خیلی از شرکت‌ها روی گنجی از داده‌ی مشتری نشسته‌اند، اما با آنها هیچ‌کاری انجام نمی‌دهند! جالب است نه؟ گنجی داشته باشی و آن را به حال خودش رها کنی! این داده‌ها می‌توانند بینش شرکت را تغییر دهند. بینشی که می‌تواند موجب افزایش وفاداری مشتری شود، سود پنهان شرکت را آشکار کند و هزینه‌های جذب و نگهداری مشتری را کاهش دهد. آیا شما هم انبوهی از داده دارید که از آن استفاده‌ نمی‌کنید؟‌ دوست دارید بدانید از داده‌های بی‌استفاده‌‌تان چگونه می‌توانید استفاده کنید؟‌ در این مقاله راه‌های معمول دیتا ماینینگ و کاربردهای داده‌کاوی در بازاریابی توضیح داده شده است. با ما همراه باشید.

اصولا یک شرکت با داده‌های زیادی سروکار دارد. اکثر این داده‌ها از رفتار مشتریان به‌دست می‌آید و تنوع و حجم آن نیز تا حد زیادی به مقیاس کسب‌وکار وابسته است. اطلاعات کلی مشتریان (سن، جنسیت، تحصیلات، محل زندگی و …)، دفعات خرید، میزان خرید، داده‌های شکایت‌ها و تماس با امور مشتریان همه از این قبیل داده‌ها هستند. معمولا همه‌ی شرکت‌ها انبوهی از این داده‌ها را ثبت و ضبط می‌کنند اما در اختیار داشتن این داده‌ها به تنهایی هیچ کمکی به هیچ کسب‌وکاری نخواهد کرد. هنر اصلی این است که به کمک تحلیل این داده‌ها که به آن داده‌کاوی یا دیتا ماینینگ (Data Mining)‌ می‌گویند؛ الگوهای رفتاری مشتریان را پیدا کرد. در حقیقت این داده‌ها حکم یک معدن طلا را دارند که باید از طریق داده‌کاوی به طلای آن دست پیدا کرد. در ادامه با چند نمونه از کاربردهای دیتا ماینینگ یا داده‌ کاوی در بازاریابی آشنا می‌شویم.

۱. تجزیه‌وتحلیل سبد خرید

گاهی به تجزیه‌وتحلیل سبد خرید، «تحلیل وابستگی» نیز گفته می‌شود. این نوع تحلیل به خریدهای مشتری توجه می‌کند و در بهبود نحوه چیدمان اجناس در مغازه به فروشنده‌ها کمک می‌کند یا به فروشگاه‌های اینترنتی مثل آمازون کمک می‌کند تا بتوانند بخش «کالاهای مشابه» را بهتر برنامه‌نویسی کنند. «سبد» عنوان عامیانه‌ای از همان چیزی است که خریداران موقع خرید در دست می‌گیرند.

پایه‌ و‌ اساس این نوع داده‌کاوی (Data Mining) این است که از روی خرید گذشته‌ی مشتری، می‌توان رفتار آتی او را پیش‌بینی کرد. این «رفتار» شامل خرید یا ترجیحات مشتری است. فقط مغازه‌های دم‌دستی مثل بقالی‌ها نیستند که می‌توانند از این تحلیل استفاده کنند. درادامه به چند مثال اشاره می‌کنیم که نشان می‌دهد چگونه از تحلیل سبد خرید می‌توان در صنایع متفاوت استفاده کرد:

ارزیابی استفاده از کارت اعتباری

این مورد به‌خصوص برای کسب‌و‌کارهای آنلاین اهمیت دارد. به‌طور کلی متخصصان این حوزه از بررسی داده‌های کارت اعتباری به کلاهبرداری‌های احتمالی پی می‌برند، اما به‌جز آن، می‌توان این داده‌ها را بررسی کرد تا واریانس محدودیت‌های اعتبار، شرایط، نرخ بهره و حتی بدهی‌ها را درآورد.

ارزیابی الگوی استفاده از تلفن

برای مثال، با این تحلیل می‌توانید تمام مشتریانی را که از همه‌ی طرح‌های جدید تلفن‌ همراه استقبال می‌کنند، پیدا کنید. بعد تحلیل کنید که شخصیت این دسته به‌گونه‌ای است که نیاز دارند زودبه‌زود چیزهای جدیدی را امتحان کنند. از برآیند این تحلیل‌ها ممکن است تصمیم بگیرید طرح انگیزشی دیگری برای آنها فعال کنید تا همچنان مشتاق به استفاده از اپراتور شما بمانند.

