Kali ini penulis untuk mencoba sharing tentang sebagaimana judul artikel tersebut diatas, yang dikutip dari salah satu buku dari: Matt ArikerJason
Yang judul aslinya "How Can Marketter Personalize at Scale?."
Seorang pemasar merasa bagai robot yang bekerja sesuai target, waktu dan deadline.
Mendaftar:Di sini
Pada dasarnya Pemasaran telah memasuki saat di "lembah luar biasa." Istilah yang pertama kali digunakan untuk menggambarkan kegelisahan mendalam bagi orang yang merasa ketika faksimili robot manusia atau komputer yang dihasilkan hampir berhasil melewati sendiri sebagai real deal. Ini mungkin berjalan seperti seorang manusia dan berbicara seperti orang, tapi tanpa nuansa, konteks, dan nada yang membuat keterlibatan nyata, apa yang tersisa hanya chip palsu. Dan itu tanpa diangkat.
Beberapa upaya pemasaran memberikan off getaran yang sama, seperti perasaan menyeramkan ketika pencarian online kasual menyebabkan kekenyangan akan iklan untuk sepasang sepatu yang sama atau tujuan liburan. Sementara jenis keterlibatan merupakan langkah maju dalam personalisasi pengalaman dengan pelanggan, upaya canggung di re-targeting sering merasa mengganggu dan menjengkelkan.
Ada baiknya mencoba untuk mendapatkan hak. Kita tahu bahwa personalisasi dapat memberikan 5-8 kali ROI yang dihabiskan pada pemasaran, dan dapat mengangkat penjualan sebesar 10% atau lebih. Meskipun industri pemasaran telah menjanjikan personalisasi pada skala selama 20 tahun terakhir, dengan mengharapkan mesin untuk menghasilkan pengalaman pribadi yang sempurna adalah tugas orang bodoh. Sebaliknya, kami telah menemukan cara terbaik untuk mencapai personalisasi bermakna yaitu dengan sistematis menguji ide kepada pelanggan nyata, kemudian dengan cepat iterasi. Sampai saat ini, bagaimanapun alat dan kemampuan untuk menjalankan operasi-memberikan penawaran pribadi yang benar-benar relevan dan konten untuk jutaan pelanggan dan prospek, seluruh saluran, format konten dan touchpoints ini belum ada.
Proses itu akhirnya berubah. Teknologi pemasaran otomatisasi, dan teknik analisis canggih sekarang telah mencapai tingkat di mana personalisasi efektif skala adalah hal yang mungkin. Namun untuk mendapatkan cara ini kita harus "test dan belajar" mesin untuk menjalankan dengan benar memerlukan re-architecting fundamental analisis pemasaran proses perusahaan. Tujuannya adalah untuk menciptakan sebuah ekosistem pembelajaran, salah satu yang menghubungkan wawasan untuk hasil sebagai bagian dari siklus diri yang lebih baik membaik secara kontinyu.
Liat: Mendaftar Gratis
1. Mengintegrasikan Tiga D's
Ini membutuhkan integrasi dari tiga hal: penemuan data, pengambilan keputusan otomatis, dan distribusi konten.
Penemuan data tentang sumber dengan menggabungkan data tradisional dan perilaku untuk mengungkap wawasan yang berarti tentang pelanggan (seperti preferensi, minat, dan kebutuhan.). Bukan berarti ini mudah dilakukan. Mengingat kompleksitas membujuk makna dari berbagai data, perusahaan cenderung untuk membatasi data yang mereka gunakan, umumnya berfokus pada data yang paling mudah untuk didapat. Selain itu, sistem CRM tradisional, dibangun di atas lebih kaku, database relasional, sering tidak memiliki fleksibilitas atau skalabilitas untuk mengelola tumpukan besar data yang terstruktur dan tidak terstruktur. Apa yang diperlukan perusahaan adalah sistem yang dapat menjalankan analisis canggih untuk menemukan wawasan yang berguna dan praktis, dan kemudian memicu pengiriman pesan yang tepat, misalnya, jika pelanggan "A" melakukan aksi "B," mengirim barang "C."
Sebuah jawaban yang muncul untuk masalah ini adalah platform data pelanggan (CDP), yang merupakan versi modern dari data gudang pelanggan meskipun salah satu yang jauh lebih fleksibel dan saling berhubungan. CDP mengintegrasikan data pihak pertama, termasuk data pelanggan yang dipasok dan membeli sejarah, situs atau perilaku aplikasi, dan respon pemasaran dan informasi keterlibatan, dengan data pihak ketiga pada kepentingan pelanggan dan perilaku belanja, untuk meningkatkan penargetan individu.
