6.2 Developing data capabilities, d

6.2 Developing data capabilities, data orientation and tackling data analytics
Another challenge for ensuring analytic capability is the establishment of an IT
infrastructure that enables collection, storage and analysis of very large amounts of
data. With the availability of terabytes of data today (Verhoef et al., 2010), IT has become
an integral part of the process of data-driven marketing. Additionally, even firms that
emphasize the need for IT infrastructures in gathering and analyzing data need to
understand the relevance of an organizational culture that embraces data, analytics and
their insights. Therefore, ensuring that employees are trained to use data, to monitor and
understand dashboards, discover trends and data patterns is paramount to guarantee
a data-driven marketing strategy.
In addition to the more macro and strategic level challenges, there are also issues
with the data analytics itself that need to be properly accounted for when using
data-driven marketing, such as:
. establishing causality;
. identifying trigger events;
. the link between online and actual behavior; and
. social interaction modeling.
First, establishing causality can be difficult if the right variables are not measured and
accounted for in the analytic process. For instance, when calculating the value of
customer referrals (CRV) it is important to establish causality between the referral
program itself and conversion of the prospect into a customer. This establishment is
difficult because it is conceivable that the prospect may have become a customer
anyways regardless of the referral (Kumar et al., 2007). Another issue to be accounted
for includes the possibility that customer response is changing as a result of a trigger
event in the customer’s life, described as something that happens during a customer’s
lifecycle, such as sudden disruption in purchase patterns that a company can detect
and which portends the future behavior of the customer (Malthouse, 2007). Accounting
for such trigger events in data-driven analytic models therefore becomes important.
Moreover, in the context of social media measurement, managers today
predominantly measure social interactions such as number of “likes”, or tallies of
positive versus negative comments. While this is valuable information, it provides
little guidance into how these metrics tie back to actual behavior. Therefore, it is crucial
to link such “social” measures to how the customer actually responds to a firm’s
marketing efforts (Verhoef et al., 2010). For example, in a study that links online word of
Data-driven
services
marketing
343
Downloaded by NARESUAN UNIVERSITY At 23:24 21 October 2014 (PT)mouth to customer behavior, Trusov et al. (2009) find that online word of mouth referrals
have substantially longer carryover effects due to social multiplier and social spill-over
effects than traditional marketing and strongly affect new customer acquisition.
Establishing this link provides recommendations to managers for how to allocate
resources between different marketing vehicles and offers guidance on how to structure
financial incentives to stimulate word of mouth.
In addition, there are several challenges that are specifically relevant to social
interaction research. The first of which is endogenous group formation where group
social behavior is because of similar tastes of group (homophily) and not necessarily as
a result of being affected by each other (Hartmann et al., 2008). As a result a researcher
cannot, therefore, conclude directly from observed correlation in behavior that there
exists a causal effect. Second is the issue of correlated unobservable in which variables
impact all those agents involved similarly. Finally, a simultaneity problem can arise
due to the potentially simultaneous nature of decisions by the focal agent and others in
his reference group. Due to simultaneity, correlation in subsequent actions could
simply reflect the fact that the agents’ decision affects the group’s behavior, and at the
same time, the group’s behavior affects the agent’s behavior (reflection problem).
Also, most customers tend to conduct business and interact with firms through
different channels. One difficulty especially relevant to multichannel customers is the
merging of disparate sources of data into a single source database. Merging presents a
challenge as many times a customer’s interaction with the firm is not captured, partially
captured, or only captured in a format that makes it difficult to link it back to the same
individual. Without ensuring data quality and integrity for multichannel customers,
it becomes very difficult to derive the benefits a holistic view of the customer (Neslin et al.,
2006) and propose targeted strategies (Verhoef et al., 2010). Finally, data-driven marketing
strategies resulting from such analytics provides unique opportunities to target customers
in a more focused way. Amongst the many benefits is the ability to communicate
with customers that have higher response likelihood on such criteria as CLV or CRV
(Kumar et al., 2010a, b). As a result, customers are not saturated with multiple marketing
messages, timing and frequency of communication.