شناسایی تقلب در مطالبه‌ی بیمه

به کمک داده‌کاوی (دیتا ماینینگ) اطلاعات آرشیو بیمه‌ها، شرکت‌های بیمه می‌توانند مطالباتی را که به احتمال زیاد از طریق تقلب، به احیای پول از دست‌رفته پرداخته‌اند، شناسایی کنند و قوانینی وضع کنند که از بروز چنین کلاهبرداری‌هایی در آینده جلوگیری کند.

لازم نیست تمام خریدها در یک‌مرتبه باشد تا استفاده از این تحلیل امکان‌پذیر شود. اکثر ابزارهای تحلیلی داده‌کاوی (دیتا ماینینگ) می‌توانند رفتار خرید را در طول زمان بررسی کنند. پس به شما این امکان را می‌دهند که روندهای مشابه را کشف کنید و فرصت امتحان روش‌های مختلف افزایش فروش را داشته باشید.

نکته: به داده‌های خود به دقت نگاه کنید. ببینید آیا الگوی خاصی در آنها وجود دارد؟ مثلا کسانی که از کالای x می‌خرند، از کالای y هم می‌خرند؟ کدام مورد را اول می‌خرند؟ چرا؟ به‌نظرتان می‌توانید طرحی بریزید که مشتریان کالای x، y و z را بخرند تا فروش بیشتری داشته باشید؟

۲. پیش‌بینی فروش

این تحلیل به این مورد توجه می‌کند که مشتریان چه موقع خرید کرده‌اند و سعی می‌کند پیش‌بینی کند احتمالا دوباره کِی خرید خواهند کرد؟ از این تحلیل می‌توانید برای تعیین استراتژی موجودی انبار یا یافتن محصولات مکمل برای فروش استفاده کنید. این تحلیل تعداد مشتریان شما را در بازار مشخص می‌کند و پیش‌بینی می‌کند که چه تعدادی از آنها خرید خواهند کرد. مثلا فرض کنید در خیابان انقلاب آشپزخانه‌ای دارید. در ادامه سؤالاتی ذکر می‌شود که خوب است از خودتان بپرسید:

• چه تعداد از افراد، خانوار‌ها یا کسب‌و‌کارهایی که در یک کیلومتری شما هستند ممکن است به شما سفارش غذا دهند؟
• چه تعداد رقیب در این یک کیلومتر وجود دارد؟
• چه تعداد فرد، خانوار‌ یا کسب‌و‌کار در ۵ کیلومتری شما حضور دارند؟
• چه تعداد رقیب در این ۵ کیلومتر وجود دارد؟

نکته: وقتی زمان پیش‌بینی فروش فرا می‌رسد، ۳ جریان نقدینگی متفاوت را درنظر بگیرید: واقع‌بینانه، خوش‌بینانه و بدبینانه. در این حالت می‌دانید در بدترین حالت به چه میزان سرمایه احتیاج دارید تا بتوانید شرایط را تاب بیاورید.

۳. بازاریابی پایگاه داده

با بررسی الگوی خرید مشتری و مشاهده‌ی خصوصیات جمعیت‌شناختی و روان‌شناختی مشتریان، می‌توانید پروفایل بسازید و محصولاتی خلق کنید که خودشان خودشان را بفروشند! قطعا هر بازاریابی برای اینکه پایگاه داده‌ی ارزشمندی داشته باشد باید به تکمیل داده‌ها ادامه دهد. شما داده‌های خودتان را از طریق اطلاعات فروش، نظرسنجی‌ها، ایمیل‌ها و پرسشنامه‌ها تکمیل و بعد مشتریان را براساس این دانش هدف‌بندی می‌کنید.

