Корпоративный блог исследовательской компании BRIF Research Group.
Мы в сети!
Динамика маркетинговых исследований как практической области заметно ускоряется. Основной причиной являются гигантские изменения в сфере работы с данными, о которых не говорит только ленивый. Сегодня рассмотрим 9 наиболее интересных по мнению Q2 Insights трендов и инновациях в маркетинговых исследованиях.
СТРАТЕГИИ
АНАЛИЗ
МАШИНА ПРОТИВ ЧЕЛОВЕКА
СТРАТЕГИИ
Дизайн мышление
В последние несколько лет произошел всплеск интереса к такой концепции ведения проектов как дизайн-мышление. Крупные мировые корпорации и гуру менеджмента активно его пропагандируют.
Все чаще мы слышим про дизайн-мышление в контексте быстро развивающихся инновационных компаний.
Дизайн-мышление (англ. design thinking) — методология решения инженерных, деловых и прочих задач, основывающаяся на творческом, а не аналитическом подходе. Главной особенностью дизайн-мышления, в отличие от аналитического мышления, является не критический анализ, а творческий процесс, в котором порой самые неожиданные идеи ведут к лучшему решению проблемы.
Метод дизайн-мышления состоит из шести этапов.
В маркетинговых исследованиях тренд на рост популярности дизайн мышления влияет, прежде всего, на качественные исследования, т.к. по сути, многие традиционные качественные исследования выполняют часть функций дизайн мышления и встраиваются в этапы этого процесса.
Клиентский/пользовательский опыт
Фокусировка на опыте клиента становится все более актуальной для многих рынков, из-за высокого уровня конкуренции.
Клиентский опыт (от англ. Customer Experience) — это все аспекты контакта клиента c бизнесом, на протяжении всей истории отношений. В такой истории жизни клиента и компании ценно все: рациональные, эмоциональные, физические и даже духовные аспекты контакта, напр., цена продукта, вежливость сотрудников, внешний вид и эстетика локации, сила бренда, экологичность, доверие и общие ценности.
Обеспечение идеального клиентского опыта — 82,5% компаний уже считают главной отличительной чертой среди конкурентов, а 77% видят снижение издержек в улучшенном клиентском опыте. Успешное управление клиентским опытом обеспечивает лояльность клиентов и снижение отказов.
Клиентский опыт — это сочетание сознательных и подсознательных впечатлений. Да, всё настолько тонко. Если из подсобного помещения приятного магазина доносится запах капусты, клиент может запомнить ощущение дискомфорта от посещения этого магазина в будущем. Именно поэтому история работы над клиентским опытом — это история тех компаний, которые ответственно подходят к бизнесу и смотрят в будущее, а не стремятся только к сиюминутным победам.
Для маркетинговых исследований тренд рост важности клиентского опыта для компаний увеличивает интенсивность исследований потребителя его оценок, изучение отношений и эмоций. Так становятся все популярнее тестирование юзабилити сайтов, тестирование упаковок, рекламы, построение карт путешествия клиентов и многих других.
Использование нейроисследований в коммуникациях
Традиционные методы, такие как фокус-группы, глубинные интервью или опросы, принятые для измерения реакции на коммуникации, дополняются методами, пришедшими из неврологии, которые предоставляют доступ к подсознанию респондента, в котором принимаются большинство наших решений. Так недавно мы рассматривали один из таких методов – eye-tracking. Нейро-инструменты обеспечивают гораздо более интересный и более глубокий взгляд на подсознательный ответ на маркетинговые стимулы и сообщения. Используя нейро-инструменты, маркетинг теперь может по-настоящему читать умы потребителей. Это очень захватывающая новая территория для исследователей.
В частности, электроэнцефалография (ЭЭГ) используется для измерения реакции мозга непосредственно, в то время как респонденты-исследователи смотрят новый ролик или тестируют новый сайт или упаковку. При использовании ЭЭГ электроды помещаются на кожу головы субъекта, и «мозговые волны» записываются, во время тестирования. Данные ЭЭГ анализируются с использованием ряда очень простых (в большинстве случаев) алгоритмов распознавания паттернов. Все звучит просто, но это не так. Методы основаны на богатом опыте академических исследований в области нейронауки. Это также звучит дорого, но это снова не так. Стоимость исследования аналогична стоимости традиционного исследования эффективности рекламы.
Сегментация и персонализация
Сегментация и персонализация являются мощными методиками в инструментарии маркетинга и активно используются маркетологами. Исследователи и аналитики все чаще привлекаются для решения этих задач.
Сегментация и персонализация используемая с привязкой к портфелю брендов компании может влиять в положительную сторону на показатель возврата инвестиций (ROI). Мост между сегментацией и персонализацией часто выражается в «создании» подробных персонажей, которые описывают демографические, географические, поведенческие тенденции, культурные влияния и психографию конкретных сегментов.
Вместо ориентации на массы, сегментация позволяет компаниям разделить свою существующую и потенциальную клиентскую базу на сегменты, позволяющие им ориентироваться на конкретные потребности, поведение и мнения. Персонализация дает клиентам чувство идентичности и позволяет лучшим образом учитывать различия между людьми.
