Ürün İçgörülerini Pazarlamaya Taşımak

Neredeyse iki yıl önce, ürün ve pazarlama ekiplerinin dijital analitikle ilgili işbirliklerini artırmaları gerektiğini yazmıştım. Amplitude'e katılmadan önce, dijital analitik için silolar halinde çalışan birçok kuruluş örneği görmüştüm. Ürün ve pazarlama ekipleri, başarı için farklı ölçümler ve hatta farklı analiz ürünleri kullandı. Amplitude'da pazarlama ve ürün analitiğinin yakınlaşacağına dair bir vizyonumuz vardı ve iki yıl sonra vizyonumuzun doğru olduğuna dair kanıtlar görüyoruz.

Amplitude, ürün ve pazarlama ekiplerinin analitikle ilgili iş birliğini artırması gerektiğine inandı çünkü her iki ekibin de birbirinden faydalanabileceği fırsatlar gördük. Bu gönderide, Amplitude müşterilerinin ürün ve pazarlama analitiği kombinasyonumuz aracılığıyla gördüğü bazı faydaları özetleyeceğim. Spesifik olarak, pazarlamacıların ürün analitiği verileri yoluyla pazarlama kampanyalarını iyileştirmek için ürün içgörülerinden nasıl yararlanabileceklerini ana hatlarıyla açıklayacağız.

Aşağı akış dönüşümünü anlama

Bir pazarlamacı olarak, pazarlamanın değerini göstermenin ne kadar zor olabileceğini biliyorum. Pazarlamacılar, yeni müşterileri ürün satın almaya (B2C), içeriği görüntülemeye (Medya) veya olası satışlara (B2B) dönüştürmeye yönelik yeni ve yaratıcı yollar bulmak için çok çalışırlar. Pazarlamacıların çabalarını haklı çıkarmak için kullandıkları ölçümlerin çoğu kısa vadelidir. Benzersiz ziyaretçilerin, geri dönenlerin, siparişlerin ve olası satışların sayısı, genellikle ihtiyaç duyulanın yalnızca yüzeyini çizer.

Örneğin, bir B2B yazılım şirketinde çalıştığınızı ve hangi özelliklerin ürününüzü rakiplerinizden daha iyi kıldığını vurgulayan kampanyalarınız olduğunu varsayalım. Pazarlama kampanyanız, kullanıcıların yazılım ürününüzün ücretsiz denemesine katılmasını sağlamak için ücretli arama ağı reklamları, görüntülü reklamlar ve video reklamlar içerebilir. Pazarlama kampanyanızın hangi bölümlerinin dijital mülklerinize en çok kullanıcıyı getirdiğini görmek için pazarlama analitiği işlevini kullanabilirsiniz.Birdereceye kadar (multi-touch ilişkilendirmesindeki kusurlar nedeniyle), hangi kampanya öğelerinin kullanıcıların potansiyel müşteri formlarını doldurmasına yol açtığını da görebilirsiniz. Ancak, kullanıcıların yazılımınızın ücretsiz deneme sürümüyle etkileşime geçmesinin ve nihayetinde satın almasının birkaç hafta veya ay sürdüğünü varsayalım.

Bu senaryoda, pazarlama analitiği verileri, sonuçlarını yalnızca bir kullanıcının potansiyel müşteri formunu doldurduğu ana kadarki verilere dayandırabilir. Bunun ardından ürün ekibi, ürün analizi işlevini kullanarak ücretsiz deneme ürünü kullanım verilerini toplar. Ürün kullanım verileri, aynı veya farklı bir analiz ürünündeki pazarlama analitiği verilerinden silinirse, ürün kullanımını pazarlama kampanyasına bağlamak imkansızdır. Ancak analitik verileri ideal olarak aynı analitik ürününde bağlıysa, ücretsiz deneme kullanım verilerini ücretsiz denemeyi sürdüren pazarlama kampanyasına birleştirmek mümkündür.

