Membawa Wawasan Produk ke dalam Pemasaran

Hampir dua tahun lalu, saya menulis bahwa tim produk dan pemasaran perlu meningkatkan kolaborasi terkait analitik digital. Sebelum bergabung dengan Amplitudo, saya telah melihat banyak kasus organisasi yang bekerja dalam silo untuk analitik digital. Tim produk dan pemasaran menggunakan metrik yang berbeda untuk sukses atau bahkan produk analitik yang berbeda. Di Amplitude, kami memiliki visi bahwa analisis pemasaran dan produk akan menyatu, dan dua tahun kemudian, kami melihat bukti bahwa visi kami benar.

Amplitude percaya bahwa tim produk dan pemasaran harus meningkatkan kolaborasi terkait analitik karena kami melihat peluang bagi kedua tim untuk saling menguntungkan. Dalam posting ini, saya akan menguraikan beberapa manfaat yang dilihat pelanggan Amplitudo melalui kombinasi analitik produk dan pemasaran kami. Secara khusus, kami akan menguraikan bagaimana pemasar dapat memanfaatkan wawasan produk untuk meningkatkan kampanye pemasaran mereka melalui data analitik produk.

Memahami konversi hilir

Sebagai pemasar, saya tahu betapa sulitnya mendemonstrasikan nilai pemasaran. Pemasar bekerja keras untuk menemukan cara baru dan kreatif untuk menarik pelanggan baru untuk membeli produk (B2C), melihat konten (Media), atau mengubahnya menjadi prospek (B2B). Banyak metrik yang digunakan pemasar untuk membenarkan upaya mereka bersifat jangka pendek. Hitungan pengunjung unik, pantulan, pesanan, dan arahan sering kali hanya menggores permukaan dari apa yang dibutuhkan.

Misalnya, Anda bekerja untuk perusahaan perangkat lunak B2B, dan Anda memiliki kampanye yang menyoroti fitur mana yang membuat produk Anda lebih baik daripada pesaing Anda. Kampanye pemasaran Anda mungkin menyertakan iklan penelusuran berbayar, iklan bergambar, dan iklan video untuk membuat pengguna mengikuti uji coba gratis produk perangkat lunak Anda. Anda dapat menggunakan fungsi analitik pemasaran untuk melihat bagian mana dari kampanye pemasaran Anda yang mendatangkan pengguna paling banyak ke properti digital Anda. Sampai batastertentu(karena kelemahan dalam atribusi multi-sentuh), Anda juga dapat melihat elemen kampanye mana yang mengarahkan pengguna untuk melengkapi formulir prospek. Namun anggaplah pengguna membutuhkan beberapa minggu atau bulan untuk terlibat dengan uji coba gratis perangkat lunak Anda dan akhirnya membeli.

Dalam skenario ini, data analitik pemasaran hanya dapat mendasarkan kesimpulannya pada data hingga pengguna melengkapi formulir prospek. Setelah itu, tim produk merekam data penggunaan produk uji coba gratis menggunakan fungsi analitik produk. Jika data penggunaan produk dipisahkan dari data analitik pemasaran dalam produk analitik yang sama atau berbeda, penggunaan produk tidak dapat dihubungkan ke kampanye pemasaran. Namun jika data analitik terhubung, idealnya dalam produk analitik yang sama, data penggunaan uji coba gratis dapat digabungkan ke kampanye pemasaran yang mendorong uji coba gratis.

Cara pertama wawasan produk dapat membantu meningkatkan kampanye pemasaran adalah dengan melaporkan kesuksesan hilir yang sebenarnya. Misalkan data produk dapat menunjukkan prospek mana yang membeli produk setelah uji coba gratis. Dalam hal ini, data analitik produk dapat menunjukkan kepada tim pemasaran kampanye mana yang menghasilkan kesuksesan hilir, sering dikaitkan dengan pendapatan. Alih-alih mendasarkan keputusan kampanye pemasaran di masa mendatang pada jumlah prospek atau MQL, keputusan dapat didasarkan pada konversi aktual. Data ini dapat membantu mengklarifikasi kampanye pemasaran mana yang berfungsi dan mana yang tidak. Misalnya, beberapa kata kunci penelusuran berbayar dapat mendorong banyak prospek, tetapi menghasilkan konversi hilir yang sangat sedikit.

