پاورپوینت”سازمان داده محور،رازحکمرانی شرکت های موفق دربهبودکسب وکارها”

چرا تصمیم گیری داده محور موجب موفقیت کسب و کارها می‌شود؟
چرا تصمیم گیری داده محور موجب موفقیت سازمان ها می شود؟

احتمالا همه ما در مورد عبارت کلان داده (Big Data) زیاد شنیده ایم. عبارتی که اخیرا بسیار بر سر زبان‌ها افتاده است.

از آنجاییکه کسب و کار ها شکل دیجیتالی به خود گرفته اند، لزوم استفاده از هوش کسب وکار (BI) بیش از پیش مطرح می‌شود. با استفاده از BI تصمیم‌گیری‌های بهتری در سازمان‌ها انجام می‌شود که منجر به رشد سازمان و کسب مزیت رقابتی می‌شود.

اگر ابزارهای گزارش‌ساز به درستی به کار گرفته شوند و داده‌ها به درستی تحلیل شوند، شما قادر خواهید بود تصمیم‌های داده محور بگیرید و کسب و کار خود را رو به جلو حرکت دهید. این موضوع در تئوری بسیار جذاب به نظر می‌رسد. اما در عمل حتی اگر شما به انبوه ترین داده‌ها دسترسی داشته باشید، ممکن است که تصمیم‌هایی بگیرید که اساس تحلیل‌های داده‌ای نباشد و بر مبنای احساسات صورت پذیرد. این تصمیم‌گیری‌ها در اغلب موارد برای کسب و کار مضر و خطرآفرین است.

اگرچه در برخی از موارد تصمیم‌گیری‌ها بر مبنای غرایز و احساس انجام می‌شود اما باید درنظر داشته باشیم که تصمیم‌گیری‌های سازمانی عمدتا باید برمبنای معیارها، حقایق و ویژوال‌ها که مرتبط با اهداف سازمان هستند صورت پذیرند.

جهت درک اهمیت موضوع تحلیل داده‌ها،‌در این قسمت به بررسی موضوع «تصمیم گیری داده محور یا Data Driven Decision Making » می‌پردازیم. همچنین برای فهم بیشتر موضوع مثال‌هایی واقعی از تاثیر تحلیل در کسب و کار ها ارائه می‌نماییم.
تصمیم گیری داده محور یا Data Driven Decision Making چیست؟

تصمیم‌گیری داده محور یا Data driven decision Making (DDDM) فرایندی است به شکل زیر :‌

جمع‌آوری داده بر اساس اهداف یا شاخص‌های کلیدی عملکرد (KPIs)
تحلیل روندها و حقایق (Facts)
استفاده از تحلیل‌ها به منظور تعیین استراتژی و فعالیت‌هایی که موجب سوداوری برای سازمان می‌شود.

اساسا تصمیم‌گیری داده محور به معنای حرکت در مسیر اهداف سازمان است. در این مسیر از تجزیه و تحلیل داده‌ها استفاده می‌شود. به عبارتی تصمیم‌گیری داده محور (Data-Driven Decision Making یا به اختصار DDDM) فرایند تصمیم‌گیری بر اساس تحلیل داده به جای اتکای صرف به تجربه و شهود (Gut-Based Decision Making) است.

برای استخراج ارزش افزوده از داده‌ها، می‌بایست داده‌ها دقیق و مرتبط به اهداف سازمان باشند. جمع‌آوری، استخراج، ساختاردهی و تحلیل داده‌ها برای DDDM در کسب وکارها موضوعی گسترده است. همین امر موجب به نعویق افتادن و طولانی شدن پروسه DDDM می‌شود.

امروزه به سبب توسعه ابزارها و پلتفرم‌های هوش کسب و کار،‌ برای دریافت بینش از داده‌ها نیازی نیست که کاربران متخصص و حرفه‌ای باشند. بنابراین برای تهیه گزارشات، روندها، مصورسازی داده‌ها و دریافت بینش از اطلاعات به حوزه IT تقریبا نیازی وجود ندارد. علم داده نیز با توجه به توسعه این ابزارها به میان آمد.

گنجی که دانشمندان داده از داده‌ها استخراج می‌کنند، در دو دسته متفاوت جای می‌گیرند:‌ کمی و کیفی. هر دو این موارد برای تصمیم‌گیری داده محور مهم و حیاتی هستند.

تحلیل‌های توصیفی بر روی داده‌های تمرکز می‌کنند که اعداد و ارقام ندارند : مانند مصاحبه‌ها،‌ ویدیوها و داستان‌ها . تحلیل داده‌ها کیفی بیشتر بر اساس مشاهدات صورت می‌گیرد تا اندازه‌گیری داده‌ها. اما نکته مهم این است که داده‌ها کدبندی شوند و در گروه‌بندی‌های مناسب قرار گیرند.

