Tiedolla johdettu B2B-markkinointi – data ja analytiikka myynnin tukena

[dagmar_large_image bigimage=”6633″ /]

Data – Mitä tietoa meillä on käytössä?

Kun puhutaan tiedolla johdetusta liiketoiminnasta tai markkinoinnista, yksi tapa aloittaa on kuvata mitä dataa on käytössä ja kuinka siihen päästään käsiksi.

Tärkeimpiä omia datalähteitä B2B-maailmassa ovat usein CRM ja tilausjärjestelmät, joista löytyvät asiakkaan perustiedot sekä ostohistoria tarjouksineen ja yhteydenottoineen.

Ulkoisina tietolähteinä ovat erilaiset yritystietokannat/-rekisterit, joista saadaan niin taloustietoja kuin tapahtumatietoa yrityksen toiminnasta, riippuen hieman käytetystä lähteestä.

Käyttäytymistietoa voidaan kerätä eri automaatio-/verkkotyökalujen avulla. Sen avulla voidaan laajentaa ymmärrystä asiakkaan kiinnostuksen kohteista.

Myös erilaista markkina- ja trenditietoa on tärkeä kyetä keräämään, jotta pystytään tunnistamaan ympärillä tapahtuvia asioita ja hyödyntämään sitä niin datan analysoinnissa kuin sisällöntuotannossa.

Kun saatavilla olevat tietolähteet ja datat on tunnistettu, on tärkeä luoda systemaattinen tapa ymmärtää ja hyödyntää kertyvää dataa – ja oppia kaikesta.

[dagmar_large_image bigimage=”6635″ /]

Analysointi

Käytettävissä olevaa dataa voidaan analysoida eri tavoin, kevyestä ristiintaulukoinnista aina järeisiin prediktiivisiin koneoppimisen malleihin. Menetelmän valinta riippuu aina haasteesta, johon halutaan löytää ratkaisu.

B2B-maailmassa haasteet voivat liittyä esimerkiksi uusasiakashankinnan tehostamiseen – kuinka löytää lisää uusia ja kannattavia asiakkaita. Oman asiakaskannan analysoinnin ja segmentoinnin avulla voimme tunnistaa arvokkaimmat nykyasiakkaat sekä heitä tyypittävät tekijät yli toimialaluokitusten ja hyödyntää tätä tietoa uusasiakashankinnan tukena.

Segmentoinnin avulla tunnistamme myös hyödyntämättömän potentiaalin: kuinka paljon jo nykykannassa on löydettävissä piilevää ja otollista potentiaalia ristiinmyynnille eli nykyasiakastuottojen kasvattamiselle.

Toinen esimerkki liittyy tarjouksien pisteytykseen. Kun käytettävissä on laadukasta tarjousputken dataa hyväksytyistä ja hävityistä tarjouksista, tarjoukset voidaan pisteyttää. Prediktiivisen mallinnuksen avulla voimme tunnistaa tarjouksen läpimenoon positiivisesti ja negatiivisesti vaikuttavia tekijöitä, ja arvioida tulevien tarjousten läpimenon todennäköisyyttä. Tulevat tarjoukset voidaan tämän jälkeen pisteyttää kuumuusjärjestykseen. Näin voimme tehostaa myyjien resurssien allokointia sekä tarttua mahdollisiin ongelmakohtiin tarjousten seurannassa ja jälkihoidossa.

Tulosten hyödyntäminen

Tiedolla johdetun liiketoiminnan yksi tärkeimmistä avainkohdista on tulosten linkittäminen tekemiseen. Hyvästäkään analyysistä ei ole hyötyä, jos sitä ei viedä käytäntöön. Hyödyntämistapoja on hyvin monenlaisia ja -tasoisia riippuen analyysistä ja sen tavoitteesta.

Tuloksia voidaan hyödyntää muun muassa sisällöntuotannossa: tehdään sellaista sisältöä, joka oikeasti puhuttelee yleisöä ja toimii halutulla tavalla. Tunnistetaan analyysien avulla esimerkiksi mistä kohderyhmä on kiinnostunut ja mikä voisi saada heidät aktivoitumaan. Ymmärrys voidaan rakentaa vaikkapa trendien (yleisten tai toimialakohtaisten), verkkokäyttäytymisen ja tutkimuksen kautta saadun tiedon perusteella.

Tulokset voivat myös auttaa ymmärtämään mikä sisältö toimii missäkin kanavassa ja mille kohderyhmälle. Yksikertaisimmillaan asia voidaan selvittää A/B-testillä verkkosivuilla tai uutiskirjeessä, jossa vertaillaan mikä sisältö toimii ja mikä ei. Pidemmälle viety ratkaisu on esimerkiksi monikanavaisen kävijäpolun analysointi, jossa suoramarkkinointi-, mainonta- ja verkkosivu-käyttäytyminen yhdistetään ja sen pohjalta rakennetaan personoidut, segmenttikohtaiset ja automatisoidut hoitomallit.

Työkaluja on paljon ja niitä tulee koko ajan lisää. Markkinoinnin automaatiojärjestelmät, mainonnanhallintajärjestelmät ja sivuston personointityökalut ovat isossa roolissa, mutta myös CRM-järjestelmien ja verkkosivualustojen ajantasaisuus on tärkeää.

Nykyaikaisen markkinoinnin operointi vaatii varsin laaja-alaista ymmärrystä tarjolla olevista teknologioista. Luottokumppanien tuella oppeja ja osaamista voidaan jakaa yhdessä.