Otto Olsson

Vaikka tämän massiivisen datamäärän eli Big Datan hyödyntämiseen markkinoinnissa onkin herätty vasta viime vuosina, monien siihen liittyvien menetelmien juuret ulottuvat reilun 200 vuoden taa brittiläiseen pastoriin nimeltä Thomas Bayes.
Bayes kehitti nimeään kantavan matemaattisen teoreeman, joka kuvaa kuinka käsityksiä maailman tilasta tulisi päivittää uuden todistusaineiston myötä.
Bayesilaisen päättelyn sovelluksia löytyy esimerkiksi lääketieteen alalta. Lääketieteellisten tutkimusten avulla lääkäri tietää kuhunkin tautiin liittyvät tyypilliset oireet, ja tätä tietoa voidaan käyttää hyväksi uuden potilaan diagnosoinnissa. Tämä oireiden pohjalta tehtävä diagnoosi on bayesilaista päättelyä puhtaimmillaan.
Pastorin työkalut tuovat helpotusta ja tukea päätöksentekoon myös markkinoijalle. Selkeitä esimerkkejä tästä löytyy esimerkiksi asiakastietokantojen analytiikasta ja web-puolelta.
Uuden asiakkaan kohdalla asiakkaan ostohalukkuutta ja rahallista arvoa yritykselle ei vielä tiedetä, vaan asiakkaasta tunnetaan ainoastaan hänen ominaisuuksiaan, kuten vaikkapa demografiset tekijät ja ammatti. Aiempien asiakkaiden ostokäyttäytymistä ja ominaisuuksia analysoimalla voimme kuitenkin tunnistaa hyville asiakkaille tyypillisiä piirteitä, ja käyttää tätä tietoa uusien asiakkaiden tyypittämiseen. Tiedon pohjalta voimme kohdentaa markkinointieurot tehokkaasti potentiaalisimpiin asiakkaisiin.
Vastaavasti verkkokaupassa usein asioivat hakevat sivustolta eri asioita kuin ensikertalaiset. Kun uusi kävijä tulee verkkokaupan sivuille, hänen tyyppiään ei vielä tiedetä, joten hänen kaikkiin haluihinsa ja tarpeisiinsa ei välttämättä voida vastata parhaalla mahdollisella tavalla. Peilaamalla uuden kävijän toimintaa aiempien hyvien asiakkaiden toimintaan, voimme kuitenkin ennustaa uuden kävijän arvon aivan kuin lääkäri ennustaa potilaan tilan tämän oireiden perusteella.
Jos kävijän toiminta näyttää siltä, että ostotodennäköisyys on suuri, voimme ohjata kävijän kassan suuntaan kaupan closaamiseksi tai tarjota hänelle muitakin häntä kiinnostavia tuotteita ristiinmyynnin edistämiseksi. Vastaavasti, jos diagnoosi näyttää huonolta, voidaan kävijää innostaa esimerkiksi erilaisilla tarjouksilla ostotodennäköisyyden kasvattamiseksi. Nykyaikaisten JavaScript-pohjaisten työkalujen avulla verkkokaupan kävijäkohtainen sisällönpersonointi, esimerkiksi yksilöllisten tarjousten näyttäminen, on mahdollista julkaisujärjestelmän kankeudesta huolimatta.
Tiedon tehokas hyödyntäminen tuo markkinoijalle kustannussäästöjä ja lisämyyntiä. Google Analyticsin ja myynnin mittareiden tuijottaminen on hyvä alku, muttei vielä riitä verkkopalvelun optimointiin ja asiakkaiden aitoon tuntemiseen. Täyden hyödyn saaminen datasta vaatii web-analytiikkaan ja asiakaskantaan kertyvän datan syvällistä analysointia.