به‌کارگیری داده‌های عمومی برای بهبود نتایج بازاریابی محتوایی




بهبود تولید محتوا

 

تامین‌کنندگان محتوا مطالبی را ترجیح می‌دهند که دقت و اقتدار را به نمایش می‌گذارد.

به‌تازگی گفته‌هایی در خصوص دشواری انتشار مطالب پر مخاطب و تمایل به سمت افزایش تعداد محتواهای منتشرشده به جای تمرکز بر روی کیفیت آنها رواج یافته‌اند. در بعضی از موارد، این توصیه‌ها قابل استفاده هستند اما نویسنده معتقد است همچنان می‌توان محتوای غنی با نتایج بسیار مطلوب منتشر نمود. از دید نویسنده این کار تنها از روشی بر اساس ترکیب دو تاکتیک، قابل انجام است:

  • تولید محتوایی که «ارزش خبری» داشته باشد و منابع انتشاراتی پر مخاطب(روزنامه‌ها، بلاگ‌ها، …) از آنها استقبال کنند،
  • روشی از ارتباط با ناشرین محتوا که صدای محتوای شما را از میان صدها محتوای ارسالی به گوش ایشان برساند.

اما چگونه می‌توان برای تولید مقیاس‌پذیر محتوای جذاب از این تکنیک‌ها استفاده کرد؟ پاسخ اصلی در استفاده از داده‌ها نهفته است.

تکنیک تولید محتوا با هدف انتشار و با تمرکز بر داده‌ها

به اعتقاد نویسنده هیچ میان‌بری برای جلب توجه ناشرین محتوا وجود ندارد و محتوا باید لزوما ارزش خبری و بازنشر داشته باشد و بهترین راه از دید نویسنده برای تولید چنین محتوایی استفاده از داده‌های موجود برای بیان محتوای مورد نظر شماست.

در حال حاضر ده‌ها و شاید صدها هزار منبع داده‌ای معتبر عمومی در اختیار تولیدکنندگان محتوا وجود دارد. داده‌هایی که می‌توان از آنها برای تولید محتوای مقتدر و مستدل استفاده نمود. داده‌های مختلفی همچون اطلاعات منتشر شده توسط مراکز آماری، تحقیقات دانشگاهی، پروژه‌های تحقیقاتی و اکتشافی، برخی از منابعی هستند که حجم داده‌های قابل اتکای زیادی را در اختیار منتشرکنندگان محتوا قرار می‌دهند. طی پنج سال گذشته بسیاری از دولت‌ها و نهادهای غیردولتی، حرکت به سمت عمومی ساختن داده‌های خود را آغاز نموده‌اند و این باعث شده است حجم داده‌های قابل دسترس عمومی به شدت افزایش یابد. با به‌کارگیری این داده‌ها – که توسط منابع معتبر تولید شده‌اند – در تولید محتوای خود، وجاهت مطالب شما افزایش یافته و شانس انتشار آنها افزایش می‌یابد.

تصور کنید هدف شما انتشار مطلبی در خصوص اهمیت تغذیه و ورزش در سنین مختلف است. جذابیت مطلب شما با استفاده از نتایج تحقیقات مختلف در سراسر دنیا در زمینه‌ی سلامت عمومیِ بالاترِ افرادی که رژیم غذایی سالم‌تری دارند و ورزش را در برنامه‌ی روزانه‌ی خود می‌گنجانند به‌راحتی ناشرین را بر آن می‌دارد که مطلب شما که رنگ و بوی اظهارنظر شخصی نداشته بلکه بر اساس داده‌های واقعی بیان شده است را با اشتیاق بیشتری منشتر نمایند و خوانندگان نیز وجاهت بیشتری برای محتوای شما قائل خواهند شد.