نکته: فرآیند داده‌کاوی یا دیتا ماینینگ از جمع‌آوری اطلاعات شروع می‌شود. مثلا اگر صاحب یک آشپزخانه هستید، پایگاه داده‌ی شما شامل موارد زیر می‌شود:

• سوابق خریدی که از طریق تخفیفی که در سایت x داده‌اید به‌دست آمده است (مثلا ۵٪ تخفیف خرید یا تخفیف‌های مرحله‌ای).
• مسابقاتی که برگزار کرده‌اید تا اطلاعات بیشتری درباره‌ی محل سکونت مشتریان‌تان به‌دست آورید.
• خبرنامه‌های الکترونیکی که می‌فرستید تا مشتریان را از تازه‌های هر هفته باخبر کنید و در کنار آن برای‌شان نظرسنجی می‌فرستید تا از آنها اطلاعات بیشتری دریافت کنید و بتوانید درباره‌ی محصولات و روش‌های افزایش جدید برنامه‌ریزی کنید.
• اکانت توئیترتان که مکانی‌ است برای شنیدن نظرات مثبت و منفی مخاطبان‌تان.

وقتی این داده‌ها را جمع‌آوری کردید، دنبال فرصت‌ بگردید. مثلا بهترین روزها برای اجرای روش‌های افزایش فروش از طریق تخفیف کدام‌اند؟ از خودتان بپرسید مشتریان محلی شما چه کسانی هستند و چطور می‌توانید این مشتریان را به «طرفداران» برند خود تبدیل کنید؟

۴. برنامه‌ریزی بازارپردازی (مرچندایز)

مرچندایزینگ به طراحی چیدمان فروشگاه برای بازاریابی بهتر کالاها و فروش بیشتر مربوط می‌شود. برنامه‌ریزی بازارپردازی برای هر دو مدل شرکت آنلاین و آفلاین مفید است. در حالت آفلاین، شرکتی که به‌دنبال رشد از طریق افزودن فروشگاه‌ها است می‌تواند میزان مرچندایز موردنیاز را از طریق برآورد چیدمان فروشگاه فعلی خود برآورد کند. در کسب‌و‌کار آنلاین برنامه‌ریزی مرچندایز می‌تواند به تعیین گزینه‌های موجودی و انبارداری کمک کند.

رویکرد درست، شما را به پاسخ‌هایی می‌رساند تا بتوانید در مورد موارد زیر تصمیم‌گیری کنید:

• استهلاک انبار: بازارپردازی می‌تواند به‌راحتیِ به‌روزرسانی یک مقاله‌ی پی‌دی‌اف باشد تا لوازم‌ جانبی جدید یا قدیمی را وارد کنید.
• انتخاب محصول: داده‌کاوی (Data Mining) به شما کمک می‌کند تا تعیین کنید مشتریان طالب کدام محصولات هستند. لازمه‌ی این تحلیل این است که روی مرچندایز رقبای خود هم مطالعه داشته باشید.
• تراز کردن موجودی انبار: داده‌کاوی کمک می‌کند میزان مناسب موجودی انبار را نیز تعیین کنید. نه خیلی زیاد نه خیلی کم و در طول سال یا فصل‌های خرید مشتریان.
• قیمت‌گذاری: داده‌کاوی حتی می‌تواند کمک کند مناسب‌ترین قیمت برای محصول‌تان را هم پیدا کنید. چون از حساسیت‌های مشتری پرده‌برداری می‌کنید.

نکته: نادیده گرفتن این استراتژی پایگاه داده، می‌تواند سبب عملکرد ضعیف در زمینه‌ی تولید، خدمات‌دهی به مشتریان و تجربه مشتری شود. اگر شما قادر به اجرای فروش‌افزایی صحیح درباره‌ی محصولات‌تان نباشید، انتظارات مشتریان درباره‌ی فروشگاه‌تان را برآورده نکنید یا قیمت‌تان با توقع بازار همخوان نباشد، مشتریان شما را ترک می‌کنند و به رقبا روی خواهند آورد.

۵. بازاریابی کارت

اگر کسب‌و‌کار شما شامل صدور کارت اعتباری می‌شود، می‌توانید از طریق الگوی مصرف، مشتریان را به بخش‌هایی تقسیم کنید و بعد براساس آن بخش‌ها برنامه‌های حفظ مشتری، هدف‌گذاری محصولات برای توسعه و طراحی قیمت را طرح‌ریزی کنید.

