Развитието на технологиите, свързани с идентифицирането на потребителите и анализа на поведението им е съчетано с включването на социалния контекст в маркетинговите усилия. В езикознанието контекстът е част от текст около дума или израз, който шлифова и уточнява значението им. В маркетинга контекстът е свързан със задаването на персонализирано значение на предложенията на компанията, които са сякаш „ушити по мярка” с оглед интересите на потребителя. Контекстът все повече се определя от потребителя, който задава значението на маркетинговата комуникация и стратегически усилия.
Контекстът включва задълбочено познаване на потребителите чрез познаване и на техните социални мрежи, определяне на съответните групи и определяне на техните профили, локализиране на потребителите, реагиране „точно навреме” с целево предложение (таргетиране), надхвърляне на очакванията чрез смесването на маркетингови усилия, които превръщат рецептите на маркетинг микса и покупката в едно незабравимо преживяване.
Това, което е маркетингът днес обаче трудно би задало смисъл на маркетинга в контекст, който се очертава в близкото бъдеще. Контекстът на маркетинга все повече се определя от интуитивните и интерактивните продукти, интегрирани в мрежа. Разликите между настоящето и бъдещето са рамките, в които се вместват значенията на маркетинга.
Сензорите, мобилните устройства и технологиите за локализация променят или обогатяват маркетинговите инструменти, с които потребителите боравят, дори и понякога те да не го съзнават. Все повече високотехнологични фирми като „Филипс” са се насочили към интуитивните продукти на бъдещето, които използвайки медийната инфраструктура могат не само да изпълняват команди, но и да комуникират. Не е далеч денят, заявява Марк Бениоф – главен изпълнителен директор на salesforce.com – когато четката ви за зъби ще изпраща информация за появата на кариеси на вашия зъболекар.
Маркетингът в контекст се основава на три фундамента – интуитивност, интерактивност и интегриране в мрежа. Ако четката за зъби на „Филипс” представя интерактивността, то очилата на „Гугъл” насочват към интуитивните продукти. Снабдени със сензори, камера, микрофон и призматичен стъклен екран, „Гугъл очилата” са проектирани за да „контекстуализират” преживяванията на потребителите. С други думи чрез насочване на инфрачервени лъчи към зеницата на човека устройството получава информация (както и „Гугъл”) къде е насочен погледът на потребителя, къде се намира и с какво се занимава – т.е. какъв е контекстът, в който е разположено вниманието на потребителя.
Таргетиране
Определянето на относително хомогенни и достатъчно големи групи от потребители е първата стъпка в прилагането на стратегическия план. Определянето на целевите потребители (таргетиране) и позиционирането на продукта е следващите стъпки, които разширяват стратегията.
Изборът на целеви сегмент е определен от възможностите, които компанията вижда за растеж и доходност. Позиционирането е свързано със създаване на стойностно предложение за целевите групи от потребители. Компанията следва да определи кои са водещите атрибути на продукта, които ще отличат нейното стойностно предложение за потребителите от стойностното предложение на конкуренцията.
Често не всички сегменти са привлекателни за компанията или в повечето случаи тя не може да си позволи да предложи стойностно предложение, което да е достъпно за всички групи от потребители.
Изборът на сегментите от потребители, към които ще се насочат маркетинговите усилия се определя от източниците на конкурентно преимущество, които са определящи за стратегията на компанията.
Изборът на сегмент следва да отговаря на две условия:
- критериите за сегментиране
- съответствие с конкурентната позиция
Критериите за сегментиране определят привлекателността на потребителските сегменти. Най-общо те включват - големина на сегмента, доходност от него, хомогенност, устойчивост. Сам по себе си обаче привлекателността на сегментите не е достатъчно основание за избора им. Трябва да се установи и способността на компанията да създаде стойностно предложение за тях.
Конкурентната позиция на компанията и източниците на конкурентното преимущество, които определят нейната стратегия също влизат в сметката при избора на целевите сегменти.
