Руководство по маркетингу пользовательского контента на основе данных

Мы все знаем о важности использования данных в контент-маркетинге, но просто сказать «использовать данные» — это слишком широко.

Какие показатели действительно важны для маркетологов B2C и электронной коммерции для формирования и оптимизации стратегии контент-маркетинга?

Самые важные идеи исходят от ваших клиентов: обзоры, фотографии, вопросы и ответы, взаимодействие в социальных сетях и другие прямые отзывы.

До сих пор было трудно на самом деле применять данные, чтобы получить действенные выводы из пользовательского контента, но благодаря достижениям в науке о данных теперь появились захватывающие способы более глубокого изучения того, что говорят ваши клиенты.

Что такое стратегия пользовательского контент-маркетинга, основанная на данных, и почему это важно? Читай дальше что бы узнать…

Почему пользовательский контент так важен?

Интернет-покупатели не могут физически прикоснуться к товарам, которые они просматривают, поэтому они обращаются к обзорам продуктов, фотографиям клиентов и другим формам пользовательского контента, чтобы принять решение о покупке.

Что происходит, когда данные и пользовательский контент сталкиваются

Данные говорят нам 3 вещи о пользовательском контенте:

1) Покупатели хотят UGC.

Существует множество статистических данных о том, сколько клиентов говорят, что они читают отзывы, но эти данные сообщаются самими собой и часто собираются в ходе опросов.

Чтобы получить точное представление о реальном влиянии пользовательского контента, мы проанализировали, сколько посетителей более 200 000 магазинов электронной коммерции активно взаимодействовали с отзывами покупателей, рейтингами и фотографиями клиентов.

Находки?

В некоторых отраслях, таких как электроника, более 40% посетителей сайта взаимодействуют с пользовательским контентом.

И это только посетители веб-сайта — когда вы смотрите на покупателей, которые в конечном итоге покупают, цифры становятся еще более ошеломляющими.

В среднем 55% клиентов взаимодействуют с пользовательским контентом перед покупкой.

Таким образом, многие люди, которые посещают ваш сайт, будут взаимодействовать с пользовательским контентом, но те, кто в конечном итоге совершит покупку, почти наверняка это сделают.

2) Пользовательский контент стоит слишком многого, чтобы его игнорировать.

На графике ниже видно, что покупатели из разных отраслей примерно в два раза чаще совершают покупку, когда видят пользовательский контент.

Средний рост коэффициента конверсии электронной коммерции за счет добавления пользовательского контента на ваш сайт составляет 161%.

Индустрия одежды и аксессуаров имеет наибольшее влияние с 207%, а электронная промышленность имеет наименьшее влияние с 81%, что почти вдвое превышает коэффициент конверсии!

3) Ценность пользовательского контента неоспорима, но вам нужны данные, чтобы максимально использовать его.

Есть много способов использовать пользовательский контент в маркетинге, например, включение отзывов клиентов в социальную рекламу.

И умные бренды понимают, что уже недостаточно просто собирать отзывы клиентов или надеяться, что ваши клиенты будут отмечать вас в Instagram, когда будут фотографироваться с вашим продуктом.

Именно здесь на помощь приходит контент-маркетинг, основанный на данных.

Вот взгляд на то, как большие данные, машинное обучение и обработка естественного языка меняют то, как мы получаем ценность от пользовательского контента.

Анализ больших данных для оптимизации результатов

Данные показывают, что потребители ищут пользовательский контент, такой как обзоры, фотографии и вопросы и ответы, как часть своего опыта онлайн-покупок.

Но компаниям, занимающимся электронной коммерцией, сложно точно определить, какие функции UGC наиболее полезны их клиентам, а какие приносят им наибольшую ценность.

Машинное обучение для оптимизации сбора информации о клиентах

Потребители завалены сообщениями брендов, и, как мы знаем, они заглушают большинство призывов к их вниманию.