Ürün içgörülerinin pazarlama kampanyalarını iyileştirmeye yardımcı olabilmesinin ilk yolu, gerçek aşağı akış başarısı hakkında rapor vermektir. Ürün verilerinin, ücretsiz denemeden sonra hangi potansiyel müşterilerin ürünü satın aldığını gösterebileceğini varsayalım. Bu durumda, ürün analitiği verileri, pazarlama ekibine hangi kampanyaların genellikle gelirle bağlantılı olarak aşağı yönde başarıya yol açtığını gösterebilir. Gelecekteki pazarlama kampanyası kararlarını müşteri adaylarının sayısına veya MQL'lere dayandırmak yerine, kararlar gerçek dönüşüme dayalı olabilir. Bu veriler, hangi pazarlama kampanyalarının işe yarayıp hangilerinin yaramadığını netleştirmeye yardımcı olabilir. Örneğin, bazı ücretli arama anahtar kelimeleri çok sayıda potansiyel müşteri sağlayabilir, ancak çok az sayıda alt dönüşümle sonuçlanabilir.

Tersine, olası satış sayısına göre iyi görünmeyen ancak önemli ölçüde dönüşüm sağlayan bazı pazarlama kampanyaları olabilir. Aşağı akış dönüşüm verilerine sahip olmak, varsayımların çoğunu ortadan kaldırır ve pazarlama ekiplerinin değerli reklam bütçelerini gelir getiren kampanyalara kaydırmasına olanak tanır. Elbette bu, pazarlama kampanyasını müşteri adayına doğru bir şekilde bağlayabileceğinizi varsayar; bu, günümüzün çerezsiz ve gizlilik merkezli dünyasında giderek daha zor hale gelmektedir! Ancak bu engeli aşabileceğinizi varsayarsak, aşağı yönlü dönüşümleri görüntülemek için ürün analitiği verilerinden yararlanmak, ürün ve pazarlamanın işbirliğinden yararlanabilmesinin bir yoludur.

Ürün/uygulama özelliği kullanımını anlama

Ürün içgörülerinin pazarlama kampanyalarına yardımcı olabilmesinin bir sonraki yolu, dijital ürün özelliği kullanımıdır. Ürün ekipleri, kullanıcıların çeşitli ürün özellikleriyle nasıl etkileşim kurduğunu anlamak için çok zaman harcıyor. Bir B2B ortamında bu, hangi yazılım özelliklerinin kullanıldığını analiz etmek anlamına gelebilir. Bir B2C ayarında, kullanıcıların bir e-Ticaret web sitesindeki ürünleri filtrelemek için hangi filtreleri kullandığını analiz etmek anlamına gelebilir. Spesifik özelliklerden veya iş modelinden bağımsız olarak, ürün açısından kullanıcıların ilgisini çeken şeyin ne olduğunu anlamak, pazarlama ekibine yardımcı olabilir. Bunu birkaç örnek üzerinden inceleyelim.

Önceki B2B yazılım örneğimize devam ederek, ürün ekibi, ücretsiz denemeler sırasında kullanılan ürün özelliklerine ilişkin içgörülere sahiptir. Ücretsiz denemede özellik kullanımının, kullanıcıyı sağlayan pazarlama kampanyasına göre farklılık gösterip göstermediğini belirlemek için pazarlamayla birlikte çalışabilir. Pazarlamacılar, A kampanyasındaki kullanıcıların ücretsiz denemede en çok A, B ve C özelliklerini kullanma eğiliminde olduklarını öğrenirlerse, bu bilgileri gelecekteki pazarlama kampanyalarında bu özellikleri vurgulamak için kullanabilirler. Örneğin “veritabanı yönetim araçları” ücretli aramasından gelen kullanıcıların ücretsiz denemeye girdiğini ve öncelikli olarak ürünün arama özelliğini kullandığını varsayalım. Bu senaryo, gelecekteki reklamlarda arama özelliği hakkında daha fazla bilgi paylaşma fırsatı sunabilir. Belki de ücretli arama reklamı başlığının altına pazarlama ekibi şunu ekliyor: “Tüm veri tabanı yönetimi ürünlerinin en iyi arama özelliğini deneyimleyin!Bu tür verilere dayalı reklamcılık, dönüşüm oranlarını ve reklam harcamalarından elde edilen geliri (ROAS) artırmaya yardımcı olabilir.

