Data Driven Mailing jest narzędziem do
prowadzenia kampanii mailingowych, który opiera zasadę swojego działania o Big
Data i
stworzoną na potrzeby jej analizy sieci mikroserwisów. W największym skrócie są to
usługi przetwarzające zgromadzone dane pod kątem ich segmentacji wg poszczególnych
kategorii i późniejszego wykorzystania w blokach
marketingowych. W zależności od tego,
jak dużą liczbą informacji o użytkowniku dysponujemy, możemy dane na jego temat poddać
analizie aż 17 mikroserwisów. Największą zaletą tego rozwiązania technologicznego jest
możliwość korelacji wyników po przeprowadzeniu analizy i szczegółowe przyporządkowanie
adresu e-mail do profilu konsumenta.
Jakie dane analizują
mikroserwisy?
Aby stworzony profil konsumencki był dla
marketera jak najpraktyczniejszą informacją o kliencie, powinien być maksymalnie – jak
to tylko możliwe – szczegółowy. Im więcej danych uda się zgromadzić, a następnie
przetworzyć w mikroserwisach, tym precyzyjniej możemy dotrzeć do klienta. Bo oprócz
podstawowych danych, które mamy na jego temat, takich jak płeć, wiek, lokalizacja,
dysponujemy też informacjami na temat tego, jak korzysta z mediów społecznościowych,
jaka jest średnia wartość jego koszyka podczas zakupów online oraz na podstawie miejsc
logowań do sieci jak kształtuje się jego dzień i o której porze poszukuje np. produktów,
które aktualnie planuje zakupić. Pełna sieć mikroserwisów obejmuje takie dane jak:
geolokalizacja, zamożność, intencje zakupowe, system operacyjny, urządzenie abonenckie,
forma prawna, aktywność dobowa, analiza czytanych treści, mapa kliknięć, behawioryzm,
jakość rekordu, zaangażowanie, social media, pogoda, analiza wyszukiwań, call center,
aktywność online.
Jak mikroserwisy budują profil
konsumencki?
Dla lepszego zobrazowania zasady działania
mikroserwisów zaprezentujemy przykład tego jak selekcja i analiza danych wpływa na
budowanie profilu, które segmentowane są następnie w blokach marketingowych. Jeśli
mikroserwis aktywności dobowej wskaże nam, że nasz klient po raz pierwszy loguje się do
internetu o godzinie 7:00, następnie już w innym miejscu łączy się z siecią o godzinie
9:00 i pozostaje zalogowany do 17:00 to po pierwsze możemy założyć, że pracuje on w
biurze, po drugie na podstawie mikroserwisu geolokalizacji ustalimy zarówno miejsce jego
pracy jak i zamieszkania. Podczas kiedy nasz klient przegląda treści online możemy przy
wykorzystaniu danych z mikroserwisu analizy treści ustalić, co zaprząta jego głowę w
określonej porze. Możemy zatem w godzinach jego największej aktywności zawodowej np.
10-16, wyświetlać mu reklamy produktów, które wpłyną na jego życie zawodowe. Zaś w
czasie jego online’owej aktywności poza godzinami pracy możemy reklamować produkty,
które mogą zainteresować go prywatnie.
A co jeśli po pracy szuka w sieci rzeczy związanych z jego życiem zawodowym? W tym
przypadku w targetowaniu
pomocny może okazać się mikroserwis urządzenia klienckiego.
Jeżeli na podstawie analizy zostanie odczytany fakt, że rano przed pracą użytkownik
łączył się z urządzenia na systemie Android sprawdzając np. prywatną skrzynkę, a w
godzinach jego aktywności zawodowej korzystał z Iphona i desktopowego komputera, to z
dużym prawdopodobieństwem jesteśmy w stanie określić, że te urządzenia wykorzystuje w
pracy. To również pozwoli zdecydować, czy pomimo że potencjalny klient nie przebywa już
w pracy, może warto wysłać mu np. reklamę systemu CRM, za zakup którego jest służbowo
odpowiedzialny. Łącząc ze sobą dane z mikroserwisów, możemy nawet zdecydować, który z
adresów klienta przydzielić do bazy adresów B2B, a który do bazy B2C i od tego
uzależnimy późniejszą wysyłkę mailingu reklamowego. Oczywiście stopień złożoności
profilu może być jeszcze większy, a reklama jeszcze dokładniejsza, jeżeli
przeanalizujemy dane z pozostałych mikroserwisów.