Изборът на целеви сегмент е свързан с:
- Оценка на целевите сегменти
- Определяне на широчината и дълбочината на таргетиране
- Взаимозависимости в потреблението
- Подготовка на организационната среда
- Подготвяне на информационната инфраструктура за анализ на данни
Оценка на целевите сегменти
Оценката на целевите сегменти от потребители се определя на основата на следните критерии:
- Чувствителност към цената – ниската чувствителност към цената предполага по-големи възможности за използване на стратегии за диференциране за достигане до сегмента. Високата чувствителност предполага оптимизиране на структурата на разходите.
- Доходност от сегмента – свързана е с ценовата чувствителност.
- Големина на сегмента – големите сегменти привличат интереса на повече участници на пазара. Големината на сегмента е свързана с броя на потребителите и тяхната покупателна способност.
- Потенциал за растеж – потенциалът за растеж се определя от наличието на устойчиви и продривни технологии и скоростта на промяна на навиците на потребление.
- Моделът на търсене – продуктите, за които е характерно сезонно търсене или водещият сегмент е определен от повода за покупка. Резките спадове и пикове в сезона или по-кратък времеви период предполагат съответните възможности за складиране, логистика и управление на запасите.
Определяне на широчината и дълбочината на целевия пазар
Широчината на целевия пазар е определена от броя на различните сегменти от потребители и обема на сегментите. Дълбочината на целевия пазар се определя от степента на покриване на разнообразните изискванията на потребителите.
Компанията може да цели тясно или широко сегментиране в зависимост дали се е насочила към един сегмент или към различни сегменти:
- Тясно таргетиране – изборът се спира на един сегмент, но това също предполага сегментът да е достатъчно доходоносен за нея. Също така предполага се, че разходите като абсолютна стойност ще бъдат значително по-ниски, отколкото, ако тя се насочи към повече сегменти. При тясното таргетиране компанията се лишава от възможността да диверсифицира (разпредели) риска върху повече сегменти. Промяната на потребителските вкусове и навици могат да доведат до загуби.
- Специализация в определен тип дейност – компанията се специализира в извършването на определена дейност или производство на един основен продукт, но целевите групи от потребители са с различни характеристики. Поддържането на марков имидж и репутацията на компанията тук са от ключово значение за сегментите. Компанията трябва да внимава за възможността от продуктов канибализъм или смесване на целевите групи.
- Тясно таргетиране с различни продукти – компанията е насочила усилията си към целеви пазари, които имат сходни предпочитания, но прави това чрез различни продукти.
- Широко таргетиране с различни продукти – таргетирането е по цялата широчина на различните сегменти. Компанията прави това с различни продукти. Този вариант на таргетиране изисква значителни ресурси, но същевременно рискът е разпределен върху различните сегменти.
- Таргетиране в дълбочина с еднородни продукти по корелационен критерий – този модел на таргетиране е свързан с стойностно предложение, което е персонализирано (до известна степен) за отделния потребител. Осъществява се на основата на анализа на продуктовите мрежи – например препоръките потребителите харесали този продукт, са разглеждали/купили тези продукти („Амазон”, „Нетфликс”); или на основата на мрежи от потребители – („Фейсбук”).
По отношение на дълбочината на таргетиране, потребителите могат да имат разнообразни изисквания към продукта:
- Качество
- Дизайн
- Функционалност
- Лесен за употреба и интуитивен потребителски интерфейс
- Статус
- Достъпност (цена)
- Достъпност (дистрибуция)
- Съотношение цена-качество
- Възможности за персонализиране
- Продуктово разнообразие
- Гаранции
- Сигурност и защита при употреба
- Сигурност и защита при извършване на покупката
- Удоволствие при употреба
- Одобрение от околните
- Съвместяване с очакванията на близките в социалната мрежа
- Да създава емоционална връзка
- Положителни оценка от околните
В каква степен и на колко от тези изисквания ще отговори компанията определя дълбочината на таргетирането. Водещ мотив на компаниите е да отговорят на минимума (като брой) очаквания от страна на потребителите, които последните най-много ценят и са причина за избора на съответния продукт.
Чест подход при анализа е свързан с причините за отлив на потребителите. Разумен подход е по-комплексно оценяване на причините за избора на потребителите и причините за отлива им.
