کلان ‌داده (Big Data) چیست و چرا در بازاریابی اهمیت دارد؟

بازاریابی مدرن وابستگی بسیار زیادی به اطلاعات دارد. در این میان اهمیت کلان داده‌ها (Big Data) هر روز بیشتر از گذشته می‌شود. در ادامه در دیجی‌کالا مگ در خصوص اهمیت کلان داده‌ها در ایجاد ارزش برای خریداران و نه هدف‌گیری آن‌ها، بیشتر بخوانید.

‌‌‌

کلان داده‌ (Big Data) وعده‌های زیادی به صنعت بازاریابی داده‌ است. اصلی‌ترین وعده، پاسخ به دو سوال اساسی است. اول اینکه با کمک آن‌ها بتوان فهمید چه کسی، چه محصولی را در چه زمانی با چه قیمتی می‌خرد؟ و دوم اینکه چگونه می‌توان بین محصولی که مشتریان می‌بینند یا در موردش شنیده یا می‌خوانند، و چیزی که نهایتا می‌خرند یا مصرف می‌کنند، ارتباطی منطقی پیدا کرد؟

پاسخ به این دو سوال، بازاریابی را بسیار اثرگذارتر از روش‌هایی مثل هدفگیری و شناسایی مشتری می‌کند؛۱‍ روش‌هایی که نیمی از بودجه بازاریابی را هدر می‌دهند.

بازاریاب‌ها برای یافتن پاسخ باید آموزش ببینند تا بتوانند از کلان داده‌ها در این مسیر و برای پیش‌بینی خرید بعدی مشتریان، بهره ببرند. در این راه، بازاریاب‌ها باید تلاش کنند در تشخیص الگوی مصرف هر مشتری و شناخت علاقمندی‌ها، خواسته‌ها و عادات خرید و مصرف او، موفق و بهینه عمل کنند. نتیجه، جزییاتی دقیق و کامل از عملکرد مصرف‌کننده‌ها و امکان پیش‌بینی خریدهای بعدی آن‌ها خواهد بود.

اما بسیاری از صنایع در تلاش برای تشخیص سریع‌تر اهداف مشتری‌ها، با حقیقتی نگران‌کننده روبرو شده‌اند. تکنیک‌های مورد نظر برای پیش‌بینی خریدها و جذب مشتریان، تنها برای بازه‌های کوتاه‌مدت نتیجه‌بخش است. در این بازی، رقابت بازاریاب‌ها برای شناسایی حرکت بعدی مشتریان به توازن رسیده و تلاش‌ها بر کسب سود حاشیه‌ای متمرکز شده‌اند. نتیجه، رقابتی بی‌برنده در بازه‌ی رمانی کوتاه‌مدت است. همه در بازه‌های زمانی میان‌مدت و بلندمدت دوشادوش هم در حرکت به سوی برابری پیش رفته و هیچ‌یک از مدعیان مزیت رقابتی پایداری برای پیروزی در اختیار ندارند.

البته معنی گفته‌های بالا، توقف تلاش شرکت‌ها برای پیش‌بینی بهینه‌تر رفتار مشتریان نیست؛ اما زمانی که همه‌ی رقبا مشغول همین تلاش هستند و در شرایطی که ماندن در بازی هم پاداش‌های خودش را برای صنایع مختلف دارد، حداکثر نتیجه‌ای که از این تلاش به دست می‌آید، کسب درآمد بالاتر از حد میانگین خواهد بود. در بسیاری صنایع از جمله گردشگری، بیمه، ارتباطات، موسیقی و حتی خودروسازی، تکنیک‌های بازاریابی به حدی پیشرفت کرده که رقبا به سطحی برابر در قدرت جذب مشتری رسیده‌اند. مهم‌ترین و تنها مولفه‌ی باقیمانده برای جذب مشتری بیشتر، قدرت پیش‌بینی رفتار مصرف‌کننده‌های نهایی است.

برای دست‌یابی به این مزیت رقابتی، برنامه‌های بازاریابی، به تحلیل اطلاعات کلان داده‌ها برای پاسخ به سوالات استراتژیک درباره‌ی چگونگی جذب بیشتر مشتریان و ایجاد حس وفاداری و برقراری ارتباط پایدار با آن‌ها، نیاز دارند؛ ارتباطی که بتواند با پایداری در بلندمدت، نیازهای مشتریان را در مقابل رقبا، مرتفع کند.

