Hvernig þú notar aðlögunargreiningu til að fá sterkari innsýn í markaðssetningu

gagnageymslu sem lausn

Fjöldi snertipunkta þar sem þú hefur samskipti við viðskiptavini - og leiðirnar sem þeir lenda í vörumerki þínu - hefur sprungið á undanförnum árum. Áður fyrr voru valin einföld: þú birtir prentauglýsingu, útsendingarauglýsingu, kannski beinan póst eða einhverja samsetningu. Í dag er leit, skjár á netinu, samfélagsmiðlar, farsímar, blogg, samstæðusíður og listinn heldur áfram.

Með fjölgun snertipunkta viðskiptavina hefur einnig komið aukin athugun varðandi skilvirkni. Hvert er raunverulegt gildi dollara sem varið er í tiltekinn miðil? Hvaða miðill gefur þér mestan pening fyrir peninginn þinn? Hvernig er hægt að hámarka áhrifin áfram?

Aftur í fortíðinni var mælingin einföld: þú birtir auglýsingu og metur muninn hvað varðar vitund, umferð og sölu. Í dag bjóða auglýsingaskipti innsýn í hversu margir smelltu á auglýsinguna þína og komust að áfangastað þínum.

En hvað gerist þá?

Attribution greining getur veitt svar við þeirri spurningu. Það getur safnað saman gögnum frá ýmsum ólíkum aðilum, bæði innan fyrirtækisins og utanaðkomandi hvað varðar útrás viðskiptavina. Það getur hjálpað þér að ákvarða hvaða rásir eru hagkvæmastar við að búa til magn af svörum. Mikilvægast er að það getur hjálpað þér að bera kennsl á bestu viðskiptavini þína innan þess hóps og bregðast við þeim upplýsingum með því að laga markaðsstefnu þína í samræmi við það.

Hvernig er hægt að nýta eigindagreiningu á áhrifaríkan hátt og uppskera þessa kosti? Hér er stutt rannsókn á því hvernig eitt fyrirtæki gerði það:

Notkunarfyrirkomulag til aðgreiningar

Farsímaframleiðslufyrirtæki markaðssetur forrit sem gerir notendum kleift að búa til, fara yfir og deila skjölum úr hvaða tæki sem er. Snemma innleiddi fyrirtækið þriðja aðila greinandi verkfæri með fyrirfram smíðuðum mælaborðum til að fylgjast með grunnmælum eins og niðurhali, daglega / mánaðarlega talningu notenda, tíma sem varið er með forritinu, fjölda skjala sem búið er til o.s.frv.

Ein stærðargreining hentar ekki öllum

Þegar vöxtur fyrirtækisins sprakk og fjöldi notenda þeirra jókst í milljónum, varð þessi einskonar nálgun við innsýn ekki til. Þriðji aðilinn þeirra greinandi þjónusta réði ekki við samþættingu rauntímagagna frá mörgum aðilum svo sem logs á netpalli, umferð á vefsíðu og auglýsingaherferðum.

Það sem meira er, fyrirtækið þurfti að greina eigindir yfir marga skjái og rásir til að hjálpa þeim að ákveða hvar næsta stigvaxandi markaðsdali væri best varið til kaupa á nýjum viðskiptavinum. Dæmigerð atburðarás var þessi: notandi sá Facebook-auglýsingu fyrirtækisins meðan hann var í símanum sínum, leitaði síðan að umsögnum um fyrirtækið á fartölvunni sinni og smellti loks til að setja forritið upp úr skjáauglýsingu á spjaldtölvunni sinni. Tilvísun í þessu tilfelli krefst þess að skipta lánstraustinu fyrir að öðlast þann nýja viðskiptavin á samfélagsmiðlum í farsímum, greiddum leitum / umsögnum á tölvunni og skjáauglýsingum í forritum á spjaldtölvum.

Fyrirtækið þurfti að taka hlutina skrefinu lengra og uppgötva hvaða markaðsheimild á netinu hjálpaði þeim að eignast verðmætustu notendur sína. Þeir þurftu að bera kennsl á hegðun notenda - umfram almenna smella til að setja upp aðgerð - sem voru einstök fyrir forritið og gerðu notandann dýrmætan fyrir fyrirtækið. Á fyrstu dögum sínum þróaði Facebook einfaldan en öflugan hátt til að gera þetta: þeir uppgötvuðu að fjöldi fólks sem notandi „vinir“ innan tiltekins fjölda daga við innskráningu var mikill spá fyrir um hversu virkur eða dýrmætur notandi myndi vera til lengri tíma litið. Netmiðlar og þriðji aðili greinandi kerfin eru blind fyrir svona tímaflótta, flóknar aðgerðir sem eiga sér stað innan forrits.

Þeir þurftu sérsniðna eigindagreiningu að vinna verkið.