ผลลัพธ์ (ไทย) 1:

6.2 Developing data capabilities, data orientation and tackling data analyticsAnother challenge for ensuring analytic capability is the establishment of an ITinfrastructure that enables collection, storage and analysis of very large amounts ofdata. With the availability of terabytes of data today (Verhoef et al., 2010), IT has becomean integral part of the process of data-driven marketing. Additionally, even firms thatemphasize the need for IT infrastructures in gathering and analyzing data need tounderstand the relevance of an organizational culture that embraces data, analytics andtheir insights. Therefore, ensuring that employees are trained to use data, to monitor andunderstand dashboards, discover trends and data patterns is paramount to guaranteea data-driven marketing strategy.In addition to the more macro and strategic level challenges, there are also issueswith the data analytics itself that need to be properly accounted for when usingdata-driven marketing, such as:. establishing causality;. identifying trigger events;. the link between online and actual behavior; and. social interaction modeling.First, establishing causality can be difficult if the right variables are not measured andaccounted for in the analytic process. For instance, when calculating the value ofcustomer referrals (CRV) it is important to establish causality between the referralprogram itself and conversion of the prospect into a customer. This establishment isยากเนื่องจากมีความหลากหลายที่โน้มอาจได้เป็น ลูกค้าอย่างไรก็ตามไม่แนะนำ (Kumar et al., 2007) ปัญหาอื่นที่จะลงบัญชีการมีความเป็นไปได้ว่า มีการเปลี่ยนแปลงตอบสนองลูกค้าจากทริกเกอร์เหตุการณ์ในชีวิตของลูกค้า อธิบายเป็นสิ่งที่เกิดขึ้นระหว่างลูกค้าวงจร เช่นทรัพยฉับพลันในรูปซื้อที่บริษัทสามารถตรวจสอบได้และที่ portends ลักษณะการทำงานในอนาคตของลูกค้า (Malthouse, 2007) บัญชีสำหรับทริกเช่น เหตุการณ์ในรุ่นระบบขับเคลื่อนข้อมูลจึงกลายเป็นสำคัญนอกจากนี้ ในบริบทของสังคมประเมิน ผู้จัดการวันนี้วัดการโต้ตอบเช่นจำนวนของสังคมส่วนใหญ่ "ชอบ" หรือนับของบวกและลบข้อคิดเห็น ขณะนี้ข้อมูล ให้คำแนะนำเล็กน้อยเป็นวิธีการวัดเหล่านี้ผูกกลับไปทำงานจริง ดังนั้น จึงเป็นสิ่งสำคัญการเชื่อมโยงว่าลูกค้าตอบการเป็นบริษัทจริงมาตรการดังกล่าว "สังคม"การตลาดความพยายาม (Verhoef et al., 2010) ในการศึกษาที่เชื่อมโยงคำออนไลน์เช่นปรับปรุงข้อมูลบริการการตลาด343ดาวน์โหลดมหาวิทยาลัยนเรศวรที่ 23:24 21 2014 ตุลาคม (PT) ปากลักษณะลูกค้า ค้นหา Trusov et al. (2009) การอ้างอิงจากออนไลน์ปากนั้นมียาวมาก carryover