Навлизането на електронният бизнес и дигиталните средства за трансфер и обработка на данните води до промени в разбиранията и практиките, свързани с определянето на широчината и дълбочината на таргетирането. Един важен феномен е степенното разпределение в мащабно-инвариантните мрежи – (Barabasi&Reka, 1999; Jackson, 2008), който демонстрира връзката между две количествени съотношения. В конкретния случай това е неравномерното разпределение между малко на брой продукти с голям относителен дял (с които е свързана значителна част от продажбите) и много на брой продукти с малък относителен дял (с които са свързани малка част от продажбите).
Поради привилегированото свързване в мрежите и дублиращи се между потребителите предпочитания към съответния продукт компаниите се конкурират често с еднородни продукти, за да обхванат съответния сегмент. Така се проявява феномена на „конкурентното дублиране” (Beebe, 1977) – компаниите се насочват към сегмента, който ще им осигури най-големи продажби и предлагат сходни продукти. Един от ярките примери е радиопазара.
Същевременно поради относително ниския дял на продажбите на другите продукти голяма част от компаниите не могат да си позволят да поддържат разнообразен продуктов асортимент. Така те могат да се насочат към тясно таргетиране и два или три продукта, като счетат, че разходите за поддържането на останалите не са разумни. В електронната търговия обаче при определени продукти се наблюдава стремеж за използване на получаващата се „дълга опашка” – заедно с лидера по продажби да се поддържат и много нишови продукти с много малък относителен дял на продажбите (Аnderson, 2008). Често обаче тези много малко на брой продукти формират значителна част от печалбите. Причината за това е, че онлайн бизнесът разширява канала за дистрибуция, а разходите за управление на запасите и пласмент са относително ниски.
Ефектът от „дългата опашка”
Ефектът от „дългата опашка” се отразява извън рамките на онлайн средата в традиционния офлайн бизнес. Изискванията на потребителите към разнообразието на продуктовия асортимент нарастват. В някои случаи става дума не за десетки хиляди продукти, а за милиони продукти в една продуктова категория.
Дългата ръка на „дългата опашка” проличава в сравнението между гиганта в продажбите на дребно „Уол-Март” и онлайн базираната компания „Рапсоди” по отношение на продажбите на дискове и музика. Докато през 2005 година „Уол-Март” интерпретира рамките на пазара със своите 60 хиляди заглавия на песни, то „Рапсоди” поддържа 4.5 милиона заглавия (при 9 милиона, циркулиращи в мрежата на peer-to-peer).
Разликите между офлайн бизнеса („Уол-Март”) и онлайн бизнеса („Рапсоди”) произтичат от това, че дефинират пазара различно и стратегиите им са в съответствие с това. Докато водещо за „Уол-Март” е, че 90% от приходите се дължат на продажбите на 200 албума и те ограничават продуктовия асортимент в рамките на най-продаваните продукти (4500 албума), то за „Рапсоди” водещо е, че продуктите в „опашката” съставляват 15% от продажбите(Аnderson, 2006).
Ниските или нулевите разходи за репродуциране на стоките и услугите, разпространението и поддържането на голям асортимент от продукти дават основание на онлайн бизнеса да използва „дългата опашка” в стратегиите си. Въпреки това ефектът от това следва да се приема с известна доза условност – след определен праг увеличаването на продуктовия асортимент има нисък дял в продажбите. Дори и в споменатия пример с „Рапсоди” делът на продажбите е 15% на най-продаваните 700 хиляди заглавия след първите 100 хиляди. Делът на останалите над 3 милиона заглавия прогресивно намалява.
Взаимозависимости в потреблението
В зависимост от спецификите на отрасъла могат да се наблюдават взаимозависимости в потреблението на продукта (Leibenstein, 1950; Rohlfs, 1974). При много от продуктите могат да се наблюдават корелации между продажбата на един продукт с друг (Church&Gandal,1993; Clements&Ohashi, 2005). Кръстосаните продажби на книга заедно с вестник са един от многото примери. На практика обаче могат да се намерят много продукти, при които се наблюдават такива корелации.