Attribution Greining er lausnin

Byrjunin einfaldlega þróaði fyrirtækið upphaflegt markmið: að uppgötva nákvæmlega hvernig tiltekinn notandi hefur tilhneigingu til að hafa samskipti við vöru sína innan einnar lotu. Þegar það var ákveðið, gátu þeir enn frekar borið niður í þessi gögn til að búa til prófílhluta viðskiptavina byggt á stöðu þeirra sem greiðandi notenda og því magni sem varið var í hverjum mánuði. Með því að sameina þessi tvö gagnasvið gat fyrirtækið ákvarðað tiltekna viðskiptavini líftíma gildi - mælikvarði sem skilgreindi hvaða tegundir viðskiptavina höfðu mesta tekjumöguleika. Þessar upplýsingar gerðu þeim aftur kleift að miða nánar til annarra notenda - þeirra sem héldu sama „ævilangt gildi“ prófíl - með mjög sérstökum fjölmiðlakostum, með mjög sérstökum tilboðum.

Niðurstaðan? Snjallari, upplýstari notkun markaðsdala. Áframhaldandi vöxtur. Og sérsniðið eigindagreiningarkerfi til staðar sem gæti vaxið og aðlagast þegar fyrirtækið hélt áfram.

Árangursrík aðlögunargreining

Þegar þú byrjar að taka þátt í eigindagreiningu, það er mikilvægt að skilgreina fyrst árangur á eigin forsendum - og hafa það einfalt. Spyrðu sjálfan þig, hvern tel ég góðan viðskiptavin? Spurðu síðan, hver eru markmið mín með þann viðskiptavin? Þú getur valið að auka eyðslu og styrkja tryggðina við viðskiptavini þína sem hafa mest verðmæti. Eða þú gætir valið að ákvarða hvar þú finnur fleiri viðskiptavini sem eru mikils virði eins og þeir. Það er í raun allt undir þér komið og hvað er rétt fyrir fyrirtækið þitt.

Í stuttu máli getur aðlögunargreining verið mjög fljótleg og auðveld leið til að koma saman gögnum frá fjölda innri aðila og þriðja aðila og hafa vit á þeim gögnum í skilmálum sem þú ákveður mjög sérstaklega. Þú munt öðlast þá innsýn sem þú þarft til að skilgreina og uppfylla markaðsmarkmið þín skýrt og fínpússa þá stefnu þína til að ná sem mestri arðsemi á hverja eytt markaðsdali.

Hvað er Data Warehouse as a Service

Við skrifuðum nýlega um hvernig gagnatækni er að aukast fyrir markaðsmenn. Gagnavörugeymslur bjóða upp á aðalgeymslu sem stækkar og veitir mikla innsýn í markaðsstarf þitt - sem gerir kleift að koma með gífurlegt magn af gögnum viðskiptavina, viðskipta, fjármála og markaðssetningar. Með því að fanga gögn á netinu, utan nets og farsíma í miðlægum gagnagrunni fyrir skýrslur geta markaðsmenn greint og fengið þau svör sem þeir þurfa þegar þeir þurfa á þeim að halda. Að byggja gagnavöruhús er talsvert verkefni fyrir meðalfyrirtækið - en Data Warehouse as a Service (DWaaS) leysir málið fyrir fyrirtæki.

Um BitYota gagnageymslu sem þjónustu

Þessi færsla var skrifuð með aðstoð BitYota. Gagnavörugeymsla BitYota sem þjónustulausn tekur höfuðverkinn af því að þurfa að setja upp og stjórna öðrum gagnapalli. BitYota gerir markaðsfólki kleift að koma gagnavörugeymslu sinni fljótt í gang, auðveldlega tengjast skýjaveitu og stilla vöruhúsið þitt. Tæknin nýtir SQL yfir JSON tækni til að auðvelda fyrirspurn í vöruhúsinu þínu og fylgir rauntímagagnastraumur fyrir skjótan greiningu.

Aðlögunargreining - BitYota

Einn helsti hemillinn fyrir hratt greinandi er þörf á að umbreyta gögnum áður en þau eru vistuð í þínu greinandi kerfi. Í heimi þar sem forrit breytast stöðugt þýðir gögn sem berast frá mörgum aðilum og á mismunandi sniðum að fyrirtæki lenda oft í því annað hvort að eyða of miklum tíma í gagnabreytingarverkefni eða horfast í augu við brotinn greinandi kerfi. BitYota geymir og greinir gögnin á innfæddu sniði og útilokar þannig erfiða, tímafrekt gagnabreytingarferli. Að eyða gagnaumbreytingum veitir viðskiptavinum okkar hratt greinandi, hámarks sveigjanleika og fullkominn trúnaður gagnanna. BitYota

Þegar þarfir þínar breytast ertu fær um að bæta við eða fjarlægja hnúta úr þyrpingunni þinni eða breyta stillingum véla. Sem fullkomlega stýrð lausn, BitYota fylgist með, hefur umsjón með, útvegar og vogar gagnapallinn þinn, svo að þú getir einbeitt þér að því sem skiptir máli - að greina gögnin þín.

Hvað finnst þér?

Þessi síða notar Akismet til að draga úr ruslpósti. Lærðu hvernig ummæli þín eru unnin.