Sebaliknya, mungkin ada beberapa kampanye pemasaran yang terlihat tidak bagus berdasarkan jumlah prospek, tetapi menghasilkan konversi secara signifikan. Memiliki data konversi hilir menghilangkan banyak dugaan dan memungkinkan tim pemasaran mengalihkan anggaran iklan yang berharga ke kampanye yang menghasilkan pendapatan. Tentu saja, ini mengasumsikan Anda dapat secara akurat menghubungkan kampanye pemasaran dengan prospek, yang menjadi semakin sulit di dunia tanpa cookie dan privasi saat ini! Tetapi dengan asumsi Anda dapat mengatasi rintangan itu, memanfaatkan data analitik produk untuk melihat konversi hilir adalah salah satu cara produk dan pemasaran dapat memperoleh manfaat dari kolaborasi.

Memahami penggunaan fitur produk/aplikasi

Cara selanjutnya agar wawasan produk dapat membantu kampanye pemasaran adalah melalui penggunaan fitur produk digital. Tim produk menghabiskan banyak waktu untuk memahami bagaimana pengguna berinteraksi dengan berbagai fitur produk. Dalam pengaturan B2B, ini mungkin berarti menganalisis fitur perangkat lunak mana yang digunakan. Dalam pengaturan B2C, ini mungkin berarti menganalisis filter mana yang digunakan pengguna untuk memfilter produk di situs web eCommerce. Terlepas dari fitur atau model bisnis tertentu, memahami apa yang menarik bagi pengguna dari perspektif produk dapat membantu tim pemasaran. Mari kita lihat ini melalui beberapa contoh.

Melanjutkan contoh perangkat lunak B2B kami sebelumnya, tim produk memiliki wawasan tentang fitur produk yang digunakan selama uji coba gratis. Itu bisa bekerja dengan pemasaran untuk menentukan apakah penggunaan fitur dalam uji coba gratis berbeda dengan kampanye pemasaran yang bersumber dari pengguna. Jika pemasar mengetahui bahwa pengguna dari kampanye A cenderung menggunakan fitur A, B, dan C paling banyak dalam uji coba gratis, mereka dapat menggunakan informasi ini dalam kampanye pemasaran mendatang untuk menyoroti fitur tersebut. Misalnya, anggap saja pengguna yang berasal dari istilah penelusuran berbayar "alat manajemen basis data" memasuki uji coba gratis dan terutama menggunakan fitur penelusuran produk. Skenario ini dapat memberikan kesempatan untuk berbagi lebih banyak informasi tentang fitur pencarian di iklan mendatang. Mungkin di bawah judul iklan pencarian berbayar, tim pemasaran menambahkan, “Rasakan fitur pencarian terbaik dari semua produk manajemen basis data!” Jenis iklan berdasarkan data ini dapat membantu meningkatkan rasio konversi dan laba atas belanja iklan (ROAS).

Dalam konteks B2C, misalkan pengecer online menggunakan data analitik produk untuk menentukan bahwa banyak pelanggan baru yang berasal dari kampanye pemasaran menggunakan fitur filter navigasi kiri untuk mempersempit produk. Secara khusus, pengguna sering berinteraksi dengan filter ukuran dan peringkat untuk menemukan produk. Informasi ini memberi tahu pengecer bahwa mereka yang baru mengenal merek menginginkan kemampuan untuk memfilter produknya dengan atribut inti ini dengan cepat. Anda kemudian dapat membagikan wawasan ini dengan tim pemasaran dan menambahkannya ke kampanye pemasaran mendatang. Misalnya, kampanye baru dapat menggunakan frasa seperti “Temukan produk XYZ terbaik berdasarkan ukuran atau peringkat pelanggan…” Atau iklan video dapat menyoroti betapa mudahnya menemukan produk menggunakan filter khusus yang cenderung digunakan oleh banyak prospek. Ini hanyalah beberapa contoh sederhana penggunaan wawasan penggunaan fitur dari analitik produk untuk meningkatkan kampanye pemasaran di masa mendatang.

Memahami pengabaian

Sebagai seorang pemasar, seringkali sulit untuk melacak aktivitas orang-orang yang Anda peroleh di luar interaksi awal mereka. Misalnya, seorang pemasar mungkin mengetahui bahwa mereka mengarahkan pelanggan baru ke situs web ritel, tetapi bagaimana jika pengunjung tersebut membeli produk dalam sesi tersebut, tetapi kemudian membeli lebih banyak produk tiga puluh hari kemudian? Bergantung pada kecanggihan pelacakan analitik pemasaran, membuktikan bahwa kampanye pemasaran menghasilkan pembelian hilir mungkin menantang. Dalam contoh B2B, pemasar mungkin tahu bahwa mereka mengarahkan pengguna baru ke uji coba gratis, tetapi mungkin tidak tahu bahwa pengguna yang sama meninggalkan uji coba gratis setelah beberapa hari.

