، كمپين‌هاي حفظ مصرف‌كننده راه‌اندازي كرد. تجزيه و تحليل‌هايي كه آنها در مورد مشتري انجام دادند و صرفا كمپين‌ها را به‌صورت انبوه ارزيابي مي‌كرد، تا حد اندكي موثر بود. اما اين سازمان يك موتور هوش مصنوعي جديد را به شكل آزمايشي راه‌اندازي كرد كه مي‌توانست به شكلي عميق بررسي كند كه كمپين در كدام بازارهاي فرعي خاص با پروفايل‌هاي اقتصادي و اپيدميولوژيك مشابه، اثربخشي زيادي داشته است. اين موتور هوش مصنوعي نشان مي‌دهد الگوهاي عملكردي كمپين در كجاها رشد مي‌كنند و به اين ترتيب بازارياب‌ها مي‌توانند سيستم را طوري شكل دهند كه تجزيه و تحليلي كه با هوش مصنوعي انجام شده، به‌طور مستقيم وارد منطقه هدف‌گذاري شده كمپين شود. اين كمپين و كمپين‌هاي مشابه عامل مهمي در يك برنامه بازاريابي داده‌محور گسترده‌تر هستند كه به شركت كمك كرده نرخ آزمايش كردن خود را بيش از پنج برابر افزايش دهد.


دو كليد موفقيت

براي به‌دست آوردن ارزش از اين مدل‌هاي به‌روزرساني شده، انجام دو اقدام ضروري است.

*ايجاد ذخيره مالي براي سرمايه‌گذاري در تكنولوژي

در حالي كه برخي شركت‌ها بودجه بازاريابي خود را كاهش مي‌دهند، برخي ديگر به اين نتيجه مي‌رسند كه كاهش هزينه‌ها در حوزه‌هاي غيرمولد و بازتخصيص ذخاير مالي مي‌تواند مفيدتر باشد. طبق برخي تحليل‌ها، اين بازتخصيص مي‌تواند 10 تا 20 درصد كل بودجه باشد.

اين كار به يك بازاريابي دقيق، اما سريع از كل هزينه‌هاي بازاريابي نياز دارد تا شركت ببيند آيا فضاي كوويد-19 بر بازگشت سرمايه اثر گذاشته يا نه. اسپانسري رويدادها، تبليغات تلويزيوني سنتي و خريد برنامه‌هاي تبليغاتي ديجيتال طبق شرايط قديمي، تنها چند حوزه هستند كه عملكرد بازاريابي بايد تحول چشمگيري در آنها پيدا كند. به‌عنوان مثال، يك خرده‌فروش لباس، به اين نتيجه رسيد كه اثربخشي جست‌وجوهاي پولي در طول بحران كرونا كاملا كاهش يافته و در عوض فعاليت در رسانه‌هاي اجتماعي اثرگذارتر بوده است. مديران بازاريابي مي‌توانند با استفاده دوباره و هدف‌گذاري دوباره دارايي‌هاي موجود، منابع مالي را براي سرمايه‌گذاري اضافه آزاد كنند.


*استفاده از بازاريابي چابك در تنظيمات دوركاري

فعاليت‌هاي چابك از آنجايي موثر هستند كه به تيم‌هاي بازاريابي امكان مي‌دهند رفتارهاي مصرف‌كننده را آزمايش كنند و واكنش سريع نسبت به تغييرات داشته باشند. درحالي‌كه تيم‌هاي چابك از گذشته نسبت به همتايان خود در فضاي مشابه، عملكرد بسيار بهتري داشتند، اما ضرورتي كه پاندمي ايجاد كرد، باعث شد اين رويكرد از نظر دوركاري مورد بازنگري قرار بگيرد. شركت‌هاي پيشرو، درحال تبديل اتاق‌هاي جنگ فيزيكي به اتاق‌هاي مجازي هستند و نقاط تماس بيشتري ايجاد مي‌كنند تا بيشترين امكان استفاده از پروتكل‌هاي چابك و ابزارهاي همكاري فراهم باشد.

بودجه‌بندي و فعاليت‌هاي عملياتي بايد همواره مورد بازنگري قرار بگيرند تا از اين مدل چابك دوركاري حمايت كنند. مديران بازاريابي به جاي برگزاري جلسات برنامه‌ريزي فصلي يا شش ماهه، بايد به‌صورت ماهانه عملكرد را ارزيابي كنند تا مطمئن شوند تامين مالي و منابع با بزرگ‌ترين فرصت‌ها همراستا است.

سازمان‌هايي كه تلاش‌هاي بازاريابي دقيق را اولويت قرار مي‌دهند، مي‌توانند بحران كوويد-19 را به يك دوران تحول تبديل كنند. بازارياب‌ها با به‌دست آوردن داده‌هاي جديد، جست‌وجو براي روابط رفتاري جديد و فراهم كردن امكان آزمايش‌هاي سريع، مي‌توانند فرصت‌ رشد به‌دست آورند و با انعطاف و بازگشت سرمايه بيشتر، وارد دوران رونق شوند.

مترجم: مريم رضايي

منبع: Mckinsey

https://donya-e-eqtesad.com