Mengapa Analisis Produk adalah Kunci yang Hilang untuk Personalisasi Pemasaran Anda

Ketika TV analog berkuasa, perusahaan kabel mempromosikan rangkaian acara baru mereka dengan strategi iklan sederhana: pilih waktu dan tanggal di mana pemirsa yang ditentukan—ditentukan berdasarkan usia, jenis kelamin, dan wilayah—akan menonton TV, dan kemudian menjalankan promo.

Ketika pemasaran menjadi digital, banyak dari taktik yang sama ini dialihkan. Sama seperti perusahaan TV kabel, pemasar menjalankan kampanye berdasarkan demografi luas seperti usia dan wilayah, atau informasi tingkat permukaan seperti kunjungan halaman dan klik iklan.

Jenis pemasaran ini telah menjadi norma selama beberapa dekade. Namun yang disadari oleh para pengganggu digital seperti Netflix adalah bahwa ada cara yang jauh lebih efektif untuk membangun kampanye audiens: dengan data perilaku pihak pertama.

Data perilaku adalah data tentang perilaku pelanggan— di mana pelanggan menemukan nilai dalam produk digital, seperti apa perjalanan pelanggan holistik mereka, dan aktivitas apa yang memotivasi mereka untuk kembali ke produk dari waktu ke waktu. Data perilaku pihak pertama datang langsung dari aplikasi atau situs web perusahaan dan dikirim ke solusi analitik produk, tempat tim digital dapat menjelajahi data untuk menemukan wawasan pelanggan utama ini. Dengan kata lain, tidak ada ketergantungan pada layanan pihak ketiga untuk mendapatkan informasi tentang nilai pelanggan.

Dengan membuat kampanye seputar wawasan pelanggan—bukan data demografis—perusahaan seperti Netflix telah mendisrupsi seluruh industri. Alih-alih menargetkan grup demografis yang luas, Netflix membuat rekomendasi berdasarkan perilaku yang ditunjukkan, seperti acara yang ditonton sebelumnya. Mempersonalisasi pengalaman pelanggan dengan menentukan, "Sejak Anda menyelesaikan tiga pertunjukan ini, Anda mungkin akan menikmati yang satu ini juga" jauh lebih efektif daripada upaya personalisasi sederhana yang mengasumsikan, "Karena Anda berada dalam kelompok usia ini, Anda mungkin suka pertunjukan ini."

Tingkat personalisasi yang dicapai Netflix—mirip dengan strategi iklan dan rekomendasi konten yang digunakan oleh Amazon dan Spotify juga—mungkin tampak di luar jangkauan sebagian besar pemasar. Tetapi pada kenyataannya, itu sebenarnya sangat mungkin. Kuncinya adalah menjauh dari ketergantungan pada data pihak ketiga dan informasi demografis. Sebaliknya, pemasar perlu merangkul analisis produk sebagai sarana untuk mengakses data perilaku pihak pertama, dan benar-benar memahami penawaran mana yang memotivasi pelanggan.

Akses ke Data Pihak Ketiga Berubah

Terlepas dari wawasan yang lebih komprehensif yang dapat diperoleh pemasar dari data perilaku pihak pertama, ada alasan lain mengapa mereka perlu beralih dari data pihak ketiga: Google dan Apple baru-baru ini menerapkan perlindungan privasi untuk pelanggan, yang menghambat pelacakan pihak ketiga tentang kunjungan situs web , unduhan aplikasi, dan klik iklan. Google telah mengumumkan bahwa mereka akan mengakhiri penjualan iklan berdasarkan pelacakan data pengguna di seluruh situs web. Demikian pula, iOS terbaru Apple akan memerlukan penerapan persetujuan "keikutsertaan" sebelum melacak pengguna.

Dengan kata lain, saat menjalankan iklan atau kampanye penargetan ulang, pemasar harus memanfaatkan data yang mereka miliki—data pihak pertama tentang pesan atau fitur mana yang ditanggapi oleh audiens yang berbeda—daripada mengandalkan layanan pelacakan pihak ketiga.

