A Harvard Business Review már 2012-ben a 21. század “legszexibb” foglalkozásának tartotta a data science-t. Ez a vélekedés azóta sem változott meg gyökeresen, továbbra is népszerű terület. Sőt, az IBM tanulmánya szerint 2020-ig további 28%-kal több data scientistre lenne szükség világszerte.
Mitől szexi?
Az egyre növekvő érdeklődést támasztja alá a “data science” kifejezés elmúlt 5 évet lefedő keresési trendje a Google Trends adatai alapján.
De mivel is foglalkozik valójában egy data scientist? Mit takar ez az egyre trendibb szakma? Nem könnyű meghatározni, mivel több területet is lefedő tudományról van szó. Leegyszerűsítve azt mondhatjuk, hogy olyan tudományterület, amely a rendelkezésre álló adatokból hasznos információt nyer ki.
Bármilyen elérhető definíciónál jobban szemlélteti az alábbi ábra, hogy milyen készségekre és tudásra van szüksége egy data scientist-nek. Fontos, hogy rendelkezzen matematikai és programozói ismeretekkel, de ezenfelül a szakterületének alapos ismerete is elengedhetetlen az adatok megfelelő értelmezéséhez és interpretálásához.
Hogyan hasznosíthatjuk a marketingben?
Egy cég számára nem csak a saját maga által előállított adatok hordoznak fontos információkat, hanem az a mérhetetlen mennyiségű adat is, melyet a (potenciális) ügyfeleik állítanak elő napról-napra. Ezeket, a felhasználók által generált adatokat a cégek megfelelően felhasználva olyan információkhoz juthatnak, ami jelentős hatással lehet a cég működésére, akár meg is könnyítheti egy-egy nagyobb jelentőséggel bíró üzleti döntés meghozatalát. Segíthet a megfelelő optimalizálásban és ezáltal akár a bevétel növelésében is.
Ennek a rengeteg adatnak a megfelelő feldolgozása és értelmezése nem feltétlenül könnyű feladat. Az adatfeldolgozási folyamat elengedhetetlen feltétele az üzleti logika, háttér alapos ismerete. Ezért is van szükség a matematikai és programozói ismeretek mellett erős domain tudásra is.
Nézzünk néhány konkrét példát hogyan segíthetnek a data science nyújtotta lehetőségek a marketing tevékenységeinkben:
Marketing költségvetés optimalizálása
A marketingesek fő célja, hogy a rendelkezésükre álló költségvetést a lehető leghatékonyabban használják fel, tehát a befektetett pénz a lehető legnagyobb mértékben megtérüljön (ROI). Amennyire egyszerűnek tűnik ez első ránézésre, sokszor annyira nem evidens a megvalósíthatósága.Egy, a kiadási és bevételi adatok felhasználásával megépített költségvetési modell, lehetővé teszi, hogy számos paraméter mentén (csatorna, médium, kampány) optimalizáljuk akár a komplexebb kampányainkat is.
Megfelelő közönség megtalálása
Hétköznapi emberként sokszor találkozhatunk olyan reklámmal, mely egyáltalán nem érdekel minket, számunkra teljesen irreleváns termékeket vagy szolgáltatásokat hirdet. Ugyanezt a jelenséget marketing oldalról nézve azt látjuk, hogy ugyan elköltésre kerül az előre meghatározott költségvetés, de sokszor mégsem teljesíti kampányunk a kitűzött célt. Nem a megfelelő közönséget értük el, így nem is várhatjuk a kampányra költött összeg megfelelő mértékű megtérülését.
Még a kampány indulása előtt a rendelkezésre álló adatok elemzésével sokkal pontosabb képet kaphatunk a potenciális ügyfeleinkről. Ezáltal sokkal személyre szólóbban tudjuk őket megszólítani, kevésbé valószínű, hogy olyanokra is lövünk, akiket egyáltalán nem érdekel a termékünk vagy szolgáltatásunk.
Megfelelő elérési csatornák megtalálása
Nem csak a megfelelő célcsoport azonosításában lehet segítségünkre a data science, hanem azoknak a csatornáknak a megtalálásában is, amelyeken a leghatékonyabban tudjuk elérni őket. Idősoros adatokat elemezve feltárhatóak az egyes csatornákon történő elérések változásai, felfedezhetőek különböző trendek. Ezáltal nem csak azt láthatjuk, hogy az év különböző időszakaiban mely csatornák sikeresebbek, hanem akár a hét különböző napjainak vagy akár adott napon belül a különböző napszakokban mutatkozó sajátosságokra is ráláthatunk. Elképzelhető, hogy más-más csatorna működik jól reggel, napközben és este is. Érdemes ezeket az információkat szem előtt tartva tervezni a kommunikációnkat.
Különböző ügyfelekhez különböző marketing stratégia
Az ügyfelek szegmentálásával még inkább személyre szabhatjuk a kommunikációnkat. Nem feltétlenül kell ugyanazzal a kreatívval vagy üzenettel elérnünk egy adott kampányon belül a teljes célcsoportot. Nyugodtan vegyük figyelembe, hogy a célcsoportunk tagjai nem egyformák, így teljesen természetes, hogy más-más üzenetekkel tudjuk őket megszólítani. Érdemes energiát fektetni abba, hogy minél pontosabb képet kapjunk az egyes csoportok demográfiai és viselkedésbeli sajátosságairól. Ezáltal különböző ügyfél perszónákat tudunk kialakítani és a kommunikációnkat ezekre a profilokra alapozva hajthatjuk végre.
A szegmentációval felmérhetjük ügyfeleink lemorzsolódási potenciálját is, így ennek megakadályozása érdekében megelőző intézkedéseket is tehetünk.Nem csak a lemorzsolódás szempontjából veszélyeztetett ügyfeleket tudjuk azonosítani, hanem a kiemelten értékes ügyfelek azonosítását is segítheti. Így velük is olyan módon tudunk kommunikálni, amitől különlegesnek érzik magukat, nem egy tucat hirdetés által megszólított általános ügyfélnek.
Sentiment elemzés
A social media, illetve egyéb felületeken megjelenő írott szövegekben megjelenő érzelmek elemzésével pontos képet kaphatunk, hogy az ügyfeleink hogyan vélekednek egy-egy kampányról vagy kreatívról és milyen mértékben vannak elköteleződve a márkánk iránt. Manapság akár másodpercek alatt, közvetlenül a marketing anyagaink allatt visszajelzést kaphatunk a vásárlóinktól és a nem minket választóktól is. Kár lenne ezt a rengeteg információt feldolgozatlanul hagyni. Mind a pozitív, mind pedig a negatív véleményekből sokat tanulhatunk, és ezeket a tanulságokat felhasználhatjuk a kommunikációnk fejlesztésére. De nem csak a kommunikáció fejlesztése során érdemes figyelembe venni ezeket a visszajelzéseket, hanem egy esetleges termékfejlesztés esetén is. A fejlesztést megelőző kutatási szakasznak lehet az alapköve az így nyert információ.
Az itt felsoroltak csak néhány általános példa volt arra, hogy milyen módon hasznosíthatjuk a data science nyújtotta lehetőségeket a marketing területén. Valamint érdemes azt is szem előtt tartani, hogy cégünk működésében nem csak a marketing területén használhatóak a data science megoldásai.
Comments are closed.