Ile to jest dużo danych (Big Data)?
To prawda, że ilość danych produkowanych przez współczesne gospodarki rośnie niemal wykładniczo, ale to za mało, żeby mówić o nowej jakości. Konieczne są jeszcze odpowiednio duże moce przerobowe, dzięki którym, zgodnie z koncepcją 3V Douga Laneya, możliwe będzie procesowanie dużych wolumenów danych (Volume), generowanych w sposób ciągły (Velocity) i pochodzących ze zróżnicowanych źródeł (Variety). Inkrementalna wartość w takiej konfiguracji wynika z tego, że w miejsce klasycznego, statycznego próbkowania pojawia się przestrzeń dla algorytmów przeczesujących całe zbiory danych w poszukiwaniu rozwiązań złożonych problemów. To właśnie w tym kontekście stosuje się rozwiązania zaliczane do sztucznej inteligencji, przede wszystkim uczenie maszynowe i uczenie głębokie.
Co z tego wynika dla marketingu?
Warto w tym miejscu zauważyć, że dzięki cyfryzacji firmy mogą nie tylko gromadzić i przetwarzać własne dane, tj. powstające przy kontakcie użytkownika z marką, ale też współpracować z dostawcami narzędzi wykorzystujących szerokie zasoby danych generowanych online. W obu scenariuszach kluczową długofalową korzyścią może być wzrost efektywności marketingu, wynikający przede wszystkim z pogłębionej i dokładniejszej wiedzy o zachowaniu klientów, bardziej precyzyjnej segmentacji, spersonalizowanej, zautomatyzowanej i lepiej dopasowanej komunikacji oraz pogłębionej analityki.
Rozwiązania służące do zarządzania danymi własnymi to m.in. nowoczesne systemy CRM czy platformy CDP (ang. Customer Data Platform). Marketerzy mogą dzięki nim rejestrować każdy kontakt z użytkownikiem, co umożliwia rozpoznanie ścieżki zakupowej, a finalnie podejmowanie lepszych decyzji w różnych obszarach ‒ kształtowaniu oferty, promocji etc. W przypadku firm będących w posiadaniu wyjątkowo dużych zbiorów danych (np. liderów e-commerce i banków) z pomocą przychodzą rozwiązania chmurowe, które nie tylko zapewniają dużą pojemność i elastyczność, ale też funkcjonalności wspierające je m.in w rozwijaniu i optymalizacji baz, pisaniu zapytań i doborze algorytmów.
Na poziomie komunikacji za dobry przykład posłużyć mogą technologie takie jak Programmatic czy Marketing Automation. Ta pierwsza umożliwia zautomatyzowaną realizację kampanii reklamowych online z wykorzystaniem danych (własnych i zewnętrznych), ich algorytmiczną optymalizację i dokładne raportowanie w czasie rzeczywistym. Marketing Automation to klasa narzędzi usprawniających takie obszary jak content marketing, wysyłki wiadomości e-mail, social media czy wybrane kampanie reklamowe. W obu przypadkach naturalnym uzupełnieniem są platformy analityczne, dzięki którym można zweryfikować rezultaty działań.
Jakie dane są dostępne dla marketerów?
Dane wykorzystywane w marketingu mogą być generowane przez rozmaite rodzaje zdarzeń. Najczęściej są to: historia wizyt w serwisach WWW, kontekst treści, dane deterministyczne z serwisów wymagających logowania (głównie wiek i płeć), historia wyszukiwań (np. w porównywarkach cenowych) lub transakcji i dane geolokalizacyjne. Do tego dochodzą dane własne reklamodawców, pochodzące z wizyt w serwisie, wysyłek newslettera, systemów CRM itp. Dzięki dużej skali i ciągłości strumienia danych możliwe jest wnioskowanie na temat charakterystyki użytkowników i odczytywanie ich zachowań i nawyków zakupowych. Dla przykładu: osoba, która spędza znacznie więcej czasu niż przeciętnie na konsumpcji treści poświęconej wędkarstwu, prawdopodobnie jest zainteresowana tą formą spędzania czasu; jeśli użytkownik kilka razy w ostatnim czasie sprawdzał ceny butów sportowych w porównywarce cenowej, istnieje spora szansa, że planuje taki zakup; a jeśli w danych geolokalizacyjnych widzimy, że w ciągu ostatnich 30 dni zaczął często odwiedzać markety budowlane, to zyskujemy silne podstawy do tego, by uznać, że planuje remont.
Przykłady można by mnożyć – wachlarz możliwości w zakresie profilowania użytkowników i taktyk komunikacyjnych jest szeroki. Które z nich się sprawdzą, a które nie, jest kwestią zależną od branży, specyfiki biznesu i strategii ‒ ta ostatnia ma zresztą szczególne znaczenie w omawianym kontekście.
Wyzwania dla menedżerów
Warto jeszcze raz podkreślić, że sam fakt generowania danych nie oznacza jeszcze żadnych korzyści. Nawet największy ich wolumen i najnowocześniejsze narzędzia nie pomogą, jeśli marketer będzie działać na ślepo, bez precyzyjnie określonych celów i procesów. Wykorzystanie danych w marketingu zaczyna się od zmiany w sposobie myślenia i zarządzania, a nie od wdrożenia technologii, co okazuje się być twardym orzechem do zgryzienia dla menedżerów.
Punkt wyjścia stanowi strategia w zakresie danych obejmująca przede wszystkim (choć nie w każdym przypadku) powiązanie danych z celami strategicznymi, procesy, data governance, dobre praktyki i wartości, dostępność oraz sposoby pomiaru i ewaluacji. To w oparciu o nią następuje, często powolna i bolesna, przebudowa kultury organizacyjnej, reorganizacja procesów oraz powstaje baza wiedzy, które finalnie prowadzą w kierunku data-driven, w tym data-driven marketingu. W badaniach cytowanych we wstępie zapytano również o najczęściej pojawiające się przeszkody, a te nie są zaskakujące – to głównie bariery związane z kulturą pracy, silosowością, brakiem wiedzy w organizacji i świadomości trajektorii (a także konieczności!) zmian. Rozpoczynając pracę nad strategią w zakresie danych, warto skorzystać z istniejących frameworków, które ułatwiają nawigację po tym terenie oraz wspierają w podejmowaniu trudnych decyzji. Za przykład niech posłużą propozycje od Harvard Business Review oraz IBM.
Opracowanie strategii w zakresie danych wydaje się więc oczywistym pierwszym krokiem, niemniej menedżerowie powinni podejść wyjątkowo skrupulatnie do kwestii komunikacji wewnętrznej. Tylko wówczas możliwe będzie skuteczne przejście na poziom operacyjny, czyli wdrażanie właściwych narzędzi, odpowiednich taktyk, wymianę wiedzy, a w konsekwencji ‒ długofalowy sukces.
Posłuchaj questus podcast
Wpadnij na nasz kanał Youtube
Newsletter
