داده‌محوری در بازاریابی: سخنرانی محمدرسول نصیرزاده در رویداد دیتالایف
در رویداد تخصصی دیتالایف، محمدرسول نصیرزاده مدیر ارشد عملیات لایف‌وب به بررسی نقش حیاتی داده‌های شبکه‌های اجتماعی در بازاریابی و تصمیم‌گیری‌های استراتژیک پرداخت. این سخنرانی با تأکید بر تفاوت‌های سوشال لیسنینگ و سوشال مانیتورینگ آغاز شد و به معرفی ابزارهای تحلیلی مانند لایف‌وب برای استخراج بینش از داده‌های کلان منجر گردید.
شبکه‌های اجتماعی چرا مهم است؟
آقای نصیرزاده در آغار سخنرانی خود به اهمیت داده‌های شبکه‌های اجتماعی اشاره کرد. به این موضوع که در لحظه هزاران، میلیون‌ها و شاید میلیاردها محتوا در فضای آنلاین و شبکه‌های اجتماعی تولید و منتشر می‌شود طبیعتا این محتوا می‌تواند مرتبط باشد با موضوعی که از ذهن شما می‌گذرد، می‌تواند مرتبط باشد با آن موضوعی که برای شما اهمیت دارد برای برند و سازمانی که آنجا مشغول هستید و برای صنعتی که مطالعه‌ی آن صنعت برای شما اهمیت دارد.
این داده‌ها به تنهایی شاید اهمیت نداشته باشند شاید یک پست، شاید یک خبر، شاید یک کامنت، به تنهایی اهمیت نداشته باشد اما این داده‌ها وقتی کنار همدیگر قرار می‌گیرند وقتی کلان داده و دیتابیسی را از داده‌های شبکه‌های اجتماعی و فضای آنلاین تشکیل می‌دهند. پاسخ پرسش‌های بسیار مهمی را در اختیار ما قرار می‌دهند، پرسش‌هایی که به ارتقای برندمان و به ارتقای صنعتمان و هر موضوعی که برای ما اهمیت دارد و در مورد آن فکر می‌کنیم و تلاش می‌کنیم، کمک می‌کند.
برای مثال وقتی ما به داده‌های منتشر شده در فضای آنلاین اهمیت بدهیم می‌توانیم:
- از سهم صدای برند خودمان اطلاع پیدا کنیم
- میزان برند اورنس خودمان را در مورد یک صنعت و یک موضوع بسنجیم
- پیش‌بینی داشته باشیم از اتفاقاتی که برای برندمان می‌تواند بی‌افتد
- نگاه‌های pr و چالش‌های pr را بتوانیم برطرف کنیم
- بهبود تجربه مشتری برای ما رقم بخورد
در نهایت بتوانیم در دنیای دیجیتال در عصر دیجیتال الانمان را با الانمان مقایسه کنیم و بتوانیم پاسخ بدیم به چالش‌هایی که برای برندمان پیش میآید و درک بهتری از مشتریان و بازار داشته باشیم.
تفاوت سوشال مانیتورینگ و سوشال لیسنینگ
ایشان گفتند در صنعت تحلیل داده اگر بخواهیم به مارکت سوشال لیسنینگ توجه کنیم تمامی این پرسش‌ها و تمامی این اتفاقات در مالکیت سوشال لیسنینگ به آن پاسخ داده می‌شود. در ادامه تفاوت‌های سوشال لیسنینگ و یک زیر مجموعه از سوشال لیسنینگ که سوشال مانیتورینگ تلقی می‌شود را بررسی می‌کنیم:
داده‌هایی که تحلیل می‌شوند به بازه زمانی مختصری و به حجم مختصری اطلاق دارند. وقتی از سوشال مانیتورینگ صحبت می‌شود منظور منشن‌ها، کامنت‌ها و حجم کمی از داده‌ها در مورد یک موضوع مختصر است که در لحظه سوالات لحظه‌ای ما را پاسخ می‌دهد. اما اگر یک گام فراتر برویم و به داده‌های شبکه‌های اجتماعی اهمیت بدهیم با سوشال مدیا لیسنینگ مواجه می‌شویم که آنجا بحث برای استراتژی بازاریابی و بحث برای تحلیل کلان داده‌ها اتفاق می‌افتد. از طرفی با سوشال مانیتورینگ می‌توانیم احساسات کاربران در مورد محصول، سرویس‌ها٬ صنعت و حتی رقبای خودمان را بررسی کنیم و تحلیل ترندها و رخدادهای بزرگتری را بتوانیم رقم بزنیم.
