ایجاد ارزش به کمک داده های بزرگ

AI in fintech
کاربرد هوش مصنوعی در خدمات مالی(قسمت آخر)
۲۳ آبان ۱۳۹۵
big data
داده های عظیم در زنجیره غذایی (قسمت اول)
۱۱ دی ۱۳۹۵

داده های بزرگ ، وعده های بزرگ برای بازاریابی می باشد. باید به این نکته اشاره کنیم که این شرکت متعهد شده است تا پاسخ به دو مسئه مهم که بازاریابان در شروع کار خود با آن مواجه میشوند بپردازد:

  • چه کسی اقدام به خرید چه چیزی، به چه قیمت و در چه زمانی می‌کند؟
  • چه چیز می تواند ما را به سخنان خریداران ویا خرید آن‌ها نزدیک کند ؟

پاسخ‌گویی به این سوالات منجر می‌شود تا بازاریابی بوسیلۀ بهبود تعیین هدف و مصرف به صرفه‌تر بودجه، کارآمدتر عمل کند. برای رسیدن به پاسخ این سوالات بازاریابان باید روی یک مسئله دقت کنند: پیش‌بینی خرید بعدی هر مشتری! در راه رسیدن به این هدف، بازاریاب باید تمام حرکات مشتریان خود را زیر نظر بگیرد، به عنوان مثال: تمام اولویت‌ها، خواسته‌ها و آرمان‌های مشتری را در یک جدول بنویسد تا اینگونه نیازهای مشتری بیشتر به چشم بیاید.

اما درحین حرکت سریع به سمت هدف و معامله بعدی با مشتری، با یک واقعیت مواجه می‌شویم: برنده شدن در معامله بعدی در نهایت مزایای کوتاه‌مدت داشته، و چشم‌انداز یک دستاورد بزرگ و اجتناب‌ناپذیر را به همراه دارد. هنگامی که هر رقیب به همان اندازه در پیش‌بینی خرید بعدی هر مشتری خوب باشد، بازاریابان به ناچار به دور از هر حاشیه‌ای باید در سود خود با دیگر بازاریابان به رقابت بپردازد. این رقابت بر سر قدرت، غیر قابل پیروزی است و در نهایت به تساوی در دراز مدت منجر می شود. هیچ مزیت رقابتی پایدار در تعقیب خرید بعدی وجود ندارد.

البته منظور این نیست که شرکت‌ها نباید سعی در پیش‌بینی و تصرف بازار بعدی بکنند – اما تنها درصورتیکه نتیجۀ آنها بالاتر از متوسط بازده از این فعالیت است که صنایع دیگر از آن‌ها عقب‌تر باشند. در بسیاری از صنایع، از جمله سفر، بیمه، مخابرات، موسیقی، اتومبیل، به سرعت در حال برابرسازی پیش گویی‌ها در قابلیت‌های پیش‌بینی شده در سراسر موارد بالا می باشد، به طوری که پایداری رقابتی از پیش بینی خرید بعدی هنوز هم می توان مزیت‌هایی را بدست آورد.

جهت ایجاد پایداری در مزایا، برنامه‌های بازاریابی که اهرم داده‌های بزرگ را تبدیل به مسائل استراتژیک، مشتریان بلند‌مدت، وفاداری و روابط می‌کند ضروری است. پرسش هایی که باید پاسخ داده شود تا هدف و خرید بعدی مشتری را از دست ندهیم به این صورت است: چه چیز می‌تواند مشتری را وفادار نگه دارد؛ نه اینکه صرفا مشتری مایل به پرداخت چه هزینه‌ای است، چه چیزی ارزش وقت مشتری را دارد؟ در عوض سوال: چه چیز می‌تواند مشتری را وادار به خرید در مقابل پیشنهادهای رقیبان کند؟

پاسخ به این سوالات باتوجه به بزرگی داده هایی که در دست داریم متفاوت می باشد. باید بدانیم چه داده هایی را باید داشته باشیم تا برای مشتریان ارزشمند باشد. به عبارتی باید از داده‌های بزرگ برای مشتریان استفاده کنیم نه صرفا سود خودمان.

داده های بزرگ می تواند کمک به تقویت محصولات و خدمات اطلاعات و طراحی کرده و موجب ساخت امکانات جدید گردد. نمونه ساده شامل موتورهای جستجوگر که با کاهش هزینه‌های جستجو و ارزیابی، برای مشتریان ارزش‌سازی می‌کنند. مانند موتورهای جستجوگر آمازون و نت‌فلیکس؛ یا الحاق کالاهای مورد نیاز با اطلاعات مصرف بهینه‌شده، مانند کاری که اُپاور انجام می‌دهد. نمونه‌های جالب بیشتر، شامل اطلاعات جمعیت منابع است که می‌تواند مشتریان به مسائل مهمی چون «چه می‌توانم از دیگر مصرف کنندگان یاد بگیرم؟” و یا “چگونه می‌توانم با دیگر مصرف کنندگان مقایسه کنم؟” بپردازد.

