×

Storytelling with big data, Part Two – From data to story

blog
Amit-ProfilePic.jpg
תאריך פרסום : 26/09/2016
מאת : עמית קמה, בעלים, קמדיה דיגיטל בע"מ

חלקו השני של הפוסט העוסק באומנות העברת הסיפור הארגוני באמצעות דאטה. לאחר שסקרנו בחלקו הראשון של הפוסט את הכלים להעברה נכונה של הסיפור בזירה הדיגיטלית הרועשת, נבחן בחלק זה כיצד לחלץ מתוך הדאטה את קהל היעד לסיפור ואת הנרטיב שיגע בלקוחות גם ברמה האִינטֶלֶקְטוּאַלִית וגם ברמה הרגשית באמצעות חיבור בין היכולת לנתח נתונים והיכולת לספר סיפור. כיצד מספרים סיפור מותגי זהה לכולם, אבל לכל אחד בצורה קצת שונה כזו שתשמע לו כאילו כתבו את הסיפור במיוחד בשבילו.

כבר לא כל כך אינטיליגנטיים.

עד לפני מספר שנים האומנות הארגונית בכל הקשור לדאטה הסתכמה ביכולת לאסוף אותו מכל קצוות הארגון, לאחסן אותו בצורה יעילה וזולה, ולנתח אותו כך שיסייע לנו להבין את שמתרחש מתחת לאף שלנו בעיקר בזירה התפעולית והפיננסית השוטפת. פתאום הפכנו להרבה יותר חכמים והארגון בו אנו עובדים להרבה יותר אינטיליגנטי, אפילו המצאנו לכך ראשי תיבות מתאימים כיאה לעולם הטכנולוגיהBI כלומר Business intelligence.



סוף סוף יכולנו להתרווח בכסא המנהלים, השתלטנו על הררי הנתונים. האומנם ?!?

בעוד רובנו נחים על זרי הדפנה של עולמות הבינה העסקית, עלו להם על הבמה בזה אחר זה סטיב גובס, מארק צוקרברג, לארי פייג', סרגיי ברין ואחרים והבהירו בצורה חד משמעית (ובלי לומר זאת מפורשות) שהדאטה שיש לנו בארגון מהווה גרגר אבק בתוך קוסמוס עצום של נתונים, כזה שרק הולך ומתרחב.

בבת אחת (4 עד 5 שנים) הפך הדאטה שיש לנו בארגון למזערי בתמונה רחבה של נתונים עסקיים סביבתיים, פתאום היכולת לנתח מידע פנימי מובנה נראית הרבה פחות אניטילגנטית בעידן בו זורמים סביב הארגון כמויות עצומות של נתונים (תמונות, סרטים, פוסטים, קבצים, מידע מסנסורים ועוד) שמשפיעים בצורה ישירה על תפקודו של הארגון ועתידו.

צוהר לעולם חדש של נתונים עסקיים.

כאמור עד לפני מספר שנים עיקר השימוש בדאטה הסתכם ביכולת שלנו לנתח ולהבין את הביצועים העיסקיים, האם פסי הייצור שלנו פעולים בייעילות מירבית ?, האם המוצרים רווחיים ?, כמה שעות העובדים שלנו השקיעו ?, איכן אנו מבזבים משאבים ?.

מענה לשאלות אלו ונוספות היה ונשאר חלק חשוב ביכולתה של ההנהלה הבכירה לנהל את הארגון בצורה תקינה ורווחית. אלא שבעידן הדיגיטלי כמות המידע הנוסף שנוצר על ידי הלקוחות מאפשר לנו לשאול שאלות הרבה יותר חכמות ומורכבות כגון :

אילו פסי ייצור להפעיל בכדי לייצר מגוון רחב יותר של מוצרים לקהלי יעד ספציפיים ?

מי הם הלקוחות שהמוצרים שלנו יתאימו להם בצורה מיטבית ?

איזה חלק בשירות או במוצר שלנו צריך לשפר ולאיזה קהל יעד ?

כיצד ניתן להתייעל תפעולית באמצעות צמצום של שירותים או מוצרים בהם לא נעשה שימוש מלא / מיטבי ?

כיצד ניתן להתאים את אותם מוצרים לשימושים שונים של קהלי יעד שונים ?