Большая часть любой стратегии пользовательского контент-маркетинга на самом деле заключается в получении контента в первую очередь, и наиболее распространенный способ, которым магазины запрашивают у клиентов отзывы или фотографии, — это электронная почта после покупки.

Это означает, что вам нужно быть умным и тактичным в отношении того, как и когда вы запрашиваете пользовательский контент.

Проанализировав 4,5 миллиона электронных писем после покупки, мы обнаружили, что во всех отраслях больше всего отзывов пишется по субботам в 8 утра, а меньше всего — по четвергам в 15:00.

Обладая этими знаниями, алгоритмы машинного обучения могут автоматически оптимизировать запросы магазинов после покупки, чтобы гарантировать, что бренды максимально используют свои «спросы».

[Твиттер: «То, как вы запрашиваете контент, так же важно, как и то, когда вы просите».]

Алгоритмы машинного обучения также могут подобрать идеальную формулировку для вашего запроса, чтобы клиенты с большей вероятностью открыли ваше письмо.

Чтобы продемонстрировать, какое значение могут иметь небольшие вариации, мы изучили, как изменения в строке темы электронных писем после покупки влияют на реакцию клиентов.

В конце концов, строка темы — это первое, что видит клиент, и в переполненном почтовом ящике крошечные изменения имеют большое значение.

Мы рассмотрели наиболее распространенные формулы темы письма, а затем выделили часто используемые переменные, такие как:

В этом коротком видео вы узнаете, как разные темы влияют на количество откликов в зависимости от отрасли вашего магазина:

Читать полный отчет.

Обработка естественного языка для более точного понимания настроений

По мере того, как компании наращивают свои усилия по максимизации сбора пользовательского контента, они часто получают слишком много отзывов клиентов, чтобы управлять ими вручную, и нуждаются в надежном способе автоматизации управления отзывами.

Здорово, что клиенты так активно общаются с брендами и оставляют отзывы, но сам объем пользовательского контента, создаваемого ежедневно, может быть ошеломляющим.

Клиенты любят делиться своим опытом. Длинные подробные обзоры очень ценны для покупателей, пытающихся решить, стоит ли покупать или нет , и могут быть очень прибыльными для брендов.

Обработка естественного языка помогает компаниям извлекать наиболее важные данные из своих обзоров.

Например, отзыв с пятью звездами может содержать важные просьбы об улучшении времени доставки, в то время как отзыв с одной звездой, ошибочно списанный как «отрицательный отзыв», может содержать множество полезных деталей, которые могут побудить клиентов к покупке.

Анализ настроений замечает эти несоответствия, чтобы вы могли извлечь максимальную пользу из своего контента для клиентов.

Отзывы часто бывают неоднозначными — редко бывает, чтобы клиентский опыт был полностью положительным или полностью отрицательным, и отзывы отражают это. Многие обзоры длинные и состоят из нескольких предложений, которые выражают разные чувства по поводу данного продукта.

Это затрудняет для владельца магазина управление мнением покупателей, а также затрудняет для потенциального покупателя принятие обоснованного решения о покупке.

Обнаружение тональности позволяет понять наиболее важные выводы из обзоров, извлекая из текста ключевые фразы и группируя их по темам.

Допустим, один клиент оставляет отзыв о времени доставки, а другой клиент оставляет отзыв о времени доставки.

Обработка естественного языка распознает, что эти обзоры относятся к одной и той же теме, и группирует их вместе. Старый метод аналитики не мог установить эту связь.

Вывод

Приливы меняются. Контент-маркетинг, основанный на данных, — это будущее, и мы даем вам инструменты, необходимые для того, чтобы оставаться впереди конкурентов.

Yotpo уделяет особое внимание передовым исследованиям и инновациям, которые дают предприятиям возможность собирать и использовать пользовательский контент в маркетинге, а также измерять результаты и корректировать кампании в соответствии с конкретными целями.