جلب رؤى المنتج إلى التسويق

منذ ما يقرب من عامين ، كتبت أن فرق المنتجات والتسويق بحاجة إلى زيادة تعاونهم فيما يتعلق بالتحليلات الرقمية. قبل الانضمام إلى Amplitude ، رأيت العديد من المنظمات التي تعمل في صوامع للتحليلات الرقمية. استخدمت فرق الإنتاج والتسويق مقاييس مختلفة للنجاح أو حتى منتجات تحليلية مختلفة. في Amplitude ، كانت لدينا رؤية مفادها أن تحليلات التسويق والمنتج سوف تتقارب ، وبعد عامين ، نرى دليلًا على أن رؤيتنا كانت صحيحة.

يعتقد Amplitude أن فرق المنتجات والتسويق يجب أن تزيد من التعاون المرتبط بالتحليلات لأننا رأينا فرصًا لكلا الفريقين للاستفادة من بعضهما البعض. في هذا المنشور ، سأوجز بعض الفوائد التي يراها عملاء Amplitude من خلال مزيجنا من تحليلات المنتج والتسويق. على وجه التحديد ، سنحدد كيف يمكن للمسوقين الاستفادة من رؤى المنتج لتحسين حملاتهم التسويقية من خلال بيانات تحليلات المنتج.

فهم تحويل المصب

بصفتي مسوقًا ، أعلم مدى صعوبة إظهار قيمة التسويق. يعمل المسوقون بجد لإيجاد طرق جديدة ومبتكرة لجذب عملاء جدد لشراء المنتجات (B2C) أو عرض المحتوى (الوسائط) أو التحويل إلى عملاء متوقعين (B2B). العديد من المقاييس التي يستخدمها المسوقون لتبرير جهودهم قصيرة المدى. غالبًا ما تخدش أعداد الزوار الفريدين ، والارتدادات ، والأوامر ، والعملاء المتوقعين سطح ما هو مطلوب فقط.

على سبيل المثال ، افترض أنك تعمل في شركة برمجيات B2B ، ولديك حملات تسلط الضوء على الميزات التي تجعل منتجك أفضل من منافسيك. قد تتضمن حملتك التسويقية إعلانات البحث المدفوعة ، والإعلانات الصورية ، وإعلانات الفيديو لجعل المستخدمين يدخلون في نسخة تجريبية مجانية من منتج البرنامج الخاص بك. يمكنك استخدام وظيفة تحليلات التسويق لمعرفة أي أجزاء من حملتك التسويقية تجلب معظم المستخدمين إلى ملكياتك الرقمية. إلىحدما (بسبب العيوب في إحالة اللمس المتعدد) ، يمكنك أيضًا معرفة عناصر الحملة التي تؤدي إلى إكمال المستخدمين لنماذج العملاء المتوقعين. ولكن لنفترض أن الأمر يستغرق من المستخدمين بضعة أسابيع أو أشهر للتفاعل مع الإصدار التجريبي المجاني من البرنامج والشراء في النهاية.

في هذا السيناريو ، يمكن لبيانات تحليلات التسويق أن تبني استنتاجاتها فقط على البيانات حتى النقطة التي يُكمل فيها المستخدم نموذج العميل المحتمل. بعد ذلك ، يلتقط فريق المنتج بيانات استخدام المنتج التجريبي المجاني باستخدام وظيفة تحليلات المنتج. إذا تم عزل بيانات استخدام المنتج من بيانات تحليلات التسويق في نفس منتج التحليلات أو في منتج تحليلات مختلف ، فمن المستحيل ربط استخدام المنتج بحملة التسويق. ولكن إذا كانت بيانات التحليلات متصلة ، من الناحية المثالية في نفس منتج التحليلات ، فمن الممكن ضم بيانات استخدام الإصدار التجريبي المجاني إلى الحملة التسويقية التي أدت إلى الإصدار التجريبي المجاني.