Kedua contoh ini melibatkan pemahaman tentang pengabaian produk digital. Banyak penerapan analitik produk mendorong atau memaksa pengguna untuk membuat pengidentifikasi unik (melalui otentikasi) untuk menangani konsep pengabaian. Di B2C, ini mungkin melibatkan pembuatan akun di situs web ritel. Di B2B, ini mungkin melibatkan masuk untuk menggunakan produk. Anda kemudian dapat menggabungkan perilaku pengguna di berbagai perangkat dan sesi saat Anda telah mengautentikasi akun. Penggabungan pengguna memungkinkan tim produk dan data analitik produk untuk melihat seberapa sering setiap pengguna kembali ke situs web atau aplikasi dari waktu ke waktu.

Dalam contoh B2C sebelumnya, tim produk dapat melihat pembelian di luar pembelian awal. Semua pembelian dari pengguna yang sama dikaitkan dengan kampanye pemasaran asli yang bersumber dari pengguna. Pengaitan ini memungkinkan tim produk untuk melihat nilai umur pengguna dan bekerja sama dengan pemasaran untuk menetapkannya ke kampanye pemasaran. Nilai umur, pada gilirannya, membantu pemasaran mengidentifikasi tampilan laba atas belanja iklan yang lebih akurat. Tim produk juga dapat bekerja sama dengan pemasaran untuk mengidentifikasi pelanggan mana yang diketahui belum kembali ke situs web selamaxminggu terakhir. Pemasaran dapat menggunakan informasi ini untuk memicu kampanye pemasaran ulang untuk melibatkan kembali pelanggan yang tidak aktif.

Dalam contoh B2B sebelumnya, tim produk dapat mengidentifikasi pengguna uji coba gratis mana yang berhenti berinteraksi dengan uji coba gratis. Anda dapat menggunakan kelompok pengguna uji coba gratis yang tidak aktif untuk mengingatkan pengguna bahwa mereka memiliki waktu terbatas untuk menjelajahi produk sebelum terlambat. Atau pemasaran dapat bekerja sama dengan tim produk untuk mengelompokkan pengguna uji coba gratis ke dalam kelompok berdasarkan langkah uji coba gratis yang telah dan belum mereka lakukan. Jenis kelompok ini dapat memberikan cara pemasaran untuk menargetkan kasus penggunaan tertentu ke trailer gratis. Misalnya, lima puluh pengguna uji coba gratis telah menjalankan laporan tetapi tidak mengirimkannya ke siapa pun. Dalam hal ini, tim produk dapat bekerja sama dengan pemasaran untuk mengirim email yang dipersonalisasi kepada pengguna tersebut dengan pelatihan tentang cara mengambil langkah selanjutnya dan berbagi laporan dengan rekan kerja.

Manfaat lain dari menggabungkan tim dan data pemasaran dan produk adalah melihat penggunaan produk jangka panjang melalui kampanye atau saluran pemasaran. Pemasar pandai melihat kapan pengguna segera terpental dari kampanye mereka atau jika mereka kembali dalam 30 atau 90 hari ke depan. Namun setelah 90 hari, sebagian besar organisasi mengandalkan data analitik produk untuk menganalisis retensi pengguna. Kebutuhan akan analisis retensi jangka panjang adalah alasan mengapa alat analitik produk menawarkan banyak laporan dan visualisasi retensi pengguna yang berbeda sementara produk analitik pemasaran menawarkan sangat sedikit.

Setelah data pemasaran dan analitik produk digabungkan, Anda dapat menggunakan laporan retensi analitik produk standar untuk melihat retensi pengguna menurut saluran pemasaran atau kampanye:

Apa pun konteksnya, meminta tim produk membagikan wawasannya terkait penggunaan dan pengabaian dengan pemasaran memberikan cara bagi kedua tim untuk mendapatkan keuntungan.

Memahami kampanye mana yang mengarahkan pengguna yang benar/salah

Meskipun pemasar ingin berpikir bahwa mereka dapat menargetkan audiens pengguna tertentu melalui kampanye pemasaran mereka, kenyataannya hal ini sulit dilakukan. Anda dapat beriklan di situs web populer dengan demografis yang lebih muda untuk menargetkan orang yang lebih muda. Anda dapat menggunakan jejaring sosial seperti Facebook dan Instagram untuk menargetkan iklan pada tingkat perincian yang tinggi. Tetapi tidak peduli seberapa baik Anda memfokuskan kampanye pemasaran Anda pada audiens yang tepat, Anda akan memiliki orang yang mengklik kampanye Anda yang tepat untuk produk / layanan Anda dan yang tidak. Bukti akurasi penargetan adalah saat pengguna melakukan tindakan yang Anda ingin mereka lakukan setelah Anda mendapatkannya.

Sementara pemasar hebat dalam membangun kohort pelangganpotensial, tim produk hebat dalam membangun kohort pelangganaktual. Tim produk menggunakan fungsi analitik produk untuk mengidentifikasi pengguna mana yang melakukan tugas atau perjalanan yang diinginkan. Kohort ini bisa sederhana atau kompleks, tergantung situasinya. Misalnya, tim produk dapat menentukan bahwa profil pelanggan ideal (ICP) untuk layanan streaming musik adalah pengguna yang mendengarkan setidaknya lima lagu per minggu dan membuat setidaknya satu daftar putar setiap tiga bulan.

Apa pun kriterianya, tim produk dapat menggunakan alat analitik produk untuk membuat kelompok pengguna ideal mereka dan, sebaliknya, pengguna yang tidak ideal. Anda dapat menggunakan kelompok ini untuk menentukan kampanye atau saluran pemasaran mana yang menarik orang yang benar dan salah. Beberapa kampanye pemasaran mungkin mendatangkan banyak pelanggan baru, tetapi bukan jenis pelanggan yang tepat. Mari kita lihat sebuah contoh. Misalkan tim pemasaran menghabiskan uang untuk pencarian berbayar, sumber daya SEO, dan beberapa komunitas/acara yang lebih kecil. Saat pengunjung memasuki corong akuisisi, Anda merekam sumber mereka dalam produk analitik digital seperti Amplitudo. Setelah akuisisi, tim produk membangun kelompok yang mengidentifikasi pengguna "kuat" mereka dan mereka yang bukan pengguna "kuat". Tim pemasaran dan produk kemudian melihat saluran akuisisi pemasaran oleh masing-masing kohort terbalik ini:

Jika dilihat melalui lensa ini, beberapa sumber pemasaran (SEO, Product Club Forum, dan Product World Conference) dapat menarik lebih banyak power user daripada non-power user. Beberapa sumber pemasaran dengan jumlah aktivitas paling sedikit, seperti Forum Klub Produk dan Konferensi Dunia Produk, memiliki persentase pengguna yang lebih dari dua kali lipat. Meskipun kedua sumber ini memiliki volume yang kerdil dibandingkan dengan Pencarian Berbayar, keduanya menghasilkan lebih banyak pengguna berdaya secara relatif. Apa yang mungkin terjadi jika sumber ini mendapat lebih banyak fokus daripada Penelusuran Berbayar? Berinvestasi lebih banyak dalam kampanye ini mungkin merupakan eksperimen yang bermanfaat untuk melihat apakah pemasaran salah mengalokasikan anggarannya.

Seperti yang Anda lihat, manfaat dari menghubungkan data penggunaan produk dan kohort ke aktivitas pemasaran adalah dapat menerangi peluang untuk perbaikan. Kombinasi data pemasaran dan produk adalah cara tim produk dapat membantu menginformasikan dan meningkatkan kampanye pemasaran. Namun manfaat ini bergantung pada kedua tim yang menggunakan platform analitik digital yang sama atau cara lain untuk menggabungkan data pengguna.

Ringkasan

Secara tradisional, tim pemasaran dan produk bekerja dalam silo. Pemasaran bertanggung jawab untuk mendapatkan pelanggan, dan tim produk melibatkan dan mempertahankan mereka. Tetapi ada banyak cara di mana tim produk dapat berkolaborasi dengan tim pemasaran dan membantu mereka mencapai tujuan melalui analitik dan data produk. Tim produk sering kali memiliki wawasan tentang perilaku pengguna jangka panjang yang tidak dimiliki oleh tim pemasaran. Beberapa contohnya termasuk:

• Memahami konversi hilir
• Memahami penggunaan fitur produk/aplikasi
• Memahami pengabaian
• Memahami kampanye mana yang mengarahkan pengguna yang benar/salah

Ini hanyalah beberapa contoh bagaimana wawasan produk dapat membantu meningkatkan kampanye pemasaran dan mengapa tim pemasaran dan produk harus meningkatkan kolaborasi terkait analitik digital.