Руководство по основанному на данных контент-маркетингу, создаваемому пользователями

Все мы знаем о важности использования данных в контент-маркетинге, но просто сказать «использовать данные» - это широко.

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

Самые важные идеи приходят от ваших клиентов: отзывы, фотографии, вопросы и ответы, взаимодействия в социальных сетях и другие прямые отзывы.

До сих пор было сложно на самом деле применять данные для получения практических результатов из клиентского контента, но с развитием науки о данных появились интересные способы глубже вникнуть в то, что говорят ваши клиенты.

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

Почему пользовательский контент так важен?

Интернет-покупатели не могут физически прикасаться к товарам, которые 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 о трех вещах о пользовательском контенте:

1) Покупатели хотят UGC.

Статистических данных о том, сколько клиентов говорят, что они читают обзоры, достаточно, но эти данные являются самооценкой 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 использовали отзывы клиентов, оценки в звездах и фотографии клиентов.

Находки?

В некоторых отраслях, таких как электроника, более 40% посетителей сайта используют пользовательский контент.

И это только посетители веб-сайтов - когда вы смотрите на покупателей, которые в конечном итоге совершают покупку, цифры становятся еще более ошеломляющими.

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

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

2) UGC стоит слишком дорого, 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%.

Отрасль одежды и аксессуаров оказывает наибольшее влияние - 207%, а промышленность электроники - наименьшее - 81% - при этом коэффициент конверсии почти вдвое выше!

3) Ценность UGC неоспорима, но вам нужны данные, чтобы максимально использовать ее.

Есть много способов использовать пользовательский контент в маркетинге, например, включать отзывы клиентов в социальную рекламу.

И умные бренды понимают, что уже недостаточно просто собирать отзывы клиентов или надеяться, что ваши клиенты отметят вас в Instagram, когда они сделают снимок с вашим продуктом.

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

Вот посмотрите, как большие данные, машинное обучение и обработка естественного языка меняют то, как мы извлекаем пользу из клиентского контента.

Анализ больших данных для оптимизации результатов

Данные показывают, что потребители ищут контент, созданный пользователями, например обзоры, фотографии и вопросы и ответы, как часть своего опыта покупок в Интернете.

Но для предприятий электронной коммерции сложно точно определить, какие функции пользовательского контента используют их клиенты больше всего, а какие приносят им наибольшую пользу.

Машинное обучение для оптимизации сбора клиентского контента

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

Большая часть любой стратегии контент-маркетинга, создаваемой пользователями, - это получение контента в первую очередь, и наиболее распространенный способ, которым магазины запрашивают у клиентов отзывы или фотографии, - это электронное письмо после покупки.

Это означает, что вам нужно быть умным и тактичным в отношении того, как и когда запрашивать контент у клиентов.

Проанализировав 4,5 миллиона писем после совершения покупки, мы обнаружили, что во всех отраслях больше всего отзывов пишется по субботам в 8 утра, а меньше всего - в четверг в 3 часа дня.

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

[Твитнуть: «Как вы запрашиваете контент, так же важно, как и когда вы спрашиваете».]

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

Чтобы продемонстрировать, насколько важны небольшие вариации, мы изучили, как изменения в теме писем, отправляемых после покупки, влияют на реакцию клиентов.

В конце концов, тема письма - это первое, что видит покупатель, а в переполненном почтовом ящике крошечные изменения имеют решающее значение.

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

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

Прочтите полный отчет.

Обработка естественного языка для более точного анализа настроений

По мере того, как компании наращивают свои усилия по максимальному сбору пользовательского контента, они часто получают слишком много отзывов клиентов, чтобы управлять ими вручную, и им нужен надежный способ автоматизации управления обзорами.

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

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

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

Например, пятизвездочный отзыв может содержать важные просьбы об увеличении времени доставки, а однозвездочный отзыв, ошибочно списанный как «отрицательный», может содержать множество полезных деталей, которые могут побудить клиентов к покупке.

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

Отзывы часто бывают смешанными - редко бывает, чтобы клиентский опыт был полностью положительным или полностью отрицательным, и отзывы отражают это. Многие обзоры длинные и содержат несколько предложений, которые выражают различные чувства по поводу того или иного продукта.

Это мешает владельцу магазина управлять мнением покупателей, а также затрудняет принятие потенциальным покупателем осознанного решения о покупке.

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

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

Обработка естественного языка распознает, что эти обзоры посвящены одной теме, и группирует их вместе. Старый метод аналитики не смог бы установить эту связь.

Вывод

Приливы меняются. Будущее за контент-маркетингом, управляемым данными, и мы даем вам инструменты, необходимые, чтобы опережать конкурентов.

Yotpo фокусируется на передовых исследованиях и инновациях, которые дают предприятиям возможность собирать и использовать пользовательский контент в маркетинге, а также измерять результаты и настраивать кампании для достижения конкретных целей.