Päivittäistavaramarkkinoijan sininen meri

Päivittäistavarakauppa on avannut ostodatan kuluttajille – päivittäistavaravalmistajilta tämä data on ikävä kyllä suljettu. Data Strategistimme Olli Saarinen kertoo, miten valmistat datasta asiakasymmärrystä ja käännät sen johtamaan markkinointiasi menestyksekkäästi!

Päivittäistavaravalmistajilla ei tyypillisesti ole tarkkaa dataa tuotteidensa ostajista, heidän arjestaan ja motiiveistaan – ikävimmissä tapauksissa heillä ei edes ole verkkosivuilla kävijöitä. Vähittäiskaupalla olisi valtavasti dataa tuotteiden kuluttajista, heidän ostoskoreistaan ja demografioistaan, mutta joko valmistajat eivät kauppaketjuilta tätä dataa saa, tai se ei ole kelvollista markkinoinnin kohdistamiseen ja personointiin eri kanavissa.

Tyypillisesti valmistajien ja mainostajien asiakasymmärrys on luotu haastattelututkimuksin – ikävä kyllä tutkimukset vievät aikaa ja rahaa, ja niiden tulosten kääntäminen toimintaa ohjaamaan on vähintäänkin haastavaa.  

Data Refineryllä on käytössään valtavasti dataa Allerin ja Allerin kumppaneiden verkostoista ja Allerin markkinointilupakannasta, joka käsittää noin 2,7 miljoonaa suomalaista kuluttajaa. Tämän datan avulla päivittäistavaramainostajalla on mahdollista löytää vastauksia seuraaviin kysymyksiin:

  • Ketkä ostavat tuotettasi?
  • Ketkä ovat tuotteestasi kiinnostuneita?
  • Millaisia tuotekoreja erilaiset kuluttajat hankkivat?
  • Mitä heikkoja signaaleja liikkuu markkinoilla?
  • Kenelle viestisit, ja missä kanavissa?
  • Miten käännät ymmärryksen ohjaamaan markkinointiasi kanavariippumattomasti?
  • Ja lopuksi, miten teet viestinnästäsi relevanttia, jotta se jättäisi muistijäljen erilaisille kuluttajille?  

Datasta voidaan valmistaa asiakasymmärrystä, jonka avulla kohtaat asiakkaan kanavasta riippumatta relevantilla viestillä mitattavasti. Brändistrategiastasi tulee moniulotteista – siitä tulee triggeröity asiakasryhmäkohtainen hoitomalli, jota optimoidaan jatkuvasti tulosten, eli myynnin, perusteella.  

Hyvin suurella todennäköisyydellä organisaatiollasi on olemassa dataa verkkokävijöistä. Käytössäsi voi myös olla markkinatutkimuksen tuloksia ja mahdollisesti demografiatietoja markkinointiluvallisista kuluttajista. Näiden tietojen perusteella voidaan tehdä ymmärrykseen perustuvia kohderyhmävalintoja ja seurata kampanjoinnin tehokkuutta.

Datasta voidaan valmistaa asiakasymmärrystä, jonka avulla kohtaat asiakkaan kanavasta riippumatta relevantilla viestillä mitattavasti.

Esimerkiksi markkinatutkimustenkin tulosten tulkintaan saadaan uutta särmää klusteroimalla vastaajia annetuin ehdoin, kuten “hyvätuloisten pientalolähiöiden toimihenkilö-perheenäidit vastaavat kysymyksiin näin” ja “taantuvien maaseututaajamien iäkkäät miehet vastaavat kysymyksiin tällä tavalla”. Markkinoilla on myös useita toimijoita, jotka kykenevät täydentämään dataasi. Olennaista on käyttää kaikkea mahdollista dataa yhdessä.   

Asiakasymmärryksen luomisen haasteet

Päivittäistavaramainostajan asiakasymmärryksen luomisen tiellä on useita kiviä, kuten 

  1. Kampanjointi-moodi
    Päivittäistavaramainonta on luonteeltaan kampanjanomaista – tyypillisesti kampanjoista tulee niin vähän palautetta (klikkejä, tilauksia, tilauksiin johtaneita klikkejä), että yksittäisen kampanjan kohderyhmittäisen tehon ja vaikuttavuuden mittaaminen on vähintäänkin haastavaa.
  2. ”Mutu”-kohderyhmät
    Kampanjoiden kohderyhmät rakennetaan usein ilman dataa tai asiakasymmärrystä. Haasteena yksittäisten muuttujien perusteella rakennettujen kohderyhmien käytölle on se, että kohderyhmistä voi tulla liian suuria, tai että ”kohderyhmä” sisältää niin erilaisia kuluttajia, että sen käyttäminen ei enää ole mielekästä. Esimerkiksi kohderyhmän ”päivittäistavaraostoksista vastaavat perheenäidit” hyödyntämistä vastaan voidaan perustellusti argumentoida seuraavista syistä:
    – Suomessa on noin 720.000 taloutta joissa asuu lapsia, eli noin 720.000 ”perheenäitiä”
    – 720.000 ”perheenäitiä” ei ole homogeeninen segmentti, sillä joukossa on nuoria ja keski-ikäisiä, pieni- ja suurituloisia, ylempiä toimihenkilöitä ja työntekijöitä ja mm noin 185.000 yksinhuoltajaa, joista noin 32.000 on miehiä.
    – Aikuisväestöä maassamme on noin 4,5 miljoonaa henkilöä, joten tämän ajattelumallin perusteella noin 16 % täysi-ikäisestä väestöstä kuuluu ”kohderyhmään”, jolloin 84 % täysi-ikäisestä väestöstä ”ei kuulu kohderyhmään”. 
  3. Asiakkaan motiivin/arjen tunnistaminen
    Valtaosalla hyödykkeistä on useita eri kohderyhmiä, jotka seuraavat eri medioita, elävät erilaista arkea ja tekevät ostopäätöksensä eri motiivien pohjalta. Esimerkiksi nuorelle paljon liikkuvalle maitorahka voi olla mahtava proteiininlähde, kun iäkkäämmän naishenkilön mielestä se on oiva leivontatuote. Kun nämä eri kohderyhmien arjet ja niiden suosimat kanavat voidaan tunnistaa, päivittäistavaramarkkinoijan mainonnasta tulee huomattavasti relevantimpaa.

Ratkaisu asiakasymmärryksen luomiseen: asiakassegmentointi

Suomalaiset elävät erilaisia arkia: nuorilla opiskelijoilla on kiireitä aivan eri syistä kuin pienten lasten äideillä, puhumattakaan kiireisten eläkeläisten rientämisestä harrastuksesta toiseen. Samalla tavalla eri kuluttajaryhmillä on eri perusteet ostopäätöksilleen. Kuluttajien arjen ymmärtäminen on avain aidosti asiakaslähtöiseen ja tehokkaaseen markkinointiin, sillä yrityksen on tunnistettava asiakkaansa ja näiden tarpeet ja kyettävä tarjoamaan näille relevantisti hyödykkeitään. Tilanteissa, joissa hyödykkeet eivät vastaa asiakkaiden tarpeita, hyödykkeitä on kyettävä muokkaamaan.   

Puhuttelevaa viestiä, kiinnostavaa tuotetta tai parempaa palvelua on vaikea rakentaa, jos yrityksessä ei ymmärretä asiakkaan arjen tarpeita, haasteita ja ilonaiheita. Segmentointi kuvaa erilaisten asiakasryhmien arkea, motiiveja sekä preferenssejä. Selkeärajaisen segmentoinnin avulla koko organisaatio saa yhdenmukaisen kuvan sen tärkeimmistä kohderyhmistä. 

Kuluttajien arjen ymmärtäminen on avain aidosti asiakaslähtöiseen ja tehokkaaseen markkinointiin, sillä yrityksen on tunnistettava asiakkaansa ja näiden tarpeet ja kyettävä tarjoamaan näille relevantisti hyödykkeitään.

Segmentoinnin käyttötapaukset eivät rajoitu markkinoinnin kohdistamiseen ja personointiin – sen avulla voit parantaa seuraavia prosesseja:

  • kanava- ja mediavalinnat
  • toiminnan tehokkuuden mittaaminen
  • tuotekehityksen ohjaaminen
  • segmentin tyypillisen ostoskorin ymmärtäminen. 

Käytännössä asiakassegmentointi tuotetaan kaiken käytettävissä olevan datan perusteella. Datalähteitä ovat:

  • markkinatutkimus – motiivit, taloudelliset tavoitteet
  • verkkokäyttäytyminen – sivustojesi tutkiminen, Kiitos-sivuilla vierailut, vertailut, reseptit JA verkkokäyttäytyminen muilla sivustoilla
  • asiakkaiden ja väestön demografiatiedot ja -rikasteet – ikä, sukupuoli, elinkaaren vaihe
  • asiakaskäyttäytyminen (CRM) – tuotteet ja ostoskorit, asiointikanavat, arvo jne. 

Päivittäistavaramainostajalle on tyypillisesti käytössään kaksi ensimmäistä tietolähdettä, kun esimerkiksi teleoperaattorilla on pääsy kaikkiin tietolähteisiin. Asiakassegmentointi toteutetaan ”niputtamalla” asiakasprofiileja: asiakkaat, joilla on samankaltaiset verkkokäyttäytyminen, asiointihistoria, motiivit,  asiointikanavat ja demografiat viedään yhteen segmenttiin. Segmenttien sisällöt poikkeavat toisistaan ja ne voidaan tulkita ja ymmärtää.  

Hyvä asiakassegmentointi pitää myös kyetä liittämään asiakaskantaasi, väestöön, Facebookiin, markkinatutkimuksen paneeleihin ja selaimiin, jotta siitä on aidosti hyötyä käytännössä. Esimerkiksi markkinatutkimuksen yhteydessä voidaan tallettaa kyselyyn vastanneen selaimen verkkokiinnosteprofiili, mikä auttaa segmentoinnin viemisessä verkkoon käytettäväksi. 