تحلیل داده‌ها کمی بر اساس اعداد و آمار صورت می‌گیرد. میانگین، انحراف استاندارد و سایر آماره‌های توصیفی نقش مهمی برای این نوع داده‌ها دارند. بر خلاف آنالیز داده‌های کیفی، در آنالیز داده‌های کمی، بر اندازه‌گیری و اعداد و ارقام تمرکز داردتا مشاهدات. داده‌های کمی و کیفی هر دو می‌بایست تحلیل شوند تا تصمیم‌گیری های کسب و کار، داده‌ محور انجام شوند.

بازاریابی داده‌ محور چیست؛ ۷ گام ایجاد استراتژی، مزایا و ۷ نمونه قابل‌ اجرای آن
بازاریابی داده‌ محور چیست؛ ۷ گام ایجاد استراتژی، مزایا و ۷ نمونه قابل‌ اجرای آن

بازاریابی داده محور (data-driven marketing) نوعی از بازاریابی است که در آن به آنالیز داده‌ها و بررسی رفتار مشتریان می‌پردازیم. در نتیجه این تحلیل‌ها استراتژی‌هایی حاصل می‌شوند که بوسیله آن‌ها رفتار آینده مشتریان پیش‌بینی خواهد شد. در این مقاله شما را با ۷ گام ایجاد استراتژی، مزایا و ۷ نمونه قابل اجرای بازاریابی داده محور آشنا خواهیم کرد.

بازاریابی داده‌ محور از یک رویکرد نوآورانه به بخش بنیادی استراتژی کسب‌وکار و تبلیغات تبدیل شده است. این نوع بازاریابی اکنون به طرق مختلفی تعریف می‌شود اما در پایه‌ترین سطح می‌توان آن را بصورت زیر توضیح داد:

«بازاریابی داده‌ محور به استراتژی‌های مبتنی بر بینش‌های بدست آمده از تحلیل داده‌های بزرگ که از تعاملات و مشارکت‌های مشتریان بدست آمده و پیشبینی‌هایی درباره رفتارهای آتی ارائه می‌دهد اشاره دارد. برای این کار باید داده‌هایی که از قبل در اختیار دارید را بخوبی درک کنید، داده‌هایی که می‌توانید بدست آورید را بشناسید و نحوه سازماندهی، تجزیه و تحلیل و اعمال این داده‌ها را بدانید تا بتوانید تلاش‌های بازاریابی بهتری داشته باشید. اگرچه دلایل زیادی وجود دارد که شرکت‌ها از بازاریابی داده‌ محور استفاده کنند، اما اغلب هدف ضمنی این بازاریابی ارتقاء و شخصی‌سازی تجربه مشتری است».

جهت شفاف‌سازی موضوع، مزایای کلیدی و چالش‌های رایج بازاریابی داده‌ محور را همراه با مثال‌های کاربردی خلاصه کردیم.
مزایای بازاریابی داده‌محور

بازاریابی داده‌ محور – مزایای بازاریابی داده‌محور

هم کسب‌وکارها و هم مشتریان می‌توانند منافع زیادی از اتخاذ یک رویکرد داده‌ محور در بازاریابی‌شان بدست آورند. وقتی استراتژی‌ها با موفقیت اجرا شوند مزایای زیر بوجود خواهد آمد:
۱.بازاریابی شخصی شده

بازاریابی داده‌ محور – بازاریابی شخصی شده

شرکت‌ها باید پیام درست را به مخاطبان درست در زمان درست منتقل کنند. بازاریابی داده‌ محور برندها را قادر می‌سازد تا یک کمپین شخصی شده ایجاد کننده که پیام را از طریق درک عمیق‌ترِ پروفایل مشتری منتقل می‌کند.
۲.شفاف‌سازی صریح

بازاریابی داده‌ محور – شفاف‌سازی صریح

بازاریابان با اطلاعات بیشماری که در پایگاه داده‌شان دارند می‌توانند دقیق‌ترین و قابل اجراترین اطلاعات مربوط به مشتریان و چشم‌اندازها را مشخص کنند. با یک رویکرد داده‌ محور، تفکیک و گروه‌بندی مخاطبانی که سعی دارید به آن‌ها دست پیدا کنید بسیار آسان‌تر خواهد شد.
۳.تجربه چند کانالی