Bir B2C bağlamında, bir çevrimiçi perakendecinin, pazarlama kampanyalarından gelen birçok yeni müşterinin ürünleri daraltmak için sol gezinme filtresi özelliğini kullandığını belirlemek için ürün analitiği verilerini kullandığını varsayalım. Spesifik olarak, kullanıcılar genellikle ürünleri bulmak için boyutlandırma ve derecelendirme filtreleriyle etkileşime girer. Bu bilgi perakendeciye, markada yeni olanların ürünlerini bu temel özelliklere göre hızlı bir şekilde filtreleme yeteneği istediğini söyler. Daha sonra bu içgörüyü pazarlama ekibiyle paylaşabilir ve gelecekteki pazarlama kampanyalarına ekleyebilirsiniz. Örneğin, yeni kampanyalar "Boyuta veya müşteri puanına göre en iyi XYZ ürünlerini bulun..." gibi ifadeler kullanabilir veya video reklamlar, birçok potansiyel müşterinin kullanma eğiliminde olduğu belirli filtreleri kullanarak ürünleri bulmanın ne kadar kolay olduğunu vurgulayabilir. Bunlar, gelecekteki pazarlama kampanyalarını iyileştirmek için ürün analitiğinden özellik kullanımı içgörülerini kullanmanın yalnızca birkaç basit örneğidir.

Terk edilmeyi anlamak

Bir pazarlamacı olarak, edindiğiniz kişilerin ilk etkileşimlerinin ötesindeki faaliyetlerini izlemek genellikle zordur. Örneğin, bir pazarlamacı, yeni bir müşteriyi bir perakende web sitesine çektiğini biliyor olabilir, ancak bu ziyaretçi o oturumda bir ürün satın alırsa ve otuz gün sonra daha birçok ürün satın alırsa ne olur? Pazarlama analitiği takibinin karmaşıklığına bağlı olarak, pazarlama kampanyasının aşağı yönlü satın almalar oluşturduğunu kanıtlamak zor olabilir. Bir B2B örneğinde, bir pazarlamacı yeni bir kullanıcıyı ücretsiz denemeye çektiğini biliyor olabilir, ancak aynı kullanıcının birkaç gün sonra ücretsiz denemeyi bıraktığını bilemeyebilir.

Bu örneklerin her ikisi de dijital ürün terkini anlamayı içerir. Birçok ürün analitiği uygulaması, terk etme kavramını ele almak için kullanıcıları benzersiz bir tanımlayıcı (kimlik doğrulama yoluyla) oluşturmaya teşvik eder veya zorlar. B2C'de bu, bir perakende web sitesinde bir hesap oluşturmayı içerebilir. B2B'de bu, bir ürünü kullanmak için oturum açmayı içerebilir. Daha sonra, kimliği doğrulanmış hesaplarınız olduğunda, kullanıcı davranışını farklı cihazlar ve oturumlar arasında birleştirebilirsiniz. Kullanıcı birleştirme, ürün ekiplerinin ve ürün analitiği verilerinin, her kullanıcının zaman içinde web sitesine veya uygulamaya ne sıklıkta geri döndüğünü görüntülemesine olanak tanır.

Önceki B2C örneğinde, ürün ekibi ilk satın alımın ötesindeki satın alımları görebilir. Aynı kullanıcıdan yapılan tüm satın alma işlemleri, kullanıcıyı sağlayan orijinal pazarlama kampanyasıyla ilişkilendirilir. Bu ilişkilendirme, ürün ekibinin kullanıcının yaşam boyu değerini görmesine ve bunları pazarlama kampanyalarına atamak için pazarlamayla birlikte çalışmasına olanak tanır. Yaşam boyu değer ise, pazarlamanın reklam harcamalarından elde edilen gelirle ilgili daha doğru bir görüş belirlemesine yardımcı olur. Ürün ekibi, sonxhafta boyunca web sitesine geri dönmeyen bilinen müşterileri belirlemek için pazarlama ile de çalışabilir. Pazarlama, atıl durumdaki müşterilerle yeniden etkileşim kurmak amacıyla yeniden pazarlama kampanyalarını tetiklemek için bu bilgileri kullanabilir.