איזה תוכן ומסר יגביר את השימוש או הצריכה של המוצר או השירות ?

מתי הלקוחות שלנו צורכים את השירות ?

כיצד ניתן להעמיק צריכה שימוש (בזמן המת) ?

כיצד הלקוחות שלנו עושים שימוש במוצרים שלנו ?

האם הלקוחות מרוצים מחויית השימוש ?

מי הם הלקוחות הפוטנצאליים שעדיין לא רכשו את המוצר ולמה ?

כיצד נגדיל את הסבירות לרכישת המוצר ?

מה יניע את הלקוחות לעודד לקוחות אחרים לרכוש את המוצר ?

אילו מאפיינים חסרים במוצר או בשירות (בעיני הלקוח לא הארגון) ?

ועוד ועוד ועוד...

העידן הדיגיטלי פתח צוהר הולך ומתרחב לכמות עצומה של נתונים המאפשרים לנו הצצה לנדבך החשוב ביותר בפעילות העסקית שלנו. התחושות הרגשות החווייה וכוונות הקניה של הלקוחות הקיימים והעתידיים.

זו גם הצומת שבה מנהלי הדאטה, שיווק, טכנולוגיה ודיגיטל אחראים לגשר בין העולמות בכדי להפוך את הנתונים לאותם סיפורים מעוררי השראה שמנהלי השיווק יודעים לספר בצורה כל כך טובה.

כוחות של סיפור בעידן של רעש דיגיטלי.

בסרטון הבא גניפר האקר, פורפסור לשיווק באוניברסיטת סטנפורד מסבירה כיצד סיפורים הופכים לבלתי נשכחים כאשר הם בעלי משמעות, הסרטון מציג מספר דוגמאות לאותו מסר המועבר באמצעות נתונים יבשים או באמצעות סיפור מעורר השראה, וההשפעה על קהל המאזינים.



אך לטעמי המסר החשוב ביותר בסרטון הוא זה שמסיים אותו. כיום בעידן של רעש דיגיטלי בלתי פוסק היכולת להעביר מסר שנוגע בלקוחות גם ברמה האִינטֶלֶקְטוּאַלִית וגם ברמה הרגשית היא באמצעות חיבור בין היכולת לנתח נתונים והיכולת לספר סיפור.

אך אין זו משימה פשוטה, שכן ברוב המקרים נדרשים שני טיפוסים שונים שמפעילים שני צדדים שונים במוח בכדי לחבר בין נתונים אנליטיים ליכולת לספר סיפור קריאייטיבי שנשאר עם הקהל לאורך זמן.

מקצרים את המרחק ביניו לבין הלקוחות.

עד לפני מספר שנים יכולנו להכיר את קהל הלקוחות שלנו בצורה אישית, אין זה משנה אם היינו חנות מכולת שכונתית, מנהל מכירות בחברה בינונית או מחלקת שיווק ומכירות בקונצרן ענק. לכולנו היה מגע אישי כזה או אחר עם הלקוחות שלנו. בשלב כלשהו, במה שנהגנו לכנות מחזור חיי הלקוח נפגשנו עם הלקוח או קהל יעד דומה פנים אל פנים בכדי לשמוע את הכאבים הרצונות והאתגרים איתם מתמודדים הלקוחות.

כיום בסביבה הדיגיטלית, בין אם נודה בכך או לא, המרחק בינינו לבין הלקוחות רק הולך וגדל. כמות הערוצים העקיפים דרכם הלקוחות שלנו צורכים מידע אודות השירותים והמוצרים שלנו (לרוב ערוצים עליהם אין לנו שליטה) רק הולכים ומתרבים, והדבר נכון גם לערוצים הדיגיטליים דרכם הם יכולים לרכוש את המוצרים והשירותים אותם אנו מציעים.



אלו רק מחזקים את הצורך בדאטה כאמצעי לגשר על הפער ההולך וגדל, דאטה שיסייע לנו להציע ללקוחות הצעת הערך מדוייקת. ולא, לא רק בגלל שזה אפשרי, אלא בגלל שהלקוחות שלנו נתונים במתקפה תמידית של הצעות ערך "פרסונאליות" אחרות, וזו כנראה הדרך היחידה להתעלות מעבר לסף הרעש ולייצר את החיבור האישי הנדרש.

מציאת קהל היעד והנרטיב בין ערמות הנתונים.

