Zarejestruj się do bezpłatnej platformy e-learningowej.
Zarejestruj się bezpłatnieWskazówki, rozmowy, inspiracje
Subskrybuj kanał na YouTube i bądź na bieżąco!
Spis Treści
W marketingu termin big data odnosi się do ogromnych, różnorodnych i zmiennych zbiorów danych generowanych przez przedsiębiorstwo, których analizowanie jest skomplikowanym zadaniem, ale jednocześnie może przyczynić się do zdobycia nowej wiedzy pomagającej w rozwoju działalności. Przetwarzane dane mogą dotyczyć m.in.:
Big data przede wszystkim pozwala odkryć motywacje konsumentów, ich nawyki zakupowe oraz elementy oferty przekonujące do dokonania konwersji. Zdobyte informacje stają się pierwszym krokiem do wdrożenia zmian na stronie internetowej, modyfikacji sposobu świadczenia usług, a także realizacji procesów biznesowych.
META Group w 2001 r. zaprezentowała big data w ujęciu modelu 3V:
Rozwój zainteresowania pojęciem big data przyczynił się do uzupełnienia modelu o kolejne elementy:
Teoretyczna znajomość modeli big data pomaga w rozumieniu, że uzyskanie wskazówek pomagających w rozwoju działalności zależy w równej mierze od jakości danych, szybkości ich analizowania i umiejętności ich przetwarzania.
Przy dużych zbiorach danych wykorzystywane są takie narzędzia i technologie jak:
W marketingu internetowym analitycy posługują się m.in. Google Analytics, za pomocą którego zgromadzone dane o ruchu na stronie pomagają w optymalizacji współczynnika konwersji, poznania obsługiwanej grupy użytkowników, poprawy użyteczności strony i uproszczenia procesu zakupowego.
Informacje gromadzone przez przedsiębiorstwo przydają się w doskonaleniu różnych procesów biznesowych, podnoszenia jakości świadczonych usług, wprowadzania zmian w polityce cen lub zatrudnienia. Dane najczęściej interesujące marketingowców to:
Wiek, płeć, miejsce zamieszkania, budżet czy zainteresowania to cechy pomagające w zbudowaniu profilu obsługiwanego klienta. Persony, czyli modelowe sylwetki użytkowników, do których chcemy docierać, przydają się do prowadzenia spójnej komunikacji marketingowej, różnicowania oferty, uwypuklania tych właściwości produktów i usług, na których najbardziej zależy potencjalnym konsumentom.
Big data pozwala również na skorzystanie z potencjału danych dotyczących zachowania użytkowników. Śledząc uważnie ścieżkę zakupową, można zidentyfikować nie tylko sposób poruszania się po stronie, przeklikiwania się pomiędzy zakładkami, zapoznawania się z poszczególnymi elementami oferty. Analiza procesu zakupowego daje także odpowiedź na pytanie, gdzie znajdują się miejsca problemowe utrudniające dokonanie konwersji. Być może przycisk Kup teraz jest za mały, za jaskrawy lub umieszczony w niewłaściwym miejscu.
Przeciętną wartość transakcji, najpopularniejsze produkty, częstotliwość zakupów, ulubione formy dostawy i płatności również warto analizować. Topowy towar można dodatkowo promować w cross-sellingu lub up-sellingu, a niesprzedający się asortyment wycofać z oferty lub oferować w atrakcyjnych rabatach i przecenach. Na podstawie zebranych danych zakupowych warto także przygotowywać spersonalizowane newslettery. Np. jeśli klient kupuje filtry do dzbanka filtrującego, po trzech miesiącach można przypomnieć mu o konieczności ich wymiany i zakupie nowych produktów.
Niektóre firmy praktykują rozsyłanie krótkich ankiet do klientów po dokonaniu zakupu lub nawet od razu po wejściu na stronę internetową. Jeśli już decydujemy się na zbieranie danych deklaratywnych, należy je przeanalizować. Wśród odpowiedzi można znaleźć ciekawe porady i wskazówki dotyczące poprawy oferty lub strony internetowej.
Komentarze, szczególnie te negatywne, są cennym źródłem informacji. Odejmując negatywne emocje, które towarzyszyły klientowi podczas pisania opinii, znajdziemy tam informacje dotyczące popełnionych błędów i elementów procesu zakupowego nieodpowiadające oczekiwaniom użytkowników.
Poza danymi pozyskiwanymi za pomocą własnej strony internetowej, warto również korzystać z informacji zbieranych przez zewnętrzne narzędzia. Aplikacje służące do monitorowania reputacji marki w internecie agregują wzmianki o brandzie pojawiające się na portalach społecznościowych, blogach, forach internetowych. Warto je analizować i odpowiednio na nie reagować.
Analizę danych nie ograniczajmy jedynie do informacji pochodzących od klientów. Spójrzmy także na komentarze byłych i obecnych pracowników pojawiające się w sieci. Dzięki opiniom można poznać potrzeby pracowników, którymi nie chcą niestety podzielić się bezpośrednio. Anonimowość pozwala na szczerość, a ta z kolei przyczynia się do wprowadzania konstruktywnych zmian w polityce pracy i zatrudnienia.
Big data z pewnością stanowi duże wyzwanie – analiza wielu różnorodnych danych nie jest prosta, potrzebujemy odpowiedniego oprogramowania, narzędzi oraz technologii przetwarzania baz danych. Niezbędna staje się także umiejętność wyciągania wniosków i dostrzeżenia zależności pomiędzy informacjami z różnych źródeł, dotyczących często odmiennych tematów lub obszarów. Kiedyś na rozbudowane analizy danych decydowały się jednie duże firmy, posiadające spory budżet na promocję i marketing. Dzisiaj coraz częściej mniejsze przedsiębiorstwa inwestują chociażby w badanie popularności ruchu na stronie, bo wyciąganie wniosków na podstawie danych od użytkowników i klientów zawsze przynosi dodatkową wartość dla firmy.
