Büyük veri ile durum bazlı pazarlama

Konuk yazarımız Yavuz Tunç, yönetim danışmanlığı şirketi Peppers and Rogers Group'ta direktör olarak görev yapıyor.

Don Peppers ve Martha Rogers, 1993 yılında birebir pazarlama kavramını pazarlama dünyasıyla tanıştırdıkları “Birebir Gelecek” (The One to One Future) kitabında kişisel (birebir) pazarlamayı 4 adımlı bir süreç olarak tanımlamışlardı:

1. Müşterileri belirleme ve tanımlama
2. Farklılaşan ihtiyaçlarını ve yaşam döngüleri boyunca şirkete getirecekleri değeri anlama
3. Müşterilerle etkileşime geçerek ihtiyaçlarını ve tercihlerini öğrenme
4. Bu öğrenimler doğrultusunda ürün, servis ve iletişimleri her bir müşteri için özelleştirme

Aradan geçen 20 yıldan fazla zaman içerisinde bu süreç hala geçerliliğini korusa da birebir pazarlama yaklaşımının, değişen müşteri profiliyle beraber yeniden tanımlanma ihtiyacı doğdu. Günümüzün müşterileri daha sosyal ve online olmakla beraber aynı zamanda markalara daha az bağlı ve daha sabırsız hale geldiler ve markalardan daha rahat erişebilecekleri, hızlı ve kişisel çözümler beklemeye başladılar.

Pazarlama dünyası için bu, stratejik öncelikler ve harcamalarda bir paradigma değişikliği ihtiyacını doğuruyor ve yatırımların şu alanlarda odaklanmasını gerektiriyor:

• Sosyallik: Kişiler arasındaki etkinin anlaşılması
• Hız: Mesajların dinamik olarak özelleştirilmesi
• Dijitalleşme: Dijital veri toplama ve iletişim
• Yakınsama (Convergence): Birden fazla cihaz ve ortamda hizmet sunulması
• Çok kanaldan kişiselleştirme: İlgili mesajların doğru kişilere tercih ettikleri kanallardan iletilmesi

Bu çok boyutlu iş problemini çözmek için en önemli kaynağın veri olduğu söylenebilir. Bu verinin gerçek zamanlı analitik yöntemler kullanılarak anlamlandırılması ve müşterilerle iletişim kurabilmek için en uygun durumların belirlenmesi pazarlama olgunluk seviyesini üst noktalara getirir. Buradaki yolculuk tüm müşterilere aynı mesajın verildiği kitlesel pazarlamadan segmentli iletişime geçilmesi, daha sonra iletişimin gerçek zamanlı yapılmasından, dijital ve dış verinin de kullanılmasıyla durum bazlı pazarlamaya geçiş şeklinde sıralanabilir. Burada birçok şirket segmentli yaklaşımı kabul etmiştir, bazıları da gerçek zamanlı iletişim kurmaktadır. Bunu bir sonraki düzeye getirecek olan durum bazlı pazarlama sürekli veri akışıyla elde edilen öngörüleri, hava durumu vs. gibi dış veri kaynaklarıyla harmanlayarak müşteriye verilecek mesajların daha ilgili hale getirilmesini sağlar. Ek olarak iletişim noktalarını kural bazlı veya ön kabullerle belirlemek yerine ileri analitik modelleme yöntemlerini kullanır.

Pratikte bu yöntem nasıl çalışır? Müşteriler, bir şirketle olan yaşam döngülerindeki farklı aşamalarda, farklı kanallardan etkileşim haline geçerek zengin bir veri tarihçesi oluştururlar. Bu veri yüz yüze, çağrı merkezi, e-posta, online, mobil, sosyal gibi kanallardan ve hatta arama geçmişinden akabilir. Bu kanalların birçoğu dijital olduğundan ortaya çıkan veri boyutu büyümekte ve ileri analitik yöntemlerle işlenerek müşteri kazanımı, yeni müşteri dönemi, müşteriyi elde tutma gibi yaşam döngüsündeki aşamaları optimize etmeye yardımcı olur.

Bu yaklaşım birbirini sürekli besleyen 2 yönlü bir sisteme dönüşür. Müşteri etkileşimleri sonucu oluşan dijital bilgi, büyük veri sistemlerine akar, bu bilginin analitik çalışmalarla öngörüye dönüştürülerek yine dijital aksiyonları yönlendirmesi sağlanır. Bu süreçte segmentasyon, tahminsel modelleme, simülasyon, metin madenciliği gibi büyük veri madenciliği çalışmalarıyla, pazarlamacılar hangi teklifi nasıl özelleştireceklerine, hangi kanalları kullanacaklarına, ne zaman iletişim kuracaklarına ve sonuçları nasıl ölçeceklerine daha objektif ve etkin bir şekilde karar verebilirler. Bu sayede daha fazla geri dönüş elde edilecek aktiviteler planlanabilir ve kısıtlı pazarlama bütçelerinden en iyi iş sonuçları elde edilebilir.

Bahsedilen verinin büyük veri olarak tanımlanabilmesi sadece hacme bağlı değildir. Aslında hacim diğer önemli 2 parametre olan veri akış hızı ve veri kaynağı çeşitliliğinin bir sonucudur. Çok farklı kaynaktan toplanan yapısal (geleneksel veri tablolarında tutulan) ve yapısal olmayan (metin, doküman, vs.) farklı bağlı cihazlardan toplanan Nesnelerin İnterneti (Internet of Things) ve sosyal medya verisi, statik bir şekilde toplanmak yerine gerçek zamanlı akan ve işlenen veri kaynakları büyük hacimde analiz ve öngörü oluşturmayı kolaylaştırır. Bu yapı şirketler için zorluk olarak görünse de müşteri ilişkilerini derinleştirmek için önemli fırsat sunar.