Otak yang mendorong pengambilan keputusan otomatis adalah analisis model canggih yang menghasilkan skor kecenderungan untuk setiap pelanggan atau calon pelanggan. Skor ini menentukan probabilitas individu menanggapi tawaran tertentu, atau terlibat dengan konten tertentu. Sedangkan model data standar hanya dapat memompa keluar pesan atau penawaran, proses pengambilan keputusan otomatis modern memungkinkan komunikasi dua arah-mengumpulkan dan melacak reaksi pelanggan dan menggunakan informasi tersebut untuk memandu pesan masa depan dan penawaran. Lebih kompleks aturan pengambilan keputusan, pengecualian, atau varians dapat diterima dan diprogram untuk meningkat ke manajer (meskipun pengecualian ini harus kurang dari lima persen dari semua keputusan).
Mil terakhir dari personalisasi adalah distribusi konten. Sebuah sistem yang baik akan menggunakan nilai pelanggan dan prospek untuk memicu iklan pribadi dan halaman arahan, dan untuk mendistribusikan konten yang spesifik, penawaran, atau pengalaman di saluran. Misalnya, telco bisa mempersonalisasi bundel yang ditawarkan kepada pengunjung dengan situs anonim berdasarkan jenis mobil yang sering mereka kendarai, kota mereka, dan toko-toko mereka. Demikian pula, sebuah maskapai penerbangan dapat menetapkan aturan untuk membantu mengotomatisasi keputusan pada penawaran biaya terendah untuk tiket dan memprediksi jenis pelanggan akan menanggapi tawaran tersebut melalui email, iklan display, atau dalam aplikasi mobile.
Selama tiga "Ds" ini untuk beroperasi dengan sukses, perusahaan perlu untuk mengintegrasikan sistem teknologi mereka, seringkali melalui API, untuk memungkinkan data mengalir di mana itu diperlukan dan keputusan terjadi secara real-time. Melakukan hal itu memungkinkan banyak siklus untuk belajar dan beradaptasi secara real time, secara otomatis. Serangkaian virtual "pipa" Data respon umpan dari interaksi pelanggan ke CDP untuk mengembangkan model statistik dan berdasarkan event-baik (misalnya, tingkat respons berdasarkan suatu peristiwa dan konteks). Analisis pemasaran prediktif kemudian membuat rekomendasi yang tindakan mendorong tingkat konversi tertinggi.
Perusahaan yang berhasil dalam mengintegrasikan dan mengotomatisasi pelanggan dan pemasaran platform data mereka dapat menguji, lagu, memperbaiki dan mengoptimalkan diri dalam-real-time memastikan bahwa penawaran yang tepat kepada pelanggan yang tepat atau yang terbaik lead mendapatkan diteruskan ke penjual terbaik. Hal ini memungkinkan merek untuk membentuk perjalanan keputusan pelanggan mereka, memperdalam hubungan mereka, dan mendapatkan keuntungan kompetitif yang berbeda.
2. Memberikan Dukungan Fungsional yang Tepat
Tentu saja, itu tidak cukup untuk mengumpulkan wawasan, bahkan pada skala besar. Organisasi harus mampu bertindak cerdas pada wawasan mereka. Mengatasi masalah yang memerlukan perubahan sebagaimana hal tersebut dilakukan, terutama di empat bidang berikut:
- Sebuah strategi yang terkoordinasi.
Pemasar perlu menentukan di mana mereka akan bermain dan bagaimana mereka akan menerapkan teknologi untuk melibatkan konsumen. Itu berarti mendefinisikan kasus penggunaan tertentu, datang dengan skema, taksonomi, dan kemudian mendalangi sumber daya yang tepat internal dan eksternal (misalnya, lembaga dan mitra teknologi) untuk mengelola proses. Dalam banyak organisasi, tanggung jawab ini punya kelonggaran melalui kegiatan yang berbeda, tetapi mereka harus dikoordinasikan dan dikelola sebagai fungsi kohesif untuk menempatkan wawasan ke dalam tindakan di skala.
Perusahaan yang berhasil dalam mengintegrasikan dan mengotomatisasi pelanggan dan pemasaran platform data mereka dapat menguji, lagu, memperbaiki dan mengoptimalkan diri dalam-real-time memastikan bahwa penawaran yang tepat pergi ke pelanggan yang tepat atau yang terbaik lead mendapatkan diteruskan ke penjual terbaik. Hal ini memungkinkan merek untuk membentuk perjalanan keputusan pelanggan mereka, memperdalam hubungan mereka, dan mendapatkan keuntungan kompetitif yang berbeda.