الطريقة الأولى التي يمكن أن تساعد بها رؤى المنتج في تحسين الحملات التسويقية هي الإبلاغ عن النجاح الحقيقي في المراحل النهائية. افترض أن بيانات المنتج يمكن أن تُظهر العملاء المحتملين الذين اشتروا المنتج بعد الإصدار التجريبي المجاني. في هذه الحالة ، يمكن أن تُظهر بيانات تحليلات المنتج لفريق التسويق الحملات التي أدت إلى نجاح المصب ، وغالبًا ما تكون مرتبطة بالإيرادات. بدلاً من اتخاذ قرارات حملة التسويق المستقبلية بناءً على عدد العملاء المتوقعين أو MQLs ، يمكن أن تستند القرارات إلى التحويل الفعلي. يمكن أن تساعد هذه البيانات في توضيح الحملات التسويقية التي تعمل والتي لا تعمل. على سبيل المثال ، قد تجذب بعض الكلمات الرئيسية للبحث المدفوع الكثير من العملاء المحتملين ولكنها تؤدي إلى عدد قليل جدًا من التحويلات النهائية.

على العكس من ذلك ، قد تكون هناك بعض الحملات التسويقية التي لا تبدو جيدة بناءً على عدد العملاء المتوقعين ولكنها تحول بشكل كبير. يزيل الحصول على بيانات التحويل النهائية الكثير من التخمين ويسمح لفرق التسويق بتحويل ميزانيات الإعلانات الثمينة إلى الحملات التي تدر أرباحًا. بالطبع ، هذا يفترض أنه يمكنك ربط حملة التسويق بدقة بالمتصدر ، الأمر الذي أصبح صعبًا بشكل متزايد في عالم اليوم الذي لا يحتوي على ملفات تعريف الارتباط والذي يركز على الخصوصية! ولكن بافتراض أنه يمكنك التغلب على هذه العقبة ، فإن الاستفادة من بيانات تحليلات المنتج لعرض التحويلات النهائية هي إحدى الطرق التي يمكن أن يستفيد بها المنتج والتسويق من التعاون.

فهم استخدام ميزة المنتج / التطبيق

الطريقة التالية التي يمكن أن تساعد بها رؤى المنتج في الحملات التسويقية هي من خلال استخدام ميزة المنتج الرقمي. تقضي فرق المنتج الكثير من الوقت في فهم كيفية تفاعل المستخدمين مع ميزات المنتج المختلفة. في إعداد B2B ، قد يعني هذا تحليل ميزات البرنامج المستخدمة. في إعداد B2C ، قد يعني ذلك تحليل عوامل التصفية التي يستخدمها المستخدمون لتصفية المنتجات على أحد مواقع التجارة الإلكترونية. بغض النظر عن الميزات المحددة أو نموذج العمل ، فإن فهم ما يهم المستخدمين من منظور المنتج يمكن أن يكون مفيدًا لفريق التسويق. لنلقِ نظرة على هذا من خلال بعض الأمثلة.

استمرارًا لمثالنا السابق لبرنامج B2B ، يمتلك فريق المنتج رؤى حول ميزات المنتج المستخدمة أثناء التجارب المجانية. يمكن أن يعمل مع التسويق لتحديد ما إذا كان استخدام الميزة في الإصدار التجريبي المجاني يختلف باختلاف الحملة التسويقية التي حددت مصدرًا للمستخدم. إذا علم المسوقون أن المستخدمين من الحملة "أ" يميلون إلى استخدام الميزات "أ" و "ب" و "ج" أكثر من غيرهم في الإصدار التجريبي المجاني ، فيمكنهم استخدام هذه المعلومات في حملات التسويق المستقبلية لإبراز هذه الميزات. على سبيل المثال ، لنفترض أن المستخدمين القادمين من مصطلح البحث المدفوع "أدوات إدارة قاعدة البيانات" يدخلون الإصدار التجريبي المجاني ويستخدمون بشكل أساسي ميزة البحث الخاصة بالمنتج. قد يقدم هذا السيناريو فرصة لمشاركة مزيد من المعلومات حول ميزة البحث في الإعلانات المستقبلية. ربما تحت عنوان إعلان البحث المدفوع ، يضيف فريق التسويق ، "جرب أفضل ميزة بحث لجميع منتجات إدارة قواعد البيانات!"يمكن أن يساعد هذا النوع من الإعلانات القائمة على البيانات في تعزيز معدلات التحويل وعائد الإنفاق الإعلاني (ROAS).