ผลคูณต่อสังคมและหกมากกว่าสังคมลักษณะพิเศษกว่าการตลาดแบบดั้งเดิมและขอซื้อมีผลต่อลูกค้าสร้างการเชื่อมโยงนี้ให้คำแนะนำการจัดการวิธีการปันส่วนทรัพยากรระหว่างยานพาหนะการตลาดแตกต่างกันและให้คำแนะนำเกี่ยวกับวิธีการโครงสร้างแรงจูงใจทางการเงินเพื่อกระตุ้นจากปากนอกจากนี้ มีความท้าทายหลายที่โดยเฉพาะที่เกี่ยวข้องกับสังคมงานวิจัยโต้ตอบ ครั้งแรกซึ่งเป็นกลุ่ม endogenous ก่อตัวกลุ่มพฤติกรรมทางสังคมจะ มีรสชาติคล้ายคลึงกันของกลุ่ม (homophily) และไม่จำเป็นผลของการได้รับผลกระทบด้วยกัน (Hartmann et al., 2008) เป็นผลที่นักวิจัยดังนั้น ไม่สามารถ สรุปโดยตรงจากการสังเกตความสัมพันธ์ในลักษณะการทำงานที่มีมีผลต่อสาเหตุ ที่สอง คือปัญหาของ correlated unobservable ในตัวแปรใดผลกระทบเหล่านั้นตัวแทนทั้งหมดที่เกี่ยวข้องในทำนองเดียวกัน ในที่สุด ปัญหาสัมพันธ์สามารถเกิดขึ้นได้เนื่องจากอาจเกิดการตัดสินใจโดยตัวแทนโฟกัสและอื่น ๆ ในกลุ่มอ้างอิงของเขา เนื่องจากความพร้อมกัน ความสัมพันธ์ในการดำเนินการต่อไปได้เพียงแต่สะท้อนความจริงที่ว่า การตัดสินใจของตัวแทนมีผลต่อพฤติกรรมของกลุ่ม และการขณะเดียวกัน ลักษณะการทำงานของกลุ่มมีผลต่อพฤติกรรมของตัวแทน (สะท้อนปัญหา)ยัง ลูกค้าส่วนใหญ่มักจะ ดำเนินธุรกิจ และติดต่อกับบริษัทผ่านช่องอื่น เป็นปัญหาหนึ่งที่เกี่ยวข้องโดยเฉพาะกับลูกค้าแบบนี้ผสานแหล่งแตกต่างกันของข้อมูลในฐานข้อมูลแหล่งเดียว ผสานการนำเสนอการความท้าทายหลายครั้งที่ลูกค้าติดต่อกับบริษัทไม่จับภาพ เป็นบางส่วนจับ หรือจับเฉพาะ ในรูปแบบที่ทำให้ยากที่จะเชื่อมโยงกลับไปเหมือนกันแต่ละ ไม่มั่นใจคุณภาพข้อมูลสำหรับลูกค้าหลายแชนแนลมันจะยากมากที่จะได้รับประโยชน์ในมุมมองแบบองค์รวมของลูกค้า (Neslin et al.,2006) และเสนอกลยุทธ์เป้าหมาย (Verhoef et al., 2010) ในที่สุด ปรับปรุงข้อมูลการตลาดกลยุทธ์ที่เกิดจากการวิเคราะห์ดังกล่าวให้โอกาสเฉพาะลูกค้าเป้าหมายในลักษณะที่มุ่งเน้นเพิ่มเติม ในบรรดาประโยชน์มากมายคือความสามารถในการสื่อสารมีลูกค้าที่มีโอกาสตอบสนองสูงกว่าเกณฑ์ดังกล่าวเป็นส์หรือ CRV(Kumar et al., 2010a, b) ดังนั้น ลูกค้าไม่อิ่มตัวกับตลาดหลายข้อความ ระยะเวลา และความถี่ของการสื่อสาร

ผลลัพธ์ (ไทย) 2:

6.2 การพัฒนาความสามารถในการข้อมูลการวางแนวทางการแก้ปัญหาข้อมูลและการวิเคราะห์ข้อมูล
ความท้าทายในการตรวจสอบความสามารถในการวิเคราะห์อีกประการหนึ่งคือการจัดตั้งไอที
​​โครงสร้างพื้นฐานที่ช่วยให้การเก็บรวบรวมการจัดเก็บข้อมูลและการวิเคราะห์จำนวนมากของ
ข้อมูล ด้วยความพร้อมของเทราไบต์ของข้อมูลในวันนี้ (Verhoef et al., 2010), มันได้กลายเป็น
ส่วนหนึ่งของกระบวนการของการตลาดที่ขับเคลื่อนด้วยข้อมูล นอกจากนี้แม้ บริษัท ที่
เน้นความจำเป็นในการโครงสร้างพื้นฐานด้านไอทีในการรวบรวมและวิเคราะห์ข้อมูลที่จำเป็นต้อง
เข้าใจความเกี่ยวข้องของวัฒนธรรมองค์กรที่รวบรวมข้อมูลการวิเคราะห์และ
ข้อมูลเชิงลึกของพวกเขา ดังนั้นการสร้างความมั่นใจว่าพนักงานได้รับการฝึกฝนในการใช้ข้อมูลเพื่อตรวจสอบและ
ทำความเข้าใจแดชบอร์ดค้นพบแนวโน้มและรูปแบบข้อมูลเป็นสิ่งสำคัญยิ่งที่จะรับประกัน
กลยุทธ์การตลาดที่ขับเคลื่อนด้วยข้อมูล.
