Lunastaako markkinoinnin automaatio sille asetetut odotukset?

Parhaimmillaan markkinoinnin automaatio parantaa asiakaskokemusta ja myyntiä oikein ajoitetun ja personoidun viestinnän avulla. Kaikki voi tapahtua täysin automaattisesti ilman manuaalista työtä.

Pahimmillaan personoidun asiakaskokemuksen rakentaminen ei skaalaudu asiakkaiden tarpeisiin. Mitä enemmän personointia halutaan tehdä, sitä isommaksi työmäärä ja vanhan sisällön ylläpito kasvaa. Markkinoinnin automaation kulut ovatkin liiketoiminnan kannalta paljon oletettuja hyötyjä suuremmat ja järjestelmän ylläpidosta syntyy jatkuvasti lisää kuluja.

Esimerkiksi suurta tuotevalikoimaa myyvä verkkokauppa voi myydä 500 erilaista tuoteryhmää joka viikko. Pelkkä myyntiraportin katsominen kertoo selvästi, että kaupan asiakkaita kiinnostaa näin moni erilainen aihe viikosta toiseen.

Markkinoinnin automaation kannalta tässä myyntiraportissa piilee valtavasti potentiaalia kasvattaa monesta pienestä purosta koostuvasta automaatiosta iso summa lisämyyntiä. Yksittäiset tuoteryhmät raportissa ovat kuitenkin niin pieniä, että manuaalisesti niitä ei kannata rakentaa ja ylläpitää.

Erityisen haastavaa tästä tekee se, että jokaisen tuoteryhmän sisällä tapahtuu paljon muutoksia. Esimerkiksi paljon erilaisia alkavia ja päättyviä kampanjoita, tuotteiden saatavuudet vaihtelevat ja valikoimaan nousee paljon uutuuksiakin joka kuukausi.

Jos sisältö ei reagoi liiketoiminnan muutoksiin, se ei tuotakaan enää myyntiä tai parempaa asiakaskokemusta. Sen sijaan automaatiot mainostavat päättyneitä kampanjoita, joissa tuotteet ovat jo loppuneet. Automaation koneisto alkaakin mainostamaan tarkasti kohdennettuja pettymyksiä asiakkaille, jotka ovat kiinnostuneita juuri näistä aiheista. Tässä vaiheessa markkinoinnin automaatio ei ole lunastanut sille asetettuja odotuksia.

tekoälyn avulla päästään paljon syvemmälle potentiaaliin

Personoitujen sisältöjen avulla saavutettavaa potentiaalia voidaan viedä vielä paljon syvemmälle tasolle, jolloin asiakaskokemus ja sitä kautta myyntikin parantuu entisestään. Samalla myös työmäärä ja monimutkaisuus potentiaalin saavuttamiseen kasvaa.

Asiakkaat voidaan profiloida tuoteryhmien lisäksi esimerkiksi hintamieltymysten perusteella outlet-tarjoushaukoiksi ja vain-paras-brändi-ja-laatu-kelpaa-minulle-ostajiksi ja verkkokaupasta on käynnissä myös kolme eri kieliversiota.

Nyt erilaisten asiakkuuksien tarpeiden kombinaatioita syntyy:

500 (tuoteryhmää) X 2 (erilaista hinta-laatu-mieltymystä) X 3 (eri markkinaa) = 3000 erilaista asiakassegmenttiä ja niille ylläpidettävää sisältöä.

Jos näihin kaikkiin tarpeisiin ja mieltymyksiin pystytään vastaamaan, niin viestintä on vielä paljon osuvampaa ja vastaa asiakkaiden mieltymyksiin ja kiinnostukseen entistä paremmin.

Eihän tarjoushaukoille kannata myydä kaikkein kalleinta versiota tuoteryhmän tuotteesta tai parasta-laatua-minulle asiakas varmasti kavahtaa, jos alat hänelle myymään halvinta outlet-versiota tuoteryhmän tuotteesta.

Tekoälyn ja algoritmien avulla markkinoinnin automaatio pystyy tunnistamaan kaikki nämä tarpeet ja rakentamaan kaikille näille kombinaatioille personoidun kokemuksen, jossa sisällöissä saatavuudet, kampanjat ja muut liiketoiminnan tarpeet on huomioitu.

