در بازاریابی هر چه حقایق بیشتری در رابطه با مصرف‌کننده هدف خود بدانیم، به احتمال زیاد ارتباطات مؤثر بیشتری به دست خواهیم آورد. با وجود این، ما بیشتر مبتنی بر فرضیات و احتمالات درباره افراد عمل می‌کنیم تا حقایق، خصوصاً در تبلیغات دیجیتال.
بیشترین کمپین‌ها مبتنی بر داده‌های احتمالی هستند که در نتیجه مشاهده رفتار مصرف‌کننده مثل جست‌وجوی آنلاین به دست می‌آیند. این موضوع زمانی کاربرد دارد که می‌خواهیم بر اساس رفتار مصرف‌کننده حدس بزنیم چه محصولی می‌خواهد یا نیاز بازار چیست.
تاثیر داده های واقعی در بازاریابی
با این حال، تحقیقات نشان می‌دهد که 32درصد از مدیران بازاریابی و تبلیغات با استفاده از داده‌های واقعی (قطعی) هدف خود را برای تأثیر بیشتر در جریان درآمد پیدا کردند. در مقایسه، 22درصد از افراد معتقدند داده استنباطی بهتر بوده است.
اطلاعات قطعی از جایی به دست می‌آید که شخص اطلاعات خود را اعلام کرده است (مثلاً تاریخ تولد یا جنسیت برای ثبت نام در وب‌سایت) یا داده‌ای است که به عملکرد فرد که منجر به تغییر رفتار او خواهد شد بستگی دارد (مثلاً بچه‌دار شدن یا تعویض خانه).
با وجود ارزش بیشتر، برنامه‌ریزان رسانه، داده‌های قطعی را به عنوان بخشی از برنامه‌های رسانه و به وجود آن‌ها در مقیاس‌های بزرگ برای کمپین برندها باور ندارند.
داده‌های مبتنی بر احتمال قطعاً می‌تواند در حجم بزرگ ایجاد شود و از آن‌ها در تعاریف و موقعیت‌های گسترده‌ای استفاده شود اما اندازه، همه چیز نیست! مجموعه داده‌های واقعی ممکن است خیلی بزرگ نباشد، اما اندازه آن در حال رشد است و این خواسته برنامه‌ریزان را در تمامی کانال‌های بازاریابی از قبیل دیجیتال و تلفن همراه تا پست مستقیم و ایمیل تأمین می‌کند، به خصوص اگر آن‌ها نیاز به بهبود اثربخشی کمپین‌های مشتری داشته باشند.
تاثیر رفتار مصرف کننده در بازاریابی و تبلیغات
یک مثال خوب داده‌های قطعی مربوط به رویدادهای زندگی است. مانند داده‌های مربوط به افرادی که قصد جابه‌جایی منزل دارند. 5، 6میلیون نفر در بریتانیا که هر ساله منزل خود را جابه‌جا می‌کنند، مخاطب قابل توجهی هستند. برای هر تغییر خانه، امکان جمع‌آوری مقدار زیادی داده وجود دارد که نشان‌دهنده روند جابه‌جایی خانه است؛ از قراردادن خانه برای فروش تا منابع انرژی، نظرسنجی، تحقیق و داده‌های ثبتی برای قرار دادن خانه در مزایده.
قدرت خرید تأثیرگذاران در صنعت خانه (بنگاه‌های املاک) در انگلستان 12میلیارد یورو در سال است؛ با در نظر گرفتن هزینه متوسط 10هزار یورو روی انواع کالاها و خدمات در یک دوره طولانی چندین ماهه، به طور معمول حداقل 12 ماه قبل، طی و بعد از جابه‌جایی.
بنابراین برای بسیاری از برندها، از ارائه‌دهندگان وام مسکن، شرکت‌های بیمه خانه، خرده‌فروشان، ارائه‌دهندگان پهنای باند و شرکت‌های آب و برق، منبعی غنی از مصرف‌کنندگان وجود دارد که به طور فعال به دنبال محصولات و خدمات خود هستند. حتی شرکت‌های تحویل فست‌فود نیز می‌توانند از این فرصت استفاده کنند چون اکثر این افراد از طبقه اجتماعی پایینی هستند و بیشتر به غذاهای سریع و بیرونبر در زمان جابه‌جایی نیاز دارند.