یک مثال خوب برای این مورد درباره‌ی زمانی است که ایالات متحده تصمیم گرفت برای کسانی که به‌طور مرتب به خارج از کشور مسافرت می‌کنند کارت اعتباری مخصوص صادر کند. آژانس بازاریابی، پایگاه داده را به مسافران مرفه تقسیم‌بندی کرد (۳۰ هزار نفر با سطح درآمد بالا). این آژانس برای بازار هدف ایمیل مستقیم فرستاد و ۳٪ پاسخ دریافت کرد. ممکن است به‌نظرتان رقم ناامیدکننده‌ای باشد. اما جالب است بدانید این رقم از استاندارد صنعت بالاتر بود! خیلی از مؤسسات مالی بزرگ به‌طور معمول به‌میزان نرخ ۰.۵٪ پاسخ دریافت می‌کنند. این نشان می‌دهد پایگاه داده زمانی که بازاریابی کارتی انجام شود چقدر می‌تواند مؤثر باشد.

نکته: قطعا در صدور کارت اعتباری هزینه‌هایی هست که هر شرکتی از پس آن برنمی‌آید. اما اگر شما از پس این مخارج برمی‌آیید، حتما انجامش دهید. تحلیل رفتار خرید مشتری براساس عادات کارت اعتباری‌شان می‌تواند چشم‌انداز را عملی کند. طوری‌که به روش‌های افزایش فروش و برنامه‌های بازاریابی جهت مناسبی می‌دهد تا درآمد بیشتر و وفاداری مشتری بالاتری را تجربه کنید.

۶. تحلیل جزئیات تماس ثبت‌شده

اگر شرکت شما به ارتباطات مخابراتی مربوط است، پس می‌توانید داده‌های وارد شده را برای بررسی الگوها، ساختن پروفایل مشتری و سپس ساختن یک ساختار قیمت‌گذاری مجزا برای به حداکثر رساندن سود استفاده کنید. همچنین می‌توانید از روش‌هایی برای افزایش فروش استفاده کنید که با اطلاعات به‌دست‌آمده همخوانی داشته باشند.

یک اپراتور موبایل در چین با ۶۰۰ هزار مشترک می‌خواست با تحلیل داده‌های خود به یک برنامه بازاریابی برسد که رقیب را شکست دهد. اولین کار تیم تحلیل داده این بود که شاخصی تعیین کردند که با آن، رفتار تماس‌گیرنده را توصیف کند. سپس این شاخص را براساس عناصر زیر به ۱۵ بخش تقسیم کردند:

• متوسط دقایق استفاده برای هر کاربر؛
• درصد تماس‌های محلی؛
• درصد تماس‌های از راه دور؛
• درصد تماس‌های آی‌پی؛
• درصد رومینگ؛
• درصد زمان‌هایی که خطوط تماس محلی آزاد هستند؛
• درصد زمان‌هایی که خطوط تماس از راه دور آزاد هستند؛
• درصد زمان‌هایی که خطوط تماس رومینگ آزاد هستند.

دپارتمان بازاریابی باتوجه به این اطلاعات، استراتژی مرتبط با هر بخش را طراحی کرد. برای مثال برای گروه‌های مختلف برنامه‌هایی مثل افزایش رضایت مشتری، تحویل سرویس پیامک باکیفیت و برنامه‌ای برای تشویق به مکالمه‌ی بیشتر تهیه شد.

نکته: چه براساس داده‌ی موبایل مشتری، چه براساس خدمات تماس مشتری، در داده‌های موجود در جزئیات تماس ثبت‌شده غوطه‌ور شوید تا راه‌هایی برای بهبود خدمات فعلی خود یا یافتن فرصت‌های افزایش فروش جدید پیدا کنید.

۷. وفاداری مشتری

در دنیایی که جنگ قیمت روی می‌دهد، هربار که رقیب قیمت پایین‌تری پیشنهاد دهد، شما با کاهش مشتری مواجه خواهید شد. شما می‌توانید با استفاده از داده‌کاوی به‌خصوص به کمک رسانه‌های اجتماعی، این ضرر را به‌حداقل برسانید.

