داستان موفقیت

نمونه‌کاوی نایک؛ از ارسال عمومی تا ارتباط هوشمند با مشتری

پانته آ 19 مرداد 1405 8 دقیقه مطالعه
نمونه‌کاوی نایک؛ از ارسال عمومی تا ارتباط هوشمند با مشتری

نایک چطور با مارکتینگ اتومیشن فروش و تعامل مشتریانش را افزایش داد؟

نایک فقط یک برند ورزشی شناخته‌شده نیست؛ یکی از برندهایی است که سال‌هاست تلاش می‌کند رابطه‌اش با مشتریان را از یک خرید ساده فراتر ببرد. برای نایک، هدف فقط فروش کفش، لباس یا تجهیزات ورزشی نیست؛ هدف این است که مشتری در طول زمان با برند درگیر بماند، دوباره خرید کند، تجربه شخصی‌تری داشته باشد و ورزش را به بخشی از سبک زندگی روزمره‌اش تبدیل کند.

در یکی از کیس‌استادی‌های منتشرشده از نایک هنگ‌کنگ، این برند توانست با کمک مارکتینگ اتومیشن، سگمنت‌بندی، تحلیل داده‌های مشتری و کمپین‌های چرخه عمر، نتایج قابل توجهی به دست آورد؛ از جمله رشد ۳۲.۵ درصدی بازدید سایت در سال اول، افزایش ۱۱۰ درصدی درآمد حاصل از اتوماسیون، راه‌اندازی بیش از ۱۰ کمپین چرخه عمر از نقطه صفر، افزایش ۲۸ درصدی میانگین ارزش سفارش در بازه ۹۰ روزه، رشد ۴۹ درصدی نرخ باز شدن پیام‌ها و افزایش ۹ درصدی تعداد سفارش‌ها.

چالش نایک چه بود؟

نایک هنگ‌کنگ با یک مسئله آشنا برای بسیاری از برندهای بزرگ روبه‌رو بود: دیتابیس بزرگی از مشتریان داشت، اما همه مشتریان در یک مرحله از مسیر خرید نبودند. بعضی تازه وارد رابطه با برند شده بودند، بعضی قبلاً خرید کرده بودند، بعضی در حال فاصله گرفتن از برند بودند و بعضی هم فقط محصولی را دیده بودند اما خرید نکرده بودند.

مشکل اینجا بود که قبل از اجرای این رویکرد، ارتباطات بازاریابی بیشتر به شکل ارسال‌های عمومی و یکسان انجام می‌شد. یعنی پیام‌هایی شبیه به Batch and Blast؛ یک محتوا برای تعداد زیادی از کاربران، بدون اینکه مرحله سفر مشتری، رفتار خرید یا علایق هر فرد به‌درستی در نظر گرفته شود. این مدل مخصوصاً در کمپین‌های مهم و پرفشار مثل مناسبت‌های فروش، اثربخشی کافی نداشت.

نایک نیاز داشت مشتریانش را بهتر بشناسد؛ نه فقط در سطح اینکه چه کسی ایمیل را باز کرده، بلکه در سطح اینکه هر مشتری در چه مرحله‌ای از چرخه خرید قرار دارد، چه رفتاری نشان داده، احتمال خرید بعدی او چقدر است و چه نوع پیامی می‌تواند او را دوباره فعال کند.

نایک چطور از ارسال عمومی به ارتباط شخصی‌سازی‌شده رسید؟

نقطه تغییر، استفاده از داده برای تصمیم‌گیری بود. نایک به‌جای اینکه همه کاربران را یکسان ببیند، شروع کرد به تحلیل رفتار مشتریان و تقسیم آن‌ها بر اساس مرحله حضورشان در چرخه خرید. یعنی مشتریان به گروه‌هایی مثل خریداران جدید، کاربران غیرفعال، مشتریان در خطر ریزش، کاربران علاقه‌مند به خرید حضوری و افرادی که سبد خرید یا بازدید محصول را نیمه‌کاره رها کرده‌اند، تقسیم شدند.

این تغییر باعث شد پیام‌ها فقط بر اساس تقویم کمپین ارسال نشوند، بلکه رفتار مشتری تعیین کند چه پیامی، در چه زمانی و برای چه کسی ارسال شود. برای مثال، اگر داده‌ها نشان می‌داد یک مشتری احتمال بیشتری دارد از فروشگاه فیزیکی خرید کند، پیام او می‌توانست به سمت مراجعه به نزدیک‌ترین شعبه هدایت شود.