Примерът с операционната система на смартфоните или компютрите и продажбите на съответните продукти е класически (Church&Gandal, 1992). Много често обаче могат да се открият корелации между продажбата на свързани продукти – например продажба на касови апарати и сервизно обслужване. Често това са допълващи продукти на основния продукт.
В интернет обаче корелациите между продажбите на продукти са на друго ниво и са все по-персонализирани – автоматичните системи за препоръки, анализиращи потребностите. Системите за препоръки са специфично предимство използвано от онлайн бизнесите за таргетирани предложения.
Чест недостатък на корелационните анализи при продажбите е липсата на каузални връзки – причините, поради които потребителите купуват често или причините, поради които биха купили.
Подготовка на организационната среда
Способността на организацията да излъчи стойностно предложение за целевите групи от потребители зависи от вътрешни фактори, свързани с увеличаване на знанията и компетенцията. Концепцията за развиващата се и учещата се организация са релевантни тук (Senge, 1990).
В тази насока компанията следва да развие специфични активи и компетенции, които отговарят на източниците на конкурентното преимущество. На този етап жизненоважни за компанията са резултати от задълбочения анализ на активите и компетенции, с които тя разполага и съответните активи и компетенции, с които трябва да разполага.
От ключово значение все повече се очертава бързината, с която компаниите абсорбират и инкорпорират по формата на знания и компетенции информацията за поведението на потребителите преди, по време на и след покупка.
Често в анализите на продажбите се откриват корелации между потреблението и поведението на клиентите. Една от тях се е превърнала в легенда: връзката между покупката на памперси и продажбите на бира (Provost&Fawcett, 2013). Идеята зад това е, че докато младите майки са заети с отглеждането на новороденото, бащите са натоварени със задачата да купят памперси, а често си купуват и бира. Osco Drug твърдят, че това не е легенда.
Други корелации намират връзка между музикалните вкусовете и политическата ориентация – според The Echo Nest почитателите на Риана и Джей Зи са либерално насторени, а на Джордж Стрейт – консервативни. Склонността за онлайн покупки зависи от времето през деня (според онлайн сайтове) – след 20.00 часа сайтове за продажби на дребно, след 13.00 часа лични финанси, след 10.00 часа сайтове за резерваци и пътуване.
Според „Уолмарт” покупките на кукли е свързана с покупка на малки шоколадчета (от типа „Марс”) (Siegel, 2013).
Корелационните анализи имат значителни ограничения, които се изразяват в намирането на причинно-следствените връзки, които стоят в основата им или отхвърлянето на подобни връзки.
Подготовка на информационната инфраструктура за анализ на данни
Таргетирането на потребителите е свързано с подготовка на информационната инфраструктура за анализ на данни (Provost&Fawcett, 2013). Поддръжката на значителен продуктов асортимент („Рапсоди”), автоматичната система за препоръки („Амазон”), анализа на близостта между потребителите („Фейсбук”) са свързани с изграждане на съответната инфраструктура. Ако нуждите на компанията за обработка на данни са относително малки – базата данни е от няколко хиляди потребители, тогава стандарнтите пакети на „Ексел” или други са достатъчни. Ако нуждите обаче са свързани с база данни от няколко милиона потребителя и трябва да отсеете данните и да определите сегмента от първия 1 милион потребители според различни критерии, тогава изискванията към информационната инфраструктура ще са различни (Jeffery, 2010).
Според Джефъри анализът на данните и маркетингът, основаващ се на него различават онези двадесет процента от успешните бизнеси, за които подривните технологии наистина са възможност, а не опасност (Jeffery, 2010).
Анализът на данни все повече се превръща в автоматизирана система за вземане на решения, основаваща се върху науката за данните. В анализа на данни има няколко метода, върху които се базира системата за вземане на решения:
Откриване на сходства в потребителските данни
Струпвания (клъстърност)
Класифициране по дадена комбинация на маркетинговия микс
Определяне на егоцентрична мрежа около даден продукт
Прогнозиране на връзките между потребителите
Прогнозиране на връзките в двутипни или бипартитни мрежи
Определяне на потребителските профили
Откриване на сходства в потребителските данни
Основата на този метод е свързана с таргетиране на бъдещи потребители на основата на характеристиките, които организацията е извела за нейните настоящи ключови клиенти. Например чест инструмент е RFM-анализа, който се основава на обема на покупките (monetary), честота им (frequency) и тяхната актуалност към днешна дата (recency). Този метод е популярен на ниво бизнес-бизнес.
Струпвания (клъстърност)
Струпванията се откриват в случай, че организацията използва инструментите в теория на графите или анализа на социални мрежи. Струпванията демонстрират обособени общности, които споделят общи характерестики (например кварталите). Например методологията на ACORN използва клъстърен анализ. Клъстърният анализ обаче не е достатъчен за таргетиране на потребителите, но е успешна предхождаща крачка. Знаейки основните характеристики на дадена общност могат да се изведат различни данни за потребителите, които впоследствие да бъда допълнително тествани – ценови прагове и чувствителност, общи данни за предпочитания, интереси, отношение към ползите от продуктите.
Класифициране по дадена комбинация в маркетинговия микс
Този метод почива на техника, която е свързана с прогнозиране на това как ще реагира всеки индивидуален потребител на съответното съчетание от елементите на микса. Например оферта от телекомуникационния оператор за увеличен брой минути при малко по-висока такса (промяната е в цената). Информационната система на телекомуникационния оператор, която съдържа данните за милиони абонати, показва доколко изгодно би било за съответния потребител този абонаментен план. (Особено в случай, че той надвишава минутите в предложения му пакет). Често този ход се предприема за потребители, които компанията е класифицирала като доходоносни и счита, че има риск да отидат при конкуренцията (изтича техния договор, конкурентите са подели агресивна кампания, насочена към точно този клас потребители). Централността на участника в мрежата чрез индекса на централност (междинност, например) може да бъде важна характеристика, на основата на която да бъдат таргетирани участниците (възлите) в мрежата.
Методът е свързан с определяне на вероятности за вземането на съответното решение. Често обаче при определянето на вероятностите влизат в ход и други фактори – предложението на оператора може да е изгодно, отразявайки потреблението на абоната, но въпреки това той да откаже, аргументирайки се с цената на абонаментния план. Потребителите не взимат решения единствено от рационални мотиви (изгода), но и често емоционално. Например, подобни сценарии се разиграват и в телевизионните игри като „Сделка или не” - Ще приеме ли потребителелят офертата на банката или не? В кои емоционални състояния (след като е отворил поредица от червени суми) той е склонен да я приеме?
Определяне на егоцентричната мрежа около даден продукт
Алгоритмите за филтриране и анализът на мрежи са именно средствата за определяне на това доколко съотвеният продукт се съчетава с други – абонаментен план за дигитална телевизия се купува с абонаментни планове за интернет и за мобилен телефон. Определянето на егоцентричната мрежа е свързано с определянето на близостта между продуктите в мрежови контекст. Близостта между два (или повече) продукта в маркетинга се определя на основата на два различни един от друг подхода:
- на основата на характеристиките на продукта и останалите продукти;
- на основата на данните за покупки на продуктите.
При първият подход се определя вероятността за допълването на продуктите – кръстосаните продажби на вестник и книга. При втория подход се разглежда информацията за покупките, които могат да разкрият други комбинации. Разликата между двата подхода, макар на пръв поглед трудно различима е ясна – в първия случай се търсят ясни каузални връзки в подкрепа на корелационните данни. Във втория случай се откриват корелационни данни за покупките на два или повече продукта – например в „Амазон” потребителите купили книгата Predictive analytics, са купили и списък с 15 заглавия на книги, сред които Predictive analytics at work, Competing on Analytics: New science of winning.
Прогнозиране на връзките между потребителите
Най-общо това, което прави „Фейсбук” се основава на прогнозиране на вероятни връзки между даден потребител и „хора, които може би познавате” (people you may know). Откъде обаче „Фейсбук” може да предполага това и често да таргетира с голяма доза прецизност? Отговорът е открит от Георг Зимел преди повече от век и се съдържа във феномена на триадичното свързване – ако Иван е близък приятел и често се среща с Петър, а освен това е близък приятел и често се среща с Николай, то много вероятно е Петър и Николай да се познават (слаба връзка), а в някои случаи и да са приятели (силна връзка).