- Tim manajemen kampanye yang berpengalaman. Sementara otomatisasi menyiratkan bahwa Anda dapat duduk kembali dan membiarkan sistem berjalan sendiri, tidak ada autopilot. Dibutuhkan mengalami pemasar untuk mengatur, menyebarkan, dan mengelola selalu-kampanye on. Organisasi dapat menjalankan sistem internal dengan tim yang berdedikasi atau minta agensi mereka untuk mendukung mereka-mereka yang masih bersedia menunjuk seseorang yang berpengalaman untuk bekerja sama dengan badan-badan.
- Sebuah komitmen berkelanjutan untuk analisis. Data dan analisis merupakan tulang punggung personalisasi pada skala, tetapi proyek yang hanya-mengandalkan IT tidak akan bekerja. Komitmen kepemimpinan senior dan keterlibatan lintas fungsional yang diperlukan untuk mendukung infrastruktur dan terus memperbarui data dan model analisis canggih yang berbahan bakar mesin pengambilan keputusan. Pemimpin harus terus menguji kasus penggunaan bisnis dan menyesuaikan data dan teknologi infrastruktur, mengelola elemen-elemen yang terintegrasi dengan cara yang akan menjadi "entitas hidup," salah satu yang dinamis, cairan dan terus berkembang. Karena ekosistem teknologi pemasaran berkembang dengan cepat, sistem harus fleksibel sehingga teknologi dapat bertukar keluar bila diperlukan.
-Banyak konten yang sangat baik.
Konten bahan bakar personalisasi - dan perlu seseorang untuk mengembangkan dan mengatur tugas itu. Anda tidak ingin "robot" Anda untuk membimbing orang kepada konten basi, tidak relevan, atau berkualitas rendah. Ini menempatkan tanggung jawab yang signifikan pada pengembangan konten "rantai pasokan" yang kuat dikerjakan oleh desainer, copywriter, animator, dan videographers. Semua atribut konten dapat dan harus diuji secara teratur-untuk memperbaiki tampilan dan nuansa dan nada, panggilan untuk bertindak, dan proposisi nilai.
Untuk mendapatkan ke sisi lain dari "lembah luar biasa" dengan membutuhkan komitmen dan disiplin. Tapi mungkin pilihan terbaik bagi perusahaan yang ingin personalisasi pada skala dan mempercepat pertumbuhan bisnis mereka adalah dunia digital.
Yang judul aslinya "How Can Marketter Personalize at Scale?."
Seorang pemasar merasa bagai robot yang bekerja sesuai target, waktu dan deadline.
Pada dasarnya Pemasaran telah memasuki saat di "lembah luar biasa." Istilah yang pertama kali digunakan untuk menggambarkan kegelisahan mendalam bagi orang yang merasa ketika faksimili robot manusia atau komputer yang dihasilkan hampir berhasil melewati sendiri sebagai real deal. Ini mungkin berjalan seperti seorang manusia dan berbicara seperti orang, tapi tanpa nuansa, konteks, dan nada yang membuat keterlibatan nyata, apa yang tersisa hanya chip palsu. Dan itu tanpa diangkat.
Beberapa upaya pemasaran memberikan off getaran yang sama, seperti perasaan menyeramkan ketika pencarian online kasual menyebabkan kekenyangan akan iklan untuk sepasang sepatu yang sama atau tujuan liburan. Sementara jenis keterlibatan merupakan langkah maju dalam personalisasi pengalaman dengan pelanggan, upaya canggung di re-targeting sering merasa mengganggu dan menjengkelkan.
Ada baiknya mencoba untuk mendapatkan hak. Kita tahu bahwa personalisasi dapat memberikan 5-8 kali ROI yang dihabiskan pada pemasaran, dan dapat mengangkat penjualan sebesar 10% atau lebih. Meskipun industri pemasaran telah menjanjikan personalisasi pada skala selama 20 tahun terakhir, dengan mengharapkan mesin untuk menghasilkan pengalaman pribadi yang sempurna adalah tugas orang bodoh. Sebaliknya, kami telah menemukan cara terbaik untuk mencapai personalisasi bermakna yaitu dengan sistematis menguji ide kepada pelanggan nyata, kemudian dengan cepat iterasi. Sampai saat ini, bagaimanapun alat dan kemampuan untuk menjalankan operasi-memberikan penawaran pribadi yang benar-benar relevan dan konten untuk jutaan pelanggan dan prospek, seluruh saluran, format konten dan touchpoints ini belum ada.