ابزارهای تحلیل شبکه‌های اجتماعی
آقای نصیرزاده در این بخش به معرفی ابزارهای تحلیل شبکه‌های اجتماعی در داخل کشور و فضای بین‌المللی پرداختند و گفتند:
۳ ابزار مهمی که معمولا کاربران ایرانی از آن‌ها استفاده می‌کنند تا کار با سوشال مدیا مانیتورینگ را انجام دهند:
- Mention
- Brand24
- Hootsuite
برای بررسی سوشال لیسنینگ و حجم کلان داده‌ها از این ابزارها استفاده می‌شود:
- Brandwatch
- Talkwalker
- Awario
این ابزارها داده‌های کاربران فضای فارسی را هم می‌توانند در اختیار ما قرار بدهند و آن‌ها را تحلیل کنند.
همچنین ایشان تاکید کرد برای معرفی ابزارهای تحلیل شبکه‌های اجتماعی در فضای داخل کشور باید با چهار برندی که سهم عمده‌ای از بازار دارند در کنار بقیه دوستانی که در این فضا فعالیت می‌کنند (ابزار دارند و سرویس توسعه دادن دارند) اشاره کنیم:
- دیتاک
- هشتگ
- زلکا
این سه برند همکاران و رقبای این صنعت و اکوسیستم هستند و ما در کنار آن‌ها از سال‌های گذشته شروع کردیم و داریم فعالیت خودمان را ادامه می‌دهیم.
آشنایی با لایف‌وب
آقای نصیرزاده در این بخش به معرفی لایف‌وب پرداخت:
بیاییم از لایف‌وب صحبت کنیم٬ لایف‌وبی که بحث تصمیم داده‌محور برایش به قدری اهمیت دارد که امسال اولین رویداد دیتالایف خودش را با موضوعیت بازاریابی داده محور در کنار شما برگزار می‌کند و این تصمیم قرار است دوره‌های بعد و فصل‌های بعد ادامه پیدا کند و مسئله‌ی تحلیل داده و صنعت داده را ترویج دهد.
لایف‌وب طی ۱۵سال گذشته شکل گرفته است. از سال ۱۳۸۹ این مجموعه تاسیس شده است و طی سال‌های مختلف به فراخور میزبانی کاربران ایرانی و پلتفرم‌های مختلف، تحلیل داده را در آن پلتفرم پیش برده است. اولین محصول خودش را سال ۱۳۹۲ ارائه داده است سامانه‌ی پایشگر و سال ۱۳۹۴ به این تصمیم رسیده است که تنها داشبوردهای توصیفی و کیفی و ابزارهای تحلیلی راهگشای سازمان‌ها و مدیران نیستند و این داده‌ها باید توسط متخصصین حوزه‌های مختلف علوم انسانی تحلیل شود به دلیل اینکه داده‌ها درباره‌ی موضوعات و حوزه‌های مختلف هست به همین دلیل سال ۱۳۹۴ دپارتمان تحلیل داده‌ی خودش را ایجاد کرده است و دو سال بعد نسخه‌ی جدیدی از سامانه‌های خودش را به عنوان سامانه تحلیل‌گر به بازار عرضه کرده است سال ۱۳۹۷ دوره‌ای که هوش مصنوعی ترند نبود و حتی در مورد آن صحبت نمی‌شد، دپارتمان هوش مصنوعی لایف‌وب ایجاد شد و مدل‌های جهانی و بین‌المللی را بومی‌سازی کرد برای زبان فارسی متناسب با رفتار کاربران فارسی که در پلتفرم‌های مختلف اتفاق می‌افتاد و سرویس‌های مبتنی بر هوش مصنوعی خودش را ارائه داد .
