Asiakasdatan kerääminen ei ole itseisarvo. Tärkeintä on tietysti se, mitä datalla pystytään tekemään liiketoiminnan eteen. Ihan ensimmäiseksi pitää ymmärtää, millaisiin tarpeisiin datan hyödyntäminen markkinoinnissa vastaa. Mitä oikeastaan halutaan saada aikaiseksi? Vasta tämän jälkeen on aika siirtyä datan keräämiseen.
Eri toimialoilla tarvitaan erilaista, joskus hyvin spesifiäkin tietoa markkinoinnin tueksi. Kolme yleisintä dataluokkaa yhdistää kuitenkin kaikenlaisia yrityksiä ja organisaatioita. Dataluokka kertoo, mihin kysymykseen data vastaa: kuka, mitä vai miksi.
Jos onnistut vastaamaan näihin kysymyksiin, löydät samalla vastauksia siihen, millaista dataa sinun on ylipäänsä syytä kerätä myynnin ja markkinoinnin tueksi. Kun tiedät, kuka asiakas on, mitä hän tekee ja miksi, saat 360-asteen näkymän omaan kohderyhmääsi.
Tartutaan nyt kysymyksiin yksi kerrallaan sekä datan hyödyntämisen että datan keräämisen näkökulmista.
LUE MYÖS ► Markkinoinnin analytiikka – näin valitset oikean työkalun ja käytät sitä tehokkaasti
Ostodata, transaktiodata, palvelun käyttöön liittyvä data… ensin tarvitset yksilöitävää tietoa siitä, kuka asiakkaasi oikein on.
Kuka-kysymykseen vastaavalla osto- ja transaktiodatalla voit yksilöidä asiakkaan ja muodostaa hienojakoisia segmenttejä. Se on perusedellytys markkinoinnin ja palvelujen personoinnille, joka puolestaan tähtää mahdollisimman hyvään asiakaskokemukseen.
Voit käyttää olemassa olevaa asiakasdataa mallintamisen pohjana ja löytää näin uusia, potentiaalisia asiakasryhmiä. He voivat olla jollain lailla samanlaisia kuin olemassa olevat asiakkaat: edustavat esimerkiksi samaa ikäryhmää, asuvat samalla asuinalueella tai tekevät samankaltaista työtä.
Mallintamiseen kannattaa yhdistää asiakkaita kuvaavien demografia- ja ostotietojen lisäksi käyttäytymisdataa (palataan siihen pian!), sillä se selittää asiakkaiden toimintaa tarkemmin: Kuinka asiakkaat reagoivat, kun olet heihin yhteydessä? Menestyykö tarjous A paremmin kuin tarjous B? Millaisia sisältöjä asiakkaat kuluttavat ja kuinka kauan he viihtyvät niiden parissa?
Yksityiskohtaisin data löytyy yleensä yrityksen omasta asiakkuudenhallintajärjestelmästä eli CRM:stä. Se kertoo hyvin tarkasti, mitä kukin asiakas on ostanut, mitä hän on harkinnut ostavansa ja millaisista asioista hän on reklamoinut.
LUE MYÖS ► Datalähtöinen markkinointi edellyttää kulttuurinmuutosta
“Mitä”-kysymykseen saat vastauksen käyttäytymisdatasta: se kertoo mitä asiakaspolun varrella todellisuudessa tapahtuu. Toisin kuin osto- ja transaktiodata, joka löytyy usein valmiiksi yhdestä paikasta, on iso osa käyttäytymiseen liittyvästä datasta tyypillisesti vaikeampaa tunnistaa ja yksilöidä. Pystyt siis näkemään, mistä asiakkaasi ovat kiinnostuneita, mutta et tarkkaan tiedä, kuka on kyseessä.
Käyttäytymisdatan avulla opit, millaisia palveluita asiakkaasi kuluttavat mihinkin aikaan, kuinka paljon ja millä välineillä. Voit parantaa markkinoinnin tehokkuutta, pohjata päätöksesi dataohjattuun tietoon ja faktoihin eikä tekeminen perustu liikaa henkilökohtaisiin mielipiteisiin.
