דאטה מרקטינג: מנתונים מפוזרים לפעולה אוטומטית

לרוב צוותי הריטייל והאיקומרס כבר יש את נתוני הלקוח שהם צריכים. הם פשוט חיים בארבעה או חמישה מקומות שונים: האתר, מערכת הקופה בחנות, ה-CRM, והפלטפורמה שמריצה קמפייני אימייל וסמס. כשהנתונים האלה אף פעם לא נפגשים, השיווק נופל בברירת מחדל לשידורים המוניים ולניחושים במקום להחלטות שנבנות על מה שלקוח באמת עשה.

בקצרה

• דאטה מרקטינג רץ על פרופיל לקוח אחד, שכל ערוץ, אימייל, סמס, וואטסאפ ופוש, יכול לפעול עליו אוטומטית.
• התנהגות אונליין, הזמנות איקומרס, רכישות בקופה הפיזית ורשומות CRM צריכים לשבת במקום אחד לפני שלפילוח יש משמעות.
• פילוח RFM (רסנטיות, תדירות, ערך כספי) הופך רשימת לקוחות לקבוצות ששוות פעולות שונות, ולא קמפיין אחיד אחד.
• מסעות שמופעלים לפי התנהגות, עגלה נטושה, פוסט-רכישה, החזרה, ממירים טוב יותר משידורים מתוזמנים כי הם נפתחים לפי מה שהלקוח בדיוק עשה.
• הכנסה לכל פלח ולכל שלב במחזור החיים חשובה יותר משיעור פתיחה כשבודקים אם קמפיין עבד.
• התחילו ממסע אוטומטי אחד בעל ערך גבוה לפני שמנסים לשפץ את כל הערוצים בבת אחת.

מה דאטה מרקטינג באמת אומר

דאטה מרקטינג פירושו לפעול על נתוני לקוח אוטומטית, בערוץ וברגע שהכי חשובים.

רוב הצוותים כבר עוקבים אחרי הרבה: הכנסה, פתיחות, קליקים, סשנים. הפער יושב בשלב האחרון: להפוך את מה שאתם יודעים על לקוח למסע אוטומטי שרץ בלי שמשווק בונה כל שליחה ביד. דשבורד מספר לכם מה קרה בחודש שעבר. מסע שמופעל לפי התנהגות פועל על מה שלקוח עשה לפני שעה, בזמן שזה עדיין משנה את התוצאה.

מדיווח לפעולה בזמן אמת

דיווח מסתכל אחורה. הפעולה קורית ברגע שלקוח גולש בקטגוריה, נוטש עגלה, או נכנס לחנות וקונה.

הצוותים שמתייחסים לנתונים כדלק לפעולות אוטומטיות בונים מסע פעם אחת ונותנים לו לרוץ על כל לקוח שתואם, במקום לבנות מחדש קמפיין כל שבוע.

אחדו את נתוני הלקוח המפוזרים שלכם

פילוח ואוטומציה עובדים רק על נתונים שחיים במקום אחד. נתונים מפוזרים פירושם החלטות מפוזרות וסותרות.

לקמעונאי טיפוסי יש את הגלישה באונליין בכלי אחד, הזמנות איקומרס בפלטפורמת החנות, רכישות פיזיות בקופה במערכת נפרדת, והיסטוריית תמיכה ב-CRM. אף אחד מהם לא מדבר עם השני כברירת מחדל.

היכן הנתונים באמת חיים

להביא את ההתנהגות באתר, העסקאות, הרכישות הלא-מקוונות ורשומות ה-CRM לפרופיל לקוח אחד הוא הצעד שהופך כל צעד מאוחר יותר לאפשרי. בלעדיו, פלחי RFM ומסעות מופעלים עובדים על מידע חלקי.