بازاریابی داده‌ محور – تجربه چند کانالی

بازاریابان می‌توانند داده‌ها را اهرم‌سازی کنند تا به شبکه‌های متعددی دست پیدا کنند و ارتباطات را فراتر از ایمیل گسترش دهند. توزیع تبلیغات داده‌محور در کانال‌ها از طریق کمپین‌های بازاریابی خودکار تضمین می‌کند که پیام شما مطلق و مستقیم است و در زمان و مکان درست به مخاطب می‌رسد.
۴.تجربه بهبود یافته مشتری

بسیاری از برندهای معروف از بازاریابی داده‌ محور برای ارتقاء تجربیات مشتریانشان استفاده می‌کنند. آن‌ها اغلب نظرسنجی‌های مربوط به رضایت مشتریان را انجام می‌دهند و بر ارتقاء حیطه‌های خاصی تأکید دارند.
۵.توسعه بهتر محصول

بازاریابی داده‌ محور نرخ شکست محصول را به طور قابل توجهی کاهش می‌دهد. شرکت‌ها می‌توانند مخاطبان هدف را بهتر درک کنند که این امر منجر به توسعه محصولات مطابق با بازار مورد نظرشان می‌شود.
۶ روش برای تهیه بهترین استراتژی بازاریابی داده‌ محور

بازاریابی داده‌ محور – ۶ روش برای تهیه بهترین استراتژی بازاریابی داده‌ محور

چه استراتژی داده‌ محور را به تازگی شروع کرده باشید، چه به دنبال روش‌هایی برای تقویت برنامه فعلی خود می‌گردید، باید بدانید عناصری وجود دارند که در این راه به شما کمک می‌کنند. جهت شفاف‌سازی بیشتر در ادامه شش روش سودمند برای شروع یا ادامه بهترین استراتژی بازاریابی داده‌ محور برای برندتان ارائه شده‌اند.
۱.تعهد به برنامه

صرف نظر از بزرگی یا کوچکی یک سازمان تغییر می‌تواند دشوار باشد و تشکیل یک برنامه بازاریابی داده‌ محور نیز استثناء نیست. از بالا تا پایین برای موفقیت این استراتژی باید تعهد وجود داشته باشد. شرکت‌ها باید زمان و منابع لازم را صرف کنند. طراحی یک مسیرِ بخوبی تعریف شده بدون سپری کردن زمان کافی به شدت دشوار خواهد بود.
۲.یکپارچه‌سازی و اتوماسیون

بازاریابی داده‌ محور – یکپارچه‌سازی و اتوماسیون

همانطور که در بالا اشاره شد جمع‌آوری و تحلیل حجم زیادی از داده‌هایی که مشتریان روزانه تولید می‌کنند حتی برای قوی‌ترین تیم‌های بازاریابی نیز می‌تواند طاقت‌فرسا باشد. بدون یکپارچه‌سازی موفقیت‌آمیز داده‌ها، بازاریابان فاقد داده‌های کافی جهت مرور یکپارچه مشتریان خواهند بود. در بسیاری از مواقع خرده‌فروشان یک چالش اضافی را می‌پذیرند و داده‌های خام را با رسانه اجتماعی و رفتار خرید مشتریان در موبایل ادغام می‌کنند. هرچند با استفاده از تکنولوژی و ابزار اتوماسیون بازاریابی جدید بازاریابان می‌توانند زمان کمتری را صرف جستجوی داده‌ها و زمان بیشتری را صرف اصلاح و تشکیل کمپین‌های بازاریابی شخصی شده و سطح بالا کنند.
۳.تشکیل بهترین تیم

بازاریابی داده‌ محور – تشکیل بهترین تیم

وقتی نوبت به داده‌ها می‌رسد مهارت‌های فنی و تخصصیِ لازم باعث می‌شوند یافتن بهترین استعداد دشوار گردد. تیم‌ها همچنین باید ماهیت میان‌بخشی و میان‌رشته‌ای داشته باشند. این بدان معنا نیست که باید یک عضو تیم IT پیدا کنند که در دسترس باشد و او را با یک نفر از بخش فروش یا بازاریابی همراه کنند تا یک برنامه داده‌محور تهیه کنند. بلکه به این معنا است که باید افرادی را پیدا کنند که دیدگاه تشکیلاتی داشته باشند و از حیطه تخصصشان فراتر بروند. تیم‌ها به دانشمندان داده نیاز دارند، کسانیکه در زمینه تحلیل پیشبینی کننده یا تقویت مخاطب تخصص دارند. آن‌ها همچنین به افرادی در بخش فروش و بازاریابی نیاز دارند که بتوانند چیزهای بیشتری درباره IT یاد بگیرند. این سطح مشارکت برای موفقیت هیئت مدیره الزامی است.
۴.کار در بخش‌های مختلف