في سياق B2C ، لنفترض أن بائع تجزئة عبر الإنترنت يستخدم بيانات تحليلات المنتج لتحديد أن العديد من العملاء الجدد القادمين من حملات التسويق يستخدمون ميزة مرشح التنقل الأيسر لتضييق نطاق المنتجات. على وجه التحديد ، غالبًا ما يتفاعل المستخدمون مع عوامل تصفية الحجم والتصنيف للعثور على المنتجات. تخبر هذه المعلومات بائع التجزئة أن الأشخاص الجدد في العلامة التجارية يريدون القدرة على تصفية منتجاتها من خلال هذه السمات الأساسية بسرعة. يمكنك بعد ذلك مشاركة هذه الرؤية مع فريق التسويق وإضافتها إلى حملات التسويق المستقبلية. على سبيل المثال ، يمكن أن تستخدم الحملات الجديدة عبارات مثل "اعثر على أفضل منتجات XYZ حسب الحجم أو تقييم العميل ..." أو يمكن لإعلانات الفيديو أن تبرز مدى سهولة العثور على منتجات باستخدام عوامل التصفية المحددة التي يميل العديد من العملاء المحتملين إلى استخدامها. هذه مجرد أمثلة قليلة بسيطة لاستخدام رؤى استخدام الميزات من تحليلات المنتج لتحسين حملات التسويق المستقبلية.

فهم الهجر

بصفتك مسوقًا ، غالبًا ما يكون من الصعب تتبع نشاط أولئك الذين تكتسبهم بعد تفاعلاتهم الأولية. على سبيل المثال ، قد يعرف أحد المسوقين أنهم قادوا عميلاً جديدًا إلى موقع ويب للبيع بالتجزئة ، ولكن ماذا لو اشترى هذا الزائر منتجًا في تلك الجلسة ثم اشترى المزيد من المنتجات بعد ثلاثين يومًا؟ اعتمادًا على مدى تعقيد تتبع تحليلات التسويق ، قد يكون إثبات أن الحملة التسويقية الناتجة عن عمليات الشراء النهائية أمرًا صعبًا. في مثال B2B ، قد يعرف المسوق أنهم قادوا مستخدمًا جديدًا إلى إصدار تجريبي مجاني ولكن قد لا يعلم أن نفس المستخدم قد تخلى عن الإصدار التجريبي المجاني بعد بضعة أيام.

يتضمن كلا هذين المثالين فهم التخلي عن المنتجات الرقمية. تشجع العديد من تطبيقات تحليلات المنتج المستخدمين أو تجبرهم على إنشاء معرف فريد (عبر المصادقة) لمعالجة مفهوم التخلي. في B2C ، قد يتضمن ذلك إنشاء حساب على موقع بيع بالتجزئة. في B2B ، قد يتضمن ذلك تسجيل الدخول لاستخدام منتج. يمكنك بعد ذلك تجميع سلوك المستخدم عبر أجهزة وجلسات مختلفة عندما يكون لديك حسابات مصادقة. يسمح دمج المستخدم لفرق المنتج وبيانات تحليلات المنتج بعرض عدد مرات عودة كل مستخدم إلى موقع الويب أو التطبيق بمرور الوقت.

في مثال B2C السابق ، يمكن لفريق المنتج رؤية عمليات الشراء التي تتجاوز الشراء الأولي. ترتبط جميع عمليات الشراء من نفس المستخدم بحملة التسويق الأصلية التي حددت مصدرًا للمستخدم. يسمح هذا الارتباط لفريق المنتج بمعرفة القيمة الدائمة للمستخدم والعمل مع التسويق لتعيينها للحملات التسويقية. تساعد القيمة الدائمة ، بدورها ، التسويق في تحديد عرض أكثر دقة لعائد الإنفاق الإعلاني. يمكن لفريق المنتج أيضًا العمل مع التسويق لتحديد العملاء المعروفين الذين لم يعودوا إلى موقع الويب خلالXمن الأسابيع الماضية. يمكن للتسويق استخدام هذه المعلومات لبدء حملات تجديد النشاط التسويقي لإعادة جذب العملاء الذين توقفوا عن العمل.

