データ駆動型ユーザー生成コンテンツマーケティングガイド
公開: 2022-06-03コンテンツマーケティングでデータを使用することの重要性は誰もが知っていますが、「データを使用する」と言うだけでは広範です。
コンテンツマーケティング戦略を形成および最適化するために、B2Cおよびeコマースのマーケターにとって実際に重要な指標はどれですか？
最も影響力のある洞察は、レビュー、写真、Q＆A、ソーシャルメディアのやり取り、その他の直接的なフィードバックなど、顧客から得られます。
これまで、実際にデータを適用して顧客のコンテンツから実用的なテイクアウトを取得することは困難でしたが、データサイエンスの進歩により、顧客の発言をより深く掘り下げるためのエキサイティングな方法があります。
データ駆動型のユーザー生成コンテンツマーケティング戦略とは何ですか？なぜそれが重要なのですか？ 調べるために読んでください…
なぜUGCはそれほど重要なのですか？
オンラインの買い物客は、閲覧している商品に物理的に触れることができないため、商品のレビュー、顧客の写真、その他のユーザー生成コンテンツを利用して、購入の決定を通知します。
データとUGCが衝突するとどうなるか
このデータは、UGCについて3つのことを示しています。
1）買い物客はUGCを望んでいます。
レビューを読んだと言っている顧客の数に関する統計はたくさんありますが、このデータは自己報告され、多くの場合、調査で収集されます。
UGCの実際の影響を正確に理解するために、20万を超えるeコマースストアへの訪問者の数を分析して、顧客のレビュー、星の評価、顧客の写真に積極的に関わっていました。
調査結果？
エレクトロニクスなどの一部の業界では、サイト訪問者の40％以上がUGCに関与しています。
そして、これは単なるWebサイトの訪問者です。最終的に購入する買い物客を見ると、その数はさらに驚異的です。
平均して、顧客の55％が購入前にUGCを利用しています。
そのため、サイトにアクセスする多くの人がUGCに参加しますが、最終的に購入する人はほぼ確実に参加します。
2）UGCは無視できないほどの価値があります。
下のグラフを見ると、さまざまな業界の買い物客がUGCを見ると約2倍購入する可能性が高いことがわかります。
ユーザー生成コンテンツをサイトに追加することによるeコマースコンバージョン率の平均上昇率は161％です。
アパレルおよびアクセサリー業界は207％で最も影響が大きく、エレクトロニクス業界は81％で最も影響が少なく、それでもコンバージョン率はほぼ2倍になります。
3）UGCの価値は否定できませんが、それを最大限に活用するにはデータが必要です。
ソーシャル広告にカスタマーレビューを含めるなど、マーケティングでUGCを活用する方法はたくさんあります。
そして、スマートブランドは、顧客のレビューを収集するだけではもはや十分ではないこと、または顧客があなたの製品で写真を撮るときにInstagramであなたにタグを付けることを期待するだけでは不十分であることを理解しています。
ここで、データ駆動型のユーザー生成コンテンツマーケティングが登場します。
ビッグデータ、機械学習、自然言語処理が、顧客コンテンツから価値を引き出す方法をどのように変えているかを見てみましょう。
結果を最適化するためのビッグデータの洞察
データは、消費者がオンラインショッピング体験の一環として、レビュー、写真、Q＆Aなどのユーザー生成コンテンツを探していることを示しています。
しかし、eコマースビジネスにとって、顧客が最も活用しているUGC機能と、顧客に最大の価値をもたらしている機能を正確に把握することは困難です。
企業は、ユーザーが生成したコンテンツの種類によって売り上げとトラフィックが増加していることや、コンバージョンを増やすために最適化できる場所を簡単に確認できるようになりました。
もっと知りたいですか？ ダッシュボードをチェックしてください。
顧客コンテンツの収集を最適化するための機械学習
消費者はブランドメッセージに溢れています—そして私たちが知っているように、彼らは彼らの注意を求めるほとんどの呼びかけを溺れさせています。
