Menggunakan Pemeriksaan Sosial untuk Analisis Runcit Ramalan

Chipotle

Kami telah melakukan banyak perundingan dalam industri kami dengan syarikat-syarikat yang telah membangunkan gudang data yang sangat berharga. Sering kali, syarikat-syarikat ini dicabar untuk meningkatkan kesan pemasaran mereka, meningkatkan bahagian pasaran mereka, dan melakukannya berdasarkan produk dan penawaran perkhidmatan mereka. Tetapi, ketika kita menggali lebih jauh ke dalam platform mereka, kita dapati mereka mengumpulkan data yang tidak digunakan.

Berikut adalah beberapa contoh dalam industri Pemasaran E-mel:

  • Mengapa syarikat pemasaran e-mel tidak dapat memberikan penanda aras pengekalan, klik, buka dan data penukaran untuk pengguna dan perniagaan untuk mengukur kejayaan mereka? Saya semestinya dapat dengan mudah melihat bagaimana usaha pemerolehan dan pengekalan senarai saya dibandingkan dengan syarikat yang serupa dengan firma yang serupa untuk melihat sama ada saya berjaya atau tidak.
  • Mengapa syarikat pemasaran e-mel tidak dapat memberikan analisis ramalan yang meramalkan penjualan berdasarkan pertumbuhan dan kualiti pelanggan dalam senarai e-mel anda? Adakah anda tahu nilai pelanggan anda berdasarkan kebiasaan, aktiviti, geografi, dan demografi mereka?
  • Mengapa syarikat pemasaran e-mel tidak dapat membina repositori e-mel pusat yang secara automatik mengemas kini alamat e-mel di seluruh akaun, atau menghapusnya ketika mereka melambung pada satu akaun? Mengapa syarikat pemasaran e-mel tidak bertanya kepada mereka jika mereka ingin mengemas kini maklumat mereka di semua klien yang dikongsi dalam satu platform?

Sekiranya anda mula menggali data, anda akan segera mengetahui betapa menakjubkannya proses dan data ini bagi mana-mana syarikat. Bayangkan keputusan yang boleh anda buat berdasarkan akses kepada perisik di semua pemasar dan bukannya senarai senarai anda sendiri?

Berikut adalah beberapa contoh dalam industri Media Sosial:

  • Mengapa platform seperti Twitter tidak membina kecerdasan pautan? Tidak kira apa pun penyingkat atau yang mempromosikan pautan, Twitter dapat memberikan sejumlah data yang tidak masuk akal yang akan memberikan laporan lengkap kepada perniagaan mengenai dampak kandungan, promosi, dan program advokasi mereka. Bayangkan dapat melihat sebilangan besar data yang menyediakan pautan seumur hidup - dari generasi, berkongsi, menjangkau, mengklik ... di setiap pengguna Twitter yang berkongsi atau mengundangnya semula ?! Saya menyebut perkara ini kepada perniagaan minggu lalu dan mereka mengatakan bahawa mereka benar-benar akan membayar untuk mengakses data ini. Sebagai gantinya, Twitter tidak memberikan apa-apa dan kami terpaksa bergantung pada data gelap dan memautkan pemendek untuk mencuba kesannya.

Inilah contoh yang sangat menakjubkan dari Foursquare. Ketika Chipotle mempunyai masalah dengan keselamatan makanan, Foursquare dapat memantau tren trafik kaki di seluruh kedai dan akhirnya, ramalkan kerugian:

jalan raya-chipotle-foot

Keputusan? Chipotle telah mengumumkan pendapatan suku pertama dan ramalan Foursquare tepat sasaran - dengan penurunan penjualan sebanyak 30%. Foursquare bukan sahaja dapat meramalkan kerugian, mereka juga dapat membuat ramalan lebih berani:

Kami percaya penurunan 23% dalam trafik kaki kedai yang sama adalah jumlah yang lebih bermakna yang harus difokuskan oleh pemegang saham, dan bukannya penurunan penjualan sebanyak 30%. Ini menunjukkan bahawa Chipotle membina kepercayaan dengan pelanggan, yang lebih penting untuk kejayaannya dalam jangka panjang. Jeff Glueck, Ketua Pegawai Eksekutif Foursquare.

Saya menggalakkan anda membaca Seluruh jawatan Encik Glueck, sungguh menarik!

Ciri berbanding Kecerdasan

Saya bekerja dengan satu syarikat yang mengumpulkan lebih dari 1 bilion faktor di gudang data yang besar, tetapi mereka lebih fokus pada pertumbuhan anggaran iklan mereka daripada kualiti dan nilai data yang mereka kumpulkan. Kami mendorong mereka bersungguh-sungguh untuk membersihkan data dan mengupah saintis data. Mereka tidak dan sejak itu ditutup ... dengan banyak data yang belum dimanfaatkan yang mungkin sangat berharga jika disimpan dengan lebih baik dan ditambang dengan betul.

Terlalu banyak syarikat meletakkan lebih banyak stok dan melabur lebih banyak masa dalam ciri mereka. Ciri-cirinya bagus, tetapi boleh disalin dengan mudah. Kepintaran untuk menolong pengguna menang dan perniagaan bersaing lebih berharga daripada sekeping kod.

Data adalah aset luar biasa yang tidak boleh dikenali kerana dua sebab:

  1. Pihak Berkuasa - melombong data anda dan memberikan penyelidikan utama kepada industri anda meletakkan anda sebagai pemimpin.
  2. nilai - mengingat pilihan ciri yang menjadikan kehidupan pekerja lebih mudah atau data yang membantu eksekutif membuat keputusan yang lebih baik, saya akan memilih data setiap masa.

Apa jenis tambang emas yang anda duduki di atas?

Apa yang anda fikir?

Laman web ini menggunakan Akismet untuk mengurangkan spam. Ketahui bagaimana data komen anda diproses.