Suatu saat Galileo berkata, bahwa semua kebenaran mudah dipahami setelah mereka ditemukan. Para pemasar mengungkapkan itu dengan jelas. Namun demikian, kebenaran untuk memenangkan hati konsumen dan menjual produk benar-benar tak bisa diduga.
Pemasar menjadi ahli bila mampu memahami pelanggan. Perbedaannya adalah bahwa pemasar sekarang dapat menggunakan analisis data kecil dan besar untuk menghubungkan pelanggan langsung ke pendapatan perusahaan. Akibatnya, mereka dapat membuktikan nilai strategi mereka dan membenarkan perubahan di seluruh organisasi.
Pemasaran bukanlah satu-satunya bidang bisnis yang mengalami transformasi.Hanya sedikit orang yang berhasil memasuki industri ritel misalnya, karena mereka memiliki pesona dengan data di point-of-sale. Dunia kini telah menjadi lebih data-driven, dan perubahan dalam pemasaran itu hanya salah satu contoh bahwa saat ini telah terjadi pemasaran secara keseluruhan.
Karena tujuan perusahaan adalah untuk meningkatkan pengalaman pelanggan, masuk akal bila perusahaan melakukan identifikasi berbagai situasi dan masalah yang mendahului keputusan pelanggan untuk membatalkan rencana. Untuk menganalisis apakah perilaku ini bisa menjadi tanda, perusahaan telekomunikas misalnnya, tim analisis datanya memeriksa nomor pelanggan dan catatan perwakilan call center, bersama dengan hasil (dalam hal ini apakah pelanggan tinggal atau kiri). Dengan melakukan analisis sentimen pada catatan dari panggilan, melihat sebuah timeline peristiwa penting (misalnya, membeli telepon, mengubah rencana), dan menentukan jenis masalah pelanggan sedang, perusahaan telekomunikasi ini mengidentifikasi pola-pola perilaku yang menunjukkan risiko infeksi.
Setiap anggota C-suite setuju data yang besar merupakan masalah yang membutuhkan perhatian segera. Masalahnya, sangat sedikit yang mengetahui tentang apa yang harus dilakukan. Padahal, begitu perusahaan menunda merumuskan rencana mereka, data yang ibarat air bah itu menciptakan kekusutan besar informasi, proses, dan aplikasi.
Diakui bahwa pemasaran adalah gabungan antara seni dan ilmu untuk menemukan apa yang diinginkan orang dan menawarkannya kepada mereka. Produk yang tepat, dikombinasikan dengan pesan yang tepat, dapat menghasilkan suatu keajaiban. Hal ini dapat mengubah perusahaan biasa-biasa saja menjadi pemimpin pasar yang dominan.
Namun, seperti yang dijelaskan Lisa Arthur dalam bab-bab di buku Big Data Marketing: Engage Your Customers More Effectively ini, perubahan dalam pemasaran sangat dramatis. Dalam waktu kurang dari dekade, pemasaran meninggalkan citra bagus dan frase menarik untuk menangkap, mengintegrasikan, dan menganalisis berbagai jenis data. Banyak pemasar dan manajer -- di luar fungsi yang berhubungan dengan pemasar - tidak cukup siap untuk transformasi ini. Setiap hari aset pemasaran perusahaan menjadi semakin digital. Setiap hari, informasi lebih lanjut tentang preferensi dan perilaku pelanggan menjadi tersedia. Setiap hari pula biaya peluang tidak mengejar pemasaran berbasis data menumpuk.
Secara historis, pemasar menggunakan insting. Mereka melihat peluang dan menerkamnya. Selama bertahun-tahun, angka-angka yang dihasilkan dari penelitian kuantitatif dan analisis kelompok diskusi (FGD) secara pelahan berperan dalam pengambilan keputusan menjadi alat dasar perdagangan. Pergeseran besar berikutnya adalah makin berkembangnya otomatisasi dan perkembangan ini membutuhkan tidak hanya keterampilan baru, tetapi perspektif baru yang kemudian berkembang menjadi jembatan ke sesuatu yang lebih sulit.
Sangat sedikit merek bisa menikmati kesuksesan seperti Marlboro. Merek ini menjadi ikon pemasaran selama beberapa generasi. Namun demikian, tidaklah mudah untuk meraih kesuksesan itu. Butuh perjuangan yang luar biasa. Bagaimana bisa, sebagai rokok berfilter, Marlboro dianggap sebagai rokok ringan yang cocok untuk perempuan. Namun demikian, penjualannya ternyata lamban. Beruntunglah, ketika sebagian orang melihat hal itu sebagai suatu kegagalan, namun Leo Burnett melihat kesempatan. Dia melihat bahwa keperihatinan orang terhadap kesehatan membuat rokok filter populer di kalangan laki-laki. Di sisi lain, Burnett juga melihat bahwa konsumen yang masih kecil saat itu merupakan peluang bagi Marlboro untuk reposisi secara radikal. Dengan pemahaman itu, Marlboro Man lahir.
