Kaikki data ei ole tasa-arvoista. Markkinoinnin näkökulmasta kaikissa erilaisissa datoissa on sekä hyviä puolia että heikkouksia. Insight & Analytics -osaston johtaja Arto Hasu arvioi markkinoinnin näkökulmasta mitä dataa sinun tulisi kuhunkin käyttötarkoitukseen kerätä ja hyödyntää seitsemän eri datatyypin kannalta.
Viimeaikaisten datan ympärillä käymieni keskustelujen ehkä mielenkiintoisinta antia on ollut näin markkinoijan näkökulmasta, että kun datastrategiaa ja -infrastruktuuria lähdetään yrityksissä suunnittelemaan tai päivittämään, päädytään datan hyödyntämisen käyttötapauksia hakemaan lähes poikkeuksetta markkinoinnista. Asiakasymmärryksen kasvattaminen, niin kuluttaja- kuin B2B-puolellakin, on siis keskiöissä valtaosassa tapauksista kun strategiaa (big) datan ympärille lähdetään kehittämään.
On luonnollista että juuri markkinoinnin parissa työskentelevien ihmisten tietotaitotasoa on syytä kasvattaa dataan liittyvissä mahdollisuuksissa ja haasteissa. Lienee siis paikallaan, että sen sijaan että yrityksinä odotamme lompakko ojossa uusien data-analyytikoiden valmistumista kouluista, kannamme myös itse markkinoijina vastuuta omasta kehittymisestämme datan ymmärtämisessä.
Perinteisesti asiakasymmärrystä on pyritty kasvattamaan erityisesti tutkimusten ja haastattelujen kautta. Kasvavan verkkoselailun myötä (potentiaalisista) asiakkaista kuitenkin kertyy enenevissä määrin tietoa lukuisiin eri järjestelmiin, mutta tämä data on hajallaan ja levittäytynyttä eri järjestelmiin.
Tiedon hyödyntäminen vaatii myös erityistä datan käsittelyyn ja analysointiin keskittynyttä tietotaitoa, joista ei vielä toistaiseksi ylitarjontaa työmarkkinoilla.
Palataanpa siis hetkeksi lintuperspektiiviin, perusasioiden äärelle ja tilanteeseen tällä hetkellä: mitkä ovat yleisesti markkinoinnin hyödyntämiä datalähteitä ja -keräysmetodeja tällä hetkellä ja mitkä ovat niiden hyviä puolia ja mitkä mahdollisesti heikkouksia markkinoinnin näkökulmasta?
1. Kyselytutkimuksin kerätty data
Esimerkiksi: Tehdään markkinasegmentointi tunnistamaan potentiaalisimmat asiakkaat
Plussia:
- Saadaan selvitettyä lähtökohtaisesti hyvin erityyppisiä asioita kysymällä kuluttajilta.
- Saadaan vastauksia juuri haluttuihin kysymyksiin.
- Datan käsittely ja analysointi on suhteellisen vaivatonta.
- Ei tarvita järeää datainfrastruktuuria yrityksen tai toimistokumppanin puolelta.
- Suomessa perinteiset tutkimuslaitokset ovat toimineet jo pitkään ja osaavat asiansa.
- Keveähköjä kyselytutkimuksia voi toteuttaa myös itse esim. omaan asiakaskantaan edullisilla työkaluilla.
Mahdollisia miinuksia:
- Saadaan vastaukset vain niihin kysymyksiin, joita esitetään.
- Kustannukset saattavat nousta korkeiksi.
- Vastaajan muisti voi pettää jos peilataan historialliseen käyttäytymiseen.
- Tulevaisuuden tekeminen esimerkiksi ostoaie on sen hetken näkemys, jota ei voi myöhemmin vahvistaa (helposti) vastaajatasolla.
- Data ei ole pääsääntöisesti helposti hyödynnettävissä mainonnan kohdistamiseen yksilötasolla, joskin tähän suuntaan ollaan menossa muun muassa look-alike yleisöjä hyödyntämällä.
2. Kvalitatiiviset tutkimusmenetelmät
Esimerkiksi: Palvelukehityksessä tai mainonnan konseptitestauksessa käytettävät ryhmähaastattelut.
Plussia:
- Mahdollista kerätä erittäin syvällistä tietoa kohderyhmän ajattelusta kuten tarpeista, toiveista, motiiveista ja haasteista.
- Opitaan ymmärtämään sekä emotionaalisia että rationaalisia motiiveja – toisin sanoen vaikuttimia.
- Annetaan kuluttajalle ääni aidosti ja aito mahdollisuus vaikuttaa.
- Erityisen hyvä kun halutaan ideoita viestin ja kommunikaation suunnitteluun.
- Osaavia toimijoita löytyy markkinoilta.
Mahdollisia miinuksia:
- Otokset usein pieniä syvähaastatteluissa, joten tulokset eivät ole suoraan yleistettävissä väestöön.
