چرا شخصی سازی مبتنی بر داده بسیار سخت است (و چگونه آن را آسان تر کنیم)

بازاریابان می‌دانند که شخصی‌سازی مبتنی بر داده فرصتی بزرگ و راهی معنادار برای برآورده ، انتظارات مشتری ارائه می‌کند.

تحقیقات این عقل سلیم را تأیید می کند. در یک مطالعه اخیر، 89٪ از تصمیم گیرندگان می گویند که معتقدند شخصی سازی “برای موفقیت کسب و کار آنها در سه سال آینده بسیار ارزشمند است.”

با این حال، بیشتر سازمان‌ها برای شخصی‌سازی محتوا تلاش می‌کنند. من دلایلی را در قسمت اخیر Live With CMI توضیح دادم. برای دیدن نکات مهم به ادامه مطلب بروید یا مصاحبه ویدیویی را تماشا کنید:

شما فاقد داده های مناسب هستید (یا به آن دسترسی ندارید)

می‌دانید که باید توصیه‌های شخصی‌سازی شده در مورد محتوا، محصولات، موارد استفاده و غیره ارائه دهید. با این حال، ممکن است بتوانید آن را در سطح بالایی از بخش‌بندی (اگر اصلاً) انجام دهید، زیرا فاقد داده‌هایی هستید که شخصی‌سازی را که برای شما مهم است، تقویت کند. مخاطب

این مانع زمانی ایجاد می شود که شما یک سیستم داده یکپارچه یا داده کافی نداشته باشید. سازمان شما به احتمال زیاد به داده ها به صورت موقت نگاه می کند:

• داده های ارتباط با مشتری با تیم فروش می نشیند.
• داده های وب سایت با تیم فنی می نشیند.
• داده های خدمات مشتری با تیم پشتیبانی مشتری می نشیند.

تمام این اطلاعات در سیلوها زندگی می کنند. بدون گردآوری آن، نمی توانید یک دیدگاه جامع از مشتری ایجاد کنید که تیم بازاریابی اهداف و نیازهای خود را با آن هماهنگ کند.

در زیرساخت یا جمع آوری داده ها حرفی برای گفتن ندارید

به عنوان بازاریاب، ما این مورد را ارائه می دهیم که چرا برند ما مرتبط است و مناسب مشتری است. به همین دلیل است که در هر دو سازمان B2B و B2C بازاریابان کسانی هستند که باید مشتریان و مشتریان بالقوه خود را بهتر بشناسند.

این بدان معناست که شما (یا فردی در تیم بازاریابی) باید در جدول داده ها بنشینید. بازاریابی باید استراتژی پشت جمع آوری داده ها، زیرساخت ها و استفاده سازمان را هدایت کند.

مشتریان انتظار دارند که برندها اطلاعات بسیار مرتبطی را به آنها ارائه دهند. بر اساس یک نظرسنجی در سال 2023 که با Researchscape برای کتابم انجام دادم، اکثر مردم (88٪) از برندها انتظار دارند که بر اساس سابقه آنها با آن مارک با آنها تعامل داشته باشند. تعداد مشابهی (85٪) از مردم انتظار دارند که برندها توصیه های شخصی شده را با آنها به اشتراک بگذارند.

این جای تعجب نیست. هرکسی که از آمازون خرید کرده یا برنامه‌های نتفلیکس را مرور کرده است، به خوبی می‌داند که یک برند می‌تواند بر اساس مصرف گذشته چیزهایی را توصیه کند. تصور کنید هر بار که وارد نتفلیکس می‌شوید، مجبور می‌شوید آن را برای تناسب با اولویت‌هایتان دوباره آموزش دهید. این یک تجربه مشتری وحشتناک خواهد بود.

