Jangan lewatkan berita industri pemasaran besok

Kemunculan kendaraan listrik (EV) telah menjadi kisah pertumbuhan yang pesat dan juga hambatan yang membandel. Memang benar, menurut Urban Science, sebuah perusahaan konsultan dan teknologi otomotif yang berbasis di Detroit, penjualan gabungan kendaraan listrik hibrida plug-in (PHEV) dan listrik hibrida (HEV) meningkat sebesar 31 persen antara tahun 2023 dan 2024 . Menurut Urban Science, satu dari enam kendaraan yang terjual pada akhir tahun 2023 menggunakan powertrain listrik; pada tanggal 30 April 2024, angka tersebut meningkat menjadi sekitar satu dari lima.

Tidak mengherankan, para pembuat mobil merespons meningkatnya minat konsumen terhadap kendaraan listrik. Dulunya merupakan sektor yang didominasi oleh Tesla, produsen peralatan asli (OEM) tradisional dan baru berkembang secara dramatis memperluas jenis dan variasi kendaraan listrik yang mereka tawarkan untuk dijual. Meskipun terdapat kemajuan ini, penjualan kendaraan listrik masih terkendala oleh sejumlah faktor – mulai dari harga yang biasanya mahal dibandingkan kendaraan bertenaga bahan bakar hingga kekhawatiran mengenai ketersediaan dan kualitas infrastruktur pengisian daya umum berkecepatan tinggi.

Ketidakpastian audiens mengurangi ROI pemasaran

OEM, dealer mobil, serta platform sisi permintaan (DSP) dan agensi mereka menghadapi tantangan lain dalam pasar kendaraan listrik (EV) yang semakin berkembang namun semakin kompetitif: bagaimana menentukan dan memasarkan kepada konsumen kemungkinan membeli mobil dan truk mereka. Pada intinya, masalah bagi OEM, dealer, dan mitra pemasaran mereka adalah kurangnya data audiens yang berkualitas.

“EV modern sudah ada sejak lama. Ini adalah produk konsumen baru yang dapat diperdagangkan oleh pemasar,” kata Scott Clark, Direktur Pengembangan Produk di Urban Science, yang melayani OEM, dealer, dan perusahaan teknologi periklanan yang mendukung mereka. “Pengiklan ditantang oleh cara mereka mengidentifikasi konsumen EV dalam rantai pasokan teknologi iklan yang kadang-kadang lebih berisik daripada informatif .”

Jika tidak ada data yang baik, OEM, jaringan dealer, DSP, dan lembaga mereka harus bergantung pada data dan metodologi proksi. Salah satu pendekatannya adalah dengan memfokuskan anggaran pemasaran secara regional di tempat-tempat seperti New York dan California, tempat banyak kendaraan listrik dijual. Namun hal tersebut bukanlah strategi yang tepat untuk mengidentifikasi calon pelanggan dan memaksimalkan laba atas belanja iklan.

Strategi status quo lainnya untuk mengidentifikasi rumah tangga yang tertarik dengan kendaraan listrik adalah dengan membuat profil pembeli yang dapat digunakan untuk menargetkan inisiatif pemasaran digital. Namun strategi ini pada dasarnya terbatas karena sumber data yang digunakan untuk membuat profil tidak lengkap dan tidak spesifik untuk EV. Sulit untuk membuat model EV yang bagus tanpa data EV. “Ada banyak pemodelan buruk yang dilakukan,” kata Carl Matter, Direktur Kinerja AdTech di Urban Science. “Misalnya, penyedia data yang hanya mengamati sebagian populasi akan menggunakan statistik inferensial untuk memodelkan hingga 100 persen dan membuat klaim tentang seluruh populasi.” Atau, sederhananya, statistik inferensial digunakan untuk menutupi fakta bahwa penyedia data tidak memiliki data penjualan EV yang komprehensif.

Data penjualan sebagai landasan pemasaran yang tepat sasaran

Sayangnya, penargetan yang hanya didasarkan pada data proksi memiliki kapasitas yang terbatas untuk mengidentifikasi orang-orang yang sedang mencari kendaraan listrik, baik karena data yang tidak memadai maupun kurangnya analisis yang mampu menunjukkan dengan tepat tren dan peluang dalam kumpulan data yang besar. Tidak diragukan lagi, data demografis dan geografis serta statistik inferensial mempunyai nilai yang sangat besar. Hanya saja terdapat kekuatan prediktif yang lebih besar dan pemahaman audiens yang lebih beragam dalam memanfaatkan data pembelian di masa lalu. Misalnya, Urban Science's Matter menunjukkan bahwa pemeriksaan mendalam terhadap data penjualan mengungkapkan bahwa prasangka tentang minat kendaraan listrik di kalangan pemilik truk adalah salah.