تشکیل تیم‌های میان‌بخشی یک فرصت جدید است؛ همچنین باید تضمین گردد که داده‌ها در طول سازمان به اشتراک گذاشته می‌شوند. داشتن داده‌های باکیفیت و یکپارچه برای اجرای موفقیت‌آمیز بازاریابی داده‌ محور حیاتی است و البته کار آسانی نیست. بخش‌های سازمانی مختلف داده‌ها را به طور کارآمد جمع‌آوری می‌کنند اما این داده‌ها را برای اهداف تجاری استفاده می‌کنند که با یکدیگر تناقض دارند. بازاریابان باید اطمینان حاصل کنند که اطلاعات در میان بخش‌ها و تیم‌های مختلف به اشتراک گذاشته می‌شود اما این مسئله نیز حائز اهمیت است که اهداف تجاری سطح بالا یکپارچگی داشته باشند.
۵.توجه به کسب‌وکار برندهای دیگر

درحالیکه توجه به کسب‌وکار خویش می‌تواند سرلوحه زندگی روزانه اشخاص باشد اما وقتی نوبت به بازاریابی داده‌ محور می‌رسد این یک اشتباه بزرگ است. برندها باید حواسشان باشد که رقبا چگونه استراتژی‌هایشان را پیاده می‌کنند و سپس باید به دنبال راهکارهایی برای خودشان بگردند یا از اشتباهات رقبا درس بگیرند. بازاریابان همچنین باید از لحاظ جدیدترین برندها و تغییرات در بازاریابی داده‌ محور بروز باشند تا به استراتژی برند خودشان کمک کنند.
۶.اندازه‌گیری، بهینه‌سازی و دوباره اندازه‌گیری

یکی از مزایای اصلی بازاریابی داده‌ محور توانایی اندازه‌گیری مداوم و دقیق نتایج کمپین بازاریابی است. با طی کردن مسیر فوق برندها از ابزار و چارچوب لازم برای تحلیل داده‌ها برخوردارند و به سرعت می‌توانند تأثیر کمپین را اندازه‌گیری کنند. بدین ترتیب بازاریابان متوجه می‌شوند که چه چیزی موثرتر یا کمتر موثر است و می‌توانند براساس آن عمل کنند، بهینه‌سازی کنند و آزمایش انجام دهند. این کار موجب می‌شود تیم‌ها با ارائه محتوای شخصی شده مخاطبان درستی را مورد هدف قرار دهند. اندازه‌گیری مداومِ تأثیر نه تنها به برند کمک می‌کند تا تمرکزش بر اهداف کمپین و کسب‌وکار را حفظ کند، بلکه به ROI نیز کمک می‌کند و بر خرید سهام از رهبران سازمانی نیز تأثیر بیشتری می‌گذارد.
۷ مثال قابل‌اجرا از بازاریابی داده‌ محور که هم‌اکنون می‌توانید اتخاذ کنید
۱.از تگ Linkedln Insight برای یافتن صفات حرفه‌ای بازدیدکنندگان استفاده کنید

بازاریابی داده‌ محور – از تگ Linkedln Insight برای یافتن صفات حرفه‌ای بازدیدکنندگان استفاده کنید

آیا شناسایی حرفه افرادی که از وب‌سایتتان بازدید می‌کنند سودمند نیست؟ اگر یک شرکت B2B یا SaaS هستید، تگ Linkedln Insight یکی از حیاتی‌ترین ابزار بازاریابی داده‌ محور در وب‌سایتتان محسوب می‌شود. علت این است که این تگ می‌تواند عناوین شغلی، وظایف شغلی، شرکت‌ها، صنعت و اطلاعات بیشتری درباره بازدیدکنندگان وب‌سایتتان ارائه دهد. این ویژگی در مدیریت کمپین Linkedln در زیر «WEBSITE DEMOGRAPHICS» یافت می‌شود. این داده می‌تواند حیطه‌های تمرکز را ترسیم کند تا بتوانید محتوای قابل اجرایی را تولید کنید و راه حل‌هایی را برای مخاطبان هدف ارائه دهید.

برای مثال، فرض کنید ۵۵ درصد از بازدیدکنندگان وب‌سایت شما شغلشان «فروشندگی» باشد. آیا وب‌سایت شما محتوا و منابع قابل اجرایی را برای فروشندگان عرضه می‌کند؟ یا حاوی «محتوای کمی» است که هیچ مرحله قابل اجرایی برای فروشندگان ندارد؟ به این موضوع بیشتر فکر کنید.

شاید تعجب کنید که شرکت‌های زیادی مقالات بلاگ را فقط برای به اشتراک گذاشتن حداقل سه محتوا در هفته چاپ می‌کنند. این کار یک محتوای کم کیفیت را ارائه می‌دهد. از طرف دیگر، برندهایی که در بازاریابی محتوا موفق می‌شوند درواقع محتواشان را با نیازهای مخاطب هدف انطباق می‌دهند، حتی اگر به معنای انتشار یک محتوای قابل اجرا و جستجو شده در هفته باشد.