Önceki B2B örneğinde, ürün ekibi hangi ücretsiz deneme kullanıcılarının ücretsiz denemeyle etkileşimi durdurduğunu belirleyebilir. Kullanıcılara çok geç olmadan ürünü keşfetmek için sınırlı bir zamanları olduğunu hatırlatmak için kullanılmayan ücretsiz deneme kullanıcılarının gruplarını kullanabilirsiniz. Ya da pazarlama, ücretsiz deneme kullanıcılarını attıkları ve atmadıkları ücretsiz deneme adımlarına göre gruplandırmak için ürün ekibiyle birlikte çalışabilir. Bu tür bir kohort, pazarlamaya belirli kullanım durumlarını ücretsiz fragmanlara hedefleme yolu sağlayabilir. Örneğin, elli ücretsiz deneme kullanıcısının bir rapor çalıştırdığını ancak bunu kimseye göndermediğini varsayalım. Bu durumda, ürün ekibi, bir sonraki adımı nasıl atacakları konusunda eğitim almış bu kullanıcılara kişiselleştirilmiş bir e-posta göndermek ve iş arkadaşlarıyla raporları paylaşmak için pazarlamayla birlikte çalışabilir.

Pazarlama ve ürün ekiplerini ve verileri birleştirmenin bir başka yararı da, pazarlama kampanyası veya kanalına göre uzun vadeli ürün kullanımını görüntülemektir. Pazarlamacılar, kullanıcıların kampanyalarından ne zaman hemen ayrıldığını veya sonraki 30 veya 90 gün içinde geri dönüp dönmediklerini görmekte iyidir. Ancak 90 günden sonra çoğu kuruluş, kullanıcı tutmayı analiz etmek için ürün analitiği verilerine güvenir. Uzun vadeli elde tutma analizi ihtiyacı, ürün analitiği araçlarının birçok farklı kullanıcıyı elde tutma raporu ve görselleştirmesi sunarken pazarlama analitiği ürünlerinin çok az sunmasının nedenidir.

Pazarlama ve ürün analitiği verileri birleştirildikten sonra, pazarlama kanalına veya kampanyaya göre kullanıcıları elde tutmayı görüntülemek için standart ürün analitiği elde tutma raporlarını kullanabilirsiniz:

Bağlam ne olursa olsun, ürün ekibinin kullanım ve terk etmeyle ilgili içgörülerini pazarlamayla paylaşması, her iki ekibin de fayda sağlaması için bir yol sağlar.

Hangi kampanyaların doğru/yanlış kullanıcıları çektiğini anlama

Pazarlamacılar, pazarlama kampanyaları aracılığıyla belirli kullanıcı kitlelerini hedefleyebileceklerini düşünmek isteseler de, gerçekte bunu yapmak zordur. Daha genç insanları hedeflemek için daha genç bir demografiye sahip popüler bir web sitesinde reklam verebilirsiniz. Reklamları yüksek bir ayrıntı düzeyinde hedeflemek için Facebook ve Instagram gibi sosyal ağları kullanabilirsiniz. Ancak pazarlama kampanyalarınızı doğru kitleye odaklamakta ne kadar iyi olursanız olun, ürününüze/hizmetinize uygun olan ve olmayan kampanyalarınızı tıklayan insanlar olacaktır. Hedefleme doğruluğunun kanıtı, kullanıcıların siz onları aldıktan sonra gerçekleştirmelerini istediğiniz eylemleri gerçekleştirmesidir.

Pazarlamacılarpotansiyelmüşteri grupları oluşturmakta harikayken, ürün ekiplerigerçekmüşteri grupları oluşturmakta harikadır. Ürün ekipleri, hangi kullanıcıların istenen görevleri veya yolculukları gerçekleştirdiğini belirlemek için ürün analitiği işlevini kullanır. Bu kohortlar duruma bağlı olarak basit veya karmaşık olabilir. Örneğin, bir ürün ekibi, bir müzik akışı hizmeti için ideal müşteri profilinin (ICP), haftada en az beş şarkı dinleyen ve her üç ayda bir en az bir çalma listesi oluşturan bir kullanıcı olduğunu belirleyebilir.