طبیعتا در این مسیر، موانعی نیز موجود هستند. محدودیت عمق و گستردگی داده‌ها در یک زمینه‌ی بخصوص، دشواری خزش(Crawl) داده‌ها از منابع مختلف و ذخیره‌سازی آنها در هنجارهای (Formats) مختلف، نمونه‌هایی از این مشکلات هستند و شما برای دستیابی به داده‌های قابل اتکا به ابزارهای مختلف و دانش جامعی در زمینه‌ی استخراج و تحلیل داده‌ها نیاز خواهید داشت.

 

منبع:techcrunch.com/2020

 


استفاده از بستر تحلیل اطلاعات تماس برای خدمات‌رسانی به سامانه‌های فروش و امور مشتریان




تحلیل اطلاعات تماس

 

(این نوشتار، برداشتی از مطلب منتشر شده در لینکی است که در انتهای این نوشتار آمده است)

یکی از شرکت‌های ارائه‌کننده‌ی خدمتِ تحلیل اطلاعات تماس مشتریان، سبد محصولات خود را با افزودن محصولاتی در زمینه‌ی فروشگاه اینترنتی، تجربه‌ی مشتریان و تیم‌های فروش، تکمیل نموده است.

به‌گفته‌ی مدیرعامل این شرکت، مشتریانِ خدمت اولیه‌ی تحلیل داده‌های تماسی، به خدمات بیشتری در این زمینه‌ها نیاز داشته‌اند و با آغاز همه‌گیری و افزایش حجم داده‌های حاصل از تماس‌های مشتریان، این شرکت تمرکز خود را بر روی عرضه‌ی این محصولات جدید دو چندان نموده است تا خدمت اولیه‌ی خود، یعنی «استخراج هوش از مکالمات مشتریان» را در موارد متعدد به‌کارگیرد. وی ادامه می‌دهد:«هدف ما دستیابی به اطلاعات بیشتری از سفر مشتری در تامین کالا و خدمات است».

با آغاز همه‌گیری و محدود شدن منابع اطلاعاتی به «تراکنش‌های اینترنتی» و «گفت‌وگو با مشتریان از طریق تماس‌های ایشان» اهمیت بخش دوم، افزایش چشم‌گیری یافته است و با وجود ابزارهای متعدد و مختلف در بازار، گفت‌وگو با مشتریان به دلیل امکان پرسش‌گری در زمینه‌ی چرایی رفتار آنها جایگاه ویژه‌ای دارد.

انگیزه‌ی دیگر برای رشد دامنه‌ی محصولات ارائه شده، ارائه‌ی خدمت، توسط نیروهای مراکز تماس از منزل خود بوده است که باعث شده مسئولین مراکز تماس اشراف خود را بر روی میزان کارآیی نیروها از دست بدهند. رشدی که هدف آن «قراردادن اطلاعات یکسان در اختیار تیم‌های فروش، بازاریابی و امور مشتریان» بوده است.

این شرکت با فراهم آوردن امکان تجمیع (Integration) داده‌های استخراج شده از تماس‌های مشتریان با داده‌های سامانه‌های پرکاربرد بازار مانند Sales Force, Google, Facebook, Adobe جریان اطلاعات بین این سامانه‌ها را تسهیل و خودکارسازی نموده است.

به عنوان نمونه‌هایی از نتایج این هم‌افزایی می‌توان به موارد ذیل اشاره کرد:

  • به‌کارگیری دانش استخراج شده از گفت‌وگوهای مشتریان در خصوص پیشنهاد محصول جایگزین در صورت عدم موجودی یک محصول خاص و ارسال خودکار آن به تیم های فروش
  • تشخیص نیازهای آتی مشتریان بر اساس کلمات کلیدی استفاده شده در مکالمات ایشان با نیروهای مرکز تماس و ارسال خودکار آن به تیم‌های بازاریابی
  • راهکارهای جدید در خدمت‌رسانی پس از فروش براساس یافته‌های مکالمات و ارسال خودکار آنها به واحدهای امور مشتریان

 

منبع:techcrunch.com/2020