Growth Hacker'ların Doğru Yaptıkları: Müşteri Verileri Nasıl Kullanılır?

"Growth hacker" bir moda sözcüğünden daha fazlasıdır. Müşteri verilerini gerçek zamanlı olarak nasıl yakalayıp okuyacaklarını öğrenen ürün/pazarlama melezleridir . Airbnb, Uber, Instagram ve LinkedIn gibi tek boynuzlu at statüsü elde etmek için büyüme korsanlığını kullanan yeni şirketlere rağmen, yerleşik şirketler henüz yakalayamadı.

20 yılı aşkın bir süredir işletmelerin dijital dönüşüme ulaşmasına yardımcı olan bir danışman olarak , başarılı büyüme korsanlarının müşteri verilerine eski kurumsal işletmelerden kökten farklı bir şekilde yaklaştığını fark ettim. Dijital veri sinyallerinin arkasındaki gerçek insanları ararlar, müşteri davranışını analiz etmek için özel olarak oluşturulmuş modern ürün zekası araçlarını kullanırlar, müşteri aktivasyonu için veri içgörüleri dağıtırlar ve verileri bir takım sporu olarak ele alırlar.

Büyüme korsanı zihniyeti, doğru araçlar ve uygulamalarla birleştiğinde, kurumsal şirketlere dijital dönüşümü gerçekleştirmeleri ve büyümenin kilidini açmaları için bir plan sunar.

Olaya Dayalı Verilerle Empatiyi Güçlendirin

Büyüme korsanları, müşteri verilerinin nüanslı bir şekilde anlaşılmasının empatiyi nasıl oluşturduğunu anlıyor. Verilerle sunulduğu şekliyle müşterilerinizin istek ve ihtiyaçlarına aşina olmak, daha iyi ürünler oluşturmanıza yardımcı olur.

Verilerin insan etkileşimi için bir kanal olduğu zihniyetiyle başlayın. Verilerinize anonim kitleler olarak değil, bireysel kişilerin ifadesi olarak bakın. Bu zihniyet, müşteri verilerinizdeki davranışsal içgörüleri ortaya çıkarmanıza ve geniş ölçekte empati kurmanıza yardımcı olacaktır.

Tabii ki, bir zihniyetten daha fazlasına ihtiyacınız var - ayrıca doğru türdeki verileri de izlemeniz gerekiyor. Google Analytics ve Adobe gibi eski tarz analiz ürünleri , ayrıntılı insan davranışını anlamaya yarayan verileri kolayca izlemez. Çoğunlukla web etkinliğini bir gösterge panosunda izlerler. Ancak sayfa görüntüleme ve satın alma gibi büyük ölçekli sayılara bakmak, verilerin arkasındaki kişileri silme eğilimindedir. Sonuçta, sayfa görüntüleme ürünleri satın almaz, insanlar alır. İnsanlar “oturumlarda” ürünlerle etkileşime girmezler: Ürünlerle uzun süreler boyunca ve çeşitli farklı kanallar aracılığıyla etkileşim kurarız.

Verilerle sunulduğu şekliyle müşterilerinizin istek ve ihtiyaçlarına aşina olmak, daha iyi ürünler oluşturmanıza yardımcı olur.

Bunun yerine, büyüme korsanları olaya dayalı verilere bakar. Olaya dayalı veriler, her fare tıklaması, tuş vuruşu ve parmakla kaydırma gibi daha ince etkileşimleri izler. Bu olaylar, ürün zekası araçlarıyla neredeyse gerçek zamanlı olarak analiz edildiğinde, müşterilerin davranışlarının nüanslarını ortaya çıkarmaya ve ihtiyaçlarını anlamaya başlayabilirsiniz. Bu anlayış da daha iyi ürünlere yol açar.

Google ve Adobe gibi eski analiz araçları , olayları dahil etmek için platformlarını teknik olarak genişletmiş olsa da, özünde hâlâ web sayfası merkezlidir. Olayları izlemek için bu araçları kullanmak hantal olmaya devam ediyor.