گوگل به وضوح بیان کرد که محتوای کم کیفیت برای میدان دید موتور جستجو بد است. درواقع در اینجا نقل قول مستقیم یکی از نمایندگان گوگل به نام گری ایلیس را ملاحظه می‌کنید:

«تا جاییکه می‌توانید محتوا را خلاصه کنید. صفحات کم کیفیت و فاقد ارزش افزوده نسازید. ارزشش را ندارد چون از یک طرف نمی‌خواهیم این صفحات را شاخص‌گذاری کنیم. به نظرمان این یعنی هدر دادن منابع. و از طرف دیگر با این کار به ترافیک باکیفیتی دست پیدا نخواهید کرد. اگر به ترافیک باکیفیت دست پیدا نکنید پس چرا باید منابعتان را برای آن بسوزانید؟»
۲.از گوگل آنالیتیکس و کنسول جستجو برای ارتقاء ترافیک ارگانیک وب‌سایت استفاده کنید

گوگل آنالیتیکس یک میدان دید اشعه ایکسِ سوپرمن‌مانند به بازاریابان عرضه می‌کند که در زمان واقعی نشان می‌دهد کاربران چگونه با یک وب‌سایت یا برنامه تعامل برقرار می‌کنند. این کار به کسب‌وکارها کمک می‌کند تا عملکرد بازاریابی، محتوا و محصولاتشان را بهتر ارزیابی کنند.

برای مثال، این تحلیل می‌تواند «زمان ماندگاری» (زمان a.k.a سپری شده در سایت) یک بازدیدکننده در یک وب‌سایت را نشان دهد. این یک سیگنال بحرانی است که گوگل در زمان رتبه‌بندی صفحات در صفحه اول SERPs (صفحات نتیجه موتور جستجو) از آن استفاده می‌کند.

اگر محتوایی را درمورد موضوعی تهیه کردید که به توضیحات دقیق‌تری احتیاج دارد، اما میانگین زمان ماندگاری کمتر از یک دقیقه است و نرخ پرش بالای ۸۰ است، آنگاه داده‌ها نشان می‌دهد که بازدیدکنندگان این وب‌سایت را سودمند نمی‌دانند. بنابراین گوگل این صفحه را در بالای SERP رتبه‌بندی نمی‌کند.

این امر به ویژگی زمانی صدق می‌کند که بازدیدکنندگان بر روی یک وب‌سایت از نتایج جستجو کلیک می‌کنند و فورأ کلید «بازگشت» را فشار می‌دهند و یک نتیجه دیگر را در همان جستار جستجو انتخاب می‌کنند و مدت بیشتری در وب‌سایت جدید می‌مانند. براساس گوگل تجربه اول نشان دهنده رضایت کمتر کاربر است و در نتیجه و‌ب‌سایت از موقعیت کنونی‌اش حذف می‌شود. تجربه دوم نشان دهنده رضایت بیشتر کاربر است و در نتیجه وب‌سایت به رتبه بالاتری منتقل می‌شود.

اما چه می‌شود اگر زمان ماندگاری ۳ دقیقه و بیشتر باشد (خیلی خوب) و نرخ پرش ۲۰ تا ۳۰ باشد (خیلی بد) اما مقاله مورد نظر در صفحه دوم گوگل قرار داشته باشد؟

کاری که «بازاریابی داده‌ محور» انجام می‌دهد این است که از استراتژی‌های بهینه‌سازی تاریخی برای دستیابی به مقاله در صفحه اول گوگل استفاده می‌کند. در این مثال یک زمان ماندگاری خوب و نرخ پرش بد نشان می‌دهد که شرکت شما فرصت‌های ارسال ترافیک باارزش به وب‌سایتش را از دست داده است.

داده مهم بعدی که باید به آن توجه کنید این است که مردم چگونه وب‌سایتتان را پیدا می‌کنند.
کنسول جستجوی گوگل را وارد کنید

بازاریابی داده‌ محور – کنسول جستجوی گوگل را وارد کنید

نمی‌توان گوگل را از فهرست شرکت‌های بازاریابی داده‌ محور جا انداخت. گوگل به اصطلاح یک گوریل ۸۰۰ پوندی است که از داده‌های کاربران برای تمام کارهایشان استفاده می‌کند.

کنسول جستجوی گوگل (GSC) شما را قادر می‌سازد تا عبارات جستجو که مردم به واسطه آن‌ها وارد وب‌سایتتان می‌شوند را مشاهده کنید.