سال‌ها پیش، تاد یلین (معاون نوآوری در نتفلیکس) سال‌ها پیش، در مصاحبه‌ای در TechCrunch گفت که هدف آن‌ها این بود که یک بیننده را آنقدر خوب بشناسند که بتوانند یک دکمه را به بیننده بدهند که دقیقاً نمایشی را که می‌خواهید تماشا کنید پخش کند. آن ثانیه

مشتریان از شرکت ها می خواهند که همه چیز را به همین راحتی انجام دهند. اما برای تحقق این چشم انداز، بازاریابان باید استراتژی داده را هدایت کنند. این به این دلیل است که می توانید سؤالاتی بپرسید که به تعیین نحوه جمع آوری داده ها کمک می کند.

اگر صدای قوی در مورد نحوه سرمایه گذاری سازمان در زیرساخت داده، نحوه استفاده از داده ها و نحوه بیان داستان داده ها به مشتریان خود برای ایجاد اعتماد نداشته باشید، توانایی کنترل سرنوشت خود را از دست خواهید داد.

شما این داده های مهم را نادیده می گیرید

وقتی در مورد اطلاعاتی که باید در مورد مشتریان بالقوه خود جمع آوری کنید فکر می کنید، برخی از نقاط داده که معمولاً نادیده گرفته می شوند را در نظر بگیرید. داده های رفتاری، فنی و روانشناختی به طور چشمگیری مورد استفاده قرار نمی گیرند.

با داده‌های رفتاری، من در مورد اینکه چند وقت یک‌بار کسی از شما خرید می‌کند یا چقدر هزینه می‌کند صحبت نمی‌کنم. منظورم اینه:

• کجا دارند محتوا مصرف می کنند؟
• کدام محتوا آنها را به محتوای دیگر سوق می دهد؟
• هر چند وقت یکبار آنها برای حمایت با شما تعامل دارند؟
• هر چند وقت یکبار آنها برای کسب اطلاعات بیشتر در مورد صنعت با یکدیگر تعامل می کنند؟

شما می خواهید دیدی جامع از رفتار مشتری داشته باشید، نه فقط زمانی که آنها از محصول شما استفاده می کنند.

بسیاری از شرکت‌های B2B باید داده‌های فناوری را در نظر بگیرند – پشته فناوری مربوط به فضای برند شما.

به عنوان مثال، اگر برای Zapier، ابزار اتوماسیونی که برنامه‌ها و سرویس‌های وب را به هم متصل می‌کند، کار می‌کنید، می‌خواهید بدانید مشتریان چه چیزی را به ابزار شما متصل می‌کنند. تیم تجزیه و تحلیل داده ها باید آن را پیگیری کند. برای مثال، درک پشته فناوری خریداران به شما اطلاع می دهد که کدام اتصالات اضافی را می خواهند فعال کنید.

داده های فناوری در بخش B2C نیز ارزشمند هستند. اگر برای یک شرکت بازی های ویدیویی کار می کنید، باید بدانید که مشتریان شما از کدام هدفون یا لوازم جانبی استفاده می کنند. شرکتی مانند اپل می خواهد انواع ابزارهای دیگری را که مشتریان انتظار دارند با هم استفاده کنند را درک کند. این نوع داده ها به شما امکان می دهد نیازهای مشتریان خود را پیش بینی کنید.

داده های روانشناختی شامل نگرش ها و انگیزه های مشتریان شما می شود که تعیین می کند آنها برای چه چیزی ارزش قائل هستند. به نحوه خرید آنلاین مردم فکر کنید. کسی که به یک معامله خوب اهمیت می دهد ممکن است به دنبال وب سایت هایی باشد که ارسال رایگان یا تخفیف برای اشتراک سالانه (در مقابل ماهانه) ارائه می دهند.

سایر مشتریان لزوماً به دنبال ارزش نیستند. آنها سهولت استفاده را در اولویت قرار می دهند. آن‌ها می‌خواهند داستانی در مورد سهولت ورود، پشتیبانی موجود، یا اینکه چگونه زندگی آنها را ساده می‌کنید بشنوند.

