Luin Markkinointi-instituutin blogikirjoituksen markkinoinnin automaatioon liittyen. Siinä Anne...
Kun palaverin osanottaja tai seminaarin puhuja alkaa puhua datasta, ollaan usein tilanteessa, jossa “vastuu siirtyy kuulijalle” – eli pahimmillaan jokainen huoneessa olija tekee omat tulkintansa mitä datalla tarkoitetaan.
Sana data voi eri yhteyksissä viitata esim. myynti- tai kilpailijadataan, sillä voidaan tarkoittaa erilaista tutkimusdataa esim. asiakkaisiin liittyen tai sillä voidaan viitata erilaiseen digitaaliseen dataan, kuten verkkopalvelun analytiikkaan tai tulevaisuudessa yhä useammin esimerkiksi erilaisten verkossa olevien laitteiden tuottamaan “Internet of Things (IoT)-dataan”.
Julkaisemme aiheesta blogisarjan, jossa pyrimme avaamaan hyvin konkreettisesti ja “perustasolla” muutamaa keskeistä datalähdettä, jotka ovat lähes kaikkien markkinoijien käytössä. Samalla esimerkitämme miten sitä voi alkaa valjastaa dataohjatun markkinoinnin polttoaineeksi.
Tässä ensimmäisessä blogissa kerromme yrityksen omasta datasta (1st party data) ja seuraavassa julkaisussa kerromme miten omaa dataa voi hyödyntää markkinoinnin toimenpiteissä ja eri kohtaamispisteissä. Kolmannessa osassa kerromme mitä tarkoittaa kolmannen osapuolen data (3rd party data).
Mitä yrityksen oma data on?
Tyypillisimmillään markkinoijan oman datan lähteet ovat asiakasdata (CRM), verkkopalvelun kävijädata sekä sosiaalisen median seuraajista koostuva data. Kaikki nämä kannattaa perata läpi ja miettiä, mitä arvoa ne voivat tuoda markkinointiin.
Parhaimmillaan erityisesti CRM-data on todella arvokasta markkinoinnin osumatarkkuuden kannalta. Monet markkinoijat rikastavat ja luokittelevat asiakasdataa monin tavoin. Voidaanko asiakkaita luokitella ostohistorian mukaan ja poimia eri kampanjoihin mukaan juuri oikeanlaiset asiakkaat? Olisiko demografisesta luokittelusta hyötyä tekemisessämme ja onko meillä tarpeeksi ajantasaista demografiatietoa käytössämme? Voimmeko rikastaa dataa jotenkin? Entä alueellinen luokittelu, mitä hyötyjä se tuo? Tai voidaanko vaikkapa asiakastyytyväisyyttä käyttää luokittelussa?
Oman verkkopalvelun osalta voidaan miettiä, onko kävijämassa meille hyödyllistä kokonaisuutena vai olisiko sivustolla selkeitä teemoja tai kokonaisuuksia, joiden perusteella voimme ymmärtää kohderyhmän tilannetta tarkemmin. Olisi myös hyvä pohtia, onko sivustolla selkeitä ostopolun kohtia ja konversiopisteitä, joiden avulla kävijämassaa voidaan luokitella. Yksinkertainen esimerkki oman datan hyödyntämisestä on vaikkapa se, että kohdennamme uudelleenkohdennusmainontaa (retargetointi) vain niille kävijöille, jotka eivät vielä edellisillä käyntikerroilla tehneet haluttua toimintoa, kuten ostoa tai yhteydenottoa.
Markkinointiluvallisen CRM-datan ja verkkopalvelun kävijädatan yhdistäminen on vahva kombinaatio, jonka avulla markkinoinnin toimenpiteet ja myynti saadaan usein yhdistettyä. Se mahdollistaa esim. palaavien kävijöiden tunnistamisen ja ns. “pisteyttämisen” myynnin ja markkinoinnin käyttöön.
Sosiaalisen median osalta ensimmäinen askel on ymmärtää, millainen seuraajajoukkomme on nyt ja miten hyvin se edustaa nykyasiakaskuntaamme tai tavoiteasiakasta. Jos tiedämme, että nykyseuraajat ovat hyvä “siemen” ja otos asiakaskunnasta, voimme hyödyntää seuraajadataa monipuolisesti sosiaalisessa mediassa.
haluatko ottaa niskalenkin omasta datastasi? Ota yhteyttä ja saat meiltä veloituksetta 3 konkreettista toimenpide-ehdotusta.