ארבעה שלבים להפקת פעולות שיווקיות שמבוססות על ניתוח בסיסי נתונים

מערכת של בסיסי נתונים הם נכס חשוב לכל עסק ומרבית בעלי העסקים הפועלים היום בשוק מבינים זאת ומקצים משאבים פיננסיים ותפעוליים לפיתוח מערכות המחשוב בחברתם. אמנם יחסית לשנים עברו, הנפח של מאגרי בסיסי הנתונים נמצא כיום בסימן עלייה, אולם מרבית העסקים אינם יודעים כיצד לתפעל נכון נתונים אלו.

בחברות רבות היום כבר ניתן למצוא מנמ"ר – מנהל מערכות מידע ראשי – אך התחושה היא שמרבית העסקים עדיין לא הפנימו את כל הרבדים העסקיים הטמונים בבסיסי הנתונים, ולכן איש מחשוב אינו פתרון יעיל.

חשוב לזכור – אנשי המחשוב אינם בעלי הכשרה נכונה לדעת לאילו אפיקים יש לכוון את השימוש בנתונים. כחלק מהתפקיד של איש מחשוב עליו לארגן את הנתונים ולהשביח אותם, אך כמובן שהמהות האמיתית של התפקיד טמונה במה שייעשה עם הנתונים. ולכן, כאשר איש המחשוב אינו בעל הכשרה מתאימה לכך, מהות התפקיד נשארת על פני השטח בלבד, מבלי שניתן להפיק ממנה את הפעולות הנכונות.

איך עושים את זה? להלן ארבעה שלבים להפקת פעולות שיווקיות שמבוססות על ניתוח בסיסי נתונים:

צעד מספר 1- ארגון מחדש של בסיסי הנתונים:

בעיה נפוצה במאגרי נתונים של חברות היא שהם לרוב לא מאורגנים תחת קובץ אחד מסודר. הנתונים פזורים בין מחשבי החברה, בגיליונות אקסל ואפילו על גבי ניירות. לפיכך, הצעד הראשון שיש לעשות הוא לאחד את הנתונים תחת קובץ אחד. דרך אגב, לא תמיד חייבים לנתח את כל מאגר בסיס הנתונים. מחקרים שנעשו בשנים האחרונות הוכיחו כי ניתן להסתפק בניתוח של עשרה אחוזים בלבד מהנתונים. כמובן שזה תקף רק בתנאי שאלו יהיו עשרת האחוזים הנכונים ושהניתוח ייעשה באופן חכם ומדויק.

צעד מספר 2- ניתוח בסיס הנתונים:

הצעד הבא לאחר ארגון ואפיון בסיס הנתונים, הינו ניתוח הנתונים ע"פ עקרונות מפתח שייקבעו מראש, כלומר יארגן את כל הנתונים תחת כמה קטגוריות מפתח. בפועל, מרבית הניתוח יתאפשר בעזרת חקירת SQL אותה יש להעביר לגיליונות אקסל, מהם ניתן יהיה לגזור גראפיים שיצביעו על היכולות האנליטיות העומדות לרשותנו.

על מנת להמחיש את התיאוריה להלן דוגמא הלקוחה מפעילויות שיווקיות של חברת הרכבים טויוטה. חברת טויוטה בגרמניה תכננה להקים תוכנית נאמנות לקוחות ולשם כך אספה נתונים על לקוחותיה במשך תקופה של שלוש שנים. הניתוח אליו כיוונה את מנתחי הנתונים (אנליסטים) היה סיווג הלקוחות ע"פ התנהגויות הקנייה שלהם.

מניתוח הנתונים של הרגלי הקנייה של הלקוחות עלה הנתון המעניין הבא- הלקוחות נוהגים לרכוש רכב חדש בטווח של חודשיים מהתאריך בו רכשו את רכבם הקודם. בנוסף, הם גילו כי מרבית הלקוחות רוכשים מכונית חדשה לאחר בדיוק 36 חודשים ממועד הרכישה הקודמת. מנהלי השיווק של החברה בחנו את הנוהל השיווקי אשר היה נהוג עד כה בחברה וגילו כי האקט השיווקי הנוכחי מבוצע על הלקוחות כארבעה חודשים מאוחר מידי במקום במועד שעלה מהניתוחים. ההחלטה השיווקית הייתה פשוטה – הם החליטו לנסות ולשלוח דיוורים שיווקיים ללקוחות המתאימים ע"פ הטווח המתאים שנגזר מהניתוחים ולבחון אם זה יגרום לעלייה במכירות.

צעד מספר 3- יצירת מודלים פשוטים לחיזוי התנהגות הלקוחות:

לאחר שהסתיים תהליך ניתוח הנתונים והגענו למצב של הכרת הנתונים על בוריים, מגיע השלב שבו יש לבנות מודלים המבוססים על הנתונים. אותם מודלים ינתחו את התנהגות הלקוחות בכל שלבי חייהם ומתוך כך יוכלו לחזות את התנהגותם העתידית בכל שלבי חייהם. כמובן שלא ניתן לצפות את התנהגותם של אינדיבידואליים באמצעות ניתוח בסיסי נתונים, טובים ויסודיים ככל שיהיו, אך עם זאת כן ניתן לצפות התנהגות של קבוצות.