Dan sementara pelacakan pihak ketiga mungkin telah membantu pemasar memahami dari mana sumber pelanggan mereka berasal, ini adalah celah lain yang dapat diisi oleh analisis produk. Solusi analitik produk seperti Amplitude menggunakan Resolusi Identitas untuk membuat gambaran lengkap tentang perjalanan pelanggan. Ini berarti bahwa jika pelanggan mengunjungi situs web, tetapi kemudian melihat iklan dan kemudian mengunjungi halaman Instagram perusahaan, dan kemudian mengonversi dan mendaftar untuk sebuah akun, Amplitude dapat menggabungkan perjalanan pengguna yang dianonimkan ini menjadi satu, menunjukkan bagaimana satu pelanggan terlibat dengan merek dari tiga aliran berbeda, yang semuanya berkontribusi pada konversi akhir. Di platform analitik lainnya, pelanggan tunggal ini akan tampak seperti tiga pelanggan yang berbeda, dan tidak akan jelas bagaimana setiap saluran dan interaksi berkontribusi pada konversi.

Mempertimbangkan pembaruan berbagi data dan kesenjangan dalam informasi yang diberikan, pihak ketiga tidak dapat menjadi satu-satunya sumber wawasan pelanggan Anda. Memanfaatkan data pihak pertama dengan analisis produk adalah cara terbaik untuk mendapatkan gambaran lengkap tentang perjalanan pelanggan dan menggunakan wawasan tersebut untuk menghasilkan hasil.

Bagaimana Tim Pemasaran di Saat Ini Menggunakan Analisis Produk untuk Memahami Pelanggan dan Menginformasikan Kampanye

Ambil Current, perusahaan perbankan yang mendisrupsi bidangnya dengan mengutamakan pengalaman pelanggan. Sebagai bank penantang asli digital, Current membuat timnya tetap fokus untuk memahami perilaku pelanggan dan mendorong hasil yang berpusat pada pelanggan.

“Ini semua tentang memahami audiens kami,” kata Adam Hadi, VP Pemasaran saat ini. “Kami perlu memahami mengapa pelanggan membutuhkan layanan yang kami berikan dan bagaimana kami memenuhinya. Penelitian kualitatif sangat penting, tetapi data adalah tulang punggungnya.”

Untuk tujuan ini, tim pemasaran di Current memanfaatkan data perilaku tentang keterlibatan produk untuk merencanakan kampanye mereka.

Mereka menggunakan Amplitude untuk menyelidiki fitur dan pesan mana yang mendorong keterlibatan paling banyak dalam aplikasi, dan kemudian mereka menggunakan data perilaku itu untuk menginformasikan dengan tepat iklan mana yang mereka jalankan, audiens mana yang mereka targetkan, dan pesan mana yang mereka tulis. Mereka dapat menargetkan segmen audiens yang telah menunjukkan keterlibatan tinggi dengan fitur aplikasi tertentu dan pada akhirnya memastikan bahwa anggaran iklan mereka dihabiskan secara efisien dengan mengirimkan pesan yang tepat kepada orang yang tepat pada waktu yang tepat. Mereka juga dapat merencanakan kampanye pemasaran seputar fitur yang telah menunjukkan paling sukses dengan mendorong loyalitas pelanggan.

Pemasar di perusahaan seperti Current telah menganut pola pikir digital-first. Mereka menyadari bahwa kunci untuk mendorong hasil bisnis terletak pada pemahaman perilaku pelanggan. Analisis produk—dengan kedalaman wawasannya tentang aktivitas digital—mengungkapkan jauh lebih banyak tentang motivasi pelanggan daripada metrik web sederhana atau survei pelanggan.

Wawasan Perilaku Personalisasi Pemasaran Bahan Bakar

Analisis produk membantu Anda memahami apa yang dikatakan perilaku pengguna tentang niat mereka. Setelah Anda tahu mengapa seseorang mengambil tindakan, Anda dapat mengatur pemasaran Anda agar relevan dengan kebutuhan unik produk mereka.

