…w zasięgu marketerów w Polsce?
Czy zadawałeś sobie te pytania?
Zobacz również
- Co mają w głowach moi fani?
- Czy moi fani kupują moje produkty?
- Kim są osoby, które like’ują lub angażują się w określone rodzaje treści na Facebooku?
- Jakie treści publikować do młodych osób, które mają określone cechy charakteru?
W ramach trendu digital transformation dla firm coraz częściej mówi się o analityce big data swoich konsumentów, modelowaniu i atrybucji ich zachowań. Na polskim rynku można znaleźć wiele rozwiązań w tym nurcie, jednak niestety – większość z nich to zamknięte czarne skrzynki, w których trudno zmierzyć efektywność, zrozumieć działanie i na które często nas nie stać.
Przewidywanie zachowań konsumenckich na podstawie danych z Facebooka jest teraz w zasięgu każdego – i to w takim stopniu, żeby kontrolować cały proces i móc połączyć wyniki z własnym ekosystemem danych. Zobaczmy, co to tak naprawdę jest i co to daje.
W przewidywaniu zachowań chodzi o modelowanie danych
Modelowanie danych z serwisów społecznościowych to przewidywanie charakteru psychologicznego i postaw – zachowań, emocji i wiedzy – na podstawie danych z postów, komentarzy, like’ów i share’ów na Facebooku lub innych serwisach społecznościowych.
#NMPoleca: Jak piękny design zwiększa konwersję w e-commerce? Tips & Tricks od IdoSell
Ostatnio głośno jest na temat polskiego uczonego Michała Kosińskiego, który w Cambridge opracował system przewidujący zachowania i wyniki wyborów. Poświęcił swoją pracę na przewidywanie charakterów psychologicznych opierając się na testach psychometrycznych (ekstrawersja, introwersja, orientacja na ja i orientacja na innych itp.). Mniej wiadomo o jego pracy dla marek. Ale warto pamiętać, że modelować można dowolne zachowania, emocje i wiedzę/świadomość.
Słuchaj podcastu NowyMarketing
Jeszcze przed Michałem Kosińskim takie rozwiązania były w Polsce m.in. wdrażane na Naszej Klasie, która w czasach swojej świetności opracowała system targetowania reklam i badań do osób o określonych cechach osobowości. Projekt zrodził się w efekcie potrzeby identyfikowania pedofili. Jako że eksperyment się udał, jego efekty zostały szybko przeniesione do rozwiązań komercyjnych.
Modelowanie danych w reklamie digitalowej to niemal już standard. W całej reklamie programmatic określa się, które cookiesy/osoby o określonym Google/Facebook ID z większym prawdopodobieństwem klikną w reklamą lub zachowają się w określony sposób. W ramach trendu martech co najmniej od 10 lat powstają kolejne technologie do segmentacji danych reklamowych. Zresztą, badania zmiany postaw wobec marek prowadzone przy kontroli cookiesów są prowadzone nawet jeszcze dłużej i wpisują się w ten sam trend.
Wiele agencji badawczych i domów mediowych prowadziło badania mające na celu odpowiedź na pytanie – dlaczego ludzie like’ują. Warto tu na pewno wspomnieć badania prowadzone przez dom mediowy Starcom (i pracującą tam wówczas Edytę Czarnotę), ale takich projektów odbyło się bardzo dużo (m.in. IRCenter). W międzyczasie Facebook i agencja badawcza Nielsen modelują dotarcie reklam tv/video do określonych grup docelowych. Tak samo – na inną skalę – robią to takie międzynarodowe panele badawcze, jak GfK.
Dlaczego nagle wszyscy znowu zaczęli się tym interesować?
Ostatnia fala fascynacji modelowaniem danych facebookowych jest związana z post prawdą i wyborami prezydenckimi w USA. Wiadomo już, że na Facebooku były systematycznie publikowane treści, które wpisywały się w schemat łączący komunikację z manipulacją polityczną.
W dotychczasowym podejściu zachowania na Facebooku służyły do przewidywania zachowań, które i tak się zdarzą. W nowym podejściu treści na Facebooku mogą zmieniać rzeczywistość na dużą skalę.
To jest możliwe, aby zmieniać postawy internautów na podstawie serwowania im treści, o których wiemy, że zmienią ich zachowania, emocje i postrzeganie świata. Niby o tym od samego początku jest reklama, prawda? Tak, tyle tylko że tutaj można:
- zminimalizować wymyślanie wszystkiego od nowa (big idea wychodzi z danych, a nie z głów strategów i kreatywnych),
- w pełni świadomie kontrolować wszystkie detale komunikatu (nawet to, jak kolor tła wpłynie na zmianę postaw). W przypadku ostatnich wyborów prezydenckich w USA chodziło o to, jakie fałszywe informacje (fake news) publikować, aby zmienić preferencje wyborcze (np. to, że papież Franciszek poparł Donalda Trumpa).