นอกจากนี้ยังมีความท้าทายมากขึ้นในระดับมหภาคและกลยุทธ์มีปัญหานอกจากนี้ยัง
มี การวิเคราะห์ข้อมูลที่ตัวเองว่าจะต้องมีการคิดอย่างถูกต้องสำหรับการใช้
การตลาดที่ขับเคลื่อนด้วยข้อมูลเช่น:
สร้างเวรกรรม;
ระบุเหตุการณ์ที่เรียก;
การเชื่อมโยงระหว่างออนไลน์และพฤติกรรมที่เกิดขึ้นจริง; และ
การสร้างแบบจำลองการปฏิสัมพันธ์ทางสังคม.
แรกสร้างเวรกรรมอาจเป็นเรื่องยากถ้าตัวแปรที่เหมาะสมไม่ได้วัดและ
คิดในกระบวนการวิเคราะห์ ยกตัวอย่างเช่นเมื่อคำนวณมูลค่าของ
การอ้างอิงของลูกค้า (CRV) มันเป็นสิ่งสำคัญที่จะสร้างอำนาจระหว่างการแนะนำ
ตัวโปรแกรมเองและการเปลี่ยนแปลงของโอกาสเป็นลูกค้า สถานประกอบการนี้เป็น
เรื่องยากเพราะมันเป็นไปได้ว่าอาจจะมีโอกาสเป็นลูกค้า
anyways โดยไม่คำนึงถึงการอ้างอิง (Kumar et al., 2007) อีกประเด็นที่จะนำมาใช้
สำหรับการรวมถึงความเป็นไปได้ว่าการตอบสนองลูกค้าที่มีการเปลี่ยนแปลงเป็นผลมาจากการเรียก
เหตุการณ์ในชีวิตของลูกค้าอธิบายว่าสิ่งที่เกิดขึ้นในช่วงของลูกค้า
วงจรเช่นการหยุดชะงักอย่างฉับพลันในรูปแบบการซื้อที่ บริษัท สามารถตรวจจับ
และที่ portends พฤติกรรมในอนาคตของลูกค้า (มอลต์ 2007) การบัญชี
สำหรับเหตุการณ์ที่เรียกดังกล่าวในรูปแบบการวิเคราะห์ข้อมูลที่ขับเคลื่อนด้วยจึงกลายเป็นสิ่งสำคัญ.
นอกจากนี้ในบริบทของการวัดสื่อสังคมผู้จัดการวันนี้
ส่วนใหญ่วัดปฏิสัมพันธ์ทางสังคมเช่นจำนวนของ "ชอบ" หรือนับจาก
ที่เป็นบวกเมื่อเทียบกับความคิดเห็นเชิงลบ ขณะนี้เป็นข้อมูลที่มีค่าจะให้
คำแนะนำเล็ก ๆ น้อย ๆ เป็นวิธีการตัวชี้วัดเหล่านี้ผูกกลับไปสู่พฤติกรรมที่เกิดขึ้นจริง ดังนั้นจึงเป็นสิ่งสำคัญ
ที่จะเชื่อมโยงดังกล่าว "สังคม" มาตรการที่จะวิธีการที่ลูกค้าจริงตอบสนองต่อการของ บริษัท
การตลาด (Verhoef et al., 2010) ยกตัวอย่างเช่นในการศึกษาที่เชื่อมโยงคำออนไลน์ของ
ข้อมูลที่ขับเคลื่อนด้วย
บริการ
การตลาด
343
ดาวน์โหลดโดยมหาวิทยาลัยนเรศวรที่ 23:24 21 ตุลาคม 2014 (PT) ปากกับพฤติกรรมของลูกค้า, Trusov และคณะ (2009) พบว่าคำออนไลน์ของการอ้างอิงปาก
มีผลกระทบอย่างมีนัยสำคัญเปื้อนอีกต่อไปเนื่องจากตัวคูณทางสังคมและการรั่วไหลของสังคมมากกว่า
ผลกว่าการตลาดแบบดั้งเดิมและยิ่งส่งผลกระทบต่อการซื้อของลูกค้าใหม่.