في مثال B2B السابق ، يمكن لفريق المنتج تحديد المستخدمين التجريبيين الذين توقفوا عن التعامل مع الإصدار التجريبي المجاني. يمكنك استخدام مجموعات من مستخدمي الإصدار التجريبي المجاني الساكن لتذكير المستخدمين بأن لديهم وقتًا محدودًا لاستكشاف المنتج قبل فوات الأوان. أو يمكن أن يعمل التسويق مع فريق المنتج لتجميع مستخدمي الإصدار التجريبي المجاني في مجموعات بناءً على خطوات التجربة المجانية التي اتخذوها والتي لم يتخذوها. يمكن أن يوفر هذا النوع من المجموعات التسويقية طريقة لاستهداف حالات استخدام محددة للمقطورات المجانية. على سبيل المثال ، افترض أن خمسين مستخدمًا للإصدار التجريبي المجاني قاموا بتشغيل تقرير ولكنهم لم يرسلوه إلى أي شخص. في هذه الحالة ، يمكن لفريق المنتج العمل مع التسويق لإرسال بريد إلكتروني مخصص إلى هؤلاء المستخدمين مع التدريب على كيفية اتخاذ الخطوة التالية ومشاركة التقارير مع الزملاء.

فائدة أخرى للجمع بين فرق التسويق والمنتج والبيانات هي عرض استخدام المنتج على المدى الطويل من خلال الحملة التسويقية أو القناة. يجيد المسوقون معرفة متى يرتد المستخدمون من حملاتهم على الفور أو إذا عادوا خلال الثلاثين أو 90 يومًا القادمة. ولكن بعد 90 يومًا ، تعتمد معظم المؤسسات على بيانات تحليلات المنتج لتحليل الاحتفاظ بالمستخدمين. إن الحاجة إلى تحليل الاستبقاء على المدى الطويل هي السبب في أن أدوات تحليلات المنتج تقدم العديد من تقارير الاحتفاظ بالمستخدمين والتصورات المختلفة بينما تقدم منتجات تحليلات التسويق عددًا قليلاً جدًا.

بمجرد دمج بيانات تحليلات التسويق والمنتج ، يمكنك استخدام تقارير الاحتفاظ بتحليلات المنتج القياسية لعرض الاحتفاظ بالمستخدمين عن طريق قناة التسويق أو الحملة:

بغض النظر عن السياق ، فإن مشاركة فريق المنتج بأفكاره المتعلقة بالاستخدام والتخلي عن التسويق يوفر طريقة لكلا الفريقين للاستفادة.

فهم الحملات التي تقود المستخدمين الصحيحين / الخطأ

بينما يرغب المسوقون في الاعتقاد بأنهم يستطيعون استهداف جماهير محددة من المستخدمين من خلال حملاتهم التسويقية ، إلا أنه من الصعب القيام بذلك في الواقع. يمكنك الإعلان على موقع ويب شهير به فئة سكانية أصغر لاستهداف الشباب. يمكنك استخدام الشبكات الاجتماعية مثل Facebook و Instagram لاستهداف الإعلانات بمستوى عالٍ من الدقة. ولكن بغض النظر عن مدى براعتك في تركيز حملاتك التسويقية على الجمهور المناسب ، سيكون لديك أشخاص ينقرون على حملاتك المناسبة لمنتجك / خدمتك وتلك التي ليست كذلك. والدليل على دقة الاستهداف هو عندما يقوم المستخدمون بالإجراءات التي تريد منهم تنفيذها بعد الحصول عليها.

في حين أن المسوقين رائعون في بناء مجموعات من العملاءالمحتملين، فإن فرق المنتجات رائعة في بناء مجموعات من العملاءالفعليين. تستخدم فرق المنتج وظيفة تحليلات المنتج لتحديد المستخدمين الذين يقومون بالمهام أو الرحلات المطلوبة. يمكن أن تكون هذه الأفواج بسيطة أو معقدة ، اعتمادًا على الموقف. على سبيل المثال ، قد يقرر فريق أحد المنتجات أن ملفه الشخصي المثالي للعميل (ICP) لخدمة بث الموسيقى هو مستخدم يستمع إلى خمس أغانٍ على الأقل في الأسبوع ويقوم بإنشاء قائمة تشغيل واحدة على الأقل كل ثلاثة أشهر.

