IBM System/360 disambut oleh ketakutan dan kebingungan ketika tiba di kantor SC&P di Madison Avenue di musim terakhir AMC's Mad Men .

Beberapa karyawan agensi menyimpulkan keusangan mereka sendiri yang akan datang, atau dalam kasus copywriter Michael Ginsburg – pikirannya disusupi oleh mesin. Sementara di hidung, itu bukan penggambaran zeitgeist yang absurd. Stok bersih nyata komputer dan peralatan periferal meningkat lebih dari 20% di setiap tahun 1970-an. Pada tahun 1980, angka itu melayang sekitar 40%.

Pitch pembangun mainframe sebenarnya bukan untuk membuat teknologi ini membuat keputusan secara mandiri. Sebaliknya, itu bisa memberikan representasi grafis dari angka-angka, melengkapi intuisi para pemimpin bisnis secara ad hoc sehingga mereka tidak perlu menugaskan laporan analis yang lambat dan mahal.

Hari ini tidak terpikirkan bahwa seorang eksekutif akan masuk ke ruang rapat dan mengumumkan rencana mereka tanpa dukungan data yang kaya dan terkini.

Pemasaran mungkin merupakan departemen yang paling lambat berubah, paling tidak karena itu secara tradisional merupakan domain lulusan humaniora dan jenis materi iklan yang menarik di musim-musim awal Mad Men . Namun dalam dekade terakhir, data telah berubah dari sekadar memvalidasi dan mengoptimalkan taktik pemasaran, menjadi benar-benar prasyarat untuk setiap keputusan penting.

Logistik dan pengawas keuangan mengumumkan kehausan mereka akan data, dan pasar teknologi merespons dengan membuka faucet. CMO tidak akan memperkirakan bahwa merekalah yang akan tenggelam di dalamnya kecuali mereka menganggap serius Ginsberg yang malang dari Mad Men . “Saya tidak bisa mematikan transmisi” katanya, sama seperti kita sekarang tidak bisa berpaling dari media sosial. "Mereka memancarkannya tepat di kepalaku."

Jadi, apakah sudah waktunya untuk mengesampingkan Tinjauan Paris dan mendekati pemasaran sebagai masalah teknik?

Tentu saja tidak.

Sisi penyampaian pemasaran pada dasarnya masih terdiri dari hubungan manusia, bahkan sekarang 'dengan siapa orang harus terhubung', 'di mana', dan 'kapan' merupakan pertimbangan ilmiah. Formula baru untuk keunggulan pemasaran adalah kolaborasi, tantangan teknologi utama adalah mengekstraksi wawasan yang relevan dan dapat ditindaklanjuti dari lautan data. Untuk bagian mereka, materi iklan harus merespons dengan disiplin yang lebih besar, mengulangi hipotesis dan menghindari konten turunan. Di perusahaan besar, itu terlihat seperti tim lintas fungsi, tetapi tidak selalu layak untuk mengalokasikan sumber daya teknik untuk masalah pemasaran.

Di situlah perangkat lunak masuk.

Tim pemasaran harus memanfaatkan data besar

Berikut adalah lima cara tim pemasaran kreatif dapat meningkatkan permainan mereka dengan menggunakan alat pintar untuk memanfaatkan kekuatan data besar.

1. PR berbasis data

Keterampilan ilmiah: Melakukan penelitian asli dan berkualitas tinggi dan/atau mengkonsolidasikan penelitian bekas.

Alat: Survei cerdas, database pemerintah dan sumber terbuka lainnya, Google Spreadsheet, platform visualisasi data, platform data pelanggan

Peluang: Satu cerita di outlet pers tingkat 1 (atau banyak penyebutan di pers lokal atau industri yang relevan) dapat menjadi ledakan untuk sebuah merek. Tetapi sebagian besar perusahaan membuang sumber daya ke PR tanpa menunjukkan apa pun untuk itu. Jika Anda tidak penting, media tidak ingin menjadikan Anda penting.

Rahasia untuk keluar dari kesulitan banci ini adalah bahwa jurnalis menyukai penelitian orisinal. Perusahaan SaaS dapat dengan mudah menganonimkan data pengguna mereka sendiri dan memberikan pers cerita yang menarik untuk diceritakan. Spotify melakukan ini dalam skala besar. Bahkan perusahaan dengan kekeringan data internal dapat dengan mudah online dan menemukan pola menarik dengan mengumpulkan beberapa database terbuka pihak ketiga.

2. Personalisasi mendalam

Keterampilan ilmiah: Menjaga data dari berbagai sumber sebersih mungkin dan membangun jembatan API antar saluran untuk mendapatkan gambaran menyeluruh tentang perilaku pelanggan.

Alat: Platform manajemen data, sistem manajemen konten web (sebagai alternatif, perangkat lunak 'penjualan intelijen', perangkat lunak 'otomatisasi pemasaran', dan 'mesin personalisasi' - ini adalah segmen pasar yang sangat besar sehingga vendor menggabungkan fungsionalitas yang berbeda dalam banyak cara yang berbeda .)

Peluang: Personalisasi mendalam adalah inti dari promosi Facebook kepada pengiklan, dan Netflix dilaporkan menggunakan pembelajaran mesin untuk mempersonalisasi pengalaman pemirsa mereka.

Jelas, semakin banyak informasi terperinci yang Anda miliki tentang pelanggan Anda, semakin dalam Anda dapat menargetkan upaya pemasaran Anda. Kemungkinannya hampir tidak terbatas, tetapi ide utama yang harus dipertimbangkan oleh pemasar kreatif adalah bahwa lebih banyak segmen audiens berarti lebih sedikit orang di setiap segmen. Dengan kata lain, materi iklan bisa 'tampil di serangkaian pertemuan intim' daripada mencoba memenangkan stadion. Secara alami, itu berarti lebih banyak konversi.

