Marknadsbranschen börjar förstå vikten av stora data, även om en nyligen rapporterad rapport från IDC lyfte fram att 80% av kunddata slösas bort till följd av dålig datapraxis, vilket tyder på att företagen fortfarande inte utnyttjar de flesta data som är tillgängliga för dem.

Många marknadsföringsmedarbetare använder redan strukturerad data från CRM-system för att få insikt i nuvarande och framtida kundbeteende, men saknar ett knep när det gäller att analysera ostrukturerad maskindata genererad från webbplatser och appar. Därefter saknar företagen värdefulla datainsatser som kan bidra till att forma och förbättra sin marknadsstrategi.

Maskindata

Dessa maskindata, som traditionellt används av IT-avdelningar för att ge operativ intelligens till IT-infrastrukturens prestanda och upptäcka säkerhetshot, kan också ge stort värde till marknadsavdelningar. Marknadsförare kan utnyttja analyser för att få insikt i vad deras kunder gör i realtid och få ut det mesta av viktiga affärsmoment som en kunds misslyckade transaktion, en övergiven kundvagn, flashförsäljning eller en personlig marknadsföring baserat på tidigare köpmönster kombinerat med vad de tittar på nu.

Maskindata är ett av de snabbast växande och mest genomgripande segmenten av stora data. Genererad av "maskiner", inklusive webbplatser, applikationer, servrar, nätverk, mobila enheter, virtualiserade servrar och sensorer, ger den en djupare bild av hur ett företags försäljnings- och marknadsföringskanaler fungerar.

Genom att övervaka och analysera nyckelstegen i en kunds resa från klickströmmar och transaktioner till nätverksaktivitet och samtalsrekord kan ny teknik förvandla maskindata till värdefull insikt och operativ intelligens.

Upplåsning av maskindata för marknadsföring kräver samarbete med IT-avdelningen. Detta innebär emellertid inte att marknadsföring ska förlita sig på IT-teamet för att ge alla svaren. Analytics-verktyg är mycket mer tillgängliga och användarvänliga idag och vilka marknadsföringsgrupper som verkligen behöver, är direkt tillgång till dessa plattformar och själva dataen, så att de kan spendera tid med att ställa rätt frågor om de data som skördas och ger mest värde för sina egna syften.

Genom att kombinera denna tidigare oanvända resurs med traditionella, strukturerade dataset (till exempel tidigare inköpsmönster) kan marknadsföring få tillgång till en guldgruva med ny intelligens och skapa insikt om nya trender. Med analysverktyg som nu är enklare att använda än någonsin, bör marknadsföringsteam ta tillfället i akt att leka och svara på tidigare okända frågor, i stället för att förlita sig på datavetenskapare eller IT-proffs för att svara på specifika frågor.

Domino s gör kupong galen

I USA började Domino's Pizza använda maskindataanalys för att lösa IT-problem genom att samla, indexera och övervaka maskindata som genereras av IT-infrastrukturen. Med tiden gick företaget in i att det fanns potential för maskindataanalys utanför IT-avdelningen. Domino började använda Splunk för att visualisera affärsutvecklingstrender över geografiska platser som order per minut, antal transaktioner per butik, vilka typer av pizza och andra livsmedelskunder som beställer och vilka kuponger de kan använda för att göra det.

Som ett resultat har Dominos marknadsföringsteam kunnat analysera framgången med kampanjkampanjer och engångsreklam i realtid. Till exempel kan laget nu jämföra effektiviteten hos olika procentuella kuponger. Om en är effektivare än den andra kan Domino snabbt göra lämpliga onlinejusteringar.