بغض النظر عن المعايير ، يمكن لفرق المنتج استخدام أدوات تحليل المنتج لإنشاء مجموعات من المستخدمين المثاليين ، والعكس ، تلك التي ليست مثالية. يمكنك استخدام هذه المجموعات لتحديد الحملات التسويقية أو القنوات التي تجذب الأشخاص المناسبين والخطأ. قد تجلب بعض الحملات التسويقية العديد من العملاء الجدد ، ولكن ليس الأنواع الصحيحة من العملاء. لنلقي نظرة على مثال. لنفترض أن فريق التسويق ينفق الأموال على البحث المدفوع وموارد تحسين محركات البحث وعدد قليل من المجتمعات / الأحداث الصغيرة. عندما يدخل الزائرون مسار التحويل ، فإنك تلتقط مصدرهم في منتج تحليلات رقمية مثل Amplitude. بعد الاستحواذ ، يقوم فريق المنتج ببناء مجموعات جماعية تحدد مستخدميها "المتميزين" وأولئك الذين ليسوا مستخدمين "متمرسين". ثم يقوم فريق التسويق والمنتج بعرض قنوات الاستحواذ التسويقي من خلال كل من هذه المجموعات العكسية:

عند النظر إليها من خلال هذه العدسة ، قد تجذب بعض مصادر التسويق (مُحسّنات محرّكات البحث ومنتدى نادي المنتج والمؤتمر العالمي للمنتج) مستخدمين أكثر قوة من المستخدمين غير المتمرسين. بعض مصادر التسويق التي لديها أقل قدر من النشاط ، مثل Product Club Forum و Product World Conference ، هي أكثر من ضعف النسبة المئوية للمستخدمين المتميزين. على الرغم من أن هذين المصدرين يتضاءلان في الحجم مقارنةً بالبحث المدفوع ، إلا أنهما ينتجان المزيد من المستخدمين المتميزين على أساس نسبي. ماذا يمكن أن يحدث إذا حظيت هذه المصادر بتركيز أكبر من نتائج البحث المدفوعة؟ قد يكون الاستثمار أكثر في هذه الحملات تجربة جديرة بالاهتمام لمعرفة ما إذا كان التسويق يسيء تخصيص ميزانياته.

كما ترى ، تكمن فائدة ربط بيانات استخدام المنتج والمجموعات النموذجية بالنشاط التسويقي في أنه يمكن أن يضيء فرص التحسين. يُعد الجمع بين بيانات التسويق والمنتج طريقة يمكن أن تساعد بها فرق المنتجات في الإبلاغ عن حملات التسويق وتحسينها. لكن هذه الفوائد تعتمد على كلا الفريقين اللذين يستخدمان نفس منصة التحليلات الرقمية أو طريقة أخرى للانضمام إلى بيانات المستخدم.

ملخص

تقليديا ، عملت فرق التسويق والمنتجات في صوامع. كان التسويق مسؤولاً عن اكتساب العملاء ، وقام فريق المنتج بإشراكهم والاحتفاظ بهم. ولكن هناك العديد من الطرق التي يمكن لفرق المنتجات من خلالها التعاون مع فرق التسويق ومساعدتهم على تحقيق أهدافهم من خلال تحليلات المنتج والبيانات. غالبًا ما يكون لدى فرق المنتج رؤى حول سلوك المستخدم على المدى الطويل والتي لا تمتلكها فرق التسويق. بعض الأمثلة على ذلك تشمل:

• فهم تحويل المصب
• فهم استخدام ميزة المنتج / التطبيق
• فهم الهجر
• فهم الحملات التي تقود المستخدمين الصحيحين / الخطأ

هذه مجرد أمثلة قليلة لكيفية مساعدة رؤى المنتج في تحسين الحملات التسويقية ولماذا يجب على فرق التسويق والمنتجات زيادة التعاون المرتبط بالتحليلات الرقمية.