Datadriven marknadsföring med marketing automation

Datadriven marknadsföring har blivit hett under senare år; speciellt kombinerat med robotdriven marketing automation och artificiell intelligens. Denna kombination kan ge en automatiserad och hyper-personaliserad bearbetning av leads, som leder potentiella kunder genom köpresan fram till köp.

Termen datadriven marknadsföring har ingen entydig definition, och betyder olika saker för olika personer.

Oavsett hur man tolkar begreppet avses alltid att marknadsföringen initieras eller anpassas baserat på faktiskt data, snarare än subjektiva åsikter eller magkänsla.

Introduktion till datadriven marknadsföring

I ett vidare begrepp kan datadriven marknadsföring vara i princip vad som helst, där faktabaserad information påverkar hur marknadsföringen görs.

Oftast är det olika typer av digitala marknadsföringsaktiviteter som är datadrivna (vanligen automatiska email), men det behöver inte vara det. Man kan t ex skicka direktreklam med brev, baserat på segmentering som är datadriven.

Här är några exempel på data som kan påverka hur marknadsföringsaktiviteter initieras eller anpassas:

• Digitalt fotavtryck
  • Hur en besökare beter sig (eller inte beter sig) på en webbsida
  • Hur ett lead öppnar och klickar i email (eller inte)
  • Hur ett lead har tittat på en film på webbsidan
  • Om ett lead har deltagit i ett webbinar eller inte
  • Vilken köphistorik en kund har haft
• Externt data
  • Väderprognosen 5 dagar framåt
  • Information om födelsedagar eller adressbyte
  • Mätvärden från en internetuppkopplad badrumsvåg
• Internt data
  • Hur mycket en kund har använt en viss IT tjänst
  • Hur länge en kund har prenumererat på en viss tjänst
  • Hur många kilometer en kund kört våra hyrbilar under året
• Etc.

Som vi snabbt förstår kan datadriven marknadsföring vara nästan vad som helst; och initieras eller anpassas baserat på en viss persons digitala fotavtryck, integration av externt data, mätningar av användningsgraden i olika tjänster, köphistorik, etc.

Beteendestyrd marknadsföring

Vanligen låter man datadrivna insikter starta ett flöde av marknadsföringshändelser för varje person, baserat på vad han eller hon har gjort. Oftast är detta olika typer av automatiska email, men det kan även vara andra typer av marknadsföringsaktiviteter.

Exempel kan t ex vara:

• Eftersom ett lead besökte pris-sidan så mailar vi kontaktinformationen till närmaste återförsäljare
• Eftersom du fyllde i ”Begär offert” formuläret har en säljare fått en ”att göra” uppgift automatskapad i CRM systemet
• Eftersom du registrerade dig till ett företagsevent SMS’ar vi en påminnelse ett par timmar innan. SMS tjänsten Generic Mobile kan t ex användas för detta.
• Eftersom du registrerade dig till ett webinar men inte deltog, mailar vi nu en inspelning av webinaret
• Eftersom du tittat minst 22 sekunder på en film om windsurfingbrädor, ändrar vi informationen på förstasidan – bara för dig – så att den visar mer information om windsurfing och mindre information om motorbåtar.
• Eftersom du skickat 500 fakturor med vårt ekonomisystem skickar vi nu ett erbjudande om att köpa nya skrivaretiketter
• Eftersom dina digitala aktiviteter har gett dig en lead score över 45% får du en viss sekvens av email.
• Eftersom du köpt för över 50.000 kr i år skickar vi en liten present. Använd t ex LogTrade’s transportadministrationssystem för att automatisera detta.
• Etc.

Den absolut vanligaste typen av datadriven marknadsföring är att skicka olika sekvenser med automatiska email till en viss person beroende på vad han eller hon gör på webbsidan. Vanliga triggers är vilka sidor som besökts, vilka dokument som laddats ner, vilka formulär som fyllts i, vilka email som öppnats, etc.

Men det kan lika gärna vara vad den här personen inte har gjort, för den delen. Om någon har besökt bloggen minst 10 gånger, men inte besökt den på 30 dagar kanske ett email skickas ut och välkomnar personen tillbaka, för att återaktivera honom eller henne som bloggläsare.

eHandel

eHandel och webbshoppar är en perfekt miljö för datadriven marknadsföring. Här finns många intressanta möjligheter som kan hjälpa till att öka försäljningen genom merförsäljning, produktrekommendationer, och återaktivering.

De flesta eHandels-siter och webbshoppar har stöd för övergiven varukorg (abandoned shopping cart management).

