Skip to content
Analytics  •  B2C  •  Data & Analytics  •  Data Management

Asiakastiedon luokittelu ja jalostaminen B2C-markkinoinnissa – osa 1/3

Hyödynnätkö asiakastietoa kannattavasti vai aiheuttaako se markkinoinnin suunnittelussa enemmänkin päänsärkyä? Data- ja analytiikkakeskustelu on käynyt jo vuositolkulla kuumana tähän liittyvistä tuotto-odotuksista. Kaikki markkinoijat ovat kuulleet datan ja analytiikan avulla tehostettavista markkinointistrategioista, ja heillä on edessään nyt iso haaste lunastaa odotukset ja hyödyntää kannattavasti yrityksen dataa liiketoiminnassa.

Viimeisimpien kyselytutkimusten mukaan analytiikan tarjoama potentiaali vaikuttaa edelleen jäävän hyödyntämättä monissa yrityksissä. Esimerkiksi EY ja Forbes toteuttivat maailmanlaajuisen kyselytutkimuksen, johon vastasi 1 500 yritysjohtajaa, ja siinä todettiin, että ”monilla suurilla yrityksillä ympäri maailmaa on edelleen vaikeuksia hyödyntää kattavasti nykyisiä analytiikkamahdollisuuksia”.

Me Avauksella päätimme helpottaa näitä haasteita ja kirjoitimme tästä aiheesta blogisarjan. Tuomme keskusteluun käytännönläheisen näkökulman liittyen asiakastiedon hyödyntämiseen ja taktiikoihin, joilla voidaan parhaimmillaan saavuttaa aitoa kilpailuetua.

 

Datan hyödyntäminen osana datastrategiaa

Asiakasdata on yrityksen arvokkainta omaisuutta. Siksi on erittäin tärkeää oppia hyödyntämään asiakasdataa. Kun markkinointia tehdään data-analytiikan ohjaamana ja tuloksia mitataan asianmukaisesti, pystytään osoittamaan, kuinka paljon tehokkaampaa toiminta on verrattuna dataan perustumattomiin toimenpiteisiin.

Esimerkiksi asiakaspoistuman ehkäisyn markkinointiohjelma voidaan suunnitella, toteuttaa ja mitata monin eri tavoin. Parhaimmillaan analytiikka on mukana alusta loppuun: aina kohderyhmien mallintamisesta ja markkinoinnin automaation asiakaspolkujen suunnittelusta yksilöllisen sisällön luomiseen ja ohjelman mittaamiseen. Lisäksi onnistumiseen vaikuttaa myös se, tehdäänkö johtopäätöksiä saavutetuista tuloksista pitkän vai lyhyen aikavälin tulosten perusteella. Mitä enemmän ja mitä pidemmältä aikaväliltä systemaattisesti ja oikein kerättyjä tuloksia tehokkuudesta on, sitä tarkemmin markkinointitoimia pystytään säätämään analytiikkavetoisesti.

Onnistuminen edellyttää markkinoijilta johdonmukaista datastrategiaa, joka sovitetaan yhteen liiketoimintatavoitteiden kanssa. Strategian mukaisesti on arvioitava ja luokiteltava kaikki ne asiakastiedot, jotka ovat tai joiden pitäisi olla hyödynnettävissä.

Dataa on useimmiten kuitenkin jalostettava ennen kuin sitä voidaan hyödyntää. Ennen tiedon jalostamista kaikki tietolähteet ja tiedon laatu on arvioitava huolellisesti. On myös muistettava, että kaikessa asiakastietojen käsittelyssä ja hyödyntämisessä on noudatettava EU:n GDPR tietosuoja-asetusta.

 

Kuinka aloittaa datan jalostamisessa ja sen tuottavassa hyödyntämisessä

Avauksella on vahvaa osaamista liittyen datan luokittelun ja rikastamisen projekteihin. Asiakasta autetaan ymmärtämään, millaista tietoa on käytettävissä ja miten sitä kannattaa hyödyntää ja rikastaa. Asiakasdatan luokittelua ja sen jalostamista voidaan visualisoida jakamalla tieto lähdekategorioihin esimerkiksi seuraavasti:

Alimmat tasot edustavat dataa, joka on yleensä heti käytettävissä ja suhteellisen helppoa jalostaa – esimerkiksi asiakkaan iän laskeminen hänen syntymäaikansa perusteella tai lähimpien myymälöiden määrittäminen osoitetietojen perusteella. Ylemmät tasot, kuten preferenssi- ja asiakaskäyttäytymistiedot, vaativat laajempaa tiedonhallintaosaamista ja -ekosysteemiä, säännöllisempää tietojen siirtoa ja perusteellisempaa integraatiota lähdejärjestelmistä, joihin on liitetty esimerkiksi verkkoanalytiikkatyökalut, markkinoinnin automaatio  ja DMP-ratkaisu.

Ylimmällä tasolla profilointi edellyttää analytiikan ammattilaisia, jotka osaavat hyödyntää ennustavan analytiikan tai koneoppimisen menetelmiä ja työkaluja, esimerkiksi R:ää tai Pythonia. Kaikilla tasoilla ihmiset ovat kuitenkin tärkein avaintekijä onnistumisen kannalta. Datan jalostamiseen onnistumiseen vaikuttaa analyytikoiden luova ajattelu, minkä kautta analytiikkatiimi pystyy tunnistamaan, miten raakadataa kannattaa jalostaa siten, että se tukee liiketoimintatavoitteiden saavuttamista.

 

Edellä kuvattu datan luokittelu auttaa markkinoijia ymmärtämään, millaisia tiedon jalostamistaktiikoita he voisivat hyödyntää toiminnassaan. Jokainen taso avaa lukuisia mahdollisuuksia, joiden kautta asiakaskokemuksia voidaan personoida ja saavuttaa parempia tuloksia, kun halutaan sitouttaa asiakkaita tai kehittää asiakassuhteiden säilyttämistä.

Seuraavissa blogissa käymme läpi sitä, miten luokittelua voidaan hyödyntää markkinointitarkoituksiin datan jalostamisen kautta. Lisäksi kerromme taktiikoiden tehokkuudesta konkreettisten esimerkkien avulla. Joten pysykää kanavalla!

 

Contact us

 

Latest posts