Durum bazlı pazarlamayı başarmak için 4 aşama:

1. Geçmiş veriye ve akan iç ve dış veriye bakarak hedef kitleleri belirlemek
2. Anlık davranış değişikliklerine ve ihtiyaçlara göre gerçek zamanlı senaryoları oluşturmak
3. Bu senaryolar gerçekleştiğinde aksiyonlarla cevap vermek
4. Senaryo için belirlenen hedefler doğrultusunda objektif ölçümlemeyi yapmak

Bu aksiyonların alınabilmesi için arka planda çalışacak bir teknoloji altyapısının geliştirilmesi veya mevcut sistemin çok kanaldan ve gelişmiş ölçüm yapmayı sağlayacak şekilde adaptasyonu gerekir. Aynı zamanda dinamik olarak değişen müşteri profilleri ve senaryolar planlamayı da komplike hale getirir. Bu da belirlenen durum senaryolarının fizibilitelerinin dinamik bir şekilde yapılması, birbirleriyle olan etkileşimlerinin de göz önünde bulundurulması ve gereken noktalarda simülasyon çalışması yapılmasıyla aşılabilir. Her bir senaryonun etkisini yüzde 100 olarak ayrıştırmak oldukça zor olmasına karşın, her bir durum için bir kontrol grubuyla karşılaştırma yapılarak yaklaşık bir sonuç elde edilebilir. Tüm senaryolardan oluşacak programın uzun vadeli etkisi ise evrensel kontrol grubu olarak adlandırılan ve tüm senaryolardan ayrıştırılan bir grup ile karşılaştırılarak ölçülebilir.

Farklı sektörlerden durum bazlı pazarlama örnekleri:

Durum bazlı pazarlama hemen her sektöre uygulanabilir, daha fazla dijital veriye sahip sektörler erken adapte olurken diğerleri de belli oranda bu yaklaşımı değerlendirebilir. Bazı sektör örnekleri:

Perakende: Firma, müşterilerinin satın alma / arama davranışı, yaşam stili parametreleri, dijital kanal tercihleri ve geri dönüşlerinden 3 boyutlu bir model oluşturur ve teklifleri buna göre düzenler. Müşteri yaşam stili teklifteki ürün çeşitliliğini belirlerken, kanal tercihleri teklifin iletileceği kanalı, satın alma davranışı da verilecek faydanın yoğunluğunu belirlemek için kullanılır. Örneğin mont almak isteyen bir potansiyel müşteriyi ele alırsak, senaryoda müşteri arama motoru aracılığıyla perakende web sitesine erişir. Şirket arama anahtar kelimesini ve giriş sayfası (landing page) bilgisine ulaşır. Siteye giriş yapmamış (anonim) bir kullanıcı olmasına rağmen önceki ziyaretlerden analiz edilen bilgilerle müşterinin 3 boyuttaki önceki davranışlarını, arama ve site üzerindeki davranışı ve geçirdiği süre ile eşleştirdiği bir durum oluşturur. Son olarak hava durumu tahminiyle beraber komple resmi tamamlayarak ve bu müşteriye teklif çıkıp çıkmama kararını anlık olarak vererek bir pop-up aracılığıyla müşteriye sunar.

Telekom: Mobil operatör, müşteri yolculuklarını analitik olarak modelleyerek aksiyon alma noktalarını belirlemiş ve cihaz satışlarını artırır. Mağazayı ziyaret edip farklı modelleri incelemesinden sonra web’de araştırmasına devam eden, konuyla ilgili e-mailleri takip eden ve ilgili kampanya iletişimleriyle ilgilenen müşteriye hangi noktada teklif çıkılması gerektiğini bu yaklaşımla belirleyerek müşterilerin karar vermesini kolaylaştırır. Aynı şekilde geleneksel müşteri kaybı modellerinin yakalayamadığı erken müşteri kaybını da bu yaklaşımla azaltmayı başarır.

Bireysel Bankacılık: Banka şubesine bir vergi ödemesi yapmaya gelen bir müşteriyi kiosktan geçirdiği kartından tanıyan banka, bu müşterinin dijital bankacılık kullandığını bilerek anlık olarak mobil bankacılığa yönlendirir. Böylece hem şube yoğunluğunu azaltır hem de müşterinin bekleme süresini kısaltarak memnuniyetini artırmayı başarır.

Sonuç ve Öneriler: Bunun gibi örnekler ve senaryolar tek tek değerlendirildiğinde, hem müşteriler hem de şirketler için net gibi görünse de buna benzer çok fazla sayıda durum belirleyebilmek için tek tek senaryo bazında yapmak yerine, mümkün olduğunca çok verinin toplanmasını, farklı iş birimlerince kullanılan verinin entegre edilmesini ve yeri geldiğinde dış veri kaynaklarıyla desteklenmesini öneriyoruz. Aynı zamanda bu toplanan ve analize hazır hale getirilen veriyi geleneksel yöntemler yerine, gelişmiş analitik yöntemlerle anlamlandırmak için gerekli araçlara ve uzmanlara yatırım yapmak da gerekir. Firmaların rekabetteki en önemli ayrıştırıcı gücü olan müşterilerini daha iyi anlamak adına yapılacak bu yatırımların geri dönüşü de çok hızlı ve net bir şekilde iş sonuçlarında kendini gösterecektir.

Ana görsel:estherpoon/shutterstock