- Vaatii kokeneen asiantuntijan tulkitsemaan tuloksia – kone ei pysty auttamaan vivahteiden tulkinnassa (vielä).
3. Oman verkkosivuston kerryttämä data
Esimerkiksi: Verkkosivuston selailusta kertyvä data (yleisimmin Google Analytics).
Plussia:
- Datan kerääminen järjestelmien puolesta on mahdollista tehdä suhteellisen edullisesti – järjestelmät tekevät sitä automaattisesti.
- Datan tutkiminen ja analysointi suhteellisen helppoa graafisten käyttöliittymien kautta eikä vaadi välttämättä tilastotieteen tutkintoa.
- Data analysoitavissa lähes reaaliajassa eli kun markkinointikampanja aloitetaan, sen toimivuutta voidaan analysoida heti ja korjaavia toimenpiteitä tehdä.
- Jalkautus mainontaan – voidaan kohdistaa jatkossa viestiä yksilö- (päätelaite-) tasolla aiemman verkkokäyttäytymisen perusteella asentamalla soveltuvat koodinpätkät.
Mahdollisia miinuksia:
- Teknologioiden kypsyys – tai pikemminkin kypsymättömyys valmiiden tulkintojen tarjoamisessa.
- Teknologioiden ja työkalujen paljous, miten valita omiin tarpeisiin sopivin?
- Silmämääräinen edullisuus saattaa muuttua suuriksi hintalapuiksi kun järjestelmiä pyritään saada puhumaan keskenään.
- Lain tuomat haasteet datan keräämisessä (erityisesti tulevaisuudessa EU:n uudistuvan lainsäädännön myötä, pätee luonnollisesti muihinkin datalähteisiin).
- Evästeet eivät siirry päätelaitteiden välillä eli kolmea eri päätelaitetta käyttävä näyttäytyy useimmiten näissä järjestelmissä kolmena eri henkilönä (ainakin vielä toistaiseksi).
4. Yrityksen omien asiakkaiden ostokäyttäytymisdata
Esimerkiksi: Omien asiakkaiden ostohistoria eli mitä ovat ostaneet ja milloin.
Plussia:
- Segmentoitavissa ja jalostettavissa esim. ristiinmyynnin tueksi talon sisällä mutta myös ulkoisessa markkinoinnissa.
- Kertoo todellisesta ostokäyttäytymisestä (useus, ostoksen suuruus).
- Markkinointi kohdistettavissa jatkossa asiakkaan todellisen ostokäyttäytymisen pohjalta (vrt. tutkimustieto).
- Voidaan hyödyntää esimerkiksi asiakkaiden poistumismallinnuksessa – ketkä ovat riskissä siirtyä kilpailijalle tai lopettaa palvelun käytön.
Mahdollisia miinuksia:
- Dataa saatavilla asiakkaiden ostoksista vain oman yrityksen tuotteiden ja palveluiden osalta.
- Saatavuus riippuu omasta toimialasta – esim. jälleenmyyjien (kivijalassa) kautta myydyissä tuotteissa tätä ei välttämättä kerry tai sitä ei toimiteta valmistajalle.
- Oman CRM tiedon laatu ja ajantasaisuus.
- Sisältää ostohistorian, mutta ei välttämättä muuta tietoa kuluttajasta.
- CRM tiedon ulossaanti järjestelmistä saattaa olla hidasta ja kallista puuhaa.
5. Hakudata
Esimerkiksi: Googlen palveluista saatava hakumäärä- ja trendidata kertoo ihmisten kiinnostuksesta oman yrityksen palveluita kohtaan.
Plussat:
- Ilmaista ja kaikkien saatavilla.
- Kertoo käyttäjien kiinnostuksesta palveluita kohtaan yleisellä (aggrekoidulla) tasolla.
- Voi seurata myös yleisiä trendejä tai läheltä liippaavien toimialojen trendejä.
Miinukset:
- Ei lähtökohtaisesti kerro ketkä ovat ne henkilöt jotka ovat tiettyjä palveluita hakeneet joten ei voi suoraan kohdistaa kyseisille käyttäjille markkinointia ilman että on hakusanamainontaa käytössä.
- Tulee tietää minkä tyyppiset haut liittyvät omaan toimialaan eli vaatii ihmisten hakukäyttäytymisen syvällistä ymmärrystä.
6. Sosiaalisen median data
Esimerkki: Facebookista saatava tieto ihmisten kiinnostuksen kohteista.
Plussia:
- Ihmiset kertovat itsestään ja kiinnostuksen kohteista valtavasti sosiaalisissa medioissa, joten tietoa on todella laajalti erityisesti suurilla pelureilla kuten Facebookilla (erityisesti mainonnan tarkoituksiin).
- Julkisista keskusteluista saatavilla niin summattua kuin yksilökohtaistakin tietoa (esimerkiksi sentimenttianalyysit).
