過去,客戶調查、焦點小組訪談以及研究報告是企業用來了解人們對其產品或服務的看法的主要途徑。然而這些傳統方法有不少弊端。首先,這些方法的樣本數量有限,而且可能存在偏差。其次,研究耗時,望眼欲穿得來的結果很快便落伍了。此外,人們的言行常常不一致,比如他們會一邊抱怨廉價航空,一邊仍舊趨之若鶩。
社交聆聽提供了另一種方法,使企業能夠實時獲取更豐富的客戶洞見。每天,在社交媒體上都有數億萬人公開分享自己的生活,既有他們去過哪裡、買過什麼以及各種愉快或不愉快的體驗,或是純粹表達自己的感受與看法。對於零售、消費品、零售銀行、保險、醫療保健等直面消費者的行業來說,這些資訊無疑是一座金礦。但到目前為止,大多數企業尚未充分挖掘這些資訊的巨大價值。
經驗讓我們相信,通過分析消費者在社交媒體上的言論,企業可以低成本地獲得更好的洞見,從而快速反應,獲得競爭優勢。越來越多的消費品企業開始運用社交聆聽來進行新品開發、市場營銷、企業運營與國際擴張。它還可以助力企業的早期危機管理,幫助企業發現潛在地收購目標。換言之,社交聆聽就好像一張“尋寶圖”。
當前,社交聆聽的運用大多侷限用於民意監控,例如用來統計某品牌被提及的次數(“熱度”),以及談論該品牌時內容的正負面性(“情感”)。這種監控只能生成標準化或彙總性的指標,很難匯出真正可行的業務決策。
近來,機器學習技術的進步使得人們能夠對自然語言進行智慧分析,同時也能監控圖片和視訊。我們看到,新技術已經能夠幫助企業高效地調查更廣泛的消費者感受,並關注他們生活的其他方面。企業可以繪製並實時更新消費者偏好,同時也能及時掌握消費者之間相互聯絡與影響的途徑。
機器學習還可以摒除資料“不乾淨”的問題。企業通常會從供應商那裡購買社交媒體資料,但實際上許多平臺上釋出的內容並非來自真實的消費者,而是出自品牌營銷機構、電商賣家或機器人。我們曾經見過這樣一個案例,在資料供應商提供的平臺內容裡,90%以上都不是消費者所寫。這樣的杜撰內容往往過於正面,不能真實反映品牌的健康度。而機器學習技術可以通過分析帳戶及其內容,過濾掉此類虛假帖子。
隨著機器學習技術的進步與發展,社交聆聽終將重寫消費品公司的運作規則。我們的探索才剛剛起步,卻已經看到社交聆聽正在改變消費品公司的新品開發、市場營銷與產品包裝的方式。在不少案例中,社交聆聽都已經給消費品公司帶來了切實的幫助。
01 生成消費者洞見
社交聆聽可以挖掘出各個消費市場之間的潛在聯絡。由於消費者更傾向於在貼合自己的場合接受文化和時尚的薰陶,消費市場之間的影響便舉足輕重。舉例而言,通過對社交媒體帖子的分析發現,現今印尼化妝品市場受泰國流行趨勢的影響更大,高於法國或日本。此外,通過社交聆聽還可以鎖定相關的產品與品牌,以及它們發生關聯的原因。例如,一條關於散粉的Instagram帖子這樣寫道:“泰國最暢銷的產品!超級適合我的膚色。”另一個人則提到了產品的防曬係數。
這些評論表明,印尼的化妝品消費者認為,他們和泰國消費者所處的氣候及膚色方面更相似。所以,在泰國流行的產品也將是他們的合適之選。有鑑於此,化妝品製造商可以考慮將泰國的流行單品引入印尼,並利用他們在泰國的熱度為印尼市場營銷造勢。我們對化妝品行業的研究表明,通過找出泰國最具前景的品牌並與之合作,製造商能將印尼市場的投資回報率提升20%之多。
社交媒體上的評論還可以推動產品的升級換代。比如,製造商可以基於更好的消費者反饋,將拳頭產品的投產比例從十分之一增加到五分之一,同時將開發“陪跑”產品的成本減半。社交聆聽讓製造商更貼近消費者,從而能為特定的群體提供定製化、小批量的產品。
02 讓部落營銷有的放矢
分析社交媒體上的交流互動,在Twitter或微博上圈定口味和需求相同的人群,可以使部落營銷變得更容易、更精準。比如,通過跟蹤與觀察新媽媽們之間的聯絡,營銷人員可以繪製出相應的部落圖譜,同時確定部落領袖,也就是那些交際最廣的成員。這可能會在很大程度上影響整個部落對嬰兒用品及其他產品的取向。
