Īsumā par visu


Mārketinga pētījumi
Jauniešu vērtības
Klientu noturība
Inovāciju radīšana
Lielie dati


Personāla pētījumi
Apmierinātība ar darbu


Mediju pētījumi
Interneta patēriņš
Reklāmdevēju aktivitāte


Sociālie pētījumi
Dzīve pilsētās


Tehnoloģijas & risinājumi
Klientu serviss
ThinkTank domnīca


Arhīvs


www.tns.lv

Kā aizpildīt lielo datu melnos caurumus

 

15.06.2016. Saskarsmes punktu (touchpoints) revolūcija ir izraisījusi “lielo sprādzienu”, kā rezultāts ir straujš jaunu datu avotu izvirdums, taču starp šīm gaismas saliņām mūsu izpratnē ir izveidojušies melnie caurumi, kurus var aizpildīt tikai jauna pieeja izpētei.

 

Jauns savstarpēji saistītu saskarsmes punktu vilnis izspiež uz aptaujām balstītu izpēti, kļūstot par galveno ar zīmoliem saistīto datu avotu. No šiem saskarsmes punktiem plūstošās reālā laika informācijas straumes precīzi vēsta, kas dara, ko un kad, ļaujot uzzināt ne tikai par nelielu cilvēku grupu, bet arī par visiem, kas ar viņiem mijiedarbojas. Tomēr, saskarsmes punktu revolūcija, kuras ietekmē rodas lielie dati (Big Data), atklāj arī lielo datu “melnos caurumus” – būtiskus iztrūkumus mūsu izpratnē, kuru cēlonis ir saskarsmes punktu ierobežotās iespējas nodrošināt nepieciešamo informāciju. Šo “melno caurumu” aizpildīšana ir pētniecības jaunā misija, un šī misija ir absolūti svarīga zīmola veiksmīgai izplatīšanai tirgū. Pircēja uzvedību šajā jaunajā, topošajā visumā mēs spēsim ietekmēt tikai tad, ja to pilnībā izpratīsim.

 

“Melnie caurumi” sāk veidoties, kad mēs sākam meklēt to „kāpēc”, kas atbilstu cilvēku uzvedības „kas”, „ko” un „kad”. Saskarsmes punkti paši par sevi nevar atklāt, ko cilvēks domā vai jūt, kad veic konkrētu darbību. Tā nav iespējams uzzināt, kāda ir cilvēku mentalitāte, kādas ir viņu attiecības ar jūsu zīmolu, un vai vispār ir vērts tērēt naudu, to reklamējot viņiem. Un bez šīs informācijas par kontekstu, visi pārējie dati zaudē lielu daļu savas vērtības.

 

 

Kā veidojas lielo datu “melnie caurumi”

 

Tas ir tiešs pašas saskarsmes punktu revolūcijas rezultāts. Konkrēta darbība vairs netiek pašsaprotami uztverta kā daļa no lineāra ceļa uz pirkumu. Viena rīcība, kā, piemēram „Nike” interneta vietnes apmeklēšana, automātiski nenoved pie nākamās rīcības, piemēram, „Nike” izstrādājuma iegādes. Apmācību algoritmi, kas pieņem, ka tā notiek, vienkārši notrulina jūsu pielāgošanas spējas, izjauc jūsu stratēģiju un noved pie nelietderīgiem budžeta tēriņiem.

 

Lai izprastu, cik patiesībā nozīmīga ir mijiedarbība ar saskarsmes punktu, mums ir jāizprot, kam šī persona dod priekšroku, kas šo personu rosina veikt pirkumu, kā arī, kādi konteksti ietekmē lēmumus, ko pieņem šī persona. Piemēram, mūsu „Nike” interneta vietnes apmeklētāja mērķis var būt iegādāties „Nike” kurpes skriešanai, taču viņš tikpat labi var pētīt tehnoloģijas, kā samazināt sāpes lielakaulos, vispār nepievēršot uzmanību zīmolam „Nike” un izstrādājumiem. Šāds cilvēks var būt jau esošs „Nike” klients, kas meklē informāciju par pirms gada nopirktā izstrādājuma problēmas avotu, žurnālists, kas veic pētījumu par uzņēmumu, vai arī aktīvists, kas pēta uzņēmuma izstrādājumu izcelsmes avotu. Paši par sevi no šī viena saskarsmes punkta iegūti dati neļauj segmentēt šos cilvēkus ar dažādo attieksmi pret „Nike” zīmolu. Pārāk bieži nav iespējams noskaidrot pat to, vai apmeklētājs ir dzīvs cilvēks vai robotprogramma.

