Utilización de check-ins sociais para unha análise predictiva do comercio polo miúdo

Chipotle

Fixemos moitas consultas na nosa industria con empresas que desenvolveron grandes almacéns de datos inestimables. Moitas veces, estas empresas teñen o desafío de aumentar o impacto da súa comercialización, aumentar a súa cota de mercado e facelo en función dos seus produtos e ofertas de servizos. Non obstante, cando profundizamos un pouco nas súas plataformas, descubrimos que recompilaron montañas de datos que quedan sen usar.

Aquí tes algúns exemplos da industria do marketing por correo electrónico:

  • Por que as empresas de mercadotecnia por correo electrónico non son capaces de ofrecer unha referencia retención, fai clic, abre e converte datos para consumidores e empresas para avaliar o seu éxito? Debería ser capaz de ver facilmente como os meus esforzos de adquisición e retención de listas se comparan con empresas similares con firmagraphics similares para ver se estou ben ou non.
  • Por que as empresas de mercadotecnia por correo electrónico non poden proporcionar unha análise predictiva que prognostice as vendas en función do crecemento e a calidade dos subscritores da súa lista de correo electrónico? Incluso coñeces o valor dos teus subscritores en función da súa actualidade, actividade, xeografía e demografía?
  • Por que as empresas de mercadotecnia por correo electrónico non poden crear repositorios centrais de correo electrónico que actualicen automaticamente os enderezos de correo electrónico entre contas ou os eliminan cando saltan nunha conta? Por que a empresa de mercadotecnia por correo electrónico non lles pregunta se desexan actualizar a súa información en todos os clientes compartidos nunha única plataforma?

Se comezas a profundizar nos datos, verás de inmediato o absolutamente sorprendente que sería ter estes procesos e datos para calquera empresa. Imaxina as decisións que podes tomar en función de ter acceso á intelixencia de todos os comerciantes e non ao silo das túas propias listas?

Aquí tes algúns exemplos da industria das redes sociais:

  • Por que unha plataforma como Twitter non crea intelixencia de ligazóns? Independentemente de calquera acurtador ou quen promocione unha ligazón, Twitter podería proporcionar unha cantidade de datos insana que proporcionaría un informe completo ás empresas sobre o impacto do seu contido, promoción e programas de promoción. Imaxina poder ver unha fabulosa árbore de datos que proporciona a vida útil dunha ligazón: desde xeración, ata compartir, chegar, ata clics ... en todos os usuarios de Twitter que o compartiron ou retuitearon. Mencioneino isto a unha empresa a semana pasada e dixeron que pagarían absolutamente o acceso a estes datos. En vez diso, Twitter non ofrece nada e vémonos obrigados a confiar en datos escuros e acortadores de ligazóns para tratar de rastrexar o impacto.

Aquí tes un exemplo absolutamente sorprendente de Foursquare. Cando Chipotle tivo problemas coa seguridade alimentaria, Foursquare foi capaz de controlar o tráfico de tendencias a pé entre tendas e, en definitiva, predicir as perdas:

chipotle-foot-traffic

O resultado? Chipotle anunciou os seus beneficios no primeiro trimestre e as predicións de Foursquare estaban no obxectivo, cunha caída do 30% nas vendas. Foursquare non só foi capaz de predicir as perdas, senón que tamén puido facer unha predición aínda máis ousada:

Cremos que o descenso do 23% no tráfico na mesma tenda é o número máis significativo no que os accionistas deberían centrarse, en lugar do descenso do 30% nas vendas. Mostra que Chipotle está a crear confianza cos clientes, o que é máis importante para o seu éxito a longo prazo. Jeff Glueck, CEO de Foursquare.

Anímovos a ler A publicación completa do señor Glueck, é fascinante!

Características versus intelixencia

Traballei cunha empresa que acumulou máis de mil millóns de factoids nun enorme almacén de datos, pero estaban máis centrados no crecemento dos seus orzamentos publicitarios que na calidade e valor dos datos que acumulaban. Empuxámoslles duro para limpar os datos e contratar un científico de datos. Non o fixeron e dende entón obtiveron ... cunha montaña de datos sen explotar que podería ser inestimable se se mantivesen mellor e se explotasen correctamente.

Demasiadas empresas poñen máis accións e invisten máis tempo nas súas funcións. As funcións son interesantes, pero pódense copiar facilmente. A intelixencia para axudar aos consumidores a gañar e ás empresas a competir é máis valiosa que calquera anaco de código.

Os datos son un activo incrible que non debería ser recoñecido por dúas razóns:

  1. Autoridade - extraer os seus datos e proporcionar investigación primaria á súa industria sitúase como líder.
  2. Valor - Tendo en conta a opción dunha característica que facilita a vida dos empregados ou datos que axuden a un executivo a tomar mellores decisións, escollerei os datos cada vez.

De que clase de mina de ouro estás sentado?

¿Que pensas?

Este sitio usa Akismet para reducir o spam. Aprende a procesar os teus datos de comentarios.