Loncat ke konten
02_Elemen/Ikon/PanahKiri Kembali ke Wawasan
Wawasan > Digital & teknologi

Pemasaran berbasis data ada di dalam detailnya

3 menit dibaca | Matan Bik, Direktur Senior, Pengembangan Bisnis | Maret 2019

Di dunia saat ini, menyusun strategi pemasaran berbasis data sangat penting bagi organisasi mana pun. Untuk itu, sebagian besar pemasar beralih ke platform manajemen data (DMP) untuk membantu mereka menyampaikan dan menjalankan strategi masing-masing. Menurut laporan Nielsen CMO, 63% pemasar di Amerika Serikat menganggap DMP sebagai salah satu dari tiga teknologi pemasaran dan pengukuran yang paling penting.

Dengan adanya permintaan ini, tidak mengherankan jika pasar DMP dipenuhi oleh ratusan vendor yang mengklaim bahwa mereka memiliki lonceng dan peluit yang dibutuhkan oleh para pemasar untuk sukses di dunia berbasis data yang sekarang kita jalani. Namun dengan banyaknya vendor yang bersaing untuk menjadi yang terbaik, tidak mengherankan jika banyak pemasar yang tidak dapat benar-benar membedakan solusi yang bersaing. Dan sejujurnya, dari sudut pandang mata elang, saya tidak tahu ada cara untuk melakukannya.

Namun, jika Anda melihat lebih dekat pada detailnya, Anda akan menemukan bahwa tidak semua DMP diciptakan sama. Perbedaan mendasar yang mendasari masih memisahkan DMP satu sama lain, dan ketika pemasar tahu pertanyaan apa yang harus diajukan, mereka dapat menerobos kata-kata dan istilah pemasaran untuk mengidentifikasi DMP mana yang benar-benar sesuai dengan kebutuhan mereka. Ada banyak kasus penggunaan dan fitur yang dapat membedakan DMP, terutama di berbagai vertikal dan industri yang berbeda, tetapi ada beberapa fungsi inti yang harus dimiliki oleh semua DMP, dan pemasar harus mengevaluasinya dengan cermat saat mereka mengambil keputusan untuk membeli.

Seberapa cepat DMP dapat mengatur data saya dan membuatnya dapat ditindaklanjuti?

Agar dapat dianggap sebagai DMP, sebuah platform harus mampu menelan dan memusatkan data pihak pertama. Namun, pertanyaan yang harus ditanyakan oleh para pemasar kepada diri mereka sendiri adalah "Dapatkah DMP saya bekerja dengan kecepatan pelanggan saya?" Izinkan saya menjelaskannya; sebagian besar DMP akan menelan data pelanggan secara real-time; namun, tidak semua DMP memproses data dengan kecepatan yang sama (yaitu segera setelah mereka menerimanya).

Meskipun DMP telah mencerna sinyal data, DMP masih perlu mengaitkan sinyal ke pengguna yang tepat dan segmen terkait untuk aktivasi yang tepat. Beberapa DMP mampu memproses data secara real time, namun ada juga yang hanya memproses data setiap jam atau setiap hari. Bagi para pemasar, seperti mereka yang berkecimpung dalam e-commerce, waktu pemrosesan dapat menjadi perbedaan antara mengonversi prospek dan tidak mengonversi. Sebagai contoh, katakanlah seorang konsumen mengunjungi situs e-commerce dan berbelanja produk tertentu. Jika pengguna tidak melakukan konversi, situs e-commerce harus dapat menargetkan ulang orang tersebut dengan iklan promosi. Jika orang tersebut terus menjelajahi web untuk mencari produk pesaing dalam jam, hari, dll. yang sama, dan DMP e-commerce tidak dapat bereaksi dengan cepat, maka perusahaan kehilangan peluang utama untuk tetap menjadi yang teratas dalam pikiran dan mengonversi pengguna.

Kecepatan di mana DMP dapat mengidentifikasi dan menjangkau orang yang tepat juga sangat penting. Hal ini dapat berarti perbedaan antara memaksimalkan atau membuang-buang uang iklan Anda. Khususnya di pasar otomotif, menekan iklan selama kampanye kepada konsumen setelah mereka melakukan pembelian sangat penting untuk meminimalkan pemborosan iklan. Setelah calon pelanggan membeli kendaraan, eksposur iklan tambahan apa pun akan dianggap sebagai pemborosan. Untuk alasan ini, sangat penting bagi DMP untuk menganalisis sinyal data baru dan mengeksekusinya saat sinyal tersebut masuk. Semakin lama waktu yang dibutuhkan DMP untuk mengidentifikasi dan mengomunikasikan bahwa pembeli tertentu harus dikecualikan dari kampanye media tertentu, semakin besar kemungkinan Anda akan membuang-buang uang dan menayangkan iklan yang tidak relevan.

Lanjutkan menelusuri wawasan serupa