מכיוון שהפוסט אינו מיועד למדעני נתונים לא ניכנס להגדרות טכניות של שפות R, מערכות Hadoop או מודלים אנליטיים וסטטיסטיית לטיפול בביג דאטה או סתם דאטה, אלא נדון בשני מרכיבים עיקריים והכרחיים לצורך יצירת סיפור מבוסס דאטה. הגדרת קהל היעד ומציאת הנרטיב בנתונים. ככל שהראשון הופך למוצר "צריכה" בסיסי אותו כולם יכולים לרכוש, השני נשמר כיתרון תחרותי אינטלקטואלי לאורך זמן. נסביר...

נתחיל בכך שהיכולת לאפיין את קהלי היעד שלנו בצורה חכמה, מה שבעבר הלא רחוק סימל את מהות היתרון התחרותי בין השחקנים השונים בתעשיות השונות הופך מהר מאד למוצר צריכה בסיסי אותו כל חברה יכולה לרכוש במחיר סביר.

ככל שהטכנולוגיה הדיגיטלית מתקדמת, היא מצמצת במהירות את הפער והיתרון בין החברות השונות. כלומר היכולת של מכונות לומדות, בינה מלאכותית, זחלני רשת, מערכות לניתור וניתוח שיח דיגיטלי, מערכות אוטומציה של שיווק ועוד, מאפשרים לנו לאתר קהלי יעד רלוונטיים לסיפור אותו אנו רוצים לספר בצורה הרבה יותר פשוטה ומהירה.

אלא שאת אותה טכנולוגיה שאנו רוכשים בכדי לאפיין (Clustering ) את קהלי היעד שלנו גם המתחרים רוכשים, כך שבטווח של כמה שנים לא באמת יהיה הבדל ביכולת של חברות שונות לזהות את קהלי היעד מתאימים לפעילות המכירה והשיווק הפרסונאלי.

אלא שיש כאן אבל אחד משמעותי, והוא הראשוניות, מי שיצליח לרכוש ראשון את נאמנות הלקוחות באמצעות הסיפור הרלוונטי והמסר האישי ולשמר זאת לאורך זמן, הוא זה שירכוש לעצמו את ההיתרון התחרותי הנדרש בטווח הקצר.

וכפי שכל מנהל יודע, הרבה יותר קל לייצר יתרון מאשר לנסות להדביק פער, בדיוק כפי שהרבה יותר קל לשמר לקוחות קיימים מאשר לרכוש חדשים.

למרות כל ראשי התיבות בפסקה הבאה ננסה לא להיות יותר מידי טכניים. אחד המאפיינים של כלי Marketing Automation או יותר נכון מרכיב ה Data Management שבהם היא השימוש בטכנולוגיית גיבוש קבוצות (Clustering) של מערכות לומדות (Machine Learning) בכדי לזהות אוכלוסיות בעלי מאפיינים דומים.

אני חושב שההגדרה הבאה באנגלית מסכמת זאת בצורה הטובה ביותר :

“ Segmenting is the process of putting customers into groups based on similarities, and clustering is the process of finding similarities in customers so that they can be grouped, and therefore segmented.”

עדיין מבולבלים, נצלול קצת יותר עמוק :

סיגמנטים (Segmentation) :

ברוב הארגונים כיום פונים לקהלי יעד מוגדרים מראש, כלומר סיגמנטים מוכרים. לדוגמה את בושם הפרימיום נציע לנשים עם הכנסה מעל הממוצע באזור המרכז בגילאים שבין 18 ל 35. הגדרה זו מאפיינת קהל יעד ידוע מראש שבסבירות גובה ועל בסיס ניסיון עבר יגיב בחיוב לסיפור, למסר השיווקי או לאסטרטגיית המכירה וירכוש את הבושם המתואר.

הגדרת קהל היעד היא משימה די פשוטה ומבוססת נתונים דמוגרפים שפורסמו על ידי הרשויות או נתונים שניתן לרכוש מחברות מחקר. אלא שאוכלוסייה זו מאד רחבה ומכילה נשים שונות עם מאפיינים, דרישות וצרכים שונים. בנוסף כאשר אנו פועלים על אוכלוסייה מוגדרת מראש אנו מפספסים אוכלוסיות נוספות שעלולות להיות רלוונטיות למוצר אך לא נמצאות בקהל היעד שהגדרנו מראש.