نگاهی به اشکال جدید ایجاد ارزش با استفاده از داده های بزرگ می توانند بسیار مفید باشد.

Opower به مشتریان خود اجازه می‌دهد که قبوض آب و برق خود را با دوستان فیس‌بوک‌شان به اشتراک بگذارند تا چگونگی قبوض‌ در رابطه با میزان قبوض دیگر مشتریان مطلع بشوند.

INRIX ، ترافیک قابل اتصال به داده ها از گوشی های موبایل مشتریان و منابع دیگر مشتریان را برای ارائه گزارش در زمان واقعی ترافیک، ارائه می دهد. این شرکت ها داده‌های بومی خیلی بزرگی می‌باشند.

موفقیت آنها باید زنگ خطری برای همه تجار گردد: امروز، هیچ کسب و کاری که اطلاعات بازاریابی نداشته باشد وجود ندارد!

هر شرکتی باید برای رسیدن به داده های برگ به سه سوال زیر پاسخ دهد :

سوال اول : چه نوع اطلاعاتی می‌تواند هزینه ها و یا ریسک‌های مشتری را کاهش دهد؟

کسب‌و‌کارهای میلیاردی مانند Yelp ، Zagat ، مشاورین، بارگذاری، ای بی، Netflix و آمازون تمام اهدافشان در جهت کاهش ریسک و هزینه‌های مشتریان است. این شرکت ها جزو رتبه های برتر شرکت های بزرگ می باشند.

در حال حاضر، در برگه‌ی ارائه ارزیابی کلی از فروشندگان در مقیاس‌های استاندارد، گزینه های خوب-بد-زشت می‌باشد. اما مشتریان به طور افزاینده به دنبال پاسخ صریح به پرسش‌هایی مانند “مشتریان دیگر مانند من به چه محصول یا خدمتی فکر می‌کنند” هستند.

پاسخ به این مسائل نیاز به درکی بسیار عمیق‌تر از آنچه نیاز مشتریان، و چگونگی دید آنها نسبت به خود می‌باشد. این فرصتی است برای نسل بعدی که داده‌های باارزشی از مشتریان به دست آورند.

سوال دوم : چه نوع اطلاعاتی با وجود در دسترس بودن، می‌تواند در صورت جمع‌آوری بسیار مفید واقع شود؟

آیا نوعی از اطلاعات ضمنی (مانند ضربه‌های کلید کیبورد یا اطلاعات مکانی) وجود دارد که درصورت جمع‌آوری مفید واقع شوند؟ اینونچور، یک استارتاپ جدید و جالب در آفریقا، که در حال تبدیل گوشی های هوشمند به داده های اتفاقی در یک رتبه بندی اعتباری می باشد که اجازه پایه-از-هرم مشتریان دسترسی به وام‌ها و محصولات مالی دیگران را می دهد.در یک محیط که در آن بسیاری از مردم هیچ سابقه اعتباری، هیچ امتیاز اعتباری و حتی ذخایر استفاده از تلفن به عنوان یک پروکسی دستی ندارد این اجازه را به آنها می دهند. (مردم تماس خود را با هر دو نام و نام خانوادگی که بیشتر سازماندهی حاضر به بازپرداخت وام می باشند.)

سوال سوم : آیا تنوع و واریانس در میان مشتریان من چنین است که با جمع آوری داده های دیگران ، می توانم کمکی به خرید آنها بکنم؟

به عنوان مثال، یک شرکت فروش مواد اولیه مزرعه (بذر، کود و آفت کش‌ها) می تواند داده‌ها را از کشاورزانی با قطعه زمین شبه پراکنده برای تعیین ترکیبی از مواد اولیه تحت شرایط مختلف بهینه جمع آوری کند.

جمع‌آوری داده‌ها از بسیاری از مزارع تحت خاک متنوع، آب و هوا، و الزامات زیست محیطی می توانید اطلاعات بسیار بهتر در مورد مواد اولیه بهینه برای هر مزرعه به فروشنده بدهد.

داده های بزرگ به بازاریابان در پاسخ به مسائل اساسی که مدت‌ها دور از دسترس بود کمک می‌کند. هدف از سهم واقعی داده‌های بزرگ در ایجاد فرم‌های جدید از ارزش برای مشتریان مستقر می‌باشد.

لینک مقاله اصلی

 

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *