Der Leitfaden für datengesteuertes nutzergeneriertes Content-Marketing

Wir alle wissen, wie wichtig es ist, Daten im Content-Marketing zu verwenden, aber nur „Daten verwenden“ zu sagen, ist weit gefasst.

Welche Metriken sind für B2C- und E-Commerce-Vermarkter tatsächlich wichtig, um eine Content-Marketing-Strategie zu entwickeln und zu optimieren?

Die wirkungsvollsten Erkenntnisse kommen von Ihren Kunden: Bewertungen, Fotos, Fragen und Antworten, Interaktionen in sozialen Medien und anderes direktes Feedback.

Bisher war es schwierig, Daten tatsächlich anzuwenden, um umsetzbare Erkenntnisse aus Kundeninhalten zu gewinnen, aber mit den Fortschritten in der Datenwissenschaft gibt es jetzt aufregende Möglichkeiten, tiefer in das einzutauchen, was Ihre Kunden sagen.

Was ist eine datengesteuerte Marketingstrategie für nutzergenerierte Inhalte und warum ist sie wichtig? Lesen Sie weiter, um es herauszufinden…

Warum ist UGC so wichtig?

Online-Käufer können die Artikel, die sie durchstöbern, nicht physisch berühren, daher wenden sie sich Produktbewertungen, Kundenfotos und anderen Formen von benutzergenerierten Inhalten zu, um ihre Kaufentscheidung zu treffen.

Was passiert, wenn Daten und UGC kollidieren

Die Daten sagen uns 3 Dinge über UGC:

1) Käufer wollen UGC.

Es gibt viele Statistiken darüber, wie viele Kunden sagen, dass sie Rezensionen lesen, aber diese Daten sind Eigenangaben und werden oft in Umfragen erhoben.

Um ein genaues Verständnis der tatsächlichen Auswirkungen von UGC zu erhalten, haben wir analysiert, wie viele Besucher in mehr als 200.000 E-Commerce-Shops aktiv mit Kundenrezensionen, Sternebewertungen und Kundenfotos interagierten.

Die Ergebnisse?

In einigen Branchen wie der Elektronik beschäftigen sich mehr als 40 % der Website-Besucher mit UGC.

Und das sind nur Website-Besucher – wenn Sie sich die Käufer ansehen, die am Ende kaufen, sind die Zahlen noch erstaunlicher.

Im Durchschnitt beschäftigen sich 55 % der Kunden mit UGC, bevor sie einen Kauf tätigen.

Viele Leute, die Ihre Website besuchen, werden sich also mit UGC beschäftigen, aber diejenigen, die am Ende kaufen, haben es mit ziemlicher Sicherheit getan.

2) UGC ist zu viel wert, um es zu ignorieren.

Sie können in der Grafik unten sehen, dass Käufer in allen Branchen mit etwa doppelt so hoher Wahrscheinlichkeit kaufen, wenn sie UGC sehen.

Die durchschnittliche Steigerung der E-Commerce-Conversion-Rate durch das Hinzufügen von nutzergenerierten Inhalten zu Ihrer Website beträgt 161 %.

Die Bekleidungs- und Accessoires-Industrie hat mit 207 % den größten Einfluss und die Elektronikindustrie hat mit 81 % den geringsten Einfluss – immer noch fast die doppelte Konversionsrate!

3) Der Wert von UGC ist unbestreitbar, aber Sie benötigen Daten, um das Beste daraus zu machen.

Es gibt viele Möglichkeiten, UGC im Marketing zu nutzen, z. B. das Einbinden von Kundenrezensionen in soziale Anzeigen.

Und smarte Marken verstehen, dass es nicht mehr ausreicht, nur Kundenbewertungen zu sammeln oder darauf zu hoffen, dass Ihre Kunden Sie auf Instagram markieren, wenn sie ein Foto mit Ihrem Produkt machen.

Hier kommt datengetriebenes User-Generated-Content-Marketing ins Spiel.

Hier ist ein Blick darauf, wie Big Data, maschinelles Lernen und die Verarbeitung natürlicher Sprache die Art und Weise verändern, wie wir den Wert von Kundeninhalten steigern.

Big-Data-Einblicke zur Optimierung der Ergebnisse

Die Daten zeigen, dass Verbraucher im Rahmen ihres Online-Einkaufserlebnisses nach nutzergenerierten Inhalten wie Bewertungen, Fotos und Fragen und Antworten suchen.

Aber es ist eine Herausforderung für E-Commerce-Unternehmen, genau zu sehen, welche UGC-Funktionen ihre Kunden am meisten nutzen und welche ihnen den größten Nutzen bringen.

Maschinelles Lernen zur Optimierung der Sammlung von Kundeninhalten

Verbraucher werden mit Markenbotschaften überschwemmt – und wie wir wissen, übertönen sie die meisten Aufrufe nach ihrer Aufmerksamkeit.

Ein großer Teil jeder Marketingstrategie für benutzergenerierte Inhalte besteht darin, die Inhalte überhaupt erst zu erhalten, und die häufigste Art und Weise, wie Geschäfte Kunden um Bewertungen oder Fotos bitten, ist eine E-Mail nach dem Kauf.

Das bedeutet, dass Sie klug und taktvoll vorgehen müssen, wenn es darum geht, wie und wann Sie Kundeninhalte anfordern.

Durch die Analyse von 4,5 Millionen E-Mails nach dem Kauf haben wir festgestellt, dass branchenübergreifend die meisten Bewertungen samstags um 8 Uhr und die wenigsten donnerstags um 15 Uhr geschrieben werden.

Mit diesem Wissen können maschinelle Lernalgorithmen die Nachkaufanfragen von Geschäften automatisch optimieren, um sicherzustellen, dass Marken das Beste aus ihrer „Anfrage“ machen.

[Tweet „Wie du nach Inhalten fragst, ist genauso wichtig wie wann du fragst.“]

Algorithmen für maschinelles Lernen können auch den perfekten Wortlaut für Ihre Anfrage auswählen, sodass Kunden Ihre E-Mail mit noch größerer Wahrscheinlichkeit öffnen.

Um zu demonstrieren, wie viel Unterschied kleine Variationen machen können, haben wir untersucht, wie sich Änderungen an der Betreffzeile von E-Mails nach dem Kauf auf die Kundenreaktion auswirken.

Schließlich ist die Betreffzeile das erste, was ein Kunde sieht, und in einem überfüllten Posteingang machen winzige Änderungen den Unterschied.

Wir haben uns die gebräuchlichsten Betreffzeilenformeln angesehen und dann häufig verwendete Variablen isoliert, wie zum Beispiel:

Sehen Sie sich in diesem kurzen Video an, wie sich unterschiedliche Betreffzeilen je nach Branche Ihres Shops auf die Antwortraten auswirken:

Lesen Sie den vollständigen Bericht.

Verarbeitung natürlicher Sprache für intelligentere Einblicke in die Stimmung

Da Unternehmen ihre Bemühungen zur Maximierung der Sammlung von benutzergenerierten Inhalten verstärken, erhalten sie oft zu viele Kundenbewertungen, um sie manuell zu verwalten, und benötigen eine zuverlässige Möglichkeit zur Automatisierung des Bewertungsmanagements.

Es ist großartig, dass Kunden so aktiv mit Marken kommunizieren und Feedback hinterlassen, aber die schiere Menge an UGC, die täglich erstellt wird, kann überwältigend sein.

Kunden lieben es, ihre Erfahrungen zu teilen. Lange, detaillierte Bewertungen sind äußerst wertvoll für Käufer, die sich entscheiden müssen, ob sie kaufen oder nicht , und können für Marken sehr profitabel sein.

Die Verarbeitung natürlicher Sprache hilft Unternehmen dabei, die wichtigsten Daten aus ihren Bewertungen herauszuholen.

Beispielsweise kann eine Fünf-Sterne-Bewertung wichtige Bitten um eine verbesserte Lieferzeit enthalten, während eine Ein-Stern-Bewertung, die fälschlicherweise als „negative Bewertung“ abgetan wird, viele hilfreiche Details enthalten kann, die Kunden zum Kauf animieren können.

Die Sentiment-Analyse erkennt diese Abweichungen, damit Sie den größtmöglichen Nutzen aus Ihren Kundeninhalten ziehen können.

Bewertungen sind oft gemischt – es ist selten, dass eine Kundenerfahrung durchweg positiv oder durchweg negativ ist, und Bewertungen spiegeln dies wider. Viele Rezensionen sind lang und enthalten einige Sätze, die unterschiedliche Gefühle zu einem bestimmten Produkt ausdrücken.

Dies macht es für den Ladenbesitzer schwierig, Kundenmeinungen zu verwalten, und es erschwert auch einem potenziellen Kunden, eine fundierte Kaufentscheidung zu treffen.

Die Sentiment-Erkennung ermöglicht es Ihnen, die wichtigsten Erkenntnisse aus Rezensionen zu verstehen, indem Schlüsselphrasen aus dem Text extrahiert und nach Themen geclustert werden.

Nehmen wir an, ein Kunde hinterlässt eine Bewertung zur Lieferzeit und ein anderer Kunde hinterlässt eine Bewertung zur Lieferzeit.

Die Verarbeitung natürlicher Sprache erkennt, dass es sich bei diesen Rezensionen um dasselbe Thema handelt, und gruppiert sie. Eine ältere Analysemethode würde diese Verbindung nicht herstellen.

Fazit

Die Gezeiten ändern sich. Datengesteuertes Content-Marketing ist die Zukunft, und wir geben Ihnen die Tools an die Hand, die Sie benötigen, um der Konkurrenz einen Schritt voraus zu sein.

Yotpo konzentriert sich auf Spitzenforschung und Innovation, die Unternehmen die Möglichkeit geben, UGC im Marketing zu sammeln und zu verwenden sowie die Ergebnisse zu messen und Kampagnen an bestimmte Ziele anzupassen.