StorytellingwithbigDataPart2-Pic1.jpg

גיבוש קבוצות (Clustering) :

לעזרתנו מגיע הדמוקרטיזציה של הדאטה והיכולת לנתח כמויות גדולות עם מאפיינים רבים. המוצר שלנו יכול להתאים לאוכלוסייה גדולה יותר עם מאפיינים שונים כגון העדפה לריחות, מצב משפחתי, דפוסי צריכה, אופי קניה שלא נמצאים בקהל היעד המקורי שהגדרנו.

גיבוש קבוצות או "קלסטרינג" נותן מענה לאיתור קהלי יעד באמצעות תהליך של למידה ממוחשבת אשר מגבשת לנו קבוצות של פריטים על בסיס מאפיינים דומים במטרה לייצר מהם בהמשך קהלי יעד או סיגמנטים שלא יכולנו להגדיר מראש.

בדוגמא שלנו המערכת תזהה לבד על בסיס נתונים אישיים ודמוגרפיים, נתונים מרשתות חברתיות, דפוסי רכישה היסטוריים ומידע פרוסנאלי נוסף את כל האנשים שהם או מקורבים אליהם מתאימים למוצר או השירות שאנו מציעים, במקרה שלנו בושם.

המערכת מזהה לבד את הדמיון בין המאפיינים השונים של הפרטים באוכלוסייה ומציע לנו את הקהל הרלוונטי כאוכלוסייה שמתנהגת באופן דומה. עכשיו אנו יכולים להגדיר את הקבוצה הזו כקהל יעד לסיפור שנרצה לספר.

StorytellingwithbigDataPart2-Pic2.jpg

מציאת הנרטיב לסיפור בדאטה.

במציאת הנרטיב לסיפור מופגן כל הכוח של המותג והאנשים שמאחוריו. זה הערך (המבדל) האמיתי, היכולת לנתח את המידע שהארגון צבר, ולהבין מתוכו את הנרטיב שיש לספר ללקוחות השונים ברגעי האמת המתאימים.

אם נבחן לעומק את הקבוצות שהמערכות הלומדות יצרו לנו נזהה במאפיינים הדומים דפוסי שימוש, רצונות, כאבים, אתגרים והתנהגויות דומות של האנשים (פריטים) בקבוצה. חלקם מעדיפים לרכוש את מוצרים במחיר גבוהה בכדי להרגיש שהם מקבלים תמורה עבור המחיר, אחרים מעדיפים לרכוש בהנחות או קופונים, יש ת אלו שרוכשים את המוצר יחד עם מוצרים משלימים ויש את אלו שמעדיפים שהמוצר יגיע אליהם הביתה. יש כאלו שטסים הרבה וחוזרים עם מתנות ויש את אלו שצריכים את הדחיפה הקלה להוציא את כספם.

כאשר נבחן את המערכות השונות בארגון, דפוסי השימוש של הלקוחות במוצרים או השירותים, הפניות שלהם במוקד הלקוחות, השיח שהם מנהלים ברשתות החברתיות, או באתר החברה, התגובות שלהם לפרסומי החברה או הפוסטים שהם כתובים על המוצרים נוכל להבין מהו הנרטיב המדוייק שיניע כל אחד מהם לפעולה הרצויה.

בעוד שהסיפור המותגי ישאר זהה לכולם, לכל אחד נספר את הסיפור בצורה קצת שונה כזו שתשמע לו כאילו כתבו את הסיפור במיוחד בשבילו.

הסיפור שנספר ללקוח קיים לפני רכישה נוספת או שדרוג של מוצר קיים, לעומת הסיפור שנספר ללקוח שעומד בפני החלטת הרכישה הראשונה, הסיפור שנספר ללקוח שרוכש את המוצר לבת זוגתו או הסיפור שנספר לזו שרוכשת את המוצר לעצמה.

לסיכום חשוב לזכור, אין כוח חזק יותר מהיכרות אישית עם הלקוחות שלנו, זה היה נכון לפני 100 שנה במכירה ישירה ואישית וזה נכון באותה מידה כיום כשהלקוחות שלנו רוכשים מאיתנו בערוץ דיגיטלי מעברו השני של הגלובוס.

Save

תגובות