중기 체크포인트: 3가지 데이터 의존 마케팅 전략

하반기 시작은 기업들이 되돌아보고 재평가해야 하는 자연스러운 시점이다.

어느 해에나 마케터는 1월에 설정한 목표를 되돌아보고 실제와 예상을 비교할 수 있습니다. 그러나 현재의 사건으로 인해 많은 사람들이 2020년 중반이 여러 수준에서 '계획된' 것이 아님을 알게 될 것입니다.

특히 수개월 동안 대부분의 지역에서 주요 판매 방식이었던 디지털 채널 전반에 걸쳐 이 답답한 운영 환경에서 효과가 있었던 것과 그렇지 않은 것에 대한 중간 평가가 핵심이 될 것입니다.

고객에게 효과적으로 도달하고 참여를 유도했습니까? 장바구니 포기 패턴이 있나요? 하반기에 더 강력한 반등을 알리는 이러한 결과에서 무엇을 배울 수 있습니까?

기존 기반에 대한 개별화 전략의 우선 순위를 정하든 하반기에 새로운 잠재 고객을 찾고 있든 상황 인텔리전스는 실제 가치를 창출하는 데 도움이 될 수 있습니다.

포괄적인 제3자 인텔리전스를 통해 브랜드 자체 고객 데이터를 검증하고 강화하면 기존 및 잠재 고객에 대한 보다 깊고 전체적인 이해를 제공할 수 있습니다.

알려진 브랜드 상호 작용 이외의 선호도, 요구 사항, 습관 및 행동에 대해 더 많이 알면 마케터가 새로운 획득 메시지와 전술을 연마하는 데 도움이 될 수 있습니다.

시작하는 방법을 모르십니까? 컨텍스트 인텔리전스가 하반기 및 그 이후에 목표를 달성하는 데 어떻게 도움이 되는지 고려하십시오.

1) 데이터베이스 확장

기존 고객을 만족시키는 것 외에도 거의 모든 비즈니스의 최우선 목표는 기반을 확장하는 것입니다. 이 목표를 달성하기가 항상 쉬운 것은 아닙니다. 여기에는 잠재적인 새로운 청중을 발견하고 도달하는 것이 포함됩니다.

이를 수행하는 가장 신뢰할 수 있는 방법은 유사한 특성을 가진 새로운 소비자 집단을 찾기 전에 기존의 현재 고객 프로필을 심층 분석하는 것입니다.

강력하고 끊임없이 진화하는 데이터 세트는 마케터가 두 가지 모두를 수행하는 데 도움이 될 수 있습니다.

첫째, 기업은 특정 습관과 속성, 생태계에서 '거주'하는 위치를 포함하여 고객이 누구인지 더 잘 이해하기 위해 가장 우수하고 충성도가 높은 고객에 대해 보유한 데이터를 드릴다운할 수 있습니다.

둘째, 기업은 이 보다 명확한 고객 모델을 방대한 양의 제3자 소비자 데이터와 비교하여 상황에 맞는 인텔리전스를 추가하고 잠재 고객을 보다 정확하게 식별할 수 있습니다.

이는 단순한 데이터 그 이상입니다. 대신, 그것은 상관적인 소비자 행동을 이해하는 것에 관한 것입니다.

예를 들어 소비자가 사는 곳, 좋아하는 것, 특정 유형의 광고 또는 온라인 플랫폼을 보는 데 몇 초를 보낸 다음 이 인텔리전스를 사용하여 특성이 겹치는 유사한 프로필을 찾는 것이 브랜드 광고에 이상적입니다.

소유 데이터를 지속적으로 강화하여 보다 3차원적인 고객 프로필을 구축한 다음 이를 사용하여 고객 확보에 대해 더 나은 품질의 선택을 하는 2단계 프로세스입니다. 그리고 궁극적으로 올바른 플랫폼에서 적절한 마케팅을 하기 전에 올바른 소비자를 확보하는 것입니다.

2) 고객 4.0 이해

당신은 당신이 당신의 고객을 잘 안다고 생각할 수도 있지만, 실제로 당신은 그들의 더 넓은 존재의 단편을 다루고 있을 뿐입니다. 때때로, 당신이 그들에 대해 모른다는 것은 당신의 마케팅 노력이 목표를 빗나갔다는 것을 의미할 것입니다.