Data auttaa reagoimaan markkinassa ja muussa ympäristössä tapahtuviin muutoksiin vikkelästi. Yritysympäristössä katsotaan harmillisen usein raporttien kautta taaksepäin ja tuotetaan jokin näkemys esimerkiksi viime kuukauden tietojen perusteella. Jos kuitenkin haluat ohjata resurssien käyttöä oikein juuri tällä hetkellä, niin se on tehtävä reaaliaikaiseen tietoon perustuen ja nyt – ei huomenna, eikä etenkään ensi viikolla.
Esimerkiksi teollisuuden puolella tätä dataa saadaan IoT-ratkaisuja seuraamalla. Jossain muussa kontekstissa taas tiettyjen sisältöjen kuluttaminen voi kertoa omaa tarinaansa asiakkaan tarpeista.
LUE MYÖS ► Miten käsitellä negatiiviset sosiaalisen median kommentit – 8 vinkkiä
Kolmanteen eli “miksi”-kysymykseen vastataan tausta- ja kontekstuaalisella tiedolla. Asiakkaan käyttäytymistä selitetään muun muassa demografisilla seikoilla sekä asiakkaan arvoihin ja elämäntilanteen muutoksiin liittyvillä asioilla.
Kontekstuaaliset signaalit antavat usein viitteitä tulevasta käyttäytymisestä, ja niitä kutsutaankin ostoaiedataksi. Esimerkiksi kun perhe kasvaa, moni harkitsee auton tai asunnon vaihtamista. Tai kun ihminen ostaa tontin, aloittaa rakentamisen tai asuu omakotitaloalueella, voi hän olla potentiaalisempi ilmalämpöpumpun ostaja kuin kerrostalossa asuva.
Verkossa hyviä signaaleja asiakkaan ostoaikeista- ja potentiaalista ovat maksu- ja rekisteröitymismuurit. Asiakkaan törmääminen sellaiseen on kuin viesti markkinoinnille ja myynnille: nyt on oikea hetki lähestyä asiakasta sopivalla tarjouksella.
Kontekstuaalinen data auttaa tekemään markkinointia oikealla tavalla, oikeaan aikaan. Se saa yrityksen erottumaan kilpailijoistaan markkinoilla ja kohentaa konversiolukemia.
Tätä dataa saadaan yleensä omista järjestelmistä, mutta sitä on hyvä rikastaa ulkopuolisilla lähteillä. Omien datalähteiden ja rikastetun datan lisäksi on vielä kolmaskin tapa vastata miksi-kysymykseen: tilastollisen mallintaminen, päättely ja tekoäly, joista voidaan johtaa luokituksia ja segmentointeja.
Ihannetilanteessa voit tuoda kaiken edellä mainitun, kolmeen pääluokkaan kuuluvan datan yhteen. Tällöin saat asiakkuuksista kokonaisvaltaisen näkymän, ja datan hyödyntäminen markkinoinnissa nousee uudelle tasolle.
On monia mahdollisuuksia käyttää yksilötasolle asti tunnistettua sekä tunnistamatonta dataa yhdessä. Useimmiten ei ole edes realistista tähdätä siihen, että jokainen asiakas saisi keskenään erilaisia markkinointiviestejä. Hyvän asiakaskokemuksen kannalta tärkeintä on, että markkinointi pystyy rakentamaan kohdeyleisöstään riittävän tarkkoja segmenttejä. Silloin kiinnostavat viestit kulkevat vastaanottajille oikeaan aikaan, oikeaa kanavaa pitkin.
Jos data ja asiakasymmärrys kiinnostelevat enemmänkin, kannattaa katsoa aihetta käsittelevä #ÄLYTUUBI-webinaari.
Katso webinaari tuosta alta 👇🏼👇🏼👇🏼
Löydät muut #ÄLYTUUBI-jaksot täältä.
LUE MYÖS:
► Parhaat markkinoinnin ja myynnin opiskeluvinkit 📚🎧🎥
► Markkinointipäättäjä, mitä teet, kun kolmannen osapuolen evästeiden tuki päättyy?
► Muotoiluajattelu: 4 kysymystä, joiden avulla luot innovaatioita