Näst-bästa-action marknadsföring

Marknadsföring med näst bästa åtgärd (även känd som bästa nästa åtgärd eller näst bästa aktivitet eller rekommenderad åtgärd ), som ett specialfall av beslutsfattande näst bästa åtgärd , är ett kundcentrerat marknadsföringsparadigm som tar hänsyn till de olika åtgärder som kan tas för en specifik kund och bestämmer sig för den "bästa". Next Best Action (ett erbjudande, ett förslag, en tjänst, etc.) bestäms av kundens intressen och behov å ena sidan, och marknadsföringsorganisationens affärsmål och policys å andra sidan. Detta står i skarp kontrast till traditionella marknadsföringsmetoder som först skapar ett förslag för en produkt eller tjänst och sedan försöker hitta intresserade och kvalificerade potentiella kunder för det förslaget. Praktiken, direktmarknadsföring , är vanligtvis automatiserad i form av ett kampanjhanteringsverktyg, är ofta produktcentrerad och vanligtvis alltid marknadsföringscentrerad.

Ytterligare positionering

Paradigmet för näst bästa åtgärd är lämpat för inkommande kundkommunikation eftersom en kund som tar kontakt kommer att acceptera ett övervägt svar från företaget på hans eller hennes förfrågan, klagomål, förfrågan, etc. Genom att utnyttja Next Best Action kommer företaget att kunna svara på kundens behov under interaktionen, samtidigt som man säkerställer att den vidtagna åtgärden också gynnar företaget. Utan en näst bästa handlingskapacitet på plats skulle ett callcenter eller en filialagent kunna följa ett manus i sin kommunikation med kunden, vilket, även om det kanske främjar företagets marknadsföringsmål, med största sannolikhet skulle vara ogenomträngligt för kundens sammanhang. Trots dess relevans för inkommande kundkommunikation är näst bästa åtgärdsmarknadsföring lika tillämplig på utgående kommunikation. I det här fallet tillämpas strategin för näst bästa åtgärd i batch, till exempel över natten, varefter kunder som har tilldelats samma åtgärd (dvs. gör förslag X) aggregeras.

Möjliggörande teknik

Sedan början av detta århundrade har tekniken funnits tillgänglig för att göra det möjligt för ett företag att uppnå näst bästa handlingskapacitet i höga volymer såväl som i realtid . Vanligtvis kräver detta en flerkanalig, centraliserad beslutsmyndighet som dispenserar alla beslut med hänsyn till kunden (se Enterprise decision management ) . Detta "beslutsnav" utnyttjar "beslutslogik" som kombinerar företagets affärsregler med prediktiva och adaptiva (aka självlärande) beslutsmodeller för att hjälpa till att bestämma hur man ska närma sig en kund såväl före som under en interaktion. Beslutsmyndigheten tar hänsyn till varje kunds förväntningar, benägenhet och sannolika beteende genom att använda prediktiv modellering . Gränssnitt som kan utnyttja denna intelligens måste också finnas på plats för att externisera logiken och vägleda en agent (eller systemet självt) i hur kunden skulle föredra att bli behandlad vid varje givet ögonblick, och kontinuerligt omkalibrera tillvägagångssättet baserat på kundernas svar. Tillvägagångssättet kan vara att lämna ett erbjudande, lösa ett klagomål eller att ge någon annan typ av rekommendation (eller en kombination av alla dessa).

Ett annat tillvägagångssätt för nästa-bästa-åtgärd är att använda maskininlärning för att få tillgång till effekten av specifika aktiviteter på Consumer Experience (CX) eller att mäta effekten av åtgärder på latent affinitet för varumärken eller deras produkter. Det är allmänt känt att överlägsen kundupplevelse driver intäktsökning. Ett CX-baserat Next-Best-Action AI- system kan utvecklas och distribueras i stor skala. Ett traditionellt mått på CX är Net Promoter Score (NPS) som introducerades av Frederick Reichheld. Genom att använda övervakade AI-tekniker där det önskade resultatet är en hög CX, kan Next-Best-Action-rekommendationsmotorn implementeras.

Historia

The Next Best Action-paradigmet är inte nytt och är inte heller endast tillämpligt inom marknadsföring. Ett liknande koncept föreslogs av John Boyd från United States Air Force ( OODA Loop) . I ett militärt sammanhang beskriver det tänkande i farten med distribuerat, lokalt beslutsfattande kontra planerade kampanjer och mål. Inom marknadsföring har det först nyligen varit möjligt att fatta beslut tillräckligt snabbt i företagsskala för att bygga ett "mini-business case" i realtid, genom att överväga många handlingssätt innan man bestämmer sig för det bästa.

Ur ett affärsperspektiv har framväxten av nästa-bästa-åtgärdsparadigmet delvis utlösts av en ökande betoning på inkommande marknadsföring. Organisationer har funnit att volymen i de inkommande kanalerna ( webb , callcenter, bankomat, filial, etc.) ökar de senaste åren, medan utgående kanaler (direktreklam, kallsamtal, etc.) utmanas alltmer. Anledningen till detta är trefaldig: 1) kunder har blivit mindre toleranta mot att ta emot utgående marknadsföringsförfrågningar ; 2) nya regler begränsar skräppost eller skräppostliknande aktiviteter, telemarketingsamtal och direktreklam; och 3) kunder blir alltmer internetkunniga.

Fördelar och nackdelar

En första komplikation är att de flesta företag är organiserade på ett produktorienterat sätt. Detta innebär att produktchefer har specifika volym- eller intäktsmål. Traditionell kampanjhantering är mycket i linje med detta. The Next Best Action-paradigmet, även om det kan återspegla samma prioriteringar, används normalt för optimering av slutresultatet. Organisatoriskt innebär detta att olika branscher kommer att behöva samarbeta för att definiera strategier för nästa bästa handling, och mål kan behöva återställas för att bättre återspegla den kundcentrerade karaktären hos de nya processerna. Den andra komplikationen är dess oförutsägbarhet. Även om det totalt sett kommer att optimera resultatet och ha andra attraktiva funktioner (som inbyggd kundcentrering ), gör beslutsfattandet "i farten" det svårare att veta i förväg vad resultatet kommer att bli. Det finns konsekvenser för hantering av försörjningskedjan , personalincitamentsprogram, budgetering och servicenivåavtal . Strategier med näst bästa åtgärd kan göras förutsägbara igen genom att simulera dem i förväg.