오늘날 쇼핑객은 관심을 끌기 위해 경쟁하는 광고로 넘쳐나고 점점 더 많은 소비자가 잘못 판단되거나 관련 없는 콘텐츠에 대해 낮은 관용을 보입니다. Forrester의 수석 분석가인 Brendan Witcher는 이를 잘 보여줍니다.

“1000만 명에게 이메일을 보내고 작년에는 1,000개의 판매를 기록했고 올해는 1,500개의 판매를 얻었습니다. 모두가 '우와, 판매가 50% 증가했습니다!'라고 하이파이브를 합니다. 당신이 9,998,500명과 관련이 없다는 것을 제외하고. 일년에 136번, 일주일에 세 번씩 이메일을 보내는데 고객 파일이 얼마나 건전할 것 같습니까?”

격차를 메우는 제3자 데이터를 기반으로 하는 개별화가 핵심입니다. 브랜드의 실수가 적을수록 새로운 고객을 유치하고 기존 팬 기반의 믿음을 유지할 가능성이 높아집니다.

Oracle Retail Annual Consumer Research Report에 따르면 전 세계 쇼핑객의 20%만이 소매업체에서 제공하는 제안이 항상 적절하거나 개인화되어 있다고 생각하기 때문에 이러한 의도 전략이 중요합니다.

다양한 애플리케이션, 콜 센터 및 소셜 플랫폼에서 제공되는 제3자 고객 데이터는 고객 프로필에 대한 새로운 참조 지점을 추가하여 더 나은 참여를 알릴 수 있는 더 날카롭고 정확한 인상을 형성하고 연마하는 데 도움이 될 수 있습니다.

거래가 언제 발생하는지, 쇼핑객이 특정 인터페이스에 어떻게 반응하는지, 계절성이 행동에 미치는 영향을 아는 것은 모두 매출 증대에 중요할 수 있습니다.

광고를 넘어 기존 고객과의 보다 개인적이고 수익성 있는 관계는 로열티 프로그램에서 발생한 데이터에 대한 더 나은 품질의 평가를 통해 구축될 수 있습니다. 사람들이 원하는 것을 원하는 때에 정확히 전달하는 것입니다.

3) 데이터를 사용하여 보다 현명한 비즈니스 결정 내리기

효과적인 마케팅은 신뢰할 수 있는 비즈니스 결정에 달려 있으며, 더 나은 정보에 입각한 고객 통찰력은 여기에서도 필수적인 촉매 역할을 할 수 있습니다.

구색 최적화에서 현장 계획에 이르기까지 전체 기업은 고객에 대한 보다 완전한 그림을 통해 이점을 얻고 관점을 확장합니다.

웹 주문 배송 또는 일반화된 추세 및 구매 행동에서 수집한 고객 위치 데이터인지 여부에 관계없이 소유한 통찰력을 강화하기 위해 올바른 외부 신호와 결합하도록 하면 전반적으로 건전한 공식이 제공됩니다.

실제로, 제공되는 구색에서 체크아웃 시 제공되는 프로모션에 이르기까지 모든 소매 결정은 마케터의 데이터 통찰력에 의해 뒷받침될 수 있습니다. 이 데이터가 지속적으로 새로 고쳐지고 재평가되면 비즈니스에 정확한 최신 정보를 제공할 수 있습니다.

인공 지능과 기계 학습을 기술 스택에 계층화하면 새로운 데이터 통찰력이 실제로 얼마나 효과적인지에 대한 피드백을 수집할 수 있으므로 소매 접근 방식을 신속하게 업데이트하고 조정하여 마케팅 활용을 최적화할 수 있습니다.

데이터는 인간의 경험이나 직관을 대체할 수 없습니다. 기술, 처방 및 예측 분석의 3가지 요소는 성장을 주도하는 대상 결정을 내릴 때 경쟁 우위가 될 수 있습니다.

더 넓은 환경에서 얻은 통찰력으로 소유 데이터를 강화하면 기존의 데이터 기반 소매 전략을 강화할 수 있는 완전히 새로운 차원을 가져올 것이며 궁극적으로 올해 하반기와 그 이후에 성공을 극대화할 것입니다.