כל התנהלות מול לקוח הינה הזדמנות לקבלת מידע שימושי. מעולם בעבר לא הצליחו משווקים לצבור מידע כה רב אודות הלקוחות והשווקים, ולהפוך את המידע הזה לידע שימושי תוך התווית השקעת המשאבים באופן כה מדוייק.
הבעיה היא, שהנתונים זורמים פנימה מכל ערוץ אפשרי - החל מפלטפורמות מחשבים שאינן תואמות בהגדרות הנתונים והמשך במידע מיותר של לקוחות. המרת כל המידע הזה לפורמט נקיומוכן לניתוח הינה אתגר מייגע.
זה דומה ליצירת פיסול
כאשר מיכאלאנג'לו פיסל את יצירות המופת שלו, הוא חש כי הדמויות כבר היו בשיש, ותפקידו היה לשלוף אותן החוצה. באופן דומה, זהו תפקידנו - לשלוף את תובנות הלקוח מכל הנתונים.
תהליך בניית המודלים מבוסס על סדרה של חמישה צעדים – שקולים בדרכים מסויימות לתהליך האמנותי, בין אם עובדים עם אבן, עץ או נתונים.
דע מה הפסל שאותו נשכרת לפסל
האם מדובר בקידום כלל אירגוני או משימה לבניית מותג? האם מדובר בדיוור חד-פעמי או בקמפיין אינטגרטיבי? מכירה חד פעמית של יום אחד או תוכנית נאמנות? מה היא המטרה? עליך לגבש ידיעה ברורה לגבי מה שהאנליטיקה אמורה לגלות, משום שהגישה והמודל המתאימים ביותר יהיו תלויים במה שהנך מבקש להשיג.
כאן יכולה קהילת המשווקים להוסיף את תרומתה החשובה ביותר. יש כמות מסויימת של מידע שתוכל ללקט ממודלים. המודלים מספקים מבנה לביצוע החלטות, אך הקהילה העסקית צריכה להיות מעורבת ולהחליט מה היא הדרך שתוביל להצלחה.
בחר את הכלים הנכונים עבור העבודה והמדיום
האם בכוונתך להתקדם במהירות על בסיס אינטואיציה או להשתמש ביתרונות האנליטיקה? האם צוות השיווק מתכנס בחדר גדול לצורך סיעור מוחות, או שאתה בוטח במודלים מתמטיים? לשתי הגישות יתרונות משלהן וגם חסרונות.
גישה אינטואיטיבית קלה להבנה ולתיקשור, זאת משום שההגיון שבדברים יהיה ברור. קל ומהיר לשנות כיוון אם משהוא אינו עובד כצפוי. למרות זאת, אתה יכול לתקן את הכיוון מספר פעמים כה רב עד שתאבד את הכיוון והתהליך. בניגוד לכך, גישה אנליטית מציעה עקביות ומבנה שניתן לשיכפול עבור תהליך קבלת ההחלטות. לכל דבר יש מקום וטעם. אם הנתונים שברשותך עברו דרך כל הצעדים באופן תקין בתהליך המודל, תוכל לקבל תוצאות.
הגישה הטובה ביותר הינה לשלב חזון יצירתי עם מומחיות טכנית – איכותיות וכמותיות.
מצא את העץ או השיש הנכונים
בניית מודל נתונים משמעותו בנייה של עולם התוכן הנכון של הלקוח ושל המשתנים שיחשפו את לקוחותיך המיועדים. עבודה מחומרי גלם – נתונים – צריכה להתבסס על חומרים באיכות גבוהה ככל האפשר, כאלו שמרקמם איכותי ככל האפשר.
זווית מעניינת למושג איכות הנתונים הינה העובדה שמודלים אנליטיים מדלגים בזמן – לומדים מן העבר ומשליכים לעבר העתיד, ומשתמשים בעתיד הספקולטיבי על מנת ליצור מידע עבור ההוווה. יכולת התנועה הזאת בזמן מערפלת את המונח "הווה" ועלולה לעוות את הנתונים במידה ולא ברור כיצד מימד הזמן משפיע על המידע.
