Big datan hyödyntäminen markkinoinnissa

Emma Pirskanen, Itä-Suomen yliopisto, 13.11.2017


Datamarkkinoinnin suosio alkoi 1980-luvun loppupuolella tietokoneiden yleistyessä. Silloin suurin osa saatavilla olevasta datasta oli kuitenkin yritysten tuottamaa ja asiakasdatan kerääminen, varastointi sekä analysointi oli kallista ja aikaa vievää. Tämän vuoksi yritykset eivät täysin kyenneet hyödyntämään asiakasdataa markkinoinnissaan. Tänä päivänä datan määrä on kasvanut valtavasti ja sen hallinnointi ja prosessointi on huomattavasti edullisempaa nopeasti kehittyvän teknologian ansiosta, mikä luo uusia mahdollisuuksia datamarkkinoinnille. Uudet tiedon lähteet ja big data -analytiikka auttavat yrityksiä havaitsemaan heikotkin signaalit markkinoiden muutoksista ja siten parantamaan markkinointia merkittävästi.


Nykyisin suuri osa datasta syntyy suoraan asiakaskäyttäytymisestä, koska valtavat määrät dataa tuotetaan erityisesti sosiaalisessa mediassa. Ulkoisten datalähteiden hyödyntäminen ja tiedon yhdistäminen auttavat yrityksiä parantamaan markkinointistrategioita, arvioimaan markkinointitoimenpiteiden tehokkuutta ja vastaamaan negatiiviseen julkisuuteen sen alkuvaiheessa. Big data auttaa markkinoijia ymmärtämään paremmin asiakkaan päätöksentekoprosessia, sillä sen jokainen vaihe jättää jälkensä dataan. Lisäksi markkinoijat voivat tarkkailla, kuinka asiakkaat liikkuvat eri markkinointikanavissa. Tällaista dataa voidaan kerätä esimerkiksi asiakkaan hakuhistoriasta, sosiaalisesta mediasta, click stream -datasta sekä tuotearvosteluista.

Datan volyymin, vaihtelun ja tuotantonopeuden kasvaessa, kasvaa myös yritysten ymmärrys markkinailmiöistä. Big data -analytiikan avulla yritykset voivat optimoida markkinoinnin toimintojaan kaikissa eri osa-alueissa tuotehyllyjen sijoittelusta dynaamiseen hinnoitteluun. Yrityksillä on myös mahdollisuus saada tarkempi käsitys asiakastyytyväisyydestä, sillä palautteen kerääminen ja kyselyiden tekeminen on edullista ja nopeaa, ja asiakkaiden mielipiteet ovat laajasti saatavilla internetissä. Lisäksi organisaatiot voivat monitoroida kilpailijoiden liikkeitä tarkemmin ja asemoida itsensä paremmin markkinoilla.

Big data tarjoaa yrityksille keinon toimia täysin asiakas-orientoituneesti ja mahdollisuuden hyvin henkilökohtaisiin asiakassuhteisiin. Segmentointi on muuttunut samankaltaisten ryhmien tunnistamisesta yksilöiden profilointiin. Valtava tiedon määrä auttaa markkinoijia ymmärtämään asiakkaiden heterogeenisyyttä paremmin, siten mahdollistaen personoitujen palveluiden ja markkinointiviestien tuottamisen. Analytiikkaa käytetään myös potentiaalisten asiakkaiden tunnistamiseen ja lisämyynnin tekemiseen, sillä datan avulla voidaan ennustaa tietyn asiakkaan taipumus tuotteen ostamiseen. Tämä luo yritykselle mahdollisuuden maksimoida jokaisen asiakkaan arvo.

Big data tekee ennakoivasta analytiikasta tarkempaa, luotettavampaa ja siten entistäkin arvokkaampaa. Datan analysointi voi paljastaa uusia mahdollisuuksia markkinoilla ja ennustaa muutoksia, mikä on tärkeää nopeasti muuttuvassa liiketoimintaympäristössä. Huhujen mukaan, luottokorttiyhtiö Visa pystyy ennustamaan asiakastietojen analysoimisen perusteella asiakkaan avioeron kaksi vuotta etukäteen ja kauppaketju Target tunnistaa asiakkaan raskauden ennen asiakkaan lähipiiriä. Tällaiset ennustukset auttavat yrityksiä kohdistamaan markkinointiviestinsä asiakkaan elämäntilanteeseen sopivasti ja vaikuttamaan asiakkaan ostopäätöksiin ennen kilpailijoita.
Aiemmin yritykset keräsivät asiakasdataa tiettyyn tarkoitukseen, ja analysoivat sitä jonkin oletetun tiedon vahvistamiseksi. Markkinointia varten tehtiin tutkimuksia satunnaisesti, sillä tutkimukset olivat aikaa vieviä, kalliita ja usein melko tehottomia. Kehittynyt teknologia mahdollistaa markkinointiaktiviteettien uudelleen määrittämisen jatkuvasti dataan perustuen, sekä ennestään tuntemattomien näkemysten löytämisen asiakkaista. Lisäksi, asiakasdataa voidaan analysoida lähes reaaliajassa, joten yritykset pystyvät vastaamaan asiakkaiden tarpeisiin lähes välittömästi. Kilpailuetu syntyy nykyisin yhä enemmän uusien ideoiden tuottonopeudesta, sillä erilaisten tuotteiden, palveluiden ja markkinointitapojen kopiointi on nopeaa.

