“YENİ NESİL PAZARLAMADA VERİ KULLANIMI”

Dijitalleşme ve pandeminin etkisi ile sosyal medya- nın hayatımızda artan önemi ve kullanım seviyele- ri, yaratıcı içerik ve bu içerikler üstünden toplanan verilerin hem mevcut müşterilerimiz hem de po- tansiyel müşterilerimizle bağ kurmak için en etkin yöntem olarak hayatımıza girmesine neden oldu. Artık, uzun döne- me yayılan etkin stratejik planlama, oyunlaştırma, bu içe- riğin hedef kitle tarafından paylaşılması ve yaratıcı içeriğin sürdürebilirlik açısından efektif maliyetle yaratılması, kritik başarı faktörleri arasında yer alıyor. Bu noktada yaratıcı içe- rikle veriyi harmanlamak, ayrı bir bilgi birikimi ve metodo- loji gerektiriyor. Pazarlamacıların kritik anlarda mümkün olan en iyi kararları vermelerine yardımcı olmak ancak veri odaklı analizler ile mümkün olabiliyor. Veri toplama kaynaklarına bakıldığında, firmaların ortala- ma 16 farklı veri kaynaktan müşteri bilgilerini takip ettikleri gözüküyor. Bu veri kaynakları, dahili kaynakları olan çağrı merkezi, sosyal medya, web siteleri ve perakende kanalları gibi kendi birincil öncelikli verileri, iş ortaklarından ve satış kanallarından gelen harici ikinci taraf verileri ve pazarlama- cıların müşteri görünümlerini zenginleştirmek için kullan- dıkları üçüncü partilerden aldıkları pazar araştırma ve sos- yal medya raporları, en başta gelen veri kaynakları arasında sayılabilir. Asıl sıkıntı, bu verileri depolayan teknolojilerin son derece parçalanmış olması ve veri formatlarının farklı olmasından ötürü bu verileri birbirleriyle konuşturmanın son derece zor ve pahalı olması. Konu ile ilgili görüşlerini paylaşan CloudKettle Kıdemli Pazarlama Teknolojisi Mi- marı Eliot Harper veri siloları için “Yapılandırılmamış, yarı yapılandırılmış ve yapılandırılmış veri siloları arasında ortak bir şema/dil veya veri modeli olmadan eşleştirmenin zor ve masraflı” olduğunu vurguluyor. Forrester raporuna göre, müşterilerini tek bir veri tabanında tekil olarak toparlamayı başarabilen pazarlamacıların oranı sadece yüzde 49. Veri çevikliğini ve verinin efektif kulla- nımını engelleyen bir başka sorun ise veri analizi ve veriyi anlamak konusunda pazarlamacıların yetkinliklerinin sevi- yesi. Eğer hazır bir analiz ve raporlama sistemleri yoksa bilgi almak için IT ekibinin desteğine ihtiyaç duyarlar. IT ekip- lerine istedikleri verileri tanımlamaları ve IT ekiplerinin bu raporları hazırlaması saatler, günler veya haftalar sürebilir. Harcanan süreyi ve kampanyaları zamanında çıkma baskı- sından dolayı pazarlamacılar, genellikle bu tarz durumlarda veri analizi ile uğraşmayı bırakarak sadece içgüdüleriyle ka- rar veriyor. Hangi teknolojiye yatırım yapılacağının ve nasıl araçlar kul- lanılacağının belirlenmesinden önce, pazarlamacılar veri stratejilerini ve topladıkları verileri nasıl ve hangi amaçla kullanacaklarına karar vermeli. Kampanya kuralları baştan tanımlanmalı ve hazırlanacak kampanya yönetim masaları, bu verilerin kullanıcı tarafından kolaylıkla sorgulanacağı şe- kilde tasarlanmalı. Burada, IT, pazarlama, pazar araştırma ve iletişim ekipleri ortak çalışarak en iyi sonuçları ortaya çıkarır. Doğru veri kullanımı ile pazarlamacıların en büyük fark ya- ratabilecekleri alanlar arasında 3 konu öne çıkıyor:

1. Müşteri Segmentasyonu:

Algoritma ve makine öğrenme yöntemi ile insanların sos- yal medya ve diğer ürünleri kullanma şekilleri incelenerek tavsiye modelleri oluşturmak, yapay zekanın günümüzde en yaygın kullanıldığı alanlardan. Bunu uzun zamandır kul- lanan markalardan biri de Amazon. Amazon’da “X ürünü alanların yüzde 98’i Y ürününü aldı” tavsiyesi, en bilinen uy- gulamalar arasında. Esasında pazarlama jargonu ile burada yapılan “Predictive Marketing Analysis”. Yani elde olan veri- leri analiz edip inceleyerek, modelleme (modeling), machine learning ve veri madenciligi (data mining) gibi teknikler ile birlikte kullanarak geleceğe dair ya da bilinemeyecek bir da- taya yönelik bilinçli bir tahmin yapılması.

2. Reklam Hedefleme:

Burada yapay zeka algoritmaları kullanılarak, geçmiş müş- teri verileri ve onun sosyal medya kullanımları, satın alma davranışları, izledikleri reklamlar, arkadaşları, paylaştıkları içerikler, araştırdıkları konular takip edilerek onların karşı- sına hangi tip reklam ile ne zaman çıkılması gerektiği konu- sunda en iyi zamanlama ve en etkin reklam tipini sunmada kullanılıyor. Aynı şekilde web sitesini daha önce ziyaret etmiş bir kişiye retargeting (tekrar hedefleme) ile hangi tarz içerik kullanılarak daha hızlı geri dönüş alınması da kullanılan modeller arasında.

Değerli okuyucumuz,

Bu haberin detayını Business Türkiye dergisinde bulabilirsiniz.