بیشتر بخوانید: بانک پاسارگارد با حضور اساتید آکسفورد دوره تخصصی کلان‌داده برگزار کرد.

سوال‌های استراتژیک یادشده، به موارد مهمی همچون کشف روش‌های ایجاد حس وفاداری در مشتریان کمک شایانی می‌کنند. در شرایط فعلی، قیمت‌گذاری مناسب برای جذب بیشتر مشتری، کارساز نیست، بلکه باید راهی برای ایجاد ارزش بیشتر در محصولات و خدمات پیدا کرد که مشتریان قدر آن را بدانند. یافتن روش‌هایی برای عدم رغبت مشتریان به امتحان کردن یا انتخاب محصول و خدمات رقیب، استراتژی‌ای بسیار مهم‌تر از تبدیل مشتریان رقیب به مصرف‌کنندگان کالاها یا خدمات خود است.

پاسخ به این سوالات اساسی و یافتن راه‌حل‌های مطلوب، نیازمند استفاده‌ی متفاوت از کلان داده‌ها است. لازم است به جای یافتن راه‌حل‌هایی برای هدف‌گیری مشتریان بالقوه، به دنبال استفاده از کلان داده‌ها جهت کسب صفات ارزشمند در محصولات و خدمات بود. این صفات ارزشمند، چیزهایی هستند که مشتریان برای انتخاب گزینه‌ی ایده‌آل به آن توجه می‌کنند. سوال اساسی و متفاوت این است: کلان داده‌ها چگونه می‌توانند به ما -و نه مشتریان- کمک کنند؟

با کمک کلان داده‌ها می‌توان اطلاعاتی جدید را برای ایجاد محصولات و خدماتی کاملا تازه کشف کرد. مثال ساده در همین رابطه، استفاده از کلان داده‌ها برای کمک به تسریع روند یافتن نتیجه‌ی مورد نظر کاربران به هنگام استفاده از موتورهای جست‌وجو باشد. روشی که در حال حاضر شرکت‌هایی مانند آمازون و نت‌فلیکس برای کمک به کاربران‌شان جهت یافتن سریع‌تر گزینه‌های مورد نظرشان، از آن بهره می‌برند. در مثالی دیگر می‌توان به تجمیع منابع اطلاعاتی‌ای که شرکت‌ها از نتیجه‌های جست‌وجوی سایر مشتریان و کاربران‌شان به‌دست می‌آورند اشاره کرد. اطلاعاتی که با کمک آن‌ها می‌توان با تشخیص روند جست‌وجوی سایر مشتریان و مقایسه‌ی آن با مشتری فعلی، نتایج بهتری را در اختیار او گذاشت.

نگاهی به استارت‌آپ‌هایی که امکان استخراج اطلاعات قابل اتکاتری از کلان داده‌ها فراهم کرده‌اند، می‌تواند جذاب باشد.

شرکت Opower به کاربران اجازه می‌دهد با به اشتراک‌گذاری صورت‌حساب‌هاشان با دوستان فیسبوکی خود، رتبه‌ی خود را در قیاس با دیگران مشاهده کنند. INRIX با تجمیع میزان ترافیک مصرفی کاربران، امکان گزارش‌گیری بی‌درنگ را مهیا کرده است. شرکت شناخته‌شده‌ی Zillow با ادغام اطلاعات از منابع مختلف، آماری تلفیقی از ویژگی‌ها، قیمت و سایر صفات موثر در معاملات املاک را در اختیار خریداران، فروشندگان و معامله‌گرهای ملک قرار می‌دهد.

این شرکت‌ها، استفاده از کلان داده‌ها را سنگ‌بنای کسب‌وکارشان قرار داده‌اند و مسیر موفقیت‌شان باید الگویی برای تمامی شرکت‌ها در حوزه‌های مختلف باشد. چرا که امروزه هیچ کسب‌وکاری نمی‌تواند بدون استفاده‌ی موثر از داده‌ها، به حیات خود ادامه دهد.