یافتن عبارات جستجو که مردم از آن‌ها استفاده می‌کنند تا به وب‌سایتتان برسند بهترین داده برای تهیه استراتژی بازاریابی محتوای اولیه شرکتتان است.
۳.از SimilarWeb برای مشاهده مقصد بعدی بازدیدکنندگان وب‌سایتتان استفاده کنید

بازاریابی داده‌ محور – از SimilarWeb برای مشاهده مقصد بعدی بازدیدکنندگان وب‌سایتتان استفاده کنید

یک راهکار داده‌ محور دیگر استفاده از SimilarWeb برای هوش تجارت و تحلیل رقابتی است. SimilarWeb یک ابزار هوش بازار است که بینش‌هایی را برای درک، ردیابی و رشد سهم بازار دیجیتالی به کاربران ارائه می‌دهد. SimilarWeb بینش‌های بازاریابی قابل‌اجرای زیادی را به بازاریابان عرضه می‌کند.

با SimilarWeb می‌توانید مشاهده کنید که بازدیدکنندگان پس از ترک کردن وب‌سایتتان فورأ به کجا می‌روند.
چرا این مسئله مهم است؟

فرض کنید یک بازدیدکننده برروی نتایج جستجوی ارگانیک وب‌سایتتان کلیک می‌کند و فقط ۱۵ ثانیه در سایت شما می‌ماند و سپس سایت را ترک می‌کند – مقصد بعدی او Google.com است. این رفتار کاربر در جامعه موتور جستجو «Pogo-Sticking» نامیده می‌شود. همانطور که قبلأ گفته شد این کار می‌تواند به دیده شدن سایت شما در نتایج جستجوی گوگل آسیب برساند.

از یک طرف بخاطر داشته باشید که هدف شماره ۱ گوگل نمایش بهترین نتایج به جستجوکنندگان است. Pogo-Sticking جستجوگری است که به گوگل می‌گوید «این خیلی ناامیدکننده است گوگل. تو گفتی این چیزی است که به دنبالش می‌گردم اما این نیست». این یک سیگنال به شدت منفی است که به الگوریتم گوگل فرستاده می‌شود و وب‌سایت شما به صفحات عقب‌ترِ نتیجه موتور جستجو فرستاده می‌شود.

از طرف دیگر یک بازدیدکننده وب‌سایت شما را ترک می‌کند و مقصد بعدی‌اش وب‌سایت رقیب شما است. این مثال هوش قابل اجرا و بینش‌های تجاری زیادی را ارائه می‌دهد که باعث می‌شود رقبای جدید و شرکت‌های دیگر کشف شوند.
۴.از تگ‌های بازاریابی برای تهیه فهرست‌های هدف‌گیری مجدد استفاده کنید

از آنجاییکه جمع‌آوری داده‌های کاربر بخش حیاتی از اجرای استراتژی بازاریابی داده‌ محور است، نصب تگ‌های بازاریابی مجدد یک التزام برای هر وب‌سایتی است. با بسترهای تبلیغاتی مثل گوگل و فیسبوک بازاریابان می‌توانند بوسیله تگ‌های ردیابی (یا پیکسل برای فیسبوک) فهرست‌های هدف‌گذاری مجدد را تهیه کنند. یک مثال مناسب در اینجا تهیه فهرست مخاطبِ «خریداران» جهت جمع‌آوری داده‌های مشتریان است. این افراد کسانی هستند که با خرید چیزی از وب‌سایتتان و دستیابی به صفحه شما علاقه‌شان به کسب‌وکارتان را نشان دادند.
با این داده‌ها چه کاری می‌توانید بکنید؟
کارهای محدودی از جمله:

می توانید از بخش از افراد را از کمپین‌های تبلیغاتی جلب مشتری حذف کنید. با این کار بودجه‌های تبلیغاتی‌تان را برای کسانی که از قبل مشتری شما بوده‌اند هدر نخواهید داد. این تصمیمات داده‌ محور بدون جمع‌آوری داده‌های درست امکان‌پذیر نخواهند بود.
می‌توانید از طریق یک کمپین تشویق برای خرید به این مخاطبان یادآوری کنید. مثلأ یک فروشگاه خرده‌فروشی آنلاین که کفش می‌فروشد می‌تواند یک کمپین تبلیغاتی هدف‌گذاری مجدد به راه بیندازد تا خریداران گذشته را تشویق به خرید کند و آن‌ها را در فهرست بازاریابی مجددِ «خریداران» درج نماید.
همچنین، اگر محصولات مکمل را به فروش می‌رسانید می‌توانید فهرست مشتریانی که آیتم «X» را خریداری کردند اما آیتم «Y» را خریداری نکردند تهیه کنید. حالا می‌توانید تبلیغات را به این بخش ارسال کنید و به آن‌ها نشان دهید که چرا خرید آیتم «Y» به نفعشان است و یک کد تخفیف یا کدهای دیگر نیز برای آن‌ها قائل شوید تا تشویق به خرید شوند.