ユーザー生成コンテンツのマーケティング戦略の大部分は、実際にコンテンツを取得することです。店舗が顧客にレビューや写真を求める最も一般的な方法は、購入後の電子メールです。
つまり、顧客のコンテンツをいつどのように要求するかについて、賢くて巧妙である必要があります。
購入後の450万件のメールを分析したところ、すべての業界で最も多くのレビューが土曜日の午前8時に書き込まれ、最も少ないレビューが木曜日の午後3時に書き込まれていることがわかりました。
この知識があれば、機械学習アルゴリズムは店舗の購入後のリクエストを自動的に最適化して、ブランドが「質問」を最大限に活用できるようにします。
[ツイート「コンテンツをどのように要求するかは、要求するときと同じくらい重要です。」]
機械学習アルゴリズムは、顧客があなたの電子メールを開く可能性がさらに高くなるように、あなたの要求に最適な表現を選択することもできます。
小さなバリエーションがどれほどの違いを生むかを示すために、購入後の電子メールの件名の変更が顧客の応答にどのように影響するかを調査しました。
結局のところ、件名は顧客が最初に目にするものであり、混雑した受信トレイでは、小さな変更がすべての違いを生みます。
最も一般的な件名の数式を調べてから、次のような頻繁に使用される変数を分離しました。
- リクエストを質問として表現するか、ストア名を含めます。
「[ストア名]からの最近の購入は気に入りましたか？」
- クーポンまたは割引の提供：
「次回の購入で10％オフ」
- 大文字、感嘆符、または顧客の感情に訴えるものを使用する：「購入が気に入っていただければ幸いです。」
この短いビデオでは、店舗の業界に応じて、さまざまな件名が回答率にどのように影響するかを見てみましょう。
レポート全体をお読みください。
よりスマートな感情洞察のための自然言語処理
企業がユーザー生成コンテンツの収集を最大化するための取り組みを強化するにつれて、多くの場合、手動で管理するには顧客のレビューが多すぎて、レビュー管理を自動化する信頼できる方法が必要になります。
顧客がブランドと積極的にコミュニケーションを取り、フィードバックを残しているのは素晴らしいことですが、毎日作成されるUGCの膨大な量は圧倒される可能性があります。
顧客は自分の経験を共有するのが大好きです。 長く詳細なレビューは、購入するかどうかを決定しようとする買い物客にとって非常に価値があり、ブランドにとって非常に有益な場合があります。
自然言語処理は、企業がレビューから最も重要なデータを取得するのに役立ちます。
たとえば、5つ星のレビューには納期の改善に関する重要なリクエストが含まれている可能性がありますが、1つ星のレビューには誤って「否定的なレビュー」として取り消されている可能性があり、顧客に購入を促すのに役立つ詳細がたくさん含まれている可能性があります。
感情分析はこれらの不一致に気づき、顧客のコンテンツから最大の価値を引き出すことができます。
多くの場合、レビューはまちまちです。カスタマーエクスペリエンスが完全に肯定的または完全に否定的であるということはまれであり、レビューはそれを反映しています。 多くのレビューは長く、特定の製品についてのさまざまな感情を表すいくつかの文があります。
これは、店主が顧客の意見を管理することを困難にし、また潜在的な顧客が情報に基づいた購入決定をすることを困難にする。
感情検出では、テキストからキーフレーズを抽出し、トピックごとにクラスタリングすることで、レビューからの最も重要なポイントを理解できます。
ある顧客が配達時間についてレビューを残し、別の顧客が出荷時間についてレビューを残したとします。
自然言語処理は、これらのレビューがほぼ同じトピックであることを認識し、それらをグループ化します。 古い分析方法では、その接続は確立されませんでした。
結論
潮流は変化しています。 データドリブンコンテンツマーケティングは未来であり、競合他社に先んじるために必要なツールを提供します。
Yotpoは、マーケティングでUGCを収集して使用し、結果を測定し、キャンペーンを特定の目的に合わせて調整する力を企業に与える最先端の研究と革新に焦点を当てています。