هر فردی انگیزه های متفاوتی دارد. با همکاری با تیم تجزیه و تحلیل داده های خود برای جمع آوری اطلاعات در مورد آن انگیزه ها، می توانید پیام ها را در صفحات فرود، ایمیل های خود و سایر وسایل ارتباطی تنظیم کنید. شخصی که روی ارزش تمرکز دارد یک مجموعه پیام دریافت می کند و کسی که روی سهولت استفاده متمرکز است مجموعه متفاوتی دریافت می کند. این یک رویکرد بازاریابی موثرتر است – شما زمان را برای ارائه یک پیام نامربوط تلف نمی کنید.

در نهایت، شما باید ترکیب مناسبی از داده هایی را که سازمان شما باید جمع آوری کند، شناسایی کنید. شما نباید تمام داده ها را جمع آوری کنید زیرا این امر می تواند تیم شما را تحت تأثیر قرار دهد. و درخواست داده بیش از حد باعث ناراحتی مشتریان می شود.

شما باید به مشتریان بالقوه نشان دهید که چگونه ارائه داده ها برای آنها سودمند است

در شخصی سازی، حریم خصوصی بخش بزرگی از این داستان است. جمع‌آوری داده‌ها و استفاده از آن‌ها به شیوه‌ای شفاف به‌جای بیرون کشیدن افراد ممکن است.

چندین برند از مردم در مورد ترجیحات خود به گونه ای می پرسند که اعتماد ایجاد کند. برای مثال، برخی از برندها گزینه انصراف از پیام‌رسانی روز مادر را ارائه می‌دهند، زیرا ممکن است برای برخی از مشتریان زمان حساسی از سال باشد.

سوالاتی از این دست یک نمایه ترجیحی مشتری برای بازاریاب ایجاد می کند، اما همچنین باعث ایجاد احترام و اعتماد در مشتری می شود.

برخی از شرکت ها به خوبی توضیح می دهند که چه داده هایی را جمع آوری می کنند و چگونه از آنها استفاده می کنند. لیموناد، یک شرکت بیمه، یک مثال عالی است. به وضوح فاش می کند که با داده های مشتریان چه خواهد کرد و چه نخواهد کرد. خط‌مشی حفظ حریم خصوصی داده‌های آن به گونه‌ای نوشته شده است که انسانی و قابل درک باشد. می‌خواهد مشتریان اعتماد کنند که لیموناد با داده‌های آنها کار ناخوشایندی انجام نمی‌دهد.

بر اساس مطالعه اخیر PwC، اگر از مردم بپرسید که تعادل ترجیحی حریم خصوصی و شخصی‌سازی را دارند، حدود 50 درصد از مصرف‌کنندگان می‌گویند که از استفاده از داده‌هایشان برای خدمات و تجربیات شخصی‌تر خوشحال هستند.

مردم این مبادله را تشخیص می دهند. از آنجایی که پیام‌های بیشتری نسبت به همیشه دریافت می‌کنند، بسیاری از شرکت‌هایی که به آنها توصیه‌هایی می‌کنند که در وقتشان صرفه‌جویی می‌کنند، قدردانی می‌کنند.

به عنوان مثال، به عنوان والدین یک کودک خردسال، وقتی آمازون اندازه لباس را برای خرید بر اساس آخرین باری که آن کالا را خریده‌اید، توصیه می‌کند. اگر شش ماه پیش یک سایز 12 ماهه خریدم، آمازون دفعه بعد که خرید کردم سایز 18 ماهه را توصیه می کند.

این باعث صرفه جویی در وقت من می شود زیرا کمتر احتمال دارد اندازه اشتباهی را سفارش دهم. این باعث صرفه جویی در وقت آمازون در بازگشت می شود. وقتی شخصی سازی را درست انجام دهید، هم مشتری و هم سازمان سود می برند.

مطالب مرتبط دستچین شده:

تصویر روی جلد توسط جوزف کالینوفسکی/موسسه بازاریابی محتوا