Di Amplitude, kami telah melihat pelanggan membawa analisis produk mereka ke garis depan upaya pemasaran.

• Penargetan Ulang : Pemasar dapat mendorong pengguna untuk kembali ke produk atau situs perusahaan berdasarkan tindakan unik mereka. Misalnya, Anda dapat menggunakan Amplitude Recommend untuk secara otomatis mengirim segmen perilaku di Amplitude ke jaringan iklan, alat otomatisasi pemasaran, dan mesin personalisasi untuk penargetan ulang. Anda dapat menentukan kelompok perilaku berdasarkan tindakan yang telah mereka lakukan, atau belum selesai. Dengan membuat kelompok, seperti pelanggan yang belum membayar, Anda dapat menargetkan pemirsa yang lebih spesifik dengan iklan Anda.
• Momen Aha : Saat pelanggan mencapai momen aha mereka dalam produk Anda, kirim email atau gunakan pesan dalam aplikasi untuk mendorong penggunaan lebih lanjut. Dalam produk seperti aplikasi kebugaran atau meditasi, momen aha itu dapat terjadi saat pelanggan menyelesaikan rutinitas olahraga penuh pertama mereka dalam uji coba gratis. Itulah saat untuk menjangkau pelanggan dengan langganan atau penawaran khusus.
• Personalisasi Pengalaman Pelanggan: Harapan pelanggan tidak pernah setinggi ini, namun bagi banyak perusahaan, personalisasi bisa jadi sulit untuk diperdebatkan. Pengumpulan data yang kompleks dan personalisasi yang bermakna tampak seperti tugas yang berat bagi tim teknis dan pemasar. Amplitude Recommend memberikan wawasan swalayan yang memungkinkan tim menemukan pesan yang tepat untuk menyampaikan kepada pengguna yang tepat pada waktu yang tepat.

Kemudian, dengan menggunakan analisis produk seperti Amplitude, Anda dapat mengukur bagaimana pelanggan merespons upaya pemasaran yang ditargetkan. Anda dapat mengelompokkan pelanggan menurut kampanye, saluran, atau perilaku dan melihat metode mana yang menghasilkan keterlibatan paling banyak dari waktu ke waktu. Kampanye pemasaran yang menghasilkan nilai pelanggan seumur hidup yang lebih tinggi dapat diprioritaskan untuk kampanye mendatang.

Analisis Produk: Landasan untuk Rekomendasi yang Dipersonalisasi

Pemasaran berdasarkan asumsi luas tentang pelanggan mungkin tampak seperti rute yang mudah, tetapi itu hanya menciptakan lebih banyak kesulitan di kemudian hari.

Tanpa target audiens yang jelas, Anda mungkin akan menghabiskan lebih banyak uang daripada yang dibutuhkan untuk menjangkau calon pelanggan yang cocok dengan profil pelanggan ideal Anda. Belum lagi, Anda juga akan berisiko kehilangan loyalitas pelanggan dengan memberikan jaring yang luas ketika Anda dapat menciptakan pengalaman yang lebih personal.

Sementara analisis produk membangun fondasi yang Anda butuhkan untuk memahami perilaku pelanggan Anda, memanfaatkan data tersebut untuk pengalaman pelanggan yang dipersonalisasi akan membawa wawasan tersebut ke tingkat berikutnya. Dengan Recommend — produk baru dari Amplitude —Anda dapat menyesuaikan pengalaman produk untuk mendorong upaya pemasaran Anda ke depan.

Anda dapat membuat kelompok berdasarkan peristiwa apa pun yang telah dilakukan pelanggan Anda di masa lalu, seperti menambahkan ke keranjang atau memulai langganan, untuk memicu kondisi pemasaran berbasis keterlibatan. Dari sana, didukung oleh sistem AutoML Amplitude, Anda dapat membuat berbagai rekomendasi yang tepat, mulai dari konten hingga produk hingga pesan.

Minta demo Rekomendasikan untuk mempelajari lebih lanjut hari ini.