3. Membuka kode cheat platform

Keterampilan ilmiah: Menginterogasi platform web, kemudian melakukan analisis statistik pada output.

Alat: pasar API, pencakar web, dan perangkat lunak analisis statistik – terutama iterasi yang lebih ramah pengguna dari alat ini.

Peluang: Sudah ada banyak penelitian umum di luar sana tentang 'waktu terbaik untuk mempublikasikan' di berbagai platform, dan beberapa alat yang sangat mengagumkan seperti 'Nanti untuk Reddit.' Tetapi untuk keunggulan kompetitif yang nyata, Anda perlu melakukan beberapa analisis independen dan mencari tahu taktik optimal untuk tujuan Anda sendiri. Dimasukkannya tagar, jumlah kata, dan pembelanjaan iklan yang ideal per platform adalah semua pertanyaan yang berbeda antar organisasi.

Ada juga banyak pertanyaan yang belum terjawab tentang algoritme di balik masing-masing platform media sosial terbesar. Melakukan penelitian otomatis dalam skala besar dapat membuka peluang yang mungkin tidak pernah Anda bayangkan.

4. Prediksi tren yang akan datang

Keterampilan ilmiah: Pemodelan statistik, pembelajaran mesin, mengumpulkan dan menganalisis maksud pencarian dan data perilaku pengguna.

Alat: Google Trends, analisis pemasaran

Peluang: Analisis prediktif memungkinkan pemasar melihat masa depan. Itu penting karena dua alasan.

Pertama, mampu menyelaraskan aktivitas pemasaran dengan tujuan bisnis tingkat atas adalah apa yang menghasilkan kursi ruang rapat. Sampai di sana berarti menerjemahkan metrik digital kabur seperti rasio klik-tayang dan keterlibatan sosial ke dalam prediksi laba yang akurat. Ini adalah jalan yang diaspal dengan masalah rumit seperti penskoran prospek yang mendetail, nilai masa pakai, dan perhitungan tingkat churn, dan mendapatkan angka-angka tersebut dengan benar membutuhkan volume input berkualitas tinggi.

Di sisi berlawanan dari koin adalah kemampuan untuk keluar dari gedung sepenuhnya dan membuat prediksi makro tentang kecocokan pasar produk. Para pemimpin kreatif telah lama diharapkan untuk mendengarkan dan memahami tren budaya dan sosial. Tapi taruhannya lebih tinggi sekarang. Disiplin telah menggantikan intuisi.

5. Mengalahkan perusahaan besar di hasil Google Penelusuran

Keahlian ilmiah : Memahami sinyal yang dicari algoritme Google untuk menentukan kualitas, relevansi, dan kepercayaan di web.

Alat: perangkat lunak SEO

Peluang: Memperoleh lalu lintas organik dari hasil penelusuran Google mungkin merupakan rute tercepat menuju ROI pemasaran, tetapi cara ini biasanya bukan yang paling dapat diprediksi.

Itu karena ada sejumlah besar sinyal yang digabungkan untuk memutuskan peringkat apa untuk kueri tertentu. Upaya untuk mempermainkan sistem dengan peretasan sederhana secara konsisten mendapat hukuman, dan hari ini Google memperbarui algoritmenya lebih dari sebelumnya.

Sebuah rekap cepat

Ada alasan bagus mengapa permintaan untuk ilmuwan data sedang booming. Para ahli strategi sejak Sun Tzu memahami bahwa informasi yang lebih baik berarti keputusan yang lebih baik, dan dunia saat ini dibanjiri dengan informasi yang tidak terstruktur dan terwakili secara tidak konsisten.

Hampir setiap fungsi bisnis telah menetapkan metodologinya untuk menyelami kekacauan ini dan mengambil wawasan yang berguna, tetapi sebagian besar pemasaran tetap serampangan dalam memanfaatkan data untuk sebagian besar kasus penggunaan - personalisasi menjadi pengecualian.

Ketika ilmuwan data menerapkan keterampilan mereka untuk tantangan pemasaran, mereka dapat menguraikan apa yang terjadi di balik acara seperti pembaruan BERT Google, memberi penulis konten dan ahli strategi tindakan nyata untuk mendapatkan peringkat pencarian yang andal. Dengan menyelaraskan metrik pemasaran digital granular untuk memperkirakan pendapatan secara akurat, para pemimpin pemasaran menjadikan diri mereka sangat diperlukan untuk bisnis mereka.

Keunggulan kompetitif siap untuk dipilih oleh siapa saja yang memiliki pengetahuan untuk menginterogasi platform sosial dan kumpulan data sumber terbuka. Terakhir, data terkadang bahkan lebih berharga bagi audiens dan penerbit daripada bagi organisasi yang mengumpulkannya. Mengubah data menjadi cerita adalah salah satu langkah paling kuat yang bisa dilakukan pemasar.

Semua ini adalah cara pemasar dapat lebih didorong oleh data, di luar kasus penggunaan personalisasi yang lebih jelas. Materi iklan tanpa latar belakang STEM tidak perlu takut dengan kemunculan mesin; mereka benar-benar dapat menjalankan ide-ide ini dengan bantuan alat cerdas dan sedikit disiplin.

Siap menjadi lebih didorong oleh data? Pastikan strategi pemasaran Anda termasuk menemukan perangkat lunak analitik data besar yang tepat untuk membantu Anda berada di jalur yang benar.