یعنی، حالا که وفاداری مشتری اهمیت زیادی دارد، برخی شرکت‌ها از رسانه‌ی اجتماعی به بهترین نحو استفاده می‌کنند تا برنده‌ی رقابت شوند. آنها با استفاده از این رسانه‌ها تلاش می‌کنند نظر مشتریان را بفهمند و برای جذب مشتریان جدید و حفظ مشتریان قبلی تلاش می‌کنند. برخی از ترفندهای چنین شرکت‌هایی شامل موارد زیر می‌شود:

نوآوری کارمند

با استفاده از برخی ابزارها از کارمندان نظرخواهی می‌کنند تا ایده‌هایشان را درباره‌ی راه‌های ارتقای علاقه‌مندی مشتری، توسعه محصول و رشد آتی به‌اشتراک بگذارند. چه‌کسی گفته داده‌کاوی در بازاریابی همیشه باید در سمت مشتری صورت گیرد؟

فیس‌بوک

ازطریق روشی به نام «خوشه‌بندی مشتری»، می‌توان با بررسی داده‌ی مخاطبان فیس‌بوک به ایده‌هایی برای ارتقای برند، رضایت بیشتر مشتریان و افزایش وفاداری رسید.

Faceoff

یک اپلیکیشن خارجی به نام Faceoff وجود دارد که مردم می‌توانند در آن ایده‌های احتمالی خود را خلق کنند و به ایده‌ی دیگران رأی دهند. برای مثال، شاید کسی پیشنهاد دهد که یک شبکه‌ی اجتماعی مخصوص برای افراد داخل هواپیما راه بیندازیم. ممکن است فرد دیگری پیشنهاد ساخت اپلیکیشنی را بدهد که بتواند نشان دهد زمانی‌که سوار هواپیما هستیم، فضای زیر هواپیما چه شکلی است؟ بعد، مردم این ایده‌ها را می‌بینند و رأی می‌دهند. این فضا، امکان می‌دهد شرکت‌ها از ایده‌ی مشتریان‌شان باخبر شوند و میزان محبوبیت این ایده‌ها را براساس نتیجه‌ی آرا مشاهده کنند.

نکته: در زمان داده‌کاوی (دیتا ماینینگ) تمرکز روی اعدادی مثل ارزش طول‌ عمر مشتری، می‌تواند هزینه‌های کسب شما را پایین بیاورد. اما مهم‌تر اینجاست که بفهمید «چرا» مشتریان شما را ترک می‌کنند؟ اینجا همان‌جایی است که ترکیبی از راهکارها برای‌تان کاربردی می‌شوند. چون داده‌ها فقط به شما می‌گویند مشتریان «کجا» شما را ترک کرده‌اند. بعد با مصاحبه و پرسش‌نامه‌ها می‌توانید به این نتیجه برسید که «چرایی» ترک آنها چیست.

۸. بخش‌بندی بازار

یکی از مفیدترین کاربردهای داده‌کاوی در بخش‌بندی مشتریان است. خیلی هم ساده است. از روی داده‌هایی که دارید می‌توانید بازار خود را به بخش‌های معنادار مثل سن، درآمد، شغل یا جنسیت تقسیم کنید. این اطلاعات را هم چه درحال اجرای ایمیل مارکتینگ باشید، چه درحال پیاده‌‌سازی استراتژی سئو می‌توانید به‌دست آورید.

بخش‌بندی‌ها کمک می‌کنند رقبای خود را نیز پیدا کنید. چشم‌انداز ناشی از بخش‌بندی باعث می‌شود بفهمید مظنونانی که درنظر گرفته بودید تنها کسانی نیستند که پول مشتری شما را مورد هدف قرار داده بودند. این خیلی مهم است. وقتی مشاوران از مدیران کسب‌و‌کاری می‌پرسند رقبای شما کیستند؟ اصولا تمام آنها فهرستی از پیش آماده‌شده دارند. مشاوران در ادامه فهرست بزرگ‌تری به آنها می‌دهند. خیلی از کسب‌و‌کارها احتیاج دارند تا فهرست رقبای خود را ۲ تا ۳ برابر بزرگ‌تر کنند تا بتوانند رقابت کارآمدتری داشته باشند.

نکته: بخش‌بندی داده‌ها می‌تواند به بهبود نرخ تبدیل کمک کند. چون با بخش‌بندی، شما روش‌های افزایش فروش خود را روی بازاری تنگاتنگ با بیشترین نرخ علاقه‌مندی پیاده‌سازی می‌کنید. بخش‌بندی بازار به شما کمک می‌کند بفهمید در هر بخش چه رقبایی دارید. پس روش‌هایی را برای فروش بیشتر برنامه‌ریزی می‌کنید که به‌طور شخصی‌سازی‌شده‌ای نیازهای مخاطبان‌تان را رفع کند؛ چیزی که یک پروموشن (فروش‌افزایی) عمومی و کلی هرگز نخواهد توانست.