Leo Burnett menghadirkan Marlboro dengan image yang paling maskulin bahwa siapa pun bisa bagai menganggap dirinya sebagai koboi. Dengan menampilkan alam peternakan dalam iklannya, Burnett mencirtakan Marlboro sebagai produk laki-laki kasar, bertengger di atas kuda, dan sedikit waktu yang tersedia untuk istirahat dari hari yang panjang di peternakan mereka. "Welcome to Marlboro Country."
Sayangnya, dunia tidak pernah tetap sederhana. Begitu budaya konsumen matang, pasar terfragmentasi dan pemasar segera mengetahui bahwa mereka tidak perlu membuat semua orang bahagia. Dia bisa memenangkan penjualan dengan menarget segmen pasar tertentu.
Pada tahun 1984, Pepsi meluncurkan "Pilihan Generasi Baru" dan sangat sukses kampanye. Coke, sebagai pemimpin pasar, merasa harus melakukan sesuatu. Apalagi sebelumnya Pepsi sudah membuat terobosan dengan "Take The Pepsi Challenge" dan serangan generasi baru ini menempatkan posisinya semakin mendekati Coke. Merasa tidak lagi dominan dalam kategori minuman ini, Coke merasa harus melakukan sesuatu yang radikal.
Maka dikembangkanlah versi baru dari rumus legendaris, salah satunya adalah dengan rasa manis dan diharapkan menarik demografis muda yang menyukai Pepsi. Setelah pengujian ekstensif yang melibatkan lebih dari 200.000 konsumen, mereka yakin menang. Semua data berbaris: tes rasa, riset pemasaran dan angka penjualan.
Lalu, kita semua tahu apa yang terjadi selanjutnya. New Coke adalah bencana terbesar dalam sejarah pemasaran. Mungkin banyak dari sample yang menyukai rasa dalam tes, tapi tidak ada yang menginginkan ikon mereka diambil. Dalam waktu hanya beberapa bulan, perusahaan mengalah mundur dan formula lama diperkenalkan kembali.
Sulit untuk membayangkan Leo Burnett membuat kesalahan yang sama. Dia mungkin tidak memiliki bertumpuk-tumpuk data atau statistik, tapi dia memiliki apa yang dikenal sebagai "nyali pemasaran." Dia selaras dengan zeitgeist konsumen.
Pemasar terus beradaptasi. Mereka tidak lagi terikat dengan melakukan sesuatu yang didasarkan pada angka-angka, atau menjalankan bisnisnya dengan mengandalkan pada insting, tetapi membentuk suatu perencana hybrid yang sangat terlatih dan bisa melakukan keduanya. Mereka masih melakukan penelitian konsumen, tetapi itu lebih pada tujuan meningkatkan kreativitas daripada menghambatnya.
Kelompok demografis, seperti wanita usia 18-34 tahun atau orang-orang profesional, memberi jalan pada pembentukan kelompok psikografis seperti mainstreamers dan aspirers muda. Mereka tidak lagi melihat statistik, tetapi terus mencoba memahami perilaku. Orang pun merasa diri dan hidupnya memiliki sesuatu yang lebih banyak untuk membangun hubungan dengan apa yang dia beli dari pada usia atau profesinya.
Posisi perencana menjadi sangat kuat dalam organisasi pemasaran. Tetapi, tak lama kemudian menjadi jelas, banyak diantara mereka yang terjerumus ke bias konfirmasi. Akibatnya, banyak diantara mereka yang menggunakan penelitian seperti orang mabuk menggunakan tiang lampu, untuk mendapatkan dukungan dan bukan untuk penerangan.
Belakangan muncul sebuah pendekatan baru yang sedang berkembang dan disebut-sebut sebagai simulasi pemasaran di mana mesin, bukan manusia, menganalisis data. Setelah semua, komputer memproses informasi yang jumlahnya jauh lebih banyak dari yang kita dapat. Di sisi lain, teknik pembelajaran mesin baru memungkinkan mereka untuk mengenali pola dalam data yang bisa mengingatkan kita untuk kesempatan berharga.
Salah satu perusahaan, Fractal Analytics, menyediakan solusi yang mereka sebut genomik konsumen. Solusi ini dapat menggabungkan informasi dari berbagai sumber yang berbeda, termasuk data penjualan di tingkat toko, media sosial dan tindakan kompetitif untuk masuk ke pasar dengan membidik segmen baru yang pernah pemasar pikirkan.