سال‌ها را عبور کردیم و ما سال ۱۴۰۰، اولین موتور جستجوی هوشمند فضای آنلاین را ارائه دادیم. سال ۱۴۰۲ اتفاق خوبی را همکاران من در دپارتمان هوش مصنوعی رقم زدن دو مدل زبانی تهران و شیراز به بازار ارائه شد و برخی از این مدل‌ها را اوپن سورس در اختیار پژوهشگران و دوستانی که در این حوزه دارند فعالیت می‌کنند قرار داریم و امسال لایف‌وب آکادمی خودش را ایجاد کرد و تصمیم گرفت که رویداد دیتالایف را دوره‌ای برگزار کند و در خدمت شما دوستان باشیم.
دسته‌بندی شاخص‌های بازاریابی داده‌محور
چقدر دیتا؟ از کجا؟
وقتی از داده صحبت می‌شود باید بدانیم که داده‌ها از کجا و به چه مقداری در دسترس ما قرار می‌گیرند. لایف‌وب داده‌های عمومی بیش از ۳۰ پلتفرم آنلاین و شبکه‌های اجتماعی را مورد بررسی قرار داده است و امکان دیتا گردانی آن داده‌ها را فراهم کرده است.
همچنین لایف‌وب موفق شده است بیش از ۳۰ پلتفرم داخلی و خارجی را تحلیل کند و تا امروز بیش از ۱۵۰ میلیارد رکورد داده است و ۲۵۰ ترابایت حجم داده را پردازش کرده است.
به عنوان یک کاربر عادی وقتی ما داده را از شبکه‌های اجتماعی می‌بینیم فقط به همان اکتفا نمی‌کنیم. مدل‌های هوش مصنوعی مبتنی‌بر ارزش افزوده‌ای هم به آن داده‌ها اضافه می‌کنیم. ارزش افزوده‌ای که به آن داده‌ها اضافه می‌شود عبارتند از:
چه ارزش افزوده‌ای به داده‌های خام اضافه می‌شود؟
- تحلیل عواطف
- تحلیل احساسات
- تشخیص موضوعات
- دسته‌بندی کاربران بر اساس علاقه‌مندی
- تشخیص اسامی و موجودیت‌های نامدار
آقای نصیرزاده با اشاره به موضوع رویداد دیتالایف (بازاریابی داده‌محور) گفتند:
وقتی از بازاریابی داده‌محور صحبت می‌کنیم طبیعتا باید به یک دسته‌بندی از داده‌هایی که در اختیارمان هست اشاره کنیم و آن داده‌ها را بتوانیم به شیوه‌های مختلف بررسی کنیم. بازاریابی داده‌محور را از تعامل مشتری٬ عملکرد کمپین٬ تحلیل مشتری٬ بحث شبکه‌های اجتماعی٬ ایمیل مارکتینگ٬ شاخص‌های سئو و رضایت مشتری می‌توانیم پیش ببریم و آن را تحلیل کنیم.
اما نکات من فقط محدود می‌شوند به عملکرد کمپین٬ شبکه‌های اجتماعی و رضایت مشتری. به دلیل اینکه داده‌هایی که این سرویس در اختیار دارد داده‌های شبکه‌های اجتماعی و فضای آنلاین است. وقتی کمپین‌ها در شبکه‌های اجتماعی ایجاد می‌شوند طبیعتا امکان بررسی از عملکرد کمپین وجود دارد٬ وقتی برندها و مجموعه‌ها در شبکه‌های اجتماعی خودشون فعال هستند می‌توانیم شبکه‌های اجتماعی را رصد و بررسی کنیم و رضایت مشتری از تجربه زیست‌هایی است که کاربرها در شبکه‌های اجتماعی درمورد تجربه‌های خودشان از استفاده‌ی محصولات برندها پیش می‌برند را می‌توانیم داشته باشیم.