АНАЛИЗ
Предсказательная аналитика
Исследователи рынка, которые также являются аналитиками данных и работающие в предсказательной аналитике, будут пользоваться в 2018 году большой популярностью в отделах маркетинга. Маркетологи, желающие снизить свои риски, больше не будут удовлетворены аналитиками, которые сообщают, как выполнена та или иная активность. Скорее, они хотят заранее предсказать результаты своей маркетинговой деятельности.
В наши дни слово «аналитика» с большой радостью встречается в маркетинговых кругах. В основном, маркетинговая аналитика — это измерение и анализ эффективности маркетинга, чтобы повысить его эффективность и оптимизировать возврат инвестиций (ROI). Как и большинство дисциплин, он варьируется от упрощенных показателей (например, числа людей, которые читают, любят или деляться записью в соцсетях) до сложных измерений с использованием многомерных статистических методов. Как правило, самые хорошие исследовательские компании с солидными научными коллективами предоставляют потрясающие ресурсы для более сложной аналитики.
Прогностическая аналитика отличается от аналитики тем, что она делает прогнозы о будущих событиях — отвечая на более сложные вопросы.: Какова оптимальная цена для нашего виджета, чтобы максимизировать прибыльность? Кто, скорее всего, купит наш продукт / услугу? Кто является нашим самым ценным клиентом? Такая аналитика это больше наука, но также включает в себя определенную степень искусства.
Она включает в себя интеллектуальный анализ данных, текстовую аналитику, базовую статистику и многомерное статистическое моделирование для определения моделей и отношений в структурированных и неструктурированных данных. Примером структурированных данных является база данных клиентов или электронная таблица Excel, содержащая данные опроса. Примером неструктурированных данных является сбор всех комментариев, сделанных за последние шесть месяцев о вашем бренде на Facebook.
Растет применение существующих баз данных
Возможно, в ответ на повальное увлечение большими данными в маркетинге использование существующих баз данных для получения информации становится все более заметным в последние годы. Технически существующие базы данных были важны для бизнеса и маркетинга, поскольку бизнес в них собирает данные о клиентах. Однако, с повышенным вниманием к Big Data , многие задаются вопросом, должны ли они заниматься анализом больших данных, или лучше сосредоточиться на более привычных существующих базах данных, оставляя Big Data для data scientist-ов, использующими сложные аналитические инструменты.
Основное внимание в существующих базах данных уделяется целевым данным. Существующие базы данных могут использоваться для простой или предсказательной аналитики, и они полезны для быстрого анализа и простых эмпирических индикаторов.
Работа с Big Data может принести пользу для компании, когда выстроена определенная система и внутренняя структура, тогда как работа со Small Data (существующие базы) полезна в 100% случаев.
Маркетинговые исследования учитывают оба эти направления для аналитики, но обычно работают в области small-data. Но все чаще начинают внедряться и методики и источники и из Big Data инструментария.
Дашборды и аналитика онлайн в реальном времени
Дашборды, панели данных и другая цифровая отчетность в режиме реального времени являются мощными инструментами в инструментарии исследователя, которые экономят время и деньги для конечных пользователей. Визуализация данных позволяет конечным пользователям быстро увидеть аналитику данных, обобщенную в легко усваиваемых форматах.
Многие программные платформы позволяют создавать исследовательские отчеты на основе машинного обучения. Причем эти платформы становятся все более доступны и легко применимы.
Этот тренд достаточно сильно влияет на маркетинговые исследования, создавая новые форматы результатов исследований. Так теперь не нужно каждый месяц делать однотипные отчеты в power point. Гораздо легче и более эффективно использовать онлайн отчетность. Как показывает наша практика, клиентский опыт при этом значительно обогащается.
МАШИНА ПРОТИВ ЧЕЛОВЕКА
Искусственный интеллект и машинное обучение
Искусственный интеллект (ИИ) перестраивает части исследовательской отрасли, позволяя машинам выполнять определенные задачи, изучая опыт и приспосабливаясь к новым ресурсам. По сути, компьютеры обучаются обработке больших объемов данных и распознаванию закономерностей в данных для выполнения конкретных задач.
Примеры областей, в которых ИИ, вероятно, будет продолжать оказывать влияние на маркетинговые исследования в 2018 году, включают:
Автоматизация
Измерение ранее неизвестных параметров
Прогнозирование
Хотя ИИ автоматизирует и может значительно ускорить некоторые процессы, основные качественные аспекты исследования, например ответ на вопрос «почему», все еще больше зона ответственности человека. Внедрение искусственного интеллекта и машинного обучения оправдано не всегда. AI определенно влияет на маркетинговые исследования, но не заменяет, а скорее дополняет его.
Так много банных, так мало аналитиков
Искусственный интеллект, Интернет вещей и социальные медиа — это лишь некоторые области, в которых мы генерируем огромное количество полезных данных для маркетинга. Скорость накопления данных все возрастает. Возникает все больше задач по их обработке и аналитики. У нас сегодня очень много данных и столько возможностей использовать эти данные не только для принятия решений в бизнесе и маркетинге, но и для общей выгоды для человека.
Глобальная проблема в том, что рост количества специалистов аналитиков, инженеров данных, data-scintist и других не поспевает за ростом объемов данных и ростом возникающих перед бизнесом задач в этой области. Этот фактор является одной из причин недостаточно быстрого внедрения многих передовых методик анализа в маркетинговых исследованиях.
+7 (727) 347 00 56