Optimaalisessa tapauksessa mainostajan verkkosivuston sisällön selailijoista voidaan tuottaa profiileja ja ”ostoskorianalyysejä” segmenteittäin, minkä tiedon avulla voidaan kohdistaa ja personoida kampanjointia. Seuraavassa esimerkki datan valjastamisesta asiakasymmärryksen luomiseen ja hyödyntämiseen markkinoinnissa.

Verkkokäyttäytymisluokitus reseptien tutkijoiden analysoinnissa ja kampanjoinnin kohdistamisessa

Data Refineryllä on käytössään valtavasti dataa Allerin ja Allerin kumppaneiden verkostoista, jonka avulla olemme luoneet geneerisen, selaintasoisen segmentoinnin nimeltään Verkkokäyttäytymisluokitus. Verkkokäyttäytymisluokituksen raaka-aineina ovat:

  • Allerin verkostostaan ja kumppaneidensa verkostoista keräämä verkkokäyttäytymistieto, kuten selaimen evästeiden kiinnosteet ja selatut aihealueet.
  • Allerin asiakaskannassa olevien kuluttajien demografiat ja demografiaennusteet eli muuan muassa elinkaaren vaihe, tulot, ikä, sukupuoli sekä muuta vastaavat tunnisteet.

Allerin VerkkokäyttäytymisluokatAllerin Verkkokäyttäytymisluokat

Kuten kaikki hyvät segmentoinnit, Verkkokäyttäytymisluokituskin on käytettävissäsi kanavariippumattomasti. 

Verkkokäyttäytymisluokituksen avulla voidaan profiloida verkkosivuillasi kävijät, eri sisältöjä tutkivat selaimet ja ostaneet selaimet, minkä avulla voit välittömästi tehdä relevantimpaa ja kohdistetumpaa markkinointia. Tämä tieto on kullanarvoista myös uusien tuotteiden lanseerauksessa: profiilin perusteella näet muutaman päivän sisällä, mitkä tuotteesi päätyvät samaan ostoskoriin nykyisten tuotteittesi kanssa. 

Alla esimerkiksi kaksi reseptiä verkostostamme ja reseptien tutkijoiden profiilit.    

Idealista: MouMou by Iina - Ota talteen helpot kasvisruokareseptit kahdeksi viikoksiIdealista: MouMou by Iina – Ota talteen helpot kasvisruokareseptit kahdeksi viikoksi

Idealista: Ihanien Naisten Seura - Saksalainen perunasalaattiIdealista: Ihanien Naisten Seura – Saksalainen perunasalaatti

Profiilit ovat ällistyttävän loogisia: Kasvisruokareseptit kiinnostavat sekä nuoria “Trenditietoisia shoppailijoita” että ”Terveystietoisia”, kun Saksalainen perunasalaatti saa huomattavasti keskimääräistä enemmän lukijoita “Vakiintuneista asiakeskeisistä” ja “Perinteitä arvostavista”. Reseptien tutkijoiden ikä- ja sukupuoliprofiilitkin poikkeavat huomattavasti toisistaan.

Luokituksen avulla voidaan ymmärtää erilaisten kuluttajien mielenkiinnon kohteita hyvin laajasti: verkostostamme saadun datan avulla tiedämme, että esimerkiksi “Teknologian edelläkävijät” ovat Saksalaisen perunasalaatin lisäksi kiinnostuneita kasvismakkaroista, edustavista autoista ja laskettelusta, kun “Keskustojen toimeentulevat toimihenkilöt” ostavat verkosta hyvin paljon muun muassa huonekaluja ja toimivat talouksissaan matka- ja talopakettiostojen alkuunsaattajina.    

Lopuksi

  1. Asiakasymmärryksen luominen, käyttäminen ja juurruttaminen organisaatioosi toimintaa ohjaamaan ei ole vain markkinointiosaston projekti – asiakasymmärryksen perusteella luotujen  kohderyhmittäisten hoitomallien ja konseptien tulee näkyä kaikissa asiakaskohtaamisissa!
  2. Asiakasdataa voidaan yhdistellä, päivittää ja täydentää todella monella tavalla – pidäthän huolen siitä, että kaikkea organisaatiosi hallussa olevaa tai hankkimaa dataa voidaan käyttää yhden asiakasymmärryksen kautta ja tukena!
  3. Markkinoinnin kanavariippumaton kohderyhmittäinen personointi ei johda täydelliseen sekasotkuun – asiakkaan segmentti ja konteksti voidaan tunnistaa, ja hoitomallit segmenteille voidaan automatisoida!

Verkkokäyttäytymisluokitus voi olla välittömästi käytössäsi asiakkaidesi ymmärtämisessä ja kaiken (sisältö)markkinointisi ohjaamisessa ja personoinnissa – ota rohkeasti yhteyttä!

Olli Saarinen

Data Strategist, Data Refinery Oy

Yhteydenottopyyntö