Sisältöjä voidaan jopa painottaa erilaisten liiketoiminnan kautta tulevien ohjaustietojen avulla kaikkiin polkuihin personoidusti. Sisällöissä voidaan automaattisesti painottaa esimerkiksi varastosaldojen, katteen tai pian päättyvien kampanjoiden perusteella laskettuja sisältöjä, jolloin tuhannet personoidut polut osaavat markkinoinnissa reagoida sen hetkiseen liiketoiminnan tarpeeseen ja samaan aikaan asiakkaiden mieltymyksiin.

Manuaalisesti ylläpidettynä aletaan puhumaan sellaisista työmääristä, että ei päästä enää lähellekään tätä potentiaalia ja työmäärä on käytännössä mahdoton.

Mistä tämmöisen koneiston rakentaminen kannattaa aloittaa?

Kaikkein tärkein osa toteutusta on avoin ja joustava tietomalli, jossa voidaan yhdistää asiakkaan käyttäytymisdataa, liiketoiminnan kautta tulevaa dataa sekä sisällön automatisointiin käytettävää dataa koneiston skaalautuvaan automatisointiin. Jos markkinoinnin automaation alusta ei tähän taivu, voidaan ottaa käyttöön myös alustan ulkopuolinen segmentoinnin ja sisällön palvelin, jossa on täysin vapaat kädet toteuttaa algoritmeja ja palauttaa laskettu data takaisin oman markkinoinnin automaation järjestelmään.

Karkea kaavio tästä kaikesta voisi näyttää tältä:

Saattaa näyttää isolta projektilta, mutta tämmöisen tietomallin ja läpinäkyvien algoritmien rakentaminen on erityisen palkitsevaa siinä vaiheessa, kun:

• Oman liiketoiminnan data muuttaa algoritmien toimintaa liiketoiminnan kannalta haluttuun suuntaan asetusta muuttamalla. 
• Luovien sisältöjen ja kampanjoiden jakelu jakelu toimii automaattisesti niistä kiinnostuneille kohdeyleisölle. Annetaan ihmisten keskittyä luovaan työhön. 

Näin toteutetussa mallissa mekaaninen suurta työmäärää vaativa työ on ulkoistettu koneille ja toisaalta analyyttinen ja luova tekeminen on ihmisten vastuulla.

tekoäly auttaa jopa jatkokehityksessä

Jos tietomalli on selkeästi kuvattu, myös kaiken yllä mainitun jatkokehitys nopeutuu esimerkiksi Chat GPT:n avulla huimasti. Voit vain kuvata tietomallisi ja idean, mitä haluat saavuttaa. Chat GPT osaa kertoa sinulle, miten toimiva toteutus tai laskenta rakennetaan ja uusi segmentointi tai sisältö onkin livenä, samana päivänä ideoinnin aloituksesta.

Robottien ja tekoälyjen kanssa työskentely voi tosiaankin olla näin ”Agilea” ja on jo ihan todellisuutta tänä päivänä!

datalla ohjatun markkinoinnin tulevaisuus?

Itse uskon vahvasti tähän kehityksen suuntaan ja jatkossa markkinoinnin automaatiot alkavat lunastamaan entistä nopeammin ja isommin lupauksiaan liiketoiminnalle. 

Jos tämä ennustus toteutuu, niin markkinoinnin automaatiossa voittajatiimien osaamiseen kuuluu:

• Liiketoiminnallinen ja analyyttinen ajattelu algoritmien ja datan automatisointiin.

• Luovien ja visuaalisten sisältöjen suunnittelu ja sovittaminen automaatioiden maailmaan. 

Tämä kuulostaa ihmisten työpanoksen kannalta oikein hyvältä suunnalta!

Juha Saarinen on markkinoinnin automaation, AI:n ja analytiikan superosaaja. Juhalla on pitkä kokemus sitä, miten isojen verkkokauppojen data muutetaan liiketoiminnan kilpailueduksi ja asiakasymmärrykseksi. Hän on tehnyt pitkäjänteistä kehitystyötä sen parissa, miten asiakasymmärrys muutetaan tekoälyjä ja automaatioita hyödyntäen markkinoinnin automaatioksi.

Juhaa pääset kuuntelemaan myös seuraavaan valmennuspäiväämme, Automaatiot markkinoinnissa 30.1.2024