Proses itu akhirnya berubah. Teknologi pemasaran otomatisasi, dan teknik analisis canggih sekarang telah mencapai tingkat di mana personalisasi efektif skala adalah hal yang mungkin. Namun untuk mendapatkan cara ini kita harus "test dan belajar" mesin untuk menjalankan dengan benar memerlukan re-architecting fundamental analisis pemasaran proses perusahaan. Tujuannya adalah untuk menciptakan sebuah ekosistem pembelajaran, salah satu yang menghubungkan wawasan untuk hasil sebagai bagian dari siklus diri yang lebih baik membaik secara kontinyu.
Liat: Mendaftar Gratis
Ini membutuhkan integrasi dari tiga hal: penemuan data, pengambilan keputusan otomatis, dan distribusi konten.
Penemuan data tentang sumber dengan menggabungkan data tradisional dan perilaku untuk mengungkap wawasan yang berarti tentang pelanggan (seperti preferensi, minat, dan kebutuhan.). Bukan berarti ini mudah dilakukan. Mengingat kompleksitas membujuk makna dari berbagai data, perusahaan cenderung untuk membatasi data yang mereka gunakan, umumnya berfokus pada data yang paling mudah untuk didapat. Selain itu, sistem CRM tradisional, dibangun di atas lebih kaku, database relasional, sering tidak memiliki fleksibilitas atau skalabilitas untuk mengelola tumpukan besar data yang terstruktur dan tidak terstruktur. Apa yang diperlukan perusahaan adalah sistem yang dapat menjalankan analisis canggih untuk menemukan wawasan yang berguna dan praktis, dan kemudian memicu pengiriman pesan yang tepat, misalnya, jika pelanggan "A" melakukan aksi "B," mengirim barang "C."
Sebuah jawaban yang muncul untuk masalah ini adalah platform data pelanggan (CDP), yang merupakan versi modern dari data gudang pelanggan meskipun salah satu yang jauh lebih fleksibel dan saling berhubungan. CDP mengintegrasikan data pihak pertama, termasuk data pelanggan yang dipasok dan membeli sejarah, situs atau perilaku aplikasi, dan respon pemasaran dan informasi keterlibatan, dengan data pihak ketiga pada kepentingan pelanggan dan perilaku belanja, untuk meningkatkan penargetan individu.
Otak yang mendorong pengambilan keputusan otomatis adalah analisis model canggih yang menghasilkan skor kecenderungan untuk setiap pelanggan atau calon pelanggan. Skor ini menentukan probabilitas individu menanggapi tawaran tertentu, atau terlibat dengan konten tertentu. Sedangkan model data standar hanya dapat memompa keluar pesan atau penawaran, proses pengambilan keputusan otomatis modern memungkinkan komunikasi dua arah-mengumpulkan dan melacak reaksi pelanggan dan menggunakan informasi tersebut untuk memandu pesan masa depan dan penawaran. Lebih kompleks aturan pengambilan keputusan, pengecualian, atau varians dapat diterima dan diprogram untuk meningkat ke manajer (meskipun pengecualian ini harus kurang dari lima persen dari semua keputusan).
Mil terakhir dari personalisasi adalah distribusi konten. Sebuah sistem yang baik akan menggunakan nilai pelanggan dan prospek untuk memicu iklan pribadi dan halaman arahan, dan untuk mendistribusikan konten yang spesifik, penawaran, atau pengalaman di saluran. Misalnya, telco bisa mempersonalisasi bundel yang ditawarkan kepada pengunjung dengan situs anonim berdasarkan jenis mobil yang sering mereka kendarai, kota mereka, dan toko-toko mereka. Demikian pula, sebuah maskapai penerbangan dapat menetapkan aturan untuk membantu mengotomatisasi keputusan pada penawaran biaya terendah untuk tiket dan memprediksi jenis pelanggan akan menanggapi tawaran tersebut melalui email, iklan display, atau dalam aplikasi mobile.
Selama tiga "Ds" ini untuk beroperasi dengan sukses, perusahaan perlu untuk mengintegrasikan sistem teknologi mereka, seringkali melalui API, untuk memungkinkan data mengalir di mana itu diperlukan dan keputusan terjadi secara real-time. Melakukan hal itu memungkinkan banyak siklus untuk belajar dan beradaptasi secara real time, secara otomatis. Serangkaian virtual "pipa" Data respon umpan dari interaksi pelanggan ke CDP untuk mengembangkan model statistik dan berdasarkan event-baik (misalnya, tingkat respons berdasarkan suatu peristiwa dan konteks). Analisis pemasaran prediktif kemudian membuat rekomendasi yang tindakan mendorong tingkat konversi tertinggi.