Tyvärr är det så att ca 75% av köpen i de flesta webbshopparna avbryts innan check-out.

Dvs, en kund lägger en eller flera varor i varukorgen men slutför inte köpet utan lämnar istället butiken.

I det här läget är det lämpligt med logik för övergiven varukorg. Några timmar eller någon dag efter att varukorgen har övergetts, skickas automatiskt ett mail och påminner kunden om att köpet inte slutfördes. Vanligen listas de produkter som fanns i varukorgen i detta email.

För att göra det så enkelt som möjligt för kunden att slutföra köpet i efterskott, finns vanligen en ”Klicka här och återgå till varukorgen” knapp i mailet. Genom att klicka på knappen så kommer man direkt till varukorgen – med produkterna kvar – så att det är enkelt att slutföra köpet, om än med viss försening.

Om kunden trots påminnelsemailet inte slutför köpet kan man starta en kort emailkampanj och försöka lite mer.

T ex kan man vänta en dag och skicka ett nytt email som erbjuder 25% rabatt om man slutför köpet. Om köpet trots det inte genomförts inom två dagar, så skickas ett sista email som erbjuder en ännu större rabatt som incitament för att slutföra köpet.

Inom eHandel finns många andra typer av datadriven marknadsföring, t ex återaktivering av gamla nu inaktiva kunder. Om en kund inte har handlat på t ex 6 månader, kan en återaktiveringskampanj startas, där en sekvens av email försöker få tillbaka kunden.

RFM analys (Recency, Frequency, Monetary Value) har traditionellt varit vanlig. Med RFM analys försöker man bedöma vilka som är de bästa kunderna, de sämsta kunderna, och vilka kunder som man riskerar att förlora, genom att analysera hur länge sedan, och hur ofta, varje kund har handlat och till vilka belopp.

Baserat på RFM analysen klassificeras en viss kund som bra, dålig eller på väg att förloras. Automatiska email sekvenser startas då på lämpligt sätt i ett försök att maximera försäljningen för respektive grupp av kunder. RFM analys är ett relativt trubbigt instrument och kommer att ersättas av mycket smartare algoritmer som är baserade på artificiell intelligens.

Inom eHandel och webbshoppar är en vanlig funktion logik som försöker skapa merförsäljning, antingen genom att erbjuda dyrare produktalternativ (up-selling) eller kompletterande produkter (cross-selling).

Webbshoppar har vanligen funktioner för datadrivna produktrekommendationer, på samma sätt som Netflix och Amazon rekommenderar filmer och böcker man troligen är intresserad av.

Produktrekommendationerna kan antingen vara erbjudanden som visas i webbshoppen eller på andra webbsidor, eller erbjudanden i email som skickas ut.

Produktrekommendationer kommer i närtid att alltmer blir baserad på artificiell intelligens.

Smart innehåll

Utöver att webbshoppar rekommenderar alternativa produkter så kan datadriven marknadsföring även användas för andra typer av smart innehåll, som liksom webbshoppen byter texter eller bilder dynamiskt i realtid för varje individuell person som just nu besöker sidan. Tänk hyper-personalisering.

T ex kan innehållet på webbsidor eller i email vara smart dynamiskt innehåll. Hur kan detta användas?

Eftersom ett marketing automation system vet mycket om varje person, kan t ex den här typen av information påverka vad en viss person ser på en webbsida eller i ett email:

• Vilket land en besökare surfar ifrån
• Vilken typ av enhet (skärmstorlek, operativsystem, etc.) som används
• Vilka sidor som besökts – eller inte besökts
• Vilka email som öppnats eller klickats – eller inte
• Hur en videofilm på webbsidan har visats – eller inte
• Om ett webinar har setts – eller inte
• Orderhistorik och köpbeteende
• Internt data, t ex information om bostadsort eller yrkesroll
• Externt data, t ex väderprognos för nästa vecka
• Etc.

Baserat på ovanstående – och annan – data, kan just den här personen få se annan text och grafik än andra personer som samtidigt besöker exakt samma webbsida eller får ”samma” email.

Klädbutikens webbsida kan t ex marknadsföra badkläder mer prominent om vädertjänsten förutspår badväder, och varmare kläder om vädret skall bli dåligt kommande vecka.

I ett mer avancerat fall skulle t ex Tyska leads med titeln Tandläkare som surfar från en smartphone kunna få se annan information på webbsidan än andra besökare, om de sett minst 35 sekunder av en film på webbsiten, och om de besökt bloggen minst 5 gånger, registrerat sig för ett visst webinar, och dessutom varit inne på pris-sidan. Alla andra besökare får se annan text och grafik än denna grupp.