Kriterler ne olursa olsun, ürün ekipleri, ideal kullanıcı grupları oluşturmak için ürün analitiği araçlarını kullanabilir ve ideal olmayanlar için tam tersini yapabilir. Hangi pazarlama kampanyalarının veya kanallarının doğru ve yanlış insanları çektiğini belirlemek için bu grupları kullanabilirsiniz. Bazı pazarlama kampanyaları birçok yeni müşteri getirebilir, ancak doğru müşteri türlerini getiremez. Bir örneğe bakalım. Bir pazarlama ekibinin ücretli arama, SEO kaynakları ve birkaç küçük topluluk/etkinlik için para harcadığını varsayalım. Ziyaretçiler edinme hunisine girdiklerinde, kaynaklarını Amplitude gibi bir dijital analiz ürününde yakalarsınız. Satın almanın ardından ürün ekibi, "güçlü" kullanıcılarını ve "güçlü" kullanıcı olmayanları tanımlayan kohortlar oluşturur. Pazarlama ve ürün ekibi daha sonra bu ters kohortların her birine göre pazarlama edinme kanallarını görüntüler:

Bu açıdan bakıldığında, bazı pazarlama kaynakları (SEO, Ürün Kulübü Forumu ve Ürün Dünyası Konferansı), uzman olmayan kullanıcılara göre daha fazla uzman kullanıcıyı çekebilir. Ürün Kulübü Forumu ve Ürün Dünyası Konferansı gibi en az etkinliğe sahip pazarlama kaynaklarından bazıları, uzman kullanıcı yüzdelerinin iki katından fazladır. Bu iki kaynak, Ücretli Arama ile karşılaştırıldığında hacim olarak cüce olsalar da, göreceli olarak daha fazla güçlü kullanıcı üretirler. Bu kaynaklar Ücretli Arama'dan daha fazla odaklanırsa ne olabilir? Bu kampanyalara daha fazla yatırım yapmak, pazarlamanın bütçelerini yanlış tahsis edip etmediğini görmek için değerli bir deney olabilir.

Gördüğünüz gibi, ürün kullanım verilerini ve gruplarını pazarlama etkinliğine bağlamanın yararı, iyileştirme fırsatlarını aydınlatabilmesidir. Pazarlama ve ürün verilerinin birleşimi, ürün ekiplerinin pazarlama kampanyalarını bilgilendirmeye ve iyileştirmeye yardımcı olabilmesinin bir yoludur. Ancak bu avantajlar, her iki ekibin de aynı dijital analitik platformunu veya kullanıcı verilerini birleştirmenin başka bir yolunu kullanmasına bağlıdır.

Özet

Geleneksel olarak, pazarlama ve ürün ekipleri silolar halinde çalıştı. Pazarlama, müşterileri elde etmekten sorumluydu ve ürün ekibi onları meşgul etti ve elde tuttu. Ancak ürün ekiplerinin pazarlama ekipleriyle iş birliği yapabilmesi ve ürün analitiği ve verileri aracılığıyla hedeflerine ulaşmalarına yardımcı olabilmesi için birçok yol vardır. Ürün ekipleri genellikle, pazarlama ekiplerinin sahip olmadığı uzun vadeli kullanıcı davranışlarına ilişkin içgörülere sahiptir. Bunun bazı örnekleri şunları içerir:

• Aşağı akış dönüşümünü anlama
• Ürün/uygulama özelliği kullanımını anlama
• Terk edilmeyi anlamak
• Hangi kampanyaların doğru/yanlış kullanıcıları çektiğini anlama

Bunlar, ürün içgörülerinin pazarlama kampanyalarını iyileştirmeye nasıl yardımcı olabileceğine ve pazarlama ve ürün ekiplerinin neden dijital analitikle ilgili iş birliğini artırması gerektiğine dair birkaç örnektir.