社交聆聽能夠回答有關部落領袖的關鍵問題:這些領袖的帖子是否收到踴躍回覆?他們的帖子是否被轉發?在他們的照片中是否使用了某些化妝品、配飾與服裝的特定組合?換句話說,部落領袖如何提高大家對品牌的興趣?這些興趣是否通過轉推進一步擴散,並轉化成實際購買?(見圖2)
一旦鎖定對某個產品類別忠實擁躉的部落,品牌就可以與這些部落的領袖建立聯絡,比如傳送樣品讓他們獨家預覽/試用,或是邀請他們參加活動。部落領袖可能隨之將這些資訊轉化為帖子,在社群中激發消費者對該品牌及其最新產品的興趣。這些營銷技巧可以作為付費邀請明星或關鍵意見領袖進行大規模品牌宣傳的補充。社交聆聽與部落營銷相結合能夠帶來更高的營銷支出回報率,能夠比傳統廣告高出20%-50%。
03 改善運營
消費者常常在社交媒體上談論他們與某品牌、產品或服務的互動和體驗,例如吐槽某個產品包裝有多蹩腳,或是抱怨某次貨品的派送有多糟糕。企業想要根據這些評論採取行動並非易事。簡單地彙總關鍵詞(例如“包裝”)是沒有用的,因為這些關鍵詞無法點明具體的投訴事項是包裝破漏還是標識不清,也無法辨別這是單個批次的偶發問題還是經常出現的重複問題。缺少了這些具體指徵,製造商就不能針對性的採取措施、改善經營。(見圖3)
然而,自然語言處理、機器學習和影像識別等技術正在幫助我們更準確地識別消費者討論的內容,並且給出合適的建議。例如,如果一個社交媒體帖子抱怨瓶子太大且採用玻璃包裝,因此難以攜帶,這個發帖可能會促使製造商考慮採用輕便的材料來製作較小的瓶子。如果有帖子稱讚某款粉底液可以持久有效地遮蓋毛孔,那麼這些特質將可能會成為未來廣告宣傳的主題。
04 儘早發現上市公司的問題
社交聆聽也能幫助儘早地發現陷入困境的上市公司,儘管這項功能並不太常用。無論是財務醜聞、不可持續的的負債,還是高管人員的不當行為,許多嚴重問題在早期都有蛛絲馬跡,例如可以從員工在社交媒體或新聞報導中的表態裡事先得到洞察。這些言論可能一開始不足以引起人們的注意。然而,恰當的技術可以幫助梳理線索,讓監管機構得以及時介入並減輕損害。在一些財務醜聞中,我們事後發現了一些早期跡象,如果處理得當,本可以更早地採取措施。
社交聆聽的前景
在實際操作中,社交聆聽的用例往往具有綜合性。舉例來說,如果一家零售銀行想以綠地模式打造一個全新的數字化部門,可以使用社交聆聽來識別和量化客戶痛點,細分潛在客戶,以及為產品設計提供資訊。在部門建立後,同樣可以使用社交聆聽來尋找並鎖定具有社交影響力的人群,同時跟蹤品牌認知度,不斷優化產品與服務。
儘管社交聆聽已面世十多年,仍鮮有公司能夠充分利用這項技術。不是因為沒有材料:社交媒體平臺和第三方資料供應商完全有能力提供公開可用的社交媒體資料,且所有這些資料均在使用者明確同意的情況下發布。社交聆聽物盡其用的重要前提是保證資料的質量。很多時候,資料過於重複集中,無法濾選重要的消費者洞見,更遑論其中還夾雜著大量的虛假資訊。想要獲得真實可靠的資料從而助力商業決策絕非易事,需要使用多種自然語言識別系統和其他的先進技術,來自動有效地分析社交媒體帳戶及其內容。
很快,這些技術就能被廣泛應用於那些面向消費者的行業。如果企業忽略這些技術,將很難迎頭趕上。相反,產品製造商若能切實瞭解消費者,並實時獲得反饋,它們將取得巨大的優勢。
為用好社交聆聽這張“尋寶圖”,企業首先需要評估當前的能力,包括資料訪問能力和資料分析技術能力,同時估算由此帶來的業務價值。僅需花費幾星期的時間,便能讓企業瞭解到哪些社交聆聽的新技術最為行之有效,並看到它們可以創造的潛在價值。隨後,企業可以進行升級,修改基礎分析技術,為社交聆聽開發新的業務用例。這通常需要三至六個月的時間。升級完成後,企業的業務決策將變得更為智慧。根據我們的經驗,只需要再過幾周就能催生商業效益。
PDF版本將分享到199IT知識星球,掃描下面二維碼即可!