הנתונים לוכדים את העבר "כעת", והתמונה המתקבלת היא תמונה המתארת כיצד נראו הלקוחות בעבר וכיצד הם הגיבו לאירועים בעבר. יש גם עתיד שנמצא "בהווה" המתאר כיצד יראו הלקוחות ביום בו תרצה לבחור. ואז, יש עוד עתיד שהוא אף רחוק יותר "כעת", המתאר כיצד הלקוחות צפויים לנהוג לאחר שבעתיד יתרחש אירוע שיש לו דמיון לאירועים בעבר. לדוגמא, האם הם יקנו או לא יקנו? כמה כסף הם יוציאו? בסופו של דבר, כל התרחישים המתוארים "כעת" הופכים להיות אירועי עבר, והמודל מתקדם הלאה ומנתח "עכשיו" עתידי המשפיע על ה"הווה" כעת.
נשמע מבלבל? זה עשוי להיות. אם אינך זהיר, המסע הזה בזמן יכול להזיק לנתונים שלך. אנו קוראים לתופעה דליפות זמניות, כאשר אתה גורם באופן בלתי מכוון להעברת נתונים מהעתיד לעבר. מערכי נתונים הנבנים תוך כדי תהליך בניית מודלים כוללים תובנות לגבי אירועים והתנהגות שטרם התרחשו. על מנת לשמר את האיכות של חומרי הגלם – המסד של הנתונים עבור המודלים – אסור שהתהליך יכתים את הנתונים על ידי שימוש בעתיד לא ידוע באותו האופן בו משתמשים בנתוני העבר הבטוחים.
חתוך החוצה כל מה שכולא את הדמות
חתוך החוצה את כל הנתונים שאינם שייכים והמשתנים שאינם חשובים. יש לנו מספרים רבים לפנינו, אך רק חלק מהם הינם שימושיים ממש. התהליך מצריך התעמתות עם הנתונים על מנת להכין את מודל הנתונים. זה נעשה באמצעות חיתוך הנתונים להרחקת נקודות ומשתנים שאינם שייכים.
אתם יכולים להתחיל עם 1,000 משתנים ולהפחיתם לכ-100. חישבו על מצב בו שכרתם את שירותיו של אדם לשיר במקהלה המונה 1,000 איש. לאחר ההופעה, עשוי הזמר לשאול כיצד הוא נשמע. אתם עונים: "נשמעת נפלא", אך האמת היא שאין לכם כל מושג. אם תחלק את המקהלה לחלקים קטנים יותר ויותר, תוכל להתחיל לשמוע קולות מסויימים ביתר צלילות. זה מה שמושג על ידי תהליך הפחתת הנתונים. התהליך יוצר סביבה בה הקולות האמיתיים הופכים לברורים יותר.
לטש והצג את יצירתך
בנה, בחן, זקק ובצע את המודלים האנליטיים שיספקו את המטרות המבוקשות. אינכם מוגבלים לסוג אחד בלבד של גישת מידול. יש גישות שמאפשרות יותר תובנות, אחרות יותר מתמטיות. לא כל שיטה מאפשרת את התוצאות הטובות ביותר בכל מקרה. הרעיון הוא לבחור את שיטת המידול הפועלת באופן המיטבי עבור היישום שלך. משמעות הדבר היא ששלב הערכת המודל הינו שלב חשוב למדי.
מודלים מרובים יכולים לפעול באופן משלים על מנת לייצר את התמונה המלאה. במייסיס בנינו לפחות שני מודלים לרוב האירועים: האחד לחיזוי הסיכויים של מישהו לבצע קניות, ואחר העוסק בחיזוי לגבי סכומי הכסף שאותו לקוח יוציא. שילבנו את המודלים על מנת להפיק אנליזה מיטבית.
עבור משווקים בהיקפים גדולים, גם גידול קטן בתגובות לקמפיין מוביל לההשפעה משמעותית על השורה התחתונה. השימוש של מייסיס באנליטיקה במהלך השנתיים האחרונות שיפר את התוצאות השיווקיות במיליוני דולרים. וכל זאת רק בערוץ הקמפיינים בדיוור הישיר.