לצורך ההדגמה לפניכם עוד דוגמא מפעילותה של חברת טויוטה. מנהלי השיווק בחברה השתמשו במידע שעלה מתגובות הלקוחות לקמפיינים שיווקיים קודמים, וגזרו מתוך נתונים אלו תחזיות של התנהגויות קנייה עתידיות. המתודה הניתוחית התבססה על זיהוי מאפיינים של לקוחות שביצעו בעבר מספר רכישות בטויוטה. מתוך בסיסי הנתונים מצאו האנליסטים את שלושים האחוזים מבין הלקוחות שעתידים לחזור ולקנות בכל חודש נתון בעתיד הקרוב. המודל שפותח מצא את שלושים האחוזים הטובים ביותר מבין לקוחות אלו (הלקוחות שעל פי תאריך הרכישה האחרון שלהם עתידים לרכוש רכב חדש בחודש הקרוב) והוחלט לדוור אליהם מבצעים מיוחדים. קמפיין זה זכה להצלחה מרובה: המכירות של טויוטה הוכפלו. בחישוב הסופי נמצא כי אחרי חישוב עלויות הקמפיין טויוטה יצאה ברווח (ROI) של ארבע מאות אחוזים.

צעד מספר 4- הכנסת אירועים אישיים של הלקוחות אל תוך המודל הקיים:

אם הגעתם עד לשלב זה אתם וודאי כבר בקיאים בסגמנטים השונים של לקוחותיכם. כעת יש להכניס למתודה הקיימת נתונים מורכבים יותר- אירועים בחיי הלקוחות. על מנת להדגים אחזור לדוגמא של חברת טויוטה.

בשלבים המתקדמים של ניתוח הנתונים עלה כי מרבית לקוחות טויוטה מעדיפים לרכוש רכב חדש סמוך מאוד לתקופה בה נגמרים להם התשלומים על הרכב הישן. בין הלקוחות הללו נמצא כי האחוזים הגבוהים ביותר של הרוכשים בתקופה זו הם אלו שיש להם או לבני משפחתם יום הולדת בסמוך לתקופה האמורה.

אנשי השיווק של טויוטה יצרו קמפיין שיווקי שמתמקד בלקוחות ששייכים לסגמנט זה, דיורו אליהם הצעות לרכישת כלי רכב חדש שימומן בתוכנית תשלומים אטרקטיבית מיוחדת שמממנת עבורם חברת טויוטה. אגף השיווק של טויוטה הפיק קמפיין שיווקי ממוקד לקוח שהופנה ישירות אל לקוחות סגמנט זה ואף שיתפו בהפקה גם את מחלקת הכספים של החברה על מנת שהם יציעו תוכנית תשלומים אטרקטיבית ממוקדת, ללקוחות סגמנט זה. כך למעשה נכנס מימד נוסף לקמפיין של שיתוף הסוכנים של החברה שעובדים ישירות מול הלקוחות עם אנשי השיווק שעובדים בקשר עקיף מול הלקוחות. העמקת מערכת היחסים בין הלקוחות לצוות החברה תרמו אף הם לגידול במכירות. תוצאות הקמפיין עלו מעל ומעבר למצופה, כאשר יותר משלושים אחוזים מהלקוחות רכשו רכב חדש בתקופה של חודש מיום התשלום האחרון שלהם על רכבם הישן.

מרבית הקמפיינים השיווקים שהופקו כתוצאה מניתוח בסיסי הנתונים היו תוצאה של פעולת היגיון בריא. ניתוח הנתונים אפשר להגדיל את הדיוק של הקמפיינים, שנטרל בזבוז משאבים רבים שבעבר היו נזרקים על כמויות דיוור אדירות ולא רלוונטיות שלא הניבו תגובות רבות. כאן נמצא גרעין הכוח הרב הטמון בשיווק שמבוסס על ניתוח מאגרי נתונים- בדיוק ובהצלחה לכוון למטרה, ולפגוע.

לסיכום, לפני שאתם רצים להפיק קמפיין שיווקי ממוקד לקוח על בסיס ניתוח מאגר הנתונים, שאלו את עצמכם את השאלות הבאות:

1. האם אתם יודעים מה מפעיל את התנהגות הלקוחות שלכם?

2. האם נמצאים ברשותכם בסיסי הנתונים הדרושים בכדי להפיק קמפיין אפקטיבי?

3.האם יש באפשרותכם לזהות לאילו לקוחות עליך לכוון את הקמפיין, מה טווח המחירים שמתאימים לכם ובאיזה תזמון?

4. האם ערבתם את כל בעלי התפקידים החשובים בחברה בתכנון הקמפיין והפקתו?

אם לא סימנתם וי על כל ארבעת השאלות אתם מסתכנים בהפקת קמפיין שיווקי שלא יפגע במטרות שהצבתם. בימינו, כאשר מצב השוק הוא כה תחרותי עדיף לא לבזבז משאבים כלכליים מיותרים ולכן ההמלצה שלנו היא קודם כל להבין את הנתונים לפני שיוצאים בפעולות שיווקיות.

מקור: CRMguru, גרהאם היל