این همان تفاوت مهم بین بازاریابی عمومی و مارکتینگ اتومیشن هوشمند است. در مدل عمومی، برند می‌پرسد: «امروز چه کمپینی بفرستیم؟» اما در مدل اتومیشن، سؤال اصلی این است: «این کاربر الان در چه مرحله‌ای است و قدم بعدی مناسب برای او چیست؟»

کمپین‌های چرخه عمر؛ قلب موفقیت نایک

یکی از مهم‌ترین بخش‌های این نمونه، راه‌اندازی کمپین‌های چرخه عمر مشتری بود. نایک قبل از این مسیر، کمپین چرخه عمر فعالی نداشت؛ اما بعد از پیاده‌سازی مارکتینگ اتومیشن، توانست بیش از ۱۰ کمپین Lifecycle راه‌اندازی کند. این کمپین‌ها شامل سناریوهایی مثل پیام خوشامدگویی، تولد، رها کردن سبد خرید و رها کردن بازدید محصول بودند.

این نوع کمپین‌ها از نظر بازاریابی بسیار مهم‌اند، چون دقیقاً به رفتار واقعی کاربر وصل می‌شوند. کسی که تازه عضو شده، به پیام خوشامدگویی و معرفی مزایا نیاز دارد. کسی که سبد خرید را رها کرده، شاید به یادآوری، پیشنهاد محدود یا رفع ابهام نیاز داشته باشد. کسی که محصولی را دیده اما خرید نکرده، احتمالاً هنوز در مرحله بررسی است و باید با پیام مناسب به خرید نزدیک‌تر شود.

نتیجه این تغییر هم قابل توجه بود. طبق داده‌های نمونه‌کاوی، نرخ تبدیل کمپین‌های چرخه عمر نایک ۱۱۰ درصد رشد کرد و سگمنت‌بندی درست باعث شد نرخ خرید ۸ درصد افزایش پیدا کند.

چرا این کمپین‌ها موفق شدند؟

موفقیت نایک فقط به خاطر داشتن دیتای زیاد نبود. خیلی از کسب‌وکارها داده دارند، اما نمی‌دانند چطور از آن برای طراحی کمپین استفاده کنند. چیزی که این نمونه را مهم می‌کند، تبدیل داده به اقدام بازاریابی است.

نایک توانست داده‌های رفتاری و خرید مشتریان را به سگمنت‌های قابل استفاده تبدیل کند. بعد برای هر سگمنت، پیام و مسیر متفاوتی ساخت. در نتیجه، پیام‌ها برای کاربر مرتبط‌تر شدند و همین ارتباط بیشتر، روی تعامل، بازدید سایت، سفارش و ارزش سفارش اثر گذاشت.

از طرف دیگر، کمپین‌ها فقط اجرا نشدند؛ تحلیل و بهینه‌سازی هم شدند. در کمپین مهم Double 11، قبل از اجرای کمپین، مواردی مثل استراتژی پیشنهاد، سگمنت‌بندی، فرکانس ارسال و نحوه هدف‌گیری بررسی و اصلاح شد. همین آماده‌سازی باعث شد کمپین از نظر درآمد و بازگشت سرمایه عملکرد بهتری داشته باشد.

این نکته برای تیم‌های مارکتینگ بسیار مهم است: مارکتینگ اتومیشن فقط ابزار ارسال نیست؛ یک روش برای طراحی، اجرا، اندازه‌گیری و بهینه‌سازی ارتباط با مشتری است.

کسب‌وکارهای ایرانی از نمونه کاوی نایک چه یاد می‌گیرند؟

شاید همه کسب‌وکارها در مقیاس نایک کار نکنند، اما منطق این نمونه‌کاوی برای برندهای ایرانی کاملاً قابل استفاده است. بسیاری از فروشگاه‌های آنلاین، اپلیکیشن‌ها، برندهای خرده‌فروشی، کسب‌وکارهای آموزشی، گردشگری، مالی و حتی B2B با همین مسئله روبه‌رو هستند: مشتریان زیادی دارند، اما ارتباط با همه آن‌ها یکسان انجام می‌شود.

اولین درس این نمونه‌کاوی این است که همه کاربران نباید یک پیام بگیرند. کاربری که تازه ثبت‌نام کرده با مشتری وفادار، مشتری غیرفعال یا کاربری که محصولی را دیده اما خرید نکرده، نیاز متفاوتی دارد. اگر همه این افراد پیام یکسان بگیرند، بخشی از بودجه کمپین هدر می‌رود و تجربه مشتری هم ضعیف‌تر می‌شود.

درس دوم این است که رفتار مشتری باید محرک کمپین باشد. یعنی ارسال پیام فقط بر اساس مناسبت یا تقویم انجام نشود، بلکه رفتارهایی مثل بازدید محصول، رها کردن سبد خرید، خرید اول، فاصله گرفتن از برند، باز نکردن پیام‌ها یا افزایش علاقه به یک دسته محصول، مسیر ارتباطی بعدی را تعیین کند.