بازاریابی با داده‌های شبکه‌های اجتماعی
ایشان تاکید کرد٬ متریک‌هایی که می‌توانیم از دیتاهای شبکه‌های اجتماعی داشته باشیم عبارتند از:
- سهم صدای برند
- آگاهی از برند
- رضایت و وفاداری مشتری
- توصیه برند
- روندها و موضوعات داغ
- تعامل کاربران
- تحلیل رقبا
- مدت زمان پاسخ‌دهی
- عملکرد کمپین‌های تبلیغاتی
- اثرگذاری اینفلوئنسرها
در ادامه مثال‌هایی از کارهایی که ما برای مشتریان خودمان و برندها در فضای کسب‌وکار انجام داده‌ایم آشنا می‌شوید:
سهم صدای برند لندتک‌ها در توییتر
خب ما از سهم صدای برند صحبت کردیم. در مورد سهم صدای برند اگر بخواهیم دقیق‌تر شویم، وقتی یک صنعتی را انتخاب می‌کنیم، وقتی یک مجموعه‌ای از بازیگران یک صنعت انتخاب می‌کنیم، گفتگو کردن در مورد آن‌ها توسط کاربران ممکنه هر برندی یا هر بازیگری در این صنعت را شامل شود وقتی این اتفاق رقم می‌خورد و داده‌های همه‌ی داده‌های شبکه‌های اجتماعی، آقای نصیرزاده تاکید کرد “همه‌ی داده‌های شبکه اجتماعی” در بستر تحلیل قرار بگیرد، sov می‌تواند اتفاق بی‌افتد.
اگر داده به سفارش یک برند خاصی یا بازیگری از یک صنعت خاص جمع‌آوری و تحلیل شود طبیعتا شاید همه‌ی بازیگران این صنعت شامل آن نشوند. به همین دلیل جمع‌آوری و اشراف حداکثری به داده‌های پلتفرم‌های آنلاین خیلی خیلی اهمیت دارد و این مسئله می‌تواند سهم صدای برند را رقم بزند.
کاری که همکاران من و دوستان من در تیم تحلیل داده لایف‌وب انجام دادند، سال پیش، صنعت لندتک را بررسی کردند و بازیگران این صنعت مشخص شده‌اند. اصلی‌ترین بازیگر این صنعت که نزدیک به یک سوم محتوای این صنعت مربوط به این بازیگر می‌شود، دیجی‌پی بوده است و بعد از آن لندو. اسنپ‌پی و… . اما باز هم دوستان و همکاران من به این قضیه اکتفا نکردند که سهم صدای برند کدام یکی از این بازیگران بیشتر است. این مسئله برای ما اهمیت داشت که خود فضای لندتک را ما بررسی کنیم. آیا کاربران از این فضا از این صنعت و خدماتی که در این صنعت ارائه می‌شود صحبت می‌کنند؟ آیا صحبت‌ها از لحاظ تحلیل مثبت است؟ آیا کاربران رضایت دارند و رویکردشان مثبت است؟ حمایت کرده‌اند یا خیر؟ که سهمش مشخص شد، ۴۴٪ کاربران با رویکرد منفی صحبت کردند پس اگر اینجا این برندها را داریم سهم صدای آن‌ها را بیشتر می‌بینیم این نکته خیلی خیلی اهمیت دارد که آیا شاخص رضایتشان هم بالا بوده است یا برای آن‌ها موج‌های تخریبی اتفاق افتاده است؟ پس این نمودار، نمودار توجه به برند است.
اما در مورد این صنعت چه گفتگویی اتفاق افتاده است؟ وضعیت کلی صنعت بررسی شده است، ۲۰٪ از محتوا به وضعیت کلی صنعت با موضوعات رفع مشکلات وام گرفتن از بانک‌ها، تعداد زیاد درخواست‌های رد شده، ممنوعیت گرفتن کارمزد و بقیه موضوعات بوده است اما موضوعی که وجود داشت و کاربران به آن بیشتر اشاره کردند با ۴۱٪ از محتوا فراوانی بسیار بالایی داشته است، سوال از چگونگی وام‌دهی، گزارش عملکرد بازیگران این صنعت، افزایش مبلغ وام و بقیه آیتم‌ها بوده است.