Konsentris menggunakan pendekatan yang sama sekali berbeda yang disebut pemodelan berbasis agen. Disini mereka mensimulasikan bukan dengan konsumen, tapi seluruh pasar. Hal ini memungkinkan pemasar untuk hadir dengan skenario "bagaimana jika" skenario dan menguji mereka di pasar. Modelnya sendiri memang terbukti memiliki tingkat akurasi 90%. Jadi atribut kinerja utama bagi pemasar masa depan bukanlah wawasan, tapi kesadaran, adaptasi dan kemauan untuk bereksperimen.
Jadi atribut kinerja utama bagi pemasar masa depan bukanlah wawasan, tapi kesadaran, adaptasi dan kemauan untuk bereksperimen. Jika Leo Burnett masih hidup hari ini, dia akan menggunakan algoritma untuk membajak melalui terabyte data, menciptakan serangkaian Marlboro Men, dan uji A/B untuk menentukan versi yang paling efektif bagi setiap segmen pelanggan.
Namun, sebagaimana Andrew McAfee dari MIT tunjukkan dalam postingnya di HBR baru-baru ini, tantangan data besar adalah keharusan bagi kita untuk belajar mempercayai penilaian kami menjadi berkurang, untuk melepaskan "nyali marketing" yang begitu kita kagumi dalam legenda pemasaran seperti Leo Burnett dan sejenisnya ke pikiran untuk melihat diri kita sendiri dan belajar untuk berkolaborasi dengan mesin.
Apakah itu data besar? Data besar adalah banjir informasi sekuat tsunami, tapi dapat dikendalikan. dengan cara yang positif, dan diupayakan untuk memberikan wawasan dan nilai bisnis yang dijalankan. Dengan kalimat lain, data besar merupakan kumpulan data yang berasal dari sumber-sumber tradisional dan digital di dalam dan di luar perusahaan Anda yang merupakan sumber untuk penemuan dan analisis yang sedang berlangsung.
Beberapa orang ingin membatasi data yang besar untuk input digital seperti perilaku dan interaksi web jaringan sosial. Namun beberapa CMO dan CIO setuju bahwa kita tidak bisa mengecualikan data tradisional yang berasal dari informasi transaksi produk, catatan keuangan dan saluran interaksi, seperti call center dan point-of-sale. Semua itu adalah data yang besar, meskipun dapat dikerdilkan oleh volume data digital yang sekarang tumbuh pada tingkat yang eksponensial.
Dalam mendefinisikan data yang besar, itu juga penting untuk memahami campuran data terstruktur dan multi-terstruktur yang terdiri dari volume informasi. Data terstruktur berasal dari informasi yang tidak terorganisir atau mudah ditafsirkan oleh database tradisional atau model data, dan biasanya, itu teks-berat. Metadata, Twitter tweets, dan posting media sosial lainnya adalah contoh yang baik dari data tidak terstruktur.
Data multi-terstruktur mengacu pada berbagai format data dan jenis dan dapat diturunkan dari interaksi antara manusia dan mesin, seperti aplikasi web atau jaringan sosial. Sebuah contoh yang bagus adalah data log web, yang mencakup kombinasi teks dan gambar visual bersama dengan data terstruktur seperti bentuk atau informasi transaksional. Begitu gangguan digital mengubah komunikasi dan interaksi saluran-dan sebagai pemasar meningkatkan pengalaman pelanggan di seluruh perangkat, properti web, face-to-face interaksi sosial dan platform multi-terstruktur data yang akan terus berkembang.
Big Data adalah kesempatan mengubah permainan terbesar untuk pemasaran dan penjualan sejak Internet masuk hampir 20 tahun yang lalu. Banyak eksekutif menemukan diri mereka kini harus berhadapan dengan sejumlah besar data dan kompleksitas organisasi, dengan cepat mengubah perilaku pelanggan, dan makin meningkatpeningkatan tekanan kompetitif.
Beberapa perusahaan yang berhasil menggunakan data besar dan analisis secara efektif menunjukkan bahwa tingkat produktivitas dan profitabilitas mereka 5-6 persen lebih tinggi daripada rekan-rekan mereka. Perusahaan-perusahaan yang sukses bukanlah orang yang memiliki data yang paling banyak, tetapi orang-orang yang menggunakannya dengan cara terbaik.
Sebagai Marketing Officer Chief Teradata, Lisa Arthur menerima berbagai penghargaan dan sering menjadi pembicara serta penulis produktif yang mahir menggabungkan energi dan antusiasme yang khas dengan kedalaman pengetahuannya ketika berbagi pikirannya pada topik pemasaran yang paling menarik saat ini.