۵.از گزارشات مربوط به عبارت جستجوی تبلیغات گوگل برای ارتقاء ROAS استفاده کنید

بازاریابی داده‌ محور – از گزارشات مربوط به عبارت جستجوی تبلیغات گوگل برای ارتقاء ROAS استفاده کنید

نشان دادن تبلیغات درست به فرد درست در زمان درست بهترین راه برای ارتقاء بازده تبلیغات است. خوشبختانه، گوگل داده‌های قابل اجرای زیادی را ارائه می‌کند که در این کار به شما یاری می‌رساند. هرچند تعداد کمی از تبلیغ‌کنندگان از این اطلاعات استفاده می‌کنند.

با گوگل ادوردز متوجه می‌شوید که عبارت کلیدی که پیشنهاد دادید ضرورتأ همان عبارت جستجویی نیست که کاربران بوسیله آن تبلیغ شما را پیدا کردند.
چرا این مسئله اهمیت دارد؟

مثلأ فرض کنید یک تبلیغ‌کننده کلمه کلیدی «بلیط‌های خطوط هوایی برای لاس‌وگاس» را پیشنهاد می‌دهد. اما با مشاهده گزارشات مربوط به عبارت جستجو متوجه می‌شود که بیشتر مردم با تایپ کردن عبارت «بلیط‌های خطوط هوایی ارزان به لاس‌وگاس» در گوگل تبلیغ شما را پیدا کردند. تبلیغ کننده‌ای که مجهز به این دانش باشد می‌تواند سرتیتر تبلیغش را پیچ و تاب دهد تا با عبارت جستجوی دقیق جستجوگران (نیت اصلی آن‌ها) مطابقت داشته باشد.

بنابراین، درحالیکه ممکن است سرتیتر قبلی تبلیغاتشان به این صورت خوانده شود:

«بلیط‌های خطوط هوایی به وگاس – امروز رزرو و ذخیره کنید»

یک سرتیتر بهتر و مرتبط‌تر می‌تواند اینگونه باشد:

«بلیط خطوط هوایی ارزان به وگاس – ۷۰% تخفیف بلیط هواپیما. الان رزر کنید!»

به نظرتان کسی که به دنبال «بلیط‌های هواپیمای ارزان به وگاس» است اول برروی کدام نتیجه جستجو کلیک می‌کند؟ عبارتی که با جستار و نیت جستجوی آن‌ها دقیقأ انطباق داشته باشد.
۶.با استفاده از گزارشات و بازخوردهای بازدیدکنندگان خرید آنلاین را افزایش دهید

بازاریابی داده‌ محور – با استفاده از گزارشات و بازخوردهای بازدیدکنندگان خرید آنلاین را افزایش دهید

واقعأ از داده‌های بازدیدکنندگان استفاده کنید. بررسی کنید که چگونه از وب‌سایت استفاده می‌کنند یا به صفحه می‌رسند، بدین ترتیب به سرعت می‌توانید موانع اصلی را شناسایی کرده و تجربه مشتریان را ارتقاء بخشید. ابزاری مثل Hotjar، fullstory، mouseflow و Inspectlet می‌توانند بازدیدهای بازدیدکنندگان را به طور بی‌نام ضبط کنند تا بعدأ آن‌ها را پخش کرده و استفاده کنید.

یک نمونه کاربردی خوب، وب‌سایت eCommerce است که به دلیل نرخ بالای رها کردن سبد خرید کالا، نرخ تبدیل پایینی را تجربه می‌کند.

اولین کاری که باید انجام دهید این است که داده‌هایی را جمع‌آوری کنید که نشان دهند بازدیدکنندگان در کدام مرحله سبد خرید کالا را رها کرده‌اند. با استفاده از گوگل آنالیتیکس می‌توانید «صفحات خروج» که بازدیدکنندگان از طریق آن‌ها خارج می‌شوند را مشاهده کنید. این مسئله در پایین شرح داده شده است:

مرحله بعدی استفاده از ابزاری مثل Hotjar برای یافتن علت رها کردن سبدهای خرید کالا یا صفحات محصولات است. این کار با پخش ویدیویی عملیات کاربران امکان‌پذیر است.

چه می‌شود اگر کاربران از صفحات محصولات به بخش نظرات بروند، هیچ چیزی مشاهده نکنند یا نظر مفیدی مشاهده نکنند و سپس صفحه را ترک کنند؟ این امر نشان می‌دهد که شرکت شما باید نظرات مشتریان بیشتری را جمع‌آوری کند.