این نکته خیلی خیلی مهم است. پس در یک صنعت وقتی این برندها دارند صحبت می‌کنند کاربران با چالش روش‌های آموزشی مواجه هستند پس در موردشان باید بیشتر گفتگو شود و در مورد آن بیشتر کاربران بروند تا محتوا منتشر کنند بقیش هم که تجربه زیسته‌های کاربر است قبل از وام گرفتن ۱۷٪ محتوا شامل شده است و بعد از وام گرفتن ۱۲٪ محتوا.
تحلیل بلک فرایدی ۱۴۰۲
خب در مورد کمپین هم صحبت کردیم که داده‌های شبکه اجتماعی به تحلیل کمپین‌ها هم کمک می‌کند. همکاران من طی سال‌های گذشته طی پنج سال، کمپین‌های بلک فرایدی را در دو پلتفرم اینستاگرام و تلگرام بررسی کردند.
داریم می‌بینیم که سال ۱۳۹۸ نسبت محتوا از سال ۱۳۹۹ بیشتر بوده است و سال ۱۴۰۰ حجم محتوا افزایش پیدا کرده است. سال ۱۴۰۱ محتوا کاهش پیدا کرده و همه ما می‌دانیم دلیلش چیست بعد از ماجرایی که در کشور اتفاق افتاد و فیلترینگ به صورت عمده پیش رفت حجم تولید محتوا و حضور برندها در شبکه‌های اجتماعی هم کاهش پیدا کرد اما سال ۱۴۰۲ بیشترین میزان توجه به کمپین‌های بلک فرایدی در پلتفرم‌های تلگرام و اینستاگرام بود.
در ادامه نشان می‌دهیم که دقیقا چه روزهایی، چند روز پیش از بلک فرایدی و چه ساعتی از شبانه روز تولید محتوا در مورد بلک فرایدی اتفاق می‌افتد. تمامی نقطه‌ها با داده‌هایی که خدمتتون عرض کردم داده‌هایی که از همه‌ی شبکه‌های اجتماعی به صورت عمومی جمع‌آوری می‌شود تحلیل شده است.
یک بررسی دیگر هم همکاران من داشتند از پلتفرم اینستاگرام٬ مجموع محتواها را مقایسه کردند با میزان لایکی که هر محتوا گرفته است و فالوورهایی که آن محتوا را دیده‌اند. با چند دسته‌بندی لباس و کفش، عطر و ادکلن، آرایشی و بهداشتی، لوازم خانه آشپزخانه و بقیه آیتم‌ها. ۳۲٪ از محتواهایی که برای کمپین‌های بلک فرایدی تولید و منتشر شده است مربوط به لباس و کیف و کفش بوده است اما این بازیگران به این فروشگاه‌هایی که این کیف و کفش را داشتند تبلیغ می‌کردند توانستند با حجم بسیار بالایی در معرض دید مخاطب‌ها قرار بدهند.
گفتبم که ۴۹٪ مخاطب‌هایی که محتوا را دیدند محتواهای لباس و کیف و کفش را دیدند.
امین حیایی؛ سفیر برند بیژن
آقای امین حیایی به عنوان سفیر برند بیژن بوده است بررسی کردیم که بعد از حضور آقای امین حیایی در این برند به عنوان سفیر، حجم تولید محتوا این برند چقدر افزایش داشته است.
قسمت‌های آبی رنگ نمودار نشان می‌دهد که این محتوا بدون اشاره به امین حیایی برای برند بیژن تولید شده است و قسمت‌های صورتی رنگ محتوای مرتبط با بیژن امین حیایی را نشان می‌دهد و اینکه آیا حضور او یه اتفاق مثبتی را برای این برند رقم زده است یا خیر؟ با توجه به اینکه این بررسی در توییتر اتفاق افتاده است و توییتر یک پلتفرم مشخصا انتقادی است شاید همین میزان مثبت بودن نظرات برای این برند رضایت بخش بوده است.
جمع‌بندی
آقای نصیرزاده در پایان تاکید کردند که داده‌ها کلید موفقیت شما هستند و تحلیل داده به شما کمک می‌کند که قدرت رقابتی داشته باشید و به شما کمک می‌کند که نبض بازار را به دست بگیرید٬ مخاطب هدف خودتان را بشناسید و آن چیزی که مخاطب از شما می‌خواهد را در اختیارش قرار بدهید.