داده‌های مشابهی وجود دارد مثلاً داده‌های راجع به نوزادان که مجموعه داده‌های واقعی بسیار ارزشمندی هستند. بیش از 600هزار نوزاد در هر سال به دنیا می‌آید. طبق آمار در سال 2016، 18.9میلیون خانواده با فرزندان خود در انگلستان زندگی می‌کنند. برندهایی که مشتریان خود را از زمان بارداری تا تولد و بزرگ شدن کودکان شناسایی می‌کنند، می‌توانند پیشنهادهای بهتری برای حفظ ارتباط با مشتریان خود فراهم آورند و سال‌ها از این فرصت بهره‌مند شوند و تعامل قدرتمندی با مشتریان خود ایجاد کنند.
مثال‌های بیشتر
این فقط برای محصولات مربوط به نوزادان، کودکان یا پیشنهادات مرتبط با خانواده صدق نمی‌کند، بلکه بیشتر برای بازارهای جانبی است؛ از قبیل شرکت‌های خودرو. اطلاعات ما نشان می‌دهد که داشتن نوزاد دوم عامل مؤثری برای خریدن یک ماشین بزرگ‌تر است. جالب توجه است که پژوهشی توسط Nielsen در استرالیا چند سال پیش نشان داد که افرادی که به دنبال تغییر خانه در سه ماه آینده هستند، 251درصد بیشتر از سایر مردم به دنبال خرید یک خودرو در چارچوب زمانی یکسان هستند.
مجموعه داده‌های دیگری از رویدادهای قطعی زندگی نیز وجود دارد، مانند آموزش عالی و بازنشستگی برای افرادی که به سن بزرگسالی رسیده‌اند. نکته مهم درباره تمام انواع داده‌های رویداد زندگی واقعی این است که آن‌ها یک تصویر طولانی‌مدت از فرد می‌سازند، به جای نمایش عکس فوری از داده‌های استنباط شده.
هر کدام از این وقایع می‌تواند ماه‌ها یا حتی سال‌ها در حال برنامه‌ریزی باشند و نهایتاً تصویری بزرگ از فرد به وجود آورند که انواع نیازهای را در این فرآیند دارد.
بازاریابان هوشیار که از داده‌های قطعی استفاده می‌کنند، از این نیازها بهره‌برداری می‌کنند. به عنوان مثال، ارائه‌دهندگان وام مسکن باید به محض اینکه فردی تصمیم به خرید یا فروش خانه دارد، به سرعت با بنگاه‌داران تماس بگیرند. یا ارائه‌دهندگان و شرکت‌های لوازم خانگی و مبل باید قبل از اینکه جابه‌جایی اتفاق افتد و وقتی که مشتریان تصمیم به خرید لوازم خانه جدید دارند، مشتریان را نشانه گرفته و شناسایی کنند.
داده‌های قطعی نباید جایگزین داده‌های استنباطی و فرضی شوند. سناریوی ایده‌آل این است که از هر دو استفاده شود. داده احتمالی برای هدف‌گذاری مجدد در کمپین‌ها مفید است، اما این موضوع در حالی است که هم‌زمان داده‌های قطعی به شما دید 360 درجه‌ای از مشتری می‌دهد تا براساس آن پروفایل حقیقی فرد را بررسی کنید.
طبق تجربه ما، علاوه بر داشتن اطلاعات قطعی، هدف‌گذاری کمپین هم تأثیر بسزایی در بازگشت سرمایه دارد؛ در هر کمپین قصد داریم به ازای هر یک یورو هزینه، 28 یورو به دست آوریم، این یکی دیگر از قطعه‌های واقعی اطلاعات است که هیچ ارزشی ندارد!