Nykyisin datamarkkinointi vaikuttaa merkittävästi yrityksen strategiaan, kun taas aiemmin datamarkkinointi nähtiin lähinnä työkaluna. Tänä päivänä tuotteita ja palveluita kehitetään täysin asiakasdatan pohjalta, ja radikaalit innovaatiot ovat usein tehokkain keino tuottaa kilpailuetua. Big datan lähteet ja analysointimenetelmät kehittyvät nopeasti, joten markkinointiosastojen tulee jatkuvasti kehittää toimintaansa. Big dataan perustuva markkinointi voi olla merkittävästi tehokkaampaa kuin alan parhaisiin käytäntöihin perustuva markkinointi. Kuitenkin, vaikka kehittynyt teknologia mahdollistaa asiakkaiden ja heidän käyttäytymisensä paremman ymmärtämisen, se myös luo haasteita yksityisyyteen liittyen ja moni asiakas voikin kokea liian henkilökohtaisesti kohdennetut markkinointiviestit tunkeileviksi ja yksityisyydensuojaa loukkaaviksi.

Lähteet:

A. Abbasi, S. Sarker, and R.H. Chiang, “Big data research in information systems: Toward an inclusive research agenda”, Journal of the Association for Information Systems, (17:2), 2016, pp. 1-32.G.

Bello-Orgaz, J.J. Jung, and D. Camacho, “Social big data: Recent achievements and new challenges”, Information Fusion, (28), 2016, pp. 45-59.

M. Chen, S. Mao, and Y. Liu, “Big data: A survey”, Mobile Networks and Applications, (19:2), 2014, pp. 171-209.

Davenport, T.H., Big data at work: dispelling the myths, uncovering the opportunities, Harvard Business review Press, Boston, 2014.S.

Erevelles, N. Fukawa, and L. Swayne, “Big Data consumer analytics and the transformation of marketing”, Journal of Business Research, (69:2), 2016, pp. 897-904.

S. Fan, R. Y. Lau, & J. L. Zhao, “Demystifying big data analytics for business intelligence through the lens of marketing mix”, Big Data Research, (2:1), 2015, pp. 28-32.

J. Frizzo-Barker, P.A. Chow-White, M. Mozafari, and D. Ha, “An empirical study of the rise of big data in business scholarship”, International Journal of Information Management, (36:3), 2016, pp. 403-413.

C.F. Hofacker, E.C. Malthouse, and F. Sultan, “Big data and consumer behavior: Imminent opportunities”, Journal of Consumer Marketing, (33:2), 2016, pp. 89-97.

I. Lee, “Big data: Dimensions, evolution, impacts, and challenges”, Business Horizons, (60:3), 2017, pp. 293-303.

L. Mamlouk & O. Segard “Big data and intrusiveness: Marketing issues”, Indian Journal of Science and Technology, (8:S4), 2015, pp. 189-193.

S. Orenga-Roglá, and R. Chalmeta, “Social customer relationship management: taking advantage of Web 2.0 and Big Data technologies”, SpringerPlus, (5:1), 2016, pp. 1462-1478.

P. Sundsøy, J. Bjelland, A.M. Iqbal, A. Pentland, A., & Y. A. de Montjoye, “Big Data- Driven Marketing: How machine learning outperforms marketers’ gut-feeling”, International Conference on Social Computing, Behavioral-Cultural Modeling, and Prediction, 2014, pp. 367-374.

Springer International Publishing. Z. Xu, G.L. Frankwick, and E. Ramirez, “Effects of big data analytics and traditional marketing analytics on new product success: A knowledge fusion perspective”, Journal of Business Research, (69:5), 2016, pp. 1562-1566.