Co to znaczy, że wiemy o Tobie wszystko?
Oczywiście o użytkowniku można wiedzieć „wszystko”, tylko każdy co innego rozumie przez to pojęcie. Dla marketerów kluczowe są dane:
- stream – czyli, co w ogóle ktoś robił na Facebooku – w co klikał, co like’ował, komentował i share’ował
- likes – czyli fanpage i kategorie fanpage, jakie dana osoba lubi
- znajomi – czyli lista osób, z którymi ktoś ma status znajomych
- profile – czyli to, co dana osoba umieszcza jako swój opis
- zasięg – czyli jak długo patrzymy na daną treść
Aby móc przeprowadzić modelowanie, łączy się dane o profilu z wynikami kwestionariuszy wypełnionych przez te osoby. Są to zarówno pytania psychometryczne, jak i konsumenckie. Poszczególne wyniki można też połączyć z innymi systemami, takimi jak listy mailowe.
Jak to można wykorzystać?
Wsparcie strategii: stratedzy marki lubią pracować na schematach pochodzących z narzędzi psychometrycznych, takich jak big 5, schematy Carla Gustava Junga i ich wersjach komercyjnych – np. Needscope firmy badawczej TNS. Modelowanie zachowań na serwisach społecznościowych pozwala powiedzieć, jakie treści lubią osoby znajdujące się w różnych miejscach tego schematu, czyli mocno upraszczając – jeżeli ze strategii wychodzi, że marka ma być ekstrawertyczna i zorientowana na ja, to należy publikować jej grupie docelowej takie, a nie inne zdjęcia.
Tworzenie efektywnych virali: w przypadku dużych kampanii często zdarza się, że marka decyduje się na tworzenie wielu różnych filmów viralowych i trzyma kciuki, żeby któryś z nich wypalił. Z drugiej strony mniejsze marki boją się wypuszczać virale, ponieważ nie stać ich na stworzenie wielu różnych prób. Modelowanie zachowań na Facebooku pozwala bardzo dokładnie wskazać, jaki rodzaj filmów będzie z największym prawdopodobieństwem share’owany przez określoną kategorię osób.
Wpływ na zachowania w fizycznym punkcie sprzedaży: marki często są obecne na Facebooku przede wszystkim w celach wizerunkowych, komunikacyjnych i związanych z obsługą klienta. Nie wiedzą jednak, ile z tych osób faktycznie kupuje dane produkty, a także – jak to jest u konkurencji. Modelowanie zachowań na serwisach społecznościowych pozwala dokładnie wskazać, które treści w jakim stopniu przekładają się na zakup produktu offline.
Integracja z CRM: posiadanie pełnej wiedzy o konsumencie – ostateczny cel analityki danych klienckich to integracja własnej bazy o klientach – z historią kontaktów i zakupów – z danymi z profili na Facebooku. Dzięki temu można w 100% kontrolować – jakie treści, z jakim wpływem na wizerunek marki, jak wpływają na sprzedaż.
Obecnie największym wyzwaniem na rynku są zamknięte, ograniczone systemy do przetwarzania danych o pojedynczych osobach. Sam Facebook umożliwia zamknięty ekosystem danych i bardzo niechętnie wypuszcza dane osobowe na zewnątrz. Stwarza to konieczność „przepuszczania” ruchu użytkowników przez dedykowane strony WWW (przechwytujące cookie i Google ID lub maila). Rozwiązania udostępniające wszystkie tego typu możliwości to wysoko cenowa klasa enterprise (np. Omniture). Z drugiej strony, w Polsce digital CRM (albo – CRM zintegrowany z kanałami digital) jest jeszcze relatywnie niezbyt popularny (chociaż każdy chciałby go mieć).
Autor:
dr Albert Hupa
Prezes IRCenter, członek PTBRiO
Socjolog, badacz sieci społecznych, specjalista od analiz digitalowych i web mining. Na co dzień realizuje komercyjne projekty badawcze wykorzystujące tradycyjne i nowoczesne techniki analityczne (z wykorzystaniem technologii internetowych i mobilnych).
Autor będzie prelegentem podczas Cyber 7.0 – najważniejszej w Polsce przestrzeni dyskursu o styku cyfrowości i konsumpcji organizowanej przez Polskie Towarzystwo Badaczy Rynku i Opinii. Tegoroczna edycja wydarzenia odbędzie 6 kwietnia w warszawskim Centrum Nauki Kopernik. Więcej na na stronie.