פיקסל חכם שעוקב אחרי מבקרים אנונימיים לפני שהם ממירים סוגר כאן פער אמיתי נוסף: רוב תנועת האתר אף פעם לא ממלאת טופס, אז בניית הפרופיל חייבת להתחיל לפני שמישהו הופך לאיש קשר מוכר. ברגע שהחנות, ה-CRM והאפליקציות שלכם מתחברים באופן טבעי, הפרופיל הזה מתעדכן לבד במקום דרך ייצוא ידני.

למה נתוני הקופה נשארים בחוץ

רכישות בחנות הן הנתונים שרוב הקמעונאים שוכחים לאחד, כי מערכת הקופה מעולם לא נבנתה לדבר עם פלטפורמת שיווק. זה משאיר פער: לקוח שקונה בחנות שוב ושוב יכול להיראות לא פעיל באונליין, ואימייל החזרה יוצא למישהו שהיה בחנות בשבוע שעבר.

לסגור את הפער הזה לא דורש לעקור את מערכת הקופה. זה דורש שכבת נתונים מתחת לאימייל, לסמס, לוואטסאפ ולפוש שמתייחסת לרכישה בחנות בדיוק כמו לרכישה מקוונת כשהיא מחליטה מה לקוח רואה בהמשך.

פלחו לפי התנהגות ו-RFM

רשימת לקוחות אחת אינה אסטרטגיית פילוח. לקוחות שונים ראויים ליחס שונה, ו-RFM הוא הדרך הפשוטה ביותר לראות מי ראוי למה.

מה RFM באמת מקבץ

RFM מחלק לקוחות לפי רסנטיות, תדירות וערך כספי, כך שלקוח שקנה בשבוע שעבר ומוציא הרבה מקבל יחס שונה מזה שלא הזמין כבר שנה. ההבדל הזה מפריד בין הצעת נאמנות לקמפיין החזרה.

למצוא את האיזון הנכון חשוב: פלחים רחבים מדי מבזבזים את הנתונים שרק עכשיו איחדתם, פלחים צרים מדי הופכים בלתי ניתנים לניהול. RFM נותן מבנה התחלתי שרוב הצוותים יכולים להשתמש בו מיד, ואז לחדד ככל שהיסטוריית הרכישות גדלה.

בפועל, RFM ממיין בסיס לקוחות לכמה קבוצות שכל אחת קוראת למהלך שונה: לקוחות רסנטיים, תכופים ובעלי הוצאה גבוהה שראויים לגישה מוקדמת ולהטבות נאמנות; לקוחות שנהגו לקנות הרבה ונדמו, שצריכים דחיפת החזרה לפני שהם עוזבים לתמיד; ולקוחות חדשים עם הזמנה אחת, שצריכים דחיפה לרכישה שנייה יותר מהנחה. אף אחת משלוש הקבוצות האלה לא צריכה לראות את אותו קמפיין באותו יום.

הפכו פלחים למסעות אוטומטיים

פלחים משתלמים רק ברגע שהם מפעילים משהו. רשימה סטטית שיושבת בגיליון לא מזיזה הכנסה.

לתכנן את המסע פירושו למפות מה קורה אחרי שלקוח נופל בפלח: רצף ברוכים הבאים, דחיפת נטישת גלישה, מכירה משלימה בפוסט-רכישה, רצף החזרה שמתוזמן למתי שפלח בדרך כלל נוטש. כל אחד רץ על הפרופיל המאוחד, לא על ייצוא רשימה חד-פעמי.

הדרך מנתון גולמי לשליחה חיה נראית זהה בלי קשר לערוץ:

נתוני לקוח עוברים ממערכות מפוזרות לפעולה מופעלת ורב-ערוצית.

מסעות מבוססי רכישה הם בדרך כלל המהירים ביותר להוכחה, כי הטריגר, וההכנסה שקשורה אליו, חד-משמעי.

התאימו אישית עם נתונים אמיתיים, לא ניחושים

התאמה אישית שנעצרת בשם הפרטי מפספסת את האות. התאמה אישית אמיתית משתמשת במה שלקוח גלש, קנה ודילג עליו.

האות הזה מעצב את ההודעה הבאה כמו ששדה מיזוג לא יכול, והפער בין לעשות את זה טוב לבין לעשות את זה רע נראה ישירות בהכנסה. חברות שצומחות מהר יותר מפיקות כ-40 אחוז יותר מההכנסה שלהן מהתאמה אישית מאשר עמיתיהן שצומחות לאט יותר, מה שמתיישב עם מה שקורה כשפלח משקף התנהגות במקום ניחוש.

העקביות הזו חייבת להחזיק גם בין הערוצים. אם אתר מציג המלצה אחת ואימייל מציג אחרת, ההתאמה האישית סותרת את עצמה. ליישר בין האתר לאימייל סביב אותו פרופיל שומר על ההודעה עקבית בכל מקום שהלקוח מופיע בו בהמשך.

מדדו הכנסה ומחזור חיים, לא פתיחות

שיעור פתיחה אומר לכם ששורת נושא עבדה. הוא לא אומר לכם אם השליחה עשתה כסף.

הכנסה לכל פלח, שיעור רכישה חוזרת וזמן עד ההזמנה השנייה אומרים יותר על אם הדאטה מרקטינג עובד מכל מדד מעורבות לבדו. מעקב אחרי המדדים הנכונים פירושו לקשור כל קמפיין למה שהשתנה בשלב מחזור החיים של לקוח, ולא רק אם הוא לחץ.

קמפיין עם מעט פתיחות שמעביר פלח מקונה בפעם הראשונה ללקוח חוזר עשה את עבודתו. קמפיין עם שיעור פתיחה חזק ובלי רכישות חוזרות עדיין לא סיים.

שלב מחזור החיים חשוב בדיוק כמו כל מדד בודד. לקוח חדש, קונה חוזר פעיל ולקוח רדום הם שלוש בעיות שונות, ודוח שמְמַצֵּעַ אותם יחד מסתיר איזו מהן צריכה תשומת לב החודש. לפצל את הדיווח לפי שלב, ולא רק לפי קמפיין, מראה אם המסעות שנבנו קודם באמת מקדמים אנשים או רק מייצרים שליחות.

התחילו בקטן עם מסע אחד בעל ערך גבוה

לאחד נתונים, לבנות פלחי RFM ולמפות עשרה מסעות בבת אחת, ככה הפרויקטים האלה נתקעים, אז בחרו מסע אחד קודם.

מסעות פוסט-רכישה ונטישת עגלה הם בדרך כלל נקודת הפתיחה הטובה ביותר: הטריגר ברור, הקהל כבר חם, וההשפעה על ההכנסה קלה למדידה מול בסיס. להקים את התהליך הראשון הזה מוכיח את המודל לפני שמרחיבים אותו לכל פלח וכל ערוץ.

איך ActiveTrail עושה את זה

ActiveTrail רצה על רעיון אחד: פרופיל לקוח אחד שכל ערוץ פועל עליו. לא כלי נפרד לכל ערוץ עם נתונים כלואים בתוך כל אחד.

התנהגות באתר, עסקאות איקומרס, רכישות בקופה הפיזית ורשומות CRM מתאחדות לפרופיל יחיד, כולל מבקרים אנונימיים שנקלטים בפיקסל חכם עוד לפני שהם ממירים. פילוח RFM רץ על הפרופיל הזה אוטומטית, כך שרסנטיות, תדירות וערך מתעדכנים ככל שהזמנות חדשות נכנסות במקום לדרוש משיכה ידנית מחדש.

משם, מסעות שמופעלים לפי התנהגות נשלחים באימייל, סמס, וואטסאפ ופוש מאותו בונה אוטומציות, על אותם פלחים, כך שלקוח שנוטש עגלה באתר יכול לקבל דחיפת וואטסאפ ואימייל המשך בלי ששני צוותים בונים שני קמפיינים נפרדים. לפעול על פלחים באימייל נשאר ישיר בדיוק כמו בשאר הערוצים.

הפלטפורמה האחת הזו חשובה גם למי שבסוף מחזיק בהקמה. צוות שיווק בלי מפתח בהישג יד עדיין צריך לאחד נתונים, לבנות פלחי RFM ולהשיק מסע בתוך פרק זמן סביר, לא פרויקט אינטגרציה של כמה רבעונים. לשבת בין כלי אימייל בסיסי ל-CDP ארגוני מלא זו בדיוק הנקודה: מספיק מבנה כדי להפוך דאטה מרקטינג לאמיתי, בלי עומס ההטמעה שבדרך כלל מגיע איתו.

התמיכה מגיעה מצוות אמיתי, לא מתור פניות, מה שהכי חשוב בשבועות הראשונים של איחוד מקורות נתונים והקמת המסע הראשון. אם קל יותר לראות את זה על הנתונים שלכם מאשר לקרוא עליו, ניסיון חינם הוא הדרך המהירה ביותר לבדוק אם החנות, ה-CRM ונתוני הקמפיין שלכם מתחברים כמו שהמאמר הזה מתאר.

שאלות נפוצות

מהו דאטה מרקטינג עבור מותגי איקומרס וריטייל?

דאטה מרקטינג הוא הנוהג לאחד נתוני לקוח מהאתר, מעסקאות איקומרס, מרכישות בקופה הפיזית ומה-CRM לפרופיל אחד, ואז להשתמש בפרופיל הזה כדי להפעיל פעולות אוטומטיות באימייל, סמס, וואטסאפ ופוש. דשבורדים מדווחים על מה שקרה. דאטה מרקטינג פועל על הנתונים האלה אוטומטית, בין הערוצים.

מהו פילוח RFM ולמה הוא חשוב?

RFM מייצג רסנטיות, תדירות וערך כספי. הוא מקבץ לקוחות לפי מתי קנו לאחרונה, כמה תכופות הם קונים וכמה הם מוציאים, כך שקונה חוזר בעל ערך גבוה מקבל הודעה שונה מקונה חד-פעמי רדום. RFM הופך רשימת לקוחות אחת לקבוצות ששוות פעולות שונות במקום קמפיין אחיד אחד.

במה דאטה מרקטינג שונה מסתם דשבורדים אנליטיים?

דשבורדים מראים ביצועי עבר: פתיחות, קליקים, הכנסה לפי חודש. דאטה מרקטינג הולך צעד נוסף בכך שהוא מחבר את הנתונים האלה לטריגרים אוטומטיים, כך שלקוח שנוטש עגלה או מפסיק לקנות מקבל הודעה רלוונטית בלי שמשווק בונה את השליחה ביד כל פעם. הדשבורד מיידע את האסטרטגיה, האוטומציה מבצעת אותה.

אילו מקורות נתונים צריך לאחד כדי שזה יעבוד?

לכל הפחות, התנהגות באתר, היסטוריית הזמנות איקומרס, רכישות בקופה הפיזית היכן שרלוונטי, ורשומות CRM. גם מבקרים אנונימיים חשובים, כי רוב התנועה אף פעם לא ממלאת טופס. פיקסל חכם שעוקב אחרי התנהגות אנונימית לפני שמישהו ממיר עוזר לסגור את הפער הזה כדי שהפרופיל יתחיל להיבנות מוקדם יותר.

מהו מסע אוטומטי ראשון טוב להתחיל ממנו?

מסעות פוסט-רכישה ונטישת עגלה הם בדרך כלל נקודת הפתיחה הטובה ביותר, כי הטריגר ברור, הקהל כבר מעורב, וההשפעה על ההכנסה קלה למדידה מול בסיס. להוכיח את המודל על מסע אחד קודם מקל להרחיב את אותה גישה לפלחים ולשלבי מחזור חיים אחרים.