“Kami telah melihat peningkatan luar biasa dalam jumlah pemilik truk yang menambahkan kendaraan listrik. Mereka tidak membuang truknya, mereka masih sangat setia dengan truknya, tapi mereka juga menambahkan EV,” kata Matter. “Itu bukanlah kebijaksanaan konvensional bagi banyak orang. Tentu saja itu bukan untuk saya. Salah satu alasan mengapa data sangat penting adalah jika Anda ingin menghabiskan uang Anda di bidang yang sumber dayanya terbatas, Anda harus memilih audiens yang tepat.”

Tidak mungkin untuk melebih-lebihkan pentingnya data volume pembelian yang terperinci dan terlokalisasi, dikombinasikan dengan analisis canggih untuk menginformasikan kampanye pemasaran jangka pendek dan jangka panjang yang efektif. Misalnya, Urban Science memanfaatkan data, yang diperoleh dari hubungan selama puluhan tahun dengan OEM, untuk mengidentifikasi rumah tangga di seluruh negeri yang paling mungkin membeli model atau merek kendaraan listrik tertentu. Semuanya dimulai dengan data yang berkualitas.

“Kami tahu bahwa data penjualan historis memiliki kekuatan prediksi paling besar untuk penjualan di masa depan,” kata Matter. “Itulah keuntungan kami. Kami memiliki pemahaman mendetail tentang siapa, apa, kapan, dan di mana setiap pembelian. Memiliki volume penjualan data hingga tingkat individu merupakan komponen penting dari strategi penargetan yang efisien untuk memberdayakan presisi dan personalisasi yang lebih baik”

Memaksimalkan data yang baik

Data audiens semacam ini bermanfaat bagi pemasar, tetapi bisa menjadi lebih berharga bila dilengkapi dengan kecerdasan. Misalnya, algoritme Urban Science menganalisis data untuk menghasilkan skor kecenderungan pembeli.

“Ada pola dalam data yang Anda dan saya tidak dapat melihatnya dengan mata telanjang, namun algoritma yang telah disesuaikan dapat menangkapnya,” kata Clark. “Mirip dengan bagaimana Netflix memprediksi apa yang mungkin ditonton seseorang selanjutnya berdasarkan kebiasaan menonton di masa lalu, teknik pembelajaran mesin kami memprediksi kemungkinan rumah tangga untuk membeli segmen, merek, atau bahkan model kendaraan tertentu berdasarkan perilaku pembelian di masa lalu. Misalnya, rumah tangga yang kami perkirakan akan membeli kendaraan listrik memiliki tingkat pembelian 5x lebih tinggi dibandingkan rumah tangga yang kami anggap memiliki kemungkinan lebih rendah. Pengiklan kendaraan listrik dapat memperoleh manfaat dari kemampuan analitis ini dalam kampanye mereka saat ini.”

Data yang kuat dan terus diperbarui mendorong akurasi, efisiensi , dan akuntabilitas yang berdampak pada dana pemasaran EV. Misalnya, karena Urban Science menerima data penjualan harian, Urban Science dapat terus menyegarkan, memvalidasi, dan meningkatkan kinerja model prediktifnya. Meski begitu, tetap penting untuk mengukur apakah penargetan tersebut mencapai sasaran yang diinginkan.

Urban Science memiliki produk pengukuran yang memungkinkan pencocokan deterministik satu-ke-satu antara paparan media terhadap penjualan. “Mengukur dampak dana iklan Anda terhadap konversi penjualan adalah taruhannya,” kata Clark. “Dengan mitra data dan analitik yang tepat, Anda dapat menjangkau calon konsumen EV dan memvalidasi kinerja dengan mengukur kapan mereka melakukan konversi.”

Pasar kendaraan listrik berada dalam momen perubahan besar, ketidakpastian, dan peluang. Menavigasinya secara efisien dan sukses akan membutuhkan pemasaran cerdas yang ditargetkan pada konsumen yang reseptif. Landasan upaya tersebut adalah data penjualan yang komprehensif dan rinci.

Jika Anda mencari mitra untuk membantu strategi pemasaran kendaraan listrik Anda, terhubunglah dengan Urban Science.