การสร้างการเชื่อมโยงนี้ให้คำแนะนำให้กับผู้จัดการสำหรับวิธีการจัดสรร
ทรัพยากรระหว่างการตลาดที่แตกต่างกัน ยานพาหนะและข้อเสนอคำแนะนำเกี่ยวกับวิธีการโครงสร้าง
สิ่งจูงใจทางการเงินเพื่อกระตุ้นให้เกิดคำพูดจากปาก.
นอกจากนี้ยังมีความท้าทายหลายอย่างที่เป็นเฉพาะที่เกี่ยวข้องกับสังคม
การวิจัยการมีปฏิสัมพันธ์ แรกคือการสร้างกลุ่มภายนอกที่กลุ่ม
พฤติกรรมทางสังคมเป็นเพราะรสนิยมคล้ายกันของกลุ่ม (homophily) และไม่จำเป็นต้องเป็น
ผลมาจากการได้รับผลกระทบโดยแต่ละอื่น ๆ (อาร์ตมันน์ et al., 2008) เป็นผลให้นักวิจัย
ไม่สามารถจึงสรุปได้โดยตรงจากการสังเกตความสัมพันธ์ในการทำงานที่มี
อยู่ผลกระทบเชิงสาเหตุ ประการที่สองเป็นปัญหาของการมีความสัมพันธ์สำรวจซึ่งตัวแปรที่
ส่งผลกระทบต่อตัวแทนผู้ที่เกี่ยวข้องทั้งหมดเช่นเดียวกัน สุดท้ายปัญหาพร้อมกันสามารถเกิดขึ้น
เพราะธรรมชาติพร้อมกันที่อาจเกิดขึ้นจากการตัดสินใจโดยนายหน้าโฟกัสและอื่น ๆ ใน
กลุ่มอ้างอิงของเขา เนื่องจากพร้อมกัน, ความสัมพันธ์ในการกระทำที่ตามมาอาจจะ
เพียงแค่สะท้อนให้เห็นถึงความเป็นจริงว่าการตัดสินใจที่ตัวแทน 'ส่งผลกระทบต่อพฤติกรรมของกลุ่มและใน
ขณะเดียวกันพฤติกรรมของกลุ่มที่มีผลต่อพฤติกรรมของตัวแทน (ปัญหาการสะท้อน).
นอกจากนี้ลูกค้าส่วนใหญ่มีแนวโน้มที่จะดำเนินธุรกิจและ โต้ตอบกับ บริษัท ผ่าน
ช่องทางต่างๆ ปัญหาหนึ่งโดยเฉพาะอย่างยิ่งที่เกี่ยวข้องกับลูกค้าหลายช่องเป็น
ความกลมกลืนของแหล่งที่มาที่แตกต่างกันของข้อมูลลงในฐานข้อมูลแหล่งเดียว รวมนำเสนอ
ความท้าทายหลาย ๆ ครั้งตามปฏิสัมพันธ์ของลูกค้ากับ บริษัท ที่ไม่ได้บันทึกบางส่วน
จับหรือถูกจับเพียงในรูปแบบที่ทำให้มันยากที่จะเชื่อมโยงกลับไปที่เดิม
ของแต่ละบุคคล โดยไม่ต้องสร้างความมั่นใจข้อมูลที่มีคุณภาพและความซื่อสัตย์ให้กับลูกค้าหลายช่อง
มันจะกลายเป็นเรื่องยากมากที่จะได้รับผลประโยชน์ที่มีมุมมองแบบองค์รวมของลูกค้า (Neslin et al.,
2006) และนำเสนอกลยุทธ์ที่กำหนดเป้าหมาย (Verhoef et al., 2010) สุดท้ายที่ขับเคลื่อนด้วยข้อมูลการตลาด
กลยุทธ์เป็นผลมาจากการวิเคราะห์ดังกล่าวให้โอกาสที่ไม่ซ้ำกับกลุ่มลูกค้าเป้าหมาย
ในทางที่มุ่งเน้นมากขึ้น ท่ามกลางประโยชน์มากมายคือความสามารถในการสื่อสาร
กับลูกค้าที่มีความเป็นไปได้การตอบสนองที่สูงขึ้นในเกณฑ์เช่น CLV หรือ CRV
(Kumar et al., 2010a, ข) เป็นผลให้ลูกค้าไม่อิ่มตัวกับการตลาดหลาย
ข้อความระยะเวลาและความถี่ของการสื่อสาร