Andmeteaduse rakendamisel turunduses on kaks eeldust: piisavalt andmeid ja piisavalt käivet

Taivo Pungas
Taivo Pungas

“Paljudel ettevõtetel võib andmeid isegi piisavalt olla, aga kui arvestada, et ühele inimesele kulub palgafondi, kontoripinna jms kulude jaoks suurusjärgus 50 000 eurot aastas, peaks andmeteadlane miljonieurose kasumiga ettevõttes suutma tõsta kasumit vähemalt 5%, et oma palk üldse tasa teenida. See on päris kõrge latt.” Andmete kasutamisest turunduses räägib andmeteadlane ja blogija Taivo Pungas.

Kas andmed aitavad alati turundust/müüki parandada?
 
Mitte ilmtingimata. Kui andmeid on väga vähe või on nad ebakvaliteetsed (või on analüüs vigane), võib andmetele toetumine panna meid liiga enesekindlalt uskuma midagi, mille jaoks tegelikult tõendeid pole. See on keskne küsimus igasuguses andmetöötluses: kui kindlad me oma järeldustes oleme? Mulle tundub, et inimaju tahab alati kalduda ühte või teise äärmusse (näiteks uskuda, et kell 8 hommikul on Instagrami postitamine kindlasti hea), kuigi andmete põhjal saame vaid öelda, et see on “ilmselt” parem. Kõige parem viis seda lahendada on panna väitele külge tõenäosus, näiteks "olen 70% kindel, et kell 8.00-9.00 on parim vahemik Instagrami postitamiseks".
 
Ma ei taha öelda, et me ei peaks andmeid kasutama, vastupidi. Tahan öelda, et peaksime aru saama, mida täpselt mõõdame, mida järeldame ja kui veenvad andmed on.

Milliste oskuste puudumiste otsa turundajad komistavad, kui hakkavad turundust automatiseerima/andmeid kasutama?
 
Alustan lihtsamast osast: üsna lihtne on vaadata, mis on ühe või teise reklaami conversion rate - see on vaid üks arvutus. Raske osa on aru saada, kas erinevus ka tegelikult oluline on. Näiteks võib A/B testis olla A-variandil vaatajaid 20 ja klikke 10 ning B-variandil vaatajaid 20 ja klikke 6. Võiks ju öelda, et 50% conversion (variant A) on palju parem kui 30% (variant B), aga nii väikese andmehulga peale võib see vahe olla vabalt juhuslikkuse tõttu.
 
Otsustamaks, kas erinevus on oluline, on tegelikult olemas tööriistu, aga kui need pole hoolikalt koostatud, on väga lihtne eksida ja seetõttu täiesti vale tulemus saada.

Kas kliendikäitumise andmetest mustrite leidmisega saab hakkama ka mitte-andmeteadlane? Mil juhul on vaja kaasata andmespetsialist?
 
Ma ei ole kursis, kas on sellist tarkvara, kuhu saaks andmed sisse visata ja ilusad järeldused kätte, aga lihtsamaid analüüse saab kasvõi Excelis/Google Sheetsis teha. Näiteks kui teame kõigi seniste klientide sugu ja vanust, on üsna kerge vaadata, kui palju igas demograafilises grupis kliente on ja kui palju nad keskmiselt kulutavad. Seda infot saaks kohe kasutada Facebooki reklaami sihtgrupi määramiseks.
 
Turundaja enda taustast, viitsimisest ja ressurssidest sõltub samamoodi, millal on mõistlik spetsialist kaasata - kui andmetöötlus huvi pakub, on võimalik ise päris palju ära teha. Ilmselt käiks enamikule turundajatest siiski üle jõu ennustavate mudelite tegemine (näiteks ennustada järgmise nädala klientide arvu). Võib-olla tasub spetsialistiga suhelda kasvõi veendumaks, et senine lähenemine on mõistlik -  kasvõi tunniajane konsultatsioon võib tuua välja tehtud vead ja anda ideid paremateks lähenemisteks.

Mis on lihtsad asjad, millega iga turundaja andmete kasutamisel hakkama saab?
 
Eelpool mainitud demograafiline segmenteerimine tundub mulle piisavalt lihtne ja väärtuslik. Ajalisi andmeid (näiteks klientide arv iga päev viimase aasta jooksul) vaadates võib saada ka ilma ühtki algoritmi rakendamata selge idee sellest, millal enim ostetakse. Selle põhjal saaks jõupingutused (ja eelarve) suunata näiteks madalperioodidesse. Ka A/B testide jooksutamine on lihtne (näiteks katsetada kahe erineva tekstiga FB reklaami); sealt saadud andmete põhjal ühe või teise variandi valimine ei ole samuti väga keeruline (keerulisem osa on vältida statistilisi vigu, mis võivad tulemuse ära rikkuda).