Това, което правят модерните алгоритми за филтриране е да анализират възможностите за триадичното свързване на основата на данните за мрежите от приятели на всеки потребител.
Прогнозиране на връзките в двутипни или бипартитни мрежи
Подобен метод на предходния, но тук алгоритмите за филтриране свързват две равнища на мрежата – потребители (1) и техните предпочитания към продуктите (2). Ако в горния случай мрежата е еднотипна – потребители на мрежата се свързват с потребители, в други случаи се налага друг подход. Алгоритъмът на „Нетфликс” Cinematch, например прогнозира връзките в двутипна мрежа – потребителите на мрежата и (предпочитанията им към) филмите. На тази основа „Нетфликс” препоръчва филмите с голяма доза на прецизност.
Определяне на потребителските профили
Свързано е с определяне на поведението на потребителите и/или таргетиране според местоположението на потребителя.
Най-напред се определя склонността към покупка – т.е. в кой стадий на покупката е съответният потребител. Модерните технологии дават възможност за относително по-точно определяне на намеренията на потребителя основата на актуални данни за неговото поведение. Например в и-мейл маркетинга компанията може да получи извадка за броя на кликове върху съответен списък с предложения за всеки отделен потребител, до който го е изпратила. На основата на интензивността на кликовете тя може да определи подходящите за допълнително таргетиране потребители (ремаркетинг според Google Adwords).
Компанията може да търси потребители в съответния географски район, които са търсили дадена услуга или продукт. На основата на информация за интензивността на търсенията им, получена от трета страна (уебсайтове за реклама) може да бъде определена тяхната склонност за покупка. Тъй като търсенията могат да идват от различни региони на страната или континента, компанията следва да ограничи географския район само до този, който счита за целесъобразен.
Гео-таргетирането все повече се свързва и с геофенсинга, която навлиза чрез приложенията за мобилни телефони.
ЛИТЕРАТУРА
1. Barabasi, L., Reka, A. (October 15, 1999) Emergence of scaling in random networks.Science, N 285, p.509-512.
2. Jackson, M.(2008). Social and economic networks. Princeton University Press: Princeton.
3. Beebe, J. (1977). Institutional structure and program choices in television markets. The Quarterly Journal of Economics, vol. 91, N1, p. 15-37.
4. Anderson, C.(2006). The long tail: Why the future of business is selling less of more. Hyperion: New York.
5. Leibenstein, H. (1950) Bandwagon, snob, and Veblen effects in the theory of consumers’ demand. Quarterly Journal of Economics, vol. 64, N 2, p. 183–207.
6. Rohlfs, J.(1974). A theory of interdependent demand for a communica-tion service. Bell Journal of Economics, vol 10, p. 16-37.
7. Church, J. and Gandal, N. (1993). Complementary network externalities and technological adoption. International Journal of Industrial Organization, vol. 11, N2, p. 239–260
8. Clements, M. & Ohashi, H. (2005). Indirect network effects and the product cycle: video games in the US, 1994–2002. Journal of Industrial Economics, vol. 53, N4, p. 515–542.
9. Church, J. and Gandal, N. (1992). Network effects, software provision, and standardization. Journal of Industrial Economics, vol. 40, N1, p. 85–103.
10. Provost, F. &Fawcett, T. (2013) Data science for business. O`Reilly Media: Sebastopol.
11. Siegel, E. (2013). Predictive analytics: The power to predict who will click, buy, lie or die. John Willey&Sons: New Jersey.
12. Jeffery, M. (2010). Data-driven marketing: The 15 metrics everyone in market should know. Willey&Sons: New Jersey.
Цитат-формат (Suggested Bibliographic Citation):
Златанов, Бисер. Маркетинг в контекст: таргетирането чрез анализа на социални мрежи и науката за данните // Медии и обществени комуникации. Изд. УНСС; Алма комуникация. 2015, №23. Available from: [ www.media-journal.info ]
дата на публикуване: 28.06.2015, Неделя, 15:02
прочетена: 8827 пъти
нагоре