۹. تولید محصول

داده‌کاوی یا دیتا ماینینگ ابزار ایده‌آلی است تا به کمک آن محصولاتی مناسب بخش‌های بازار طراحی کنید. درواقع، به کمک داده‌کاوی (Data Mining) در بازاریابی می‌توانید بفهمید مشتری چه ویژگی‌هایی از محصول‌تان انتظار دارد. البته محصولات نوآورانه همان‌ چیزی را که مشتری می‌خواهد، عینا به دستش نمی‌دهد. محصولات نوآورانه زمانی پدید می‌آیند که به داده‌ها نگاه کنیم و خلأهایی را بیابیم که مشتریان خواستار پُر شدنش هستند. وقتی حرف از این نوع محصول می‌شود، عواملی که باید درنظر بگیریم شامل موارد زیر است:

• رفع یک نیاز مُبرم؛
• پیشنهاد چیزی کاملا منحصربه‌فرد؛
• ورود به بازار با نامی منحصربه‌فرد؛
• طراحی جذاب؛
• عرضه به بازاری گسترده؛
• قابلیت فروش به نسل‌های متفاوت؛
• خلق قیمتی که به خرید ناگهانی کمک کند؛
• هزینه‌ی ساخت باید آن‌قدر کم باشد که با وجود قیمت عرضه، سودی هم حاصل شود.

نکته: بیشتر شرکت‌های نوآور از «تولید مستقیم محصول» کار خود را شروع نکرده‌اند. آنها از «نقطه‌ی دردی» که با داده‌کاوی به آن پی برده‌اند کار خود را آغاز کرده‌اند. بعد محصولی خلق کرده‌اند که مشکل مشتری را طوری حل کند که مشتری هیچ‌وقت تصورش را نمی‌کرد. این‌ کار را انجام دهید تا به‌راحتی از ۹۰٪ رقبا جلو بیفتید.

۱۰. وارانتی

در آخر، داده‌کاوی در بازاریابی به شما کمک می‌کند تا تخمین بزنید چه تعدادی از افراد از وارانتی شما استفاده خواهند کرد. این مورد برای گارانتی هم صدق می‌کند.

• برای مثال، خودِ من اثر کششی گارانتی روی افزایش فروش را آزمایش و بررسی کرده‌ام. قبل از پیاده‌سازی آزمایش، لازم بود داده‌ها آنالیز شوند تا مشخص شود چه تعداد از افراد محصول فروش‌رفته را برای وارانتی پس خواهند فرستاد. من داده‌ها را در دو مجموعه بررسی کردم:
• فروش خالص
• توافقاتی که در چهارچوب گارانتی خاصی انجام شده بود

من آن دو رقم را در مجموعه فروش‌های مختلفی جمع‌آوری کردم. بعد مقدار گارانتی را تعدیل کردم تا زمانی‌که مشتریان محصول را پس می‌فرستند خیلی ضرر نکنیم. چنین محاسباتی برای شرکت‌های بزرگ کارآمدی بیشتری دارد.

نکته: یکی از بهترین راه‌ها برای خلق گارانتی موفق، بررسی گارانتی‌های قبلی، فروش و سود است. این بررسی می‌تواند به شما کمک کند تا تضمین ۱۱۰٪ بازگشت پول را به مشتریان بدهید و مرزی بین خود و رقبا ایجاد کنید.

نتیجه‌گیری

هرچه داده‌ی بیشتری از مشتریان کسب کنید، می‌توانید ارزش بیشتری به آنها پیشنهاد کنید؛ درنتیجه درآمد بیشتری به‌دست می‌آورید. داده‌کاوی در بازاریابی همان چیزی است که می‌تواند حکم یک یاری‌کننده را برای شما داشته باشد. پس اگر شما هم جزء آن کسب‌و‌کارهایی هستید که روی گنجی از داده نشسته‌اید و هیچ‌کاری درباره‌ی آن نمی‌کنید، من شما را به تقسیم‌بندی داده‌هایتان تشویق می‌کنم؛ یا خودتان این کار را انجام دهید یا کسی را استخدام کنید که به داده‌کاوی در بازاریابی تسلط داشته باشد. هرچه هست، نتیجه شما را شگفت‌زده خواهد کرد.

منبع: چطور