Kliendikaartidelt info hankimine ja selle segmenteeritud kasutamine peaks olema tänapäeval väga lihtne. Miks sinu arvates paljud suured ettevõtted seda võimalust siiani ei kasuta?
 
Võib-olla on siin mingi andmete privaatsuse küsimus ka, aga pigem tundub, et on kaks põhjust:
 
a) Mulle tundub, et paljud ei ole kursis, mida on üldse võimalik teha. Näiteks on tänapäeval täiesti standardne meetod võtta sisse kõigi klientide ostuajalood ja siis soovitada kliendile tooteid, mis talle võiks meeldida. Selle jaoks on välja arendatud head meetodid, aga kui ettevõtte juhtkond ei tea, mida on võimalik teha, siis ei oska nad ka seda küsida ega selle väärtust näha.

b) Iga andmeanalüüsi või andmekasutuse eesmärk on aidata ettevõtte põhitegevust. Andmeteaduse edukal rakendamisel on kaks eeldust: piisavalt andmeid ja piisavalt käivet. Paljudel ettevõtetel võib andmeid isegi piisavalt olla, aga kui arvestada, et ühele inimesele kulub palgafondi, kontoripinna jms kulude jaoks suurusjärgus 50 000 eurot aastas, peaks andmeteadlane miljonieurose kasumiga ettevõttes suutma tõsta kasumit vähemalt 5%, et oma palk üldse tasa teenida. See on päris kõrge latt.
 
Ma ei ütle, et see on võimatu. Andmete kasutamine võib aidata ettevõttel paljusid protsesse, sh turundust paremaks teha, aga vajalik andmekogus ja käive panevad alampiiri ettevõtte suurusele, kust alates see mõistlik on. Muidugi on alati variant mitte võtta kedagi täiskohaga tööle, vaid osta konsultatsiooni väljast sisse, aga see võib jälle põrgata ülaltoodud teadmatuse otsa.

Millised võiks olla turunduse automatiseerimise miinusküljed?
 
Kui teha seda valesti, võib tulemus olla halvem, kui inimese otsustusvõimet kasutades. Lisaks tuleb turunduse loovam osa praegu ikkagi inimeselt. Kuigi andmeid kasutades saab hästi valida, milline variant on parim, pakub variandid välja siiski inimene. (Seda võib küll tulevikus samamoodi automatiseerida.)
 
Parimad automaatsed tööriistad, näiteks Facebooki või Google'i reklaamid on nii lihtsad, et seal on eristumine keeruline. Võib-olla kaalub efektiivsus ja mõõdetavus selle miinuse üles, aga hästi tehtud video (nt hiljutine Heinekeni reklaam) võib olla palju meeldejäävam. (See on ilmselt olulisem pikaajaliselt brändi ehitamiseks kui lühiajaliste kampaaniate jaoks.)
 
Andmeteadlane ja blogija Taivo Pungas (pungas.ee) on töötanud andmetega Skype'is ja TransferWise'is ning lõpetab arvutiteaduse magistrit ETH Zürichis.

Turunduses andmete kasutamisest räägime ka 14. juunil toimuval seminaril "Turundus ja numbrid. Kuidas andmete abil oma äri kasvatada?"
 
Saad teada:

  • kuidas siduda omavahel kokku andmed, tehnoloogia, strateegia ja loovus;
  • milliseid andmeid koguda ja kuidas neid andmeid mõistlikult turunduses ära kasutada;
  • kuidas väiksema vaevaga turunduses paremaid tulemusi saavutada;
  • millised on Eesti ettevõtete kogemused andmetele tuginevas turunduses;
  • millised on Eesti ettevõtete kogemused turunduse automatiseerimisel.

Tutvu kavaga ja pane ennast juba täna soodushinnaga kirja.

Osale arutelus

ERROR: Object template SessionInfo is missing!

Toetajad

Raadio ettevõtlikule inimesele

Hetkel eetris

Jälgi Best Marketingi sotsiaalmeedias

RSS

Toetajad

Valdkonna töökuulutused

Aatrium Sisustuskaubamaja otsib TURUNDUS- JA MÜÜGIJUHTI

Aatrium Sisustuskaubamaja AS

30. november 2017

Advokaadibüroo KPMG Law otsib TURUNDUSSPETSIALISTI

KPMG Baltics OÜ

03. detsember 2017