Perusahaan yang berhasil dalam mengintegrasikan dan mengotomatisasi pelanggan dan pemasaran platform data mereka dapat menguji, lagu, memperbaiki dan mengoptimalkan diri dalam-real-time memastikan bahwa penawaran yang tepat kepada pelanggan yang tepat atau yang terbaik lead mendapatkan diteruskan ke penjual terbaik. Hal ini memungkinkan merek untuk membentuk perjalanan keputusan pelanggan mereka, memperdalam hubungan mereka, dan mendapatkan keuntungan kompetitif yang berbeda.
2. Memberikan Dukungan Fungsional yang Tepat
Tentu saja, itu tidak cukup untuk mengumpulkan wawasan, bahkan pada skala besar. Organisasi harus mampu bertindak cerdas pada wawasan mereka. Mengatasi masalah yang memerlukan perubahan sebagaimana hal tersebut dilakukan, terutama di empat bidang berikut:
- Sebuah strategi yang terkoordinasi.
Pemasar perlu menentukan di mana mereka akan bermain dan bagaimana mereka akan menerapkan teknologi untuk melibatkan konsumen. Itu berarti mendefinisikan kasus penggunaan tertentu, datang dengan skema, taksonomi, dan kemudian mendalangi sumber daya yang tepat internal dan eksternal (misalnya, lembaga dan mitra teknologi) untuk mengelola proses. Dalam banyak organisasi, tanggung jawab ini punya kelonggaran melalui kegiatan yang berbeda, tetapi mereka harus dikoordinasikan dan dikelola sebagai fungsi kohesif untuk menempatkan wawasan ke dalam tindakan di skala.
Perusahaan yang berhasil dalam mengintegrasikan dan mengotomatisasi pelanggan dan pemasaran platform data mereka dapat menguji, lagu, memperbaiki dan mengoptimalkan diri dalam-real-time memastikan bahwa penawaran yang tepat pergi ke pelanggan yang tepat atau yang terbaik lead mendapatkan diteruskan ke penjual terbaik. Hal ini memungkinkan merek untuk membentuk perjalanan keputusan pelanggan mereka, memperdalam hubungan mereka, dan mendapatkan keuntungan kompetitif yang berbeda.
- Tim manajemen kampanye yang berpengalaman. Sementara otomatisasi menyiratkan bahwa Anda dapat duduk kembali dan membiarkan sistem berjalan sendiri, tidak ada autopilot. Dibutuhkan mengalami pemasar untuk mengatur, menyebarkan, dan mengelola selalu-kampanye on. Organisasi dapat menjalankan sistem internal dengan tim yang berdedikasi atau minta agensi mereka untuk mendukung mereka-mereka yang masih bersedia menunjuk seseorang yang berpengalaman untuk bekerja sama dengan badan-badan.
- Sebuah komitmen berkelanjutan untuk analisis. Data dan analisis merupakan tulang punggung personalisasi pada skala, tetapi proyek yang hanya-mengandalkan IT tidak akan bekerja. Komitmen kepemimpinan senior dan keterlibatan lintas fungsional yang diperlukan untuk mendukung infrastruktur dan terus memperbarui data dan model analisis canggih yang berbahan bakar mesin pengambilan keputusan. Pemimpin harus terus menguji kasus penggunaan bisnis dan menyesuaikan data dan teknologi infrastruktur, mengelola elemen-elemen yang terintegrasi dengan cara yang akan menjadi "entitas hidup," salah satu yang dinamis, cairan dan terus berkembang. Karena ekosistem teknologi pemasaran berkembang dengan cepat, sistem harus fleksibel sehingga teknologi dapat bertukar keluar bila diperlukan.
-Banyak konten yang sangat baik.
Konten bahan bakar personalisasi - dan perlu seseorang untuk mengembangkan dan mengatur tugas itu. Anda tidak ingin "robot" Anda untuk membimbing orang kepada konten basi, tidak relevan, atau berkualitas rendah. Ini menempatkan tanggung jawab yang signifikan pada pengembangan konten "rantai pasokan" yang kuat dikerjakan oleh desainer, copywriter, animator, dan videographers. Semua atribut konten dapat dan harus diuji secara teratur-untuk memperbaiki tampilan dan nuansa dan nada, panggilan untuk bertindak, dan proposisi nilai.
Untuk mendapatkan ke sisi lain dari "lembah luar biasa" dengan membutuhkan komitmen dan disiplin. Tapi mungkin pilihan terbaik bagi perusahaan yang ingin personalisasi pada skala dan mempercepat pertumbuhan bisnis mereka adalah dunia digital.
0 komentar:
Posting Komentar
Komentar anda kami perlukan, dan buka bersedia cantumkan email anda