 

Kādas problēmas rada šie melnie caurumi

 

Šādas izpratnes par kontekstu trūkums mārketinga veidotājiem rada divu veidu problēmas:

 

Tas grauj saskarsmes punktu izmantojamību. Mārketinga pielāgošana, izmantojot tikai uzvedību, noved pie liela nebūtiskas reklāmas apjoma, kas ir adresēts nepareiziem cilvēkiem, pie liekiem tēriņiem un neapmierinātiem pircējiem.

 

Tas apgrūtina optimizāciju, izmantojot saskarsmes punktu datus. Ja ir jāpieņem stratēģiski lēmumi, kā tērēt mārketinga budžetu, nepieciešama metode, lai novērtētu, kāda ir uzņēmuma auditorijas visu saskarsmes punktu relatīvā ietekme. Kurā virzienā novirzīt lielāko daļu budžeta?

 

Vienota priekšstata par pircējiem atjaunošana

 

Saskarsmes punktu revolūcijas nodrošinātās jaunās datu plūsmas mums ir sniegušas daudz, taču tās ir arī atņēmušas. Runa ir par tikai viena avota priekšstatu par pircēju, kas neļauj viņu darbību saistīt ar viņu jūtām un motivācijām. Lai arī kādi bija tradicionālie aptauju trūkumi, tās nodrošināja iespēju izpētīt darbību kontekstus tieši tad, kad tika noteikts, kādas darbības bija veiktas. Tas mums ļāva auditoriju segmentēt ne tikai atbilstoši tam, ko šie cilvēki darīja, bet arī atbilstoši viņu mentalitātei un uzņēmībai pret zīmoliem. Lai gūtu labumu no šo saskares punktu radītās datu plūsmas, mums ir jāizmaina šī izpratnes forma un mērogs. Tikai paveicot to, mēs varēsim aizpildīt radušos caurumus lielajos datos.

 

Kā iegūt vairāk no pielāgošanas uzvedībai

 

Tā vietā, lai zaudētu savu lomu, spēja segmentēt auditoriju lielo datu laikmetā kļūst vērtīgāka nekā jebkad agrāk. Iepriekš, izmantojot aptaujas, izveidotie segmenti tika būtībā iesprostoti pētījumu ziņojumos un PowerPoint prezentācijās. To vērtība bija atkarīga no mediju plānotāju spējas segmentus savietot ar auditorijām, kas patiešām bija ietekmējamas. Tad nevarēja iztikt bez vērtējumiem, vai attiecīgie segmenti bija saistīti ar cilvēkiem, kas skatījās konkrētus TV šovus vai lasīja konkrētus žurnālus. Tagad datu pārvaldības platformas (data management platforms - DMP), apvienojot dažādus datu avotus, sniedz iespēju izveidot pilnvērtīgākas auditorijas. Ar pētniecības palīdzību iegūtos segmentus, integrējot tos ar saskarsmes punktu datiem, mēs varam identificēt uzvedības marķierus, kas norāda uz dažādām motivācijām un mentalitātēm, konkrētas uzvedības modeļus saistot ar to, ko patērētāji domā un jūt.

 

Tam, ka auditorijas segmenti var būt daudz labāk izmantojami, ir jāiedrošina mārketinga eksperti pievērsties pielāgošanai, kas būtu balstīta ne tikai uz uzvedību. Tā vietā viņiem ir jāsāk pētīt jaunus veidus savu auditoriju izprašanai, kas, apvienojot ar saskarsmes punktu datiem, atklātu jaunas izaugsmes iespējas. Šim nolūkam varētu identificēt tos, kas ir lietojuši zīmolu pagātnē, bet ir gatavi tērēt vairāk. Tāpat varētu identificēt tos, kuru nepiepildītās vajadzības vislabāk atbilst jaunā izstrādājuma laišanai apgrozībā, un tos, kas iegādājas zīmolu, piemēram, Starbucks kafiju katru rītu, taču nav pārliecināmi to iegādāties arī pusdienās. Identificējot šo konkrēto cilvēku uzvedību un to, kā, izmantojot dažādus saskarsmes punktus, ir iespējams viņiem pielāgoties, mēs sāksim aizpildīt vissvarīgākos lielo datu melnos caurumus.