Müşteri Verileri için Amaca Yönelik Geliştirilmiş Modern Araçları Kullanın

Geleneksel web analitiği araçları, başlangıçta müşteri davranışı analitiği için tasarlanmamıştı. Anonim web sayfası görüntülemelerini tek bir zamanda ölçmede üstündürler, ancak gerçek insanların dijital ürünleri kullanma şekli değil. Büyüme korsanları, karmaşık müşteri verilerini düzgün bir şekilde analiz edebilen araçlar kullanır. Bu tür araçlar en azından üç şeyi başarmalıdır:

• Birden çok kanaldan etkileşimleri izleyin
• Aynı müşteriyi kaynaklar arasında tanımlayın ve verilerini birleştirin (kimlik çözümlemesi olarak adlandırılır)
• Müşteriler kendilerini tanımladıktan sonra anonim verileri bilinen müşteri verileriyle harmanlayın

Segment gibi Müşteri Veri Platformları (CDP'ler) ve Amplitude gibi ürün zekası araçları bu hedeflere ulaşmak için amaca uygun olarak oluşturulmuştur. Örneğin Segment , düzinelerce kaynaktan (özel olanlar dahil) müşteri olay verilerini alır. Ardından, zaman içinde kalıcı olan birleşik bir müşteri profili oluşturur.

Genlik, bir CDP aracılığıyla birleştirilmiş olayları almak için Segmentten aşağı akışta kullanılabilir . Ardından, elde tutma, dönüştürme ve grup davranışı gibi müşteri ölçümlerini sorgulamak için hem teknik hem de teknik olmayan kullanıcılar için uygun veri analizi sağlar. Amplitude ayrıca düzinelerce veri kaynağı için kendi kimlik çözümleme yeteneklerine ve önceden oluşturulmuş entegrasyonlara sahiptir.

Müşteri verileri için özel olarak oluşturulmuş araçların avantajı (web analitiği veya genel veri gölleri değil), insanlar düşünülerek yapılmış olmalarıdır. Bu , kimlik çözümlemesi, gizlilik önlemleri ve müşteri yaşam döngüsü raporlaması gibi hazır, zengin, müşteri odaklı özellikler sağladıkları anlamına gelir .

Giderek artan bir şekilde, bu araçlar, kesinti olasılığı, satın alma eğilimi ve otomatikleştirilmiş segmentasyon gibi önceden oluşturulmuş tahmine dayalı özellikler sunar. Bu tür bir işlevselliği sıfırdan oluşturmak, en büyük şirketlerin bile yıllarını alır çünkü bu, karmaşık ve hızlandırılması pahalı olan makine öğrenimine dayanır. Amplitude'ün AutoML yetenekleri, müşterileri davranışlarına göre otomatik olarak kümeleyebilir. Bu, ürün yöneticilerinin ve pazarlamacıların, kullanıcıların nasıl segmentlere ayrılması gerektiğini düşündüklerine göre manuel olarak kurallar oluşturmak yerine, kullanıcıları ürünle gerçekte nasıl etkileşime girdiklerine göre hızlı bir şekilde gruplandırmalarına olanak tanır .

Amplitude artık kullanıcıları belirli bir eylemi gerçekleştirme olasılıklarına göre segmentlere ayırmak için makine öğrenimini kullanan Tahmine Dayalı Gruplar da sunuyor. Bu kohortlar pazarlama kampanyalarına uygulandığında, büyüme korsanları gerçek vatandaş veri bilimcileri olabilir.

Doğrudan Aktivasyon için Data Insights Üzerinden Hızla Hareket Edin

Gösterge tabloları, veri analizini görselleştirmek ve yorumlamak için kesinlikle faydalıdır, ancak veri yolunun sonu olmamalıdır. Ve yöneticilerin onlara dayalı kararlar vermesini beklemek haftalar hatta çeyrekler alabilir. Bunun nedeni, panoların sizi yalnızca genel bir yöne yönlendirebilmesidir; verileri yorumlamak ve harekete geçmek size kalmıştır.

Büyüme korsanları, müşteri verilerine eski kurumsal işletmelerden kökten farklı bir şekilde yaklaşıyor.