درس سوم این است که کمپین‌های چرخه عمر، فقط برای برندهای بزرگ نیستند. یک فروشگاه اینترنتی ایرانی هم می‌تواند سناریوی خوشامدگویی، خرید اول، خرید دوم، سبد خرید رهاشده، بازگشت مشتری غیرفعال و پیشنهاد مخصوص مشتریان وفادار داشته باشد. یک برند B2B هم می‌تواند برای لیدهایی که صفحه دمو، قیمت‌گذاری یا نمونه‌کاوی را دیده‌اند، Journey جداگانه طراحی کند.

زبلاین چطور می‌تواند کمک مشابهی به کسب‌وکارها بکند؟

زبلاین دقیقاً برای همین نوع چالش‌ها طراحی شده است؛ برای اینکه تیم‌های مارکتینگ بتوانند از حالت ارسال عمومی خارج شوند و ارتباط با مشتری را بر اساس داده، رفتار و مرحله سفر مشتری مدیریت کنند.

بعد از سگمنت‌بندی، می‌توان برای هر گروه Journey مناسب طراحی کرد. مثلاً برای کاربران تازه‌وارد، مسیر خوشامدگویی و آموزش مزایا ساخته شود. برای مشتریان غیرفعال، کمپین بازگشت اجرا شود. برای سبد خرید رهاشده، پیام یادآوری از طریق ایمیل، پیامک یا پوش نوتیفیکیشن ارسال شود. برای مشتریان وفادار هم می‌توان پیشنهادهای اختصاصی، امتیاز یا مزایای ویژه طراحی کرد.

مزیت اصلی اینجاست که ارتباط با مشتری دیگر فقط به «ارسال پیام» محدود نمی‌شود. زبلاین کمک می‌کند تیم مارکتینگ بفهمد چه کسی باید پیام بگیرد، چه پیامی مناسب اوست، از چه کانالی بهتر جواب می‌دهد و بعد از هر رفتار، قدم بعدی چه باید باشد.

نقش گزارش‌گیری و بهینه‌سازی در این مسیر

یکی از نکات مهم در مورد نایک، تحلیل عملکرد کمپین‌ها و استفاده از داده برای بهبود تصمیم‌های بعدی بود. در زبلاین هم گزارش‌گیری و تحلیل کمپین‌ها کمک می‌کند تیم مارکتینگ فقط به تعداد ارسال نگاه نکند، بلکه اثر واقعی کمپین را ببیند.

برای مثال، یک eCRM Manager می‌تواند بررسی کند کدام سگمنت نرخ تعامل بیشتری داشته، کدام Journey خرید بیشتری ساخته، کدام کانال برای هر گروه بهتر جواب داده و کدام پیام نیاز به تغییر دارد. این داده‌ها باعث می‌شوند کمپین‌های بعدی دقیق‌تر طراحی شوند.

در واقع، مارکتینگ اتومیشن زمانی بیشترین ارزش را می‌سازد که با تحلیل داده همراه باشد. بدون تحلیل، کمپین فقط اجرا می‌شود؛ اما با تحلیل، هر کمپین به یادگیری برای کمپین بعدی تبدیل می‌شود.

جمع‌بندی

مورد نایک نشان می‌دهد رشد در بازاریابی فقط با بیشتر پیام فرستادن اتفاق نمی‌افتد. رشد واقعی زمانی ساخته می‌شود که برند بتواند مشتریانش را بهتر بشناسد، آن‌ها را بر اساس رفتار و مرحله سفرشان دسته‌بندی کند، برای هر گروه پیام مرتبط بسازد و نتیجه کمپین‌ها را مداوم تحلیل و بهینه کند.

نایک با عبور از ارسال‌های عمومی و حرکت به سمت مارکتینگ اتومیشن، کمپین‌های چرخه عمر، سگمنت‌بندی و شخصی‌سازی توانست بازدید سایت، درآمد اتوماسیون، نرخ باز شدن پیام‌ها، میانگین ارزش سفارش و تعداد سفارش‌ها را افزایش دهد.

برای کسب‌وکارهای ایرانی هم مسیر مشابهی قابل اجراست. لازم نیست همه چیز از یک پروژه بزرگ شروع شود. گاهی یک Journey ساده برای خوشامدگویی، یک کمپین بازگشت مشتری، یک پیام یادآوری سبد خرید یا یک سگمنت‌بندی درست می‌تواند نقطه شروع ارتباط هوشمندتر با مشتری باشد.

زبلاین به کسب‌وکارها کمک می‌کند همین مسیر را عملی کنند؛ یعنی کمپین‌هایی بسازند که کمتر بر اساس حدس و بیشتر بر اساس رفتار واقعی مشتری اجرا می‌شوند. برای آشنایی بیشتر با قابلیت‌های زبلاین، درخواست دمو ثبت کنید.

جستجو در بلاگ

  • نتیجه ای یافت نشد