 

Kā identificēt patiešām svarīgos saskarsmes punktus

 

Kas ir otra lielā plaisa mūsu izpratnē? Spēja saprast, kuri saskarsmes punkti patiešām ietekmē izvēles, ko persona veic. Lai sāktu atbildēt uz šo jautājumu, mums vispirms ir jāiegūst pilnīgāks priekšstats par visiem saskarsmes punktiem, kas ir iesaistīti personas pieredzē ar zīmolu.

 

Visu sarežģītāku padara tas, ka mūsu viedoklis par patērētāju digitālajiem ceļojumiem, kura pamatā ir dati, ir daudz nepilnīgāks, nekā mums tas patiktu. Sīkfaili apkopo informāciju par pārlūkošanas vēsturi un nodrošina priekšstatu par saskarsmes punktu virkni, kas noveda pie pirkuma, taču regulējumi, ierīču nesaderība un problēmas sīkfailu sasaistīšanā ar indivīdiem (nevis IP adresēm) saglabā šai stāstā būtiskus iztrūkumus. Un vēl eksistē milzīgs daudzums neredzamu saskarsmes punktu – to, kas veidojas bezsaistē, un to, kas veidojas norobežotā telpā (tādā, kā „Facebook”), kas neizplata savus individuālā līmeņa datus citiem.

 

Arī šajā gadījumā risinājums ir saistīts ar tradicionālo pētniecības metožu atjaunināšanu, lai tās efektīvāk papildinātu ar lielo datu plūsmu. Svarīga loma būs plašākiem un reprezentatīvākiem aptauju paneļiem. Ja šo paneļu komponenti būs saistīti ar lietotāja ID, kas reģistrēs saskarsmi ar zīmoliem caur saskarsmes punktiem, mēs varēsim izpētīt, kā šīs pieredzes ietekmē zīmola galvenos parametrus. To var paveikt, izmantojot aptaujas, kā arī novērojot ietekmi uz izmērāmu uzvedību, kā, piemēram, pārdošanu un vietņu apmeklējumiem. Mēs spējam modelēt visticamāko dažādu saskarsmes punktu kombināciju ietekmi uz dažādiem auditoriju segmentiem.

 

Pētniecības paneļa izmantošanai ir vēl viena priekšrocība: tā atvieglo dažādu datu formu integrēšanu, ieskaitot datus no interneta norobežotajām telpām. Attīstot jaunas novērošanas metodes (piemēram, izmantojot viedtālruņus, lai klausītos, kādām reklāmām tiek pakļauta persona), mēs varēsim uzsākt arī bezsaistes saskarsmes punktu integrēšanu.

 

Kombinēta misija: ceļā uz datu agnosticismu

 

Datiem, ko mēs tagad varam iegūt no saskarsmes punktiem, ir daudz priekšrocību, salīdzinot ar datiem, ko agrāk ieguvām aptaujās. Tie ir vairāk reprezentatīvi. Lietojot tos, tiek retāk pieļautas kļūdas identificējot, kas darīja, ko un kad; tie daudz ātrāk sniedz mums nepieciešamo informāciju. Tomēr, paši par sevi, tie nevar nodrošināt pilnīgu, savstarpēji saistītu priekšstatu, kas ir nepieciešams mārketinga speciālistiem, lai saprastu, kāpēc cilvēki uzvedas tā, kā viņi uzvedas.

 

Zīmoli ar vispilnīgāko izpratni par patērētājiem aizvien vairāk būs tieši tie zīmoli, kas īsteno visefektīvāko mārketingu gan īstermiņā, gan ilgtermiņā. Šādi viņi varēs novirzīt budžetu pie cilvēkiem, kas veicinās vislielākās izaugsmes iespējas, un no saviem dažādajiem saskarsmes punktiem saņemt vērtīgu ieskatu gan radošajā, gan mediju plānošanā. Lai nodrošinātu šo ieskatu, pētniekiem ir jābeidz iestāties par vienu datu formu kā pārāku, salīdzinot ar otru - tad viņu dažādie informācijas veidi varēs tikt integrēti vienotā ieskatā, kas galu galā noteiks, cik vērtīgi būs šie dati.

 

Šeit vari lasīt rakstu oriģinālvalodā: http://www.tnsglobal.com/intelligence-applied/how-to-fill-big-datas-black-holes

 

Par autoru

 

Sems Kurtis (Sam Curtis)

Sems ir TNS Global Data Lead, kura uzdevums ir identificēt datu partnerības, kas var tikt izmantotas, lai uzlabotu TNS piedāvājumu. Šobrīd viņš īpašu uzmanību ir pievērsis tam, kā datu pārvaldības platformas var izmantot ieskatu gūšanai.

 


© 2017 TNS Latvia | Autortiesības