Growth hackerların o kadar zamanı yok. Ürün zekası araçlarından edindikleri bilgileri alır ve bunları doğrudan pazarlama ve katılım kampanyalarına beslerler. Bu, müşteri mesajlarını, verilerinde keşfettikleri benzersiz özelliklere ve gruplara göre uyarlamak anlamına gelir. Amplitude, bu iletişimi gerçek zamanlı olarak tetikleyebilen önceden oluşturulmuş konektörlere sahiptir; bir gösterge panosunda beklemeye gerek yoktur.

Örneğin, bir analiz, müşteriyi kaybetme olasılığı olan bir grup müşteriyi belirlerse, sonraki bariz adım, onlara bir e-posta veya mobil anında iletme bildirimi göndermektir. Bu mesajlaşmayı otomatik olarak tetikleyen büyüme korsanları, müşteri deneyimini yıldırım hızında değiştiriyor.

Veriyi Takım Sporuna Dönüştürün

Büyüme korsanlarının son sırrı mı? Müşterilerine hizmet etmenin yeni yollarını keşfetmek için verilerle işbirliği yapan bir ekip olarak, bir veri demokrasisi olarak çalışırlar . Veriler, küçük bir yüksek düzeyde teknik kullanıcı grubuna depolanmaz; aynı zamanda büyümeyi engelleyen ürün yöneticileri, pazarlamacılar ve tasarımcılar için de kolayca erişilebilir. Herkes, büyüme hipotezlerini doğrulamak, sorunlu noktaları belirlemek ve müşteri davranışlarını gözlemlemek için verileri araştırmak için self servis erişime sahiptir.

Veri uzmanları müşteri içgörülerinin bekçileriyse, bir şirketin hızlı bir şekilde öğrenme ve uyum sağlama yeteneği, sınırlı bir azınlığın bant genişliği ve uzmanlığı tarafından engellenir. Google Analytics ve Adobe, veri dışı uzmanların yüzey düzeyindeki içgörülerin ötesine geçmesini zorlaştırıyor. Teknik kişiler, veri analizini diğer ekip üyelerine iletmek için yalnızca gösterge tabloları oluşturduğunda, teknik olmayan bu kullanıcılar verilerle etkileşime geçemez ve veriler hakkında soru soramaz. Ve mühendislik ekibinden bu soruları onlar için yanıtlamalarını istemek herkesi yavaşlatır.

Amplitude gibi modern analitik platformları, sıfırdan veri uzmanı olmayanlar tarafından kullanılmak üzere tasarlanmıştır. Amplitude'ün kullanıcı arayüzü, sorgu oluşturmak için doğal bir dil ve bir tıkla ve tıkla arabirimi kullanır. Geniş, platforma özgü terminolojinin kullanılmasından kaçınır. eVars, sProps veya hedef slot kimlikleri gibi garip terimler görmeyeceksiniz.

Genlik ayrıca çok çeşitli önceden hazırlanmış, yüksek değerli, yapılandırması kolay grafikler sunarak, müşteri davranışlarını kapıdan keşfetmeye başlamayı zahmetsiz hale getirir. Son olarak, Amplitude, büyüme ekiplerinin grafiklere yorum eklemesine, analizlerini yayınlamasına ve aracın içinde verileri tartışmasına olanak tanıyan bir dizi ekip işbirliği özelliği sunar.

Growth hacking'i benimseyen kuruluşlar, verileri gerçekten demokratikleştirerek geri bildirim döngülerini kökten kısaltabilir. Bu, geleneksel olarak düşünen rakiplerinden önemli ölçüde daha fazla büyüme iyileştirmesi gerçekleştirmelerini sağlar.

Growth Hacker Olun

Google Analytics, Adobe Analytics, veri ambarları, veri gölleri ve geleneksel gösterge tabloları gibi mevcut veri analizi araçlarınızı atmanız mı gerekiyor ? Hayır. Bunları yalnızca oluşturuldukları amaçlar için kullanın: web analitiği, veri depolama ve görselleştirme. Hızlı deneme ve optimizasyon yoluyla büyümeyi sağlamak söz konusu olduğunda, istediğiniz sonuçları elde etmek için modern ürün zekası araçlarını kullanın. Bir büyüme korsanının müşteri empatisi, yaratıcılığı ve işbirliği ile birleştiğinde, siz de bu imrenilen hokey sopası büyümesini görebilirsiniz.

Bu makalenin bir versiyonu ilk olarak Medium'da yayınlandı .