Применение данных из соцсетей в маркетинге: уровни normal, hard, impossible
Юля — типичный миллениал, у нее есть аккаунты в большинстве популярных соцсетей и мессенджеров. В Facebook она добавляет всех своих друзей и отмечает интересы, в LinkedIn указывает место работы и профессиональный опыт, а в Instagram и TikTok рассказывает все о своей ежедневной жизни и лайкает десятки постов каждый день.
Лена — маркетолог, ее задача влюбить Юлю в свой товар и бренд. Раньше Лена строила маркетинговые стратегии, ориентируясь на среднестатистическую девушку 25 лет. Однако сегодня соцсети могут помочь ей узнать намного больше о жизни, интересах и предпочтениях Юли, что позволит создать такое маркетинговое предложение, от которого Юля не захочет отказаться.
В аналитике данных из соцсетей, как и в компьютерной игре, можно выделить несколько уровней сложности: normal, hard, impossible. Более продвинутые инструменты анализа позволяют из тех же данных получить глубже инсайты. Чем инструменты отличаются, как могут упростить Лене решение ее задач и в каких случаях каждый из них применять — разберем ниже.
[1] УРОВЕНЬ NORMAL
Лена знает, что в социальных сетях можно найти ответы на многие вопросы, которые помогут создать идеальное маркетинговое предложение для ее целевой аудитории:
- как выглядит типичный покупатель, чем интересуется, где бывает, какой контент потребляет;
- как этот покупатель взаимодействует с брендом, где и какую рекламу видит, какие сильные и слабые качества выделяет.
Самый простой способ получить быстрые ответы на эти вопросы — ручная аналитика соцсетей и использование SAAS продуктов.
- Мониторинг упоминаний бренда. Позволяет узнать что покупатели думают о продукте, какие сильные и слабые стороны выделяют, где и как с ним взаимодействуют. Это must have инструмент для крупного бизнеса, рекомендую сервисы YouScan и SemanticForce.
Пример. Среди 1000 собранных комментариев о своей компании и конкурентах, Лена обнаружила, что в 300 из них покупатели жалуются на отсутствие удобной доставки. Соответственно, Лене стоит рассмотреть возможность ее внедрения и сделать на этом акцент в маркетинге.
- Ручной анализ профилей и страниц. Позволяет лучше понять своего клиента и определить подходы к нему, выявить явные накрутки для лидеров мнений, найти наиболее трендовый контент. Инструмент помогает Лене сформировать маркетинговые гипотезы, но не может дать однозначный ответ, так как не является репрезентативным.
Пример. Проанализировав профайлы 20 клиентов в Facebook и Instagram, Лена заметила интересную особенность — 10 из них волнует проблема загрязнения планеты пластиком. Гипотеза: рекламная кампания, связанная с защитой окружающей среды, увеличит лояльность к бренду. Но 10 клиентов не достаточно для оценки целесообразности решения.
Большинство маркетологов ограничивается этими инструментами анализа данных из соцсетей. Но Лена хочет получить больше инсайтов, поэтому переходит к инструментам следующего уровня.
[2] УРОВЕНЬ HARD
Автоматизированный анализ профайлов и смысла постов позволяет получить значительно более глубокие инсайты из данных соцсетей.
- Мониторинг трендов. В отличии от мониторинга упоминаний, решает более комплексную задачу — находит все потенциальные маркетинговые идеи. Сервис предоставляют те же компании, что и мониторинг упоминаний.
Пример. Анализируя комментарии о компании, Лена обратила внимание только на необходимость удобной доставки. Но, сервис, проанализировав все посты данной индустрии, нашел и другой инсайт — за последние 3 месяца спрос на чат-ботов вырос в 10 раз. Возможно, стоит сделать основной фокус именно на них.
- Выбор инфлюенсеров. Если ручной анализ дает возможность только проверить несколько выбранных лидеров мнений на накрутки, то автоматизированный — из сотен тысяч инфлюенсеров выбрать наиболее эффективных. Детальнее в отдельной статье.
- Сегментация клиентов. Изучение лайков клиентов вручную открывает отдельные инсайты, но не дает полной картины. Автоматизированный анализ профилей позволяет изучить всех клиентов и выделить сегменты аудитории. В России такие задачи решают Tazeros и Double Data, в Украине — Artellence.
Пример. Анализируя профайлы вручную, Лена выделила 10 клиентов, которых волнует проблема загрязнения планеты пластиком (интересный инсайт, но такого кол-ва клиентов недостатоно для принятия маркетингового решения). В результате сегментации, среди клиентов выделился сегмент эко-активистов с долей 30% от всех клиентов. Это дает аргументацию почему стоит сделать рекламную кампанию и дополнительные инсайты как оптимально ее запустить.
Эти инструменты сэкономили Лене огромное кол-во времени, помогли найти ответы на большинство вопросов и аргументировать план действий. Но это далекно не весь потенциал данных из соцсетей — Лена решает внедрить инструменты последнего уровня и настроить персонализацию.
[3] УРОВЕНЬ IMPOSSIBLE
Инструменты предыдущих уровней упрощают Лене решение стандартных задач маркетинга и дают дополнительные инсайты. Цель инструментов уровня impossible другая — повысить эффективность общения с каждым отдельным клиентом. В разных странах применяются свои решения для персонализации, ниже я приведу несколько примеров, которые моя компания реализовала в Украине.
- Наполнение CRM. Обычно компания знает много информации о 10% своих постоянных клиентов, а оставшиеся 90% сделали всего по несколько покупок, что не позволяет понять их потребности. Данные из соцсетей предоставляют много информации в том числе и по этим 90% клиентов, что закладывает базу для персонализации.
- Предиктивные модели. Прогнозируют кому из клиентов какой товар стоит предложить. Для этого применяются алгоритмы машинного обучения и объединенные внутренние данные компании о продажах с информацией из соцсетей.
Пример. Лена уже пробовала внедрять персонализацию только на внутренних данных компании и добилась роста продаж на 25% для 10% постоянных клиентов. Для оставшихся 90% модели построить не получилось — не хватило данных. Сейчас же, добавив в модели данные соцсетей, Лене удалось добиться роста продаж на 25% для каждого второго клиента компании.
- Персонализация месседжей. Сначала аудитория разбивается на сегменты, затем каждый сегмент детально изучается — история покупок, интересы и потребности, а после этого подбираются персональные каналы коммуникации — микротаргетинг и инфлюенсеры.
Пример. Разбив клиентскую базу на сегменты и детально изучив каждый, Лена заметила сегмент, который имеет значительный потенциал роста, а именно киевских хипстеров. Этот сегмент сильно отличается по своим потребностям от других. Опираясь на данные соцсетей, Лена создала для него отдельные месседжи, настроила микротаргетинг и выбрала наиболее целевых инфлюенсеров. Что в результате дало большой прирост новых клиентов из этого сегмента.
Помните миллениала Юлю из начала истории? Влюбится ли она в бренд, если Лена остановится на первом этапе? Вряд ли, ведь для Юли этот бренд ничем не выделится из десятка подобных. А если Лена дойдет до уровня impossible? Юля, как и многие другие пользователи соцсетей, не просто заметит бренд — она разделит его ценности и, вероятнее всего, станет его постоянным клиентом.