یک مسئله هوشمندانه دیگر این است که داده‌های کیفیت از طریق نظرسنجی در زمان «خروج» جمع‌آوری شوند. یعنی وقتی سایت متوجه می‌شود که خریدار قصد خروج از سبد خرید کالا یا صفحه محصول را دارد، یک سئوال نظرسنجی بصورت پاپ‌آپ ظاهر شود و نظر آن‌ها را برای بهبود کسب‌وکار بپرسد.

فهرست

سازمان داده محور

آیا شما یک مدیر داده-‌محور هستید؟

ویژگی‌های یک مدیر داده‌محور

مدیر داده‌محور روی به دست آوردن اطلاعات باکیفیت تأکید زیادی دارد

مهارت داده محوری مدیران

یادگیری در مرکز تصمیم‌گیری داده-محور قرار دارد

تصمیم گیری داده محور

ده گام ساده برای تصمیم گیری داده محور در هر کسب وکار

داده کاوی , هوش مصنوعی

«دانشمند داده» (Data Scientist))

«مهندس داده» (Data Engineer))

. مشابهت دانشمند داده و مهندس داده

مهندس یادگیری ماشین (Machine Learning Engineer))

مدیر داده (Data Manager)

معمار داده (Data Architect)

(تحلیل‌گر داده Data Analyst)

چرا تصمیم گیری داده محور موجب موفقیت کسب و کارها می‌شود؟

تصمیم گیری داده محور یا Data Driven Decision Making چیست؟

سیر تکامل​ سازمان داده-محور

مقاومت در برابر ​​​داده ها:

– کنجکاوی در مورد ​​​داده ها:

آگاهی از داده ها

درک داده ها​​

داده محوری​

تبدیل شدن به یک سازمان داد​ه-محور

حکمرانی داده ها شالودۀ هر سازمان داده محور

چالش فرهنگ داده محور در سازمان ها/سازمان داده محور

هوش مصنوعی و داده

داده و شرکت ها

ارزش واقعی بیگ دیتا درشرکت ها

نگرانی سازمان های داده محور

فرهنگ داده محور

مدیران و سازمان های داده محور

حرکت به سمت یک سازمان داده محور

ضرورت تحول در یک سازمان و حرکت به سمت یک سازمان داده محور

چگونه می توان به یک سازمان داده محور تبدیل شد؟

ایجاد حس ضرورت تغییر

سازمان داده محور

بازاریابی داده‌ محور چیست؛ ۷ گام ایجاد استراتژی، مزایا و ۷ نمونه قابل‌ اجرای آن

مزایای بازاریابی داده‌محور

بهبود کسب و کار از طریق بازاریابی داده محور و تحلیل اطلاعات مشتریان

ترغیب مشتری به خرید با استفاده از بازاریابی داده محور

چهار مرحله برای فعال‌سازی موثر داده‌هایتان در راستی بهبود کسب و کار

پایه و اساس داده‌ها: ایجاد یک دیدگاه کامل از مشتری

تصمیم گیری: استخراج داده‌ها برای کار برروی سیگنال‌ها

ارتباطات رویداد محور، براساس سیگنال‎های مشتری عمل می‌کنند.

اجرای چارچوب فعالسازی داده در جهت بهبود کسب و کار

بلوغ داده Data Maturity :/چرا به Data strategy استراتژی داده مناسب نیاز داریم؟

ابعاد بلوغ داده ها

بزرگترین بیماری یک سازمان کمبود اطلاعات دقیق وبموقع می باشد

مدیریت داده محور مهارت های نرم شما را بهبود می بخشد

استفاده از معیارهای مشخص و روشهای تحلیلی در نقاط کلیدی در فرآیندهای تصمیم گیری

اطلاعات دیجیتال

بهره گیری ازمنابع داده

داده ها ودی ان ای سازمان

سه مورد ضروری از فرهنگ داده محور/ تبلیغ دموکراتیک کردن داده ها

فرهنگ داده ومحور تجارت

تضمین کیفیت داده ها

مدیریت داده ها

مزایای یک فرهنگ داده محور

جهان داده محور

سازمان داده محور: ایجاد یک استراتژی داده

داده ها دارایی اساسی سازمان

ظهور تجزیه و تحلیل داده ها به عنوان یک واقعیت همه جانبه از زندگی سازمانی

فرهنگ داده ها فرهنگ تصمیم گیری است

فرهنگ داده بخشی از سیستم ارزشی شرکت

با ۱۱۲اسلاید تخصصی

دانلودوخرید۴۲۰۰۰تومان