- Voidaan hyödyntää markkinoinnin kohdentamisessa kyseisissä kanavissa, mutta myös muissa kanavissa esimerkiksi mainostamalla Facebookissa ja kun käyttäjä saapuu omalle sivustolle, voidaan nämä segmentoida omaksi käyttäjäryhmäkseen muuta mainontaa varten (remarketing).
- Keskusteluja ja sitä kautta kuluttajien mieltymyksiä on mahdollista seurata reaaliaikaisesti.
Mahdollisia miinuksia:
- Kuinka paljon sosiaalisen median jätit avaavat dataansa jatkossa ja millä tasolla – valta on heillä.
- Pirstaleisuus – sosiaalisen median dataa löytyy paljon muualtakin kuin Facebookista – saattaa vaatia järeitä työkaluja seurantaan ja analysointiin, joskin pienelläkin pääsee alkuun.
- Koneelliset sentimenttianalyysit eivät ole vielä kovin kehittyneitä erityisesti suomenkielen tulkinnassa joten analysointi vaatii aikaa ja resursseja mikäli keskustelua haluaa seurata laajemmalti eikä vain oman brändin nimeä mainittaessa.
7. Kolmannen osapuolen data display- eli bannerimainonnassa
Esimerkki: ohjelmallisessa ostamisessa hyödynnettävä kolmannen osapuolen keräämä data
Plussia:
- Datan monimuotoisuus.
- Uusia datan tarjoajia syntyy koko ajan.
- Datatarjoajat rikastavat koko ajan omaa dataansa myös verkkokäyttäytymisen ulkopuolisella datalla.
- Hyödynnettävissä online-mainonnan kohdistamiseen suoraan ostotyökaluissa (kuten Adform ja Doubleclick) joten erityistä datan käsittelyä tai järjestelmäintegraatioita ei lähtökohtaisesti tarvita.
- Datan hyödyntäminen muihin mediaryhmiin (esim. online-video, mobiiliapplikaatiot, ulkomainonta) on jo osittain mahdollista tai ainakin lähitulevaisuutta.
- Mahdollistaa siirtymisen mediakeskeisestä ostamisesta yleisökeskeiseen kohdentamiseen.
Mahdollisia miinuksia:
- Data käytettävissä vain kohdistamiseen ostotyökaluissa – ei voi lähtökohtaisesti ladata omalle koneelle analysoitavaksi ja jatkojalostettavaksi.
- Datan validius – onko data validioitu jonkun kolmannen osapuolen toimesta?
- Kolmannen osapuolen datatarjoajien tuottamien segmenttien avaimia ja muodostuskriteereitä ei pääsääntöisesti tällä hetkellä avata ostajille.
- Datan hinnoittelupolitiikka monimuotoista ja joissain tapauksissa jopa kaoottista.
Mitä siis tehdä?
Näiden melko paljonkin tiivistettyjen esimerkkien lisäksi on olemassa luonnollisesti pitkä liuta toimiala- ja yrityskohtaisia kuluttajien käyttäytymisestä kertovia datalähteitä kuten sijaintitietoa, asiakaskohtaamisissa kertynyttä (hiljaista) tietoa, mobiiliapplikaatioiden käyttötietoja, palvelun tai tuotteen käyttötietoja, ja monia muita joita markkinointi voi hyödyntää omassa työssään... Jatkossa määrä vain lisääntyy.
Ihannetilanteessahan nämä kaikki datalähteet olisi kytketty yhteen kiinni henkilötasolla, joka johtaisi meitä lähemmäs yhden segmenttejä (segments of one). Matkalla sinne on kuitenkin vielä monta laillista ja teknologista mutkaa matkassa, ja niistäkin huolimatta matka ei tule koskaan päätökseen.
1. Aloita pienestä. Tee itsellesi muistilista käytössänne olevista datalähteistä: mitä olette jo käyttäneet, onko mahdollisuus käyttää ylläolevalla listalla olevia. Kysy partnereilta, kysy talon sisältä.
2. Tee listaa myös niistä lähteistä, joita ette vielä ole hyödyntäneet, mutta jotka voisivat auttaa ensi kerran kun tarvitaan tarkempaa tietoa kuluttajista.
3. Kun organisaatiossasi seuraavan kerran suunnitellaan mainostoimiston kanssa viestikärkiä, mediatoimiston kanssa mediastrategiaa ja kanavavalikkoa, sisäisesti e-mail kampanjan lähettämistä, uutta palvelukonseptia tai mitä tahansa kuluttajakommunikaatioon liittyvää toimenpidettä, kaiva lista esiin ja varmista että kaikille osallisille muodostuu mahdollisimman hyvä kokonaiskuva keitä kuluttajanne ovat.
Realistisena tavoitteenahan ei ole valloittaa maailmaa vielä huomenna, vaan kasvattaa ymmärrystä askel askeleelta.
Dataterveisin,
Arto Hasu,
Head of Analytics