هر شرکت باید سه سوال مهم زیر را برای ماندن در بازار رقابت در نظر بگیرد:

چه نوع اطلاعاتی می‌تواند هزینه و ریسک مشتریان نهایی ما را به حداقل برساند؟

شرکت‌های بزرگی مانندYelp ،Zagat ،TripAdvisor ،Uber ،eBay ، Netflix و Amazon اهمیت زیادی به جمع‌آوری اطلاعات مرتبط با رتبه‌بندی تامین‌کننده‌های کالا و خدمات می‌دهند. چرا که این اطلاعات میزان ریسک‌پذیری مشتریانشان را به حداقل می‌رساند. در حال حاضر این دست اطلاعات، فاکتور مهمی برای ارزیابی عملکرد تامین‌کننده‌ها به حساب می‌آیند. با این حال، مشتریان به طرز فزاینده‌ای به اطلاعاتی که کمک کند بتوانند رفتار کاربرانی مثل خودشان را در مقابله با محصولات و خدمات مختلف ببینند، توجه نشان می‌دهند. در اختیار گذاشتن چنین اطلاعاتی به قدرت درک عمیق رفتار مشتریان و کشف الگوی توجه‌شان به عملکرد یکدیگر نیاز دارد؛ و این چیزی است که با کمک کلان داده‌ها می‌توان به آن دست یافت.

چه نوع اطلاعاتی در دسترس هستند؟ آیا باید آن‌ها را جمع‌آوری و مورد استفاده قرار داد؟

آیا جمع‌آوری اطلاعاتی حاشیه‌ای مانند موقعیت مکانی کاربران می‌تواند ارزشمند باشد؟ این چیزی است که InVenture که یک استارتاپ جذاب در آفریقاست، به آن پرداخته است. این شرکت با تبدیل اطلاعاتی که به‌صورت اتفاقی در تلفن همراه کابران تولید می‌شود، امکان تشخیص مشتریانی را که به خدمات مالی خاصی دسترسی یا نیاز داشته یا دارند برقرار کرده است. در محیطی که هیچ تاریخچه‌ای از وضعیت اعتبار مالی بخش اعظمی از جمعیت وجود ندارد، استفاده از اطلاعات حاشیه‌ای که به‌ظاهر بی‌اهمیت به نظر می‌رسند، به دستیاری مناسب برای موسسات مالی در جهت تصمیم‌گیری برای پرداخت یا عدم پرداخت وام به مشتریان تبدیل شده است. برای مثال این شرکت تشخیص داده که احتمال بازپرداخت منظم و کامل وام افرادی که در دفترچه تماس تلفن همراه‌شان نام و نام‌خانوادگی افراد را به طور کامل ثبت کرده‌اند، بیشتر است.

تنوع و اختلاف سلیقه‌ی مشتریان، چگونه بر میزان سود حاصل از جمع‌بندی اطلاعات سایرین تاثیر می‌گذارد؟

برای مثال شرکتی که محصولات مرتبط با کشاورزی مانند بذر، کود و آفت‌کش را عرضه می‌کند، می‌تواند با جمع‌آوری اطلاعات خرید کشاورزان تشخیص دهد که هر کشاورز بر اساس نوع زمین و شرایطش، چه خرید بهینه‌ای را می‌تواند انجام دهد. جمع‌آوری اطلاعات تعداد زیادی کشاورز در کنار طبقه‌بندی مولفه‌هایی مانند نوع خاک، آب‌وهوا و شرایط زمین هر یک از آن‌ها، می‌تواند کمک کند که برای هر کشاورز، بسته‌ی بهینه‌ای از محصولات پیشنهاد شود و در نهایت نتیجه‌ی بهتری نیز برداشت شود.

کلان داده‌ها می‌توانند بسیاری از سوالات اساسی بازاریاب‌ها را پاسخ دهند. یافتن پاسخ سوالاتی که می‌تواند برای مد‌ت‌ها برای آن‌ها بی‌جواب مانده باشد با کمک گرفتن و تحلیل صحیح کلان داده‌ها امکان‌پذیر می‌شود. این، تنها راه‌حل برای صنعت بازاریابی است که با کمک مجموعه‌ای از اطلاعات، بهترین بازخورد و بالاترین سطح بازدهی را در درازمدت برای صنایع مختلف، حاصل کند.

‌‌    ‌

منبع: Harvard Business Review

‌‌     ‌     ‌‌‌