Exemplet ovan är förstås orealistiskt komplicerat, men det visar ändå på vad som idag är tekniskt möjligt avseende datadriven segmentering och personalisering.

Ett mer aktuellt exempel kan vara en call-to-action knapp på webbsidan.

• För nya besökare visar den erbjudandet “Ladda ner en gratis eBok”.
• För de som redan laddat ner eBoken erbjuder knappen i stället “Delta i vårt webinar”.
• För de som deltagit i webinaret visar knappen texten “Begär offert”

Användningsområdena är närmast oändliga.

Analys och rapportering

Ett stort användningsområde för datadriven marknadsföring är analys av hur olika kundsegment, kampanjer, marknadsföringskanaler, annonser, mm presterar.

Med internetmarknadsföring och marketing automation drunknar vi nästan i statistik och data. Rätt använt kan vi använda denna data för att få insikter kring vilka marknadsföringsaktiviteter som här bäst effekt och är prisvärda.

Ofta har en kund mötts av olika typer av kontakter under en längre tid; t ex betald sökmotorannonsering med Google Adwords, Facebook annonser, konsumtion av bloggartiklar, retargeting kampanjer och marknadsföringsemail.

Med ”Attribution modelling” kan man försöka bedöma vilka marknadsföringsaktiviteter och touch-points som skall anses vara drivande i kundens köpbeslut. Sådana bedömningar kan ligga till grund för framtida marknadsföringsinvesteringar.

Artificiell intelligens – predictive marketing och maskininlärning

Även om allmänheten är lyckligt ovetande om hur mycket man kan göra med ett modernt marketing automation system idag, så kommer nivån att höjas ytterligare i närtid. Det är de nya möjligheterna till avancerad dataanalys som är orsaken. Läs mer om marknadsföring med AI.

Med avancerade algoritmer baserade på artificiell intelligens (AI), och då speciellt predictive analytics och maskininlärning, kommer vi att få se helt nya möjligheter att hitta nästan dolda insikter, och dra smarta slutsatser.

Det är tre tekniker som samverkar här:

• Big data: Algoritmer som kan analysera enorma datamängder och hitta nästa osynliga mönster, insikter och korrelationer i historiskt data. Med big data kan vi inse att ett visst faktum existerar, t ex att en viss typ av kreditkortstransaktioner från Ryssland ofta var bedrägeri.
• Predictive analytics: Big data hittar insikter i gammalt data. Med predictive analytics kan vi göra samma analys på framtida, hittills okänt data. T ex kan en predictive analytics algoritm förutspå med vilken sannolikhet en ny – just nu pågående – kreditkortstransaktion är ett bedrägeri.
• Maskininlärning: En predictive analytics algoritm gör samma förutsägelser när den väl har blivit tränad. Den anpassar sig alltså inte till förändrade omständigheter. Om de flesta kreditkortbedrägerierna inte längre är från Ryssland, utan över tid har ändrat sig till att vara från Danmark, kommer en predictice analytics algoritm inte anpassa sig för det, och med tiden ge allt sämre förutsägelser. Maskininlärning löser detta problem. Maskininlärning kan sägas vara en predictive analytics algoritm som automatiskt tränar om sig själv allteftersom nytt data kommer.

Predictive marketing är ett nytt koncept där predictive analytics och maskininlärning används för att förutspå beteendet hos personer, för marknadsföringsändamål.

T ex kan man förutspå:

• Det totalt värde en kund kommer att ha under livstiden (customer lifetime value, CLTV)
• Vilken produkt någon mest sannolikt kommer att köpa härnäst
• Vilka kunder vi är på väg att förlora
• Vilken typ av kunder som kommer att köpa mest
• Hur kunderna skall grupperas i olika segment
• Vilken annons kommer just den här personen kommer att reagera bäst på
• Vilken typ av text i en bloggartikel som uppskattas bäst
• Etc.

Dvs, ”let the data speak to you”, och låt marketing automation logik drivas av datadrivna insikter som förutspås med hjälp av artificiell intelligens.

Det här är ett mycket spännande område som dramatiskt kommer att förändra marknadsföring i grunden!

Själv är jag författare och konsult inom marketing automation och artificiell intelligens. Behöver du hjälp med att installera och sätta upp ett marketing automation system, eller AI-baserade lösningar? Kontakta mig – jag erbjuder konsulttjänster på området!

Är du intresserad av framtidens marknadsföring? Här finner du fler artiklar om marknadsföring med AI och marketing automation.

Vill du lära dig mer? Läs min bloggartikel om marketing automation!