تسويق قواعد البيانات

تحتاج هذه المقالة إلى مصادر إضافية للتحقق . يُرجى المساعدة في تحسين هذه المقالة عن طريق إضافة مصادر موثوقة . قد يتم الطعن في المواد غير الموثقة وإزالتها. البحث عن المصادر:  "تسويق قواعد البيانات" - الأخبار  · الصحف  · الكتب  · العلماء  · JSTOR ( يوليو 2023 ) ( تعرف على كيفية ومتى تزيل هذه الرسالة )

التسويق عبر قواعد البيانات هو أحد أشكال التسويق المباشر الذي يستخدم قواعد بيانات العملاء أو العملاء المحتملين لتوليد اتصالات مخصصة من أجل الترويج لمنتج أو خدمة لأغراض التسويق . يمكن أن تكون طريقة الاتصال أي وسيلة يمكن معالجتها، كما هو الحال في التسويق المباشر .

ينبع التمييز بين التسويق المباشر والتسويق عبر قواعد البيانات في المقام الأول من الاهتمام بتحليل البيانات. يركز التسويق عبر قواعد البيانات على استخدام التقنيات الإحصائية لتطوير نماذج لسلوك العملاء، والتي تُستخدم بعد ذلك لاختيار العملاء للاتصال بهم. ونتيجة لذلك، يميل المسوقون عبر قواعد البيانات أيضًا إلى أن يكونوا مستخدمين كثيفين لمستودعات البيانات ، لأن وجود كمية أكبر من البيانات حول العملاء يزيد من احتمالية بناء نموذج أكثر دقة.

هناك نوعان رئيسيان من قواعد بيانات التسويق، قواعد بيانات المستهلكين وقواعد بيانات الأعمال. قواعد بيانات المستهلكين موجهة في المقام الأول نحو الشركات التي تبيع للمستهلكين، والتي غالبًا ما يتم اختصارها إلى [من شركة إلى مستهلك] ( B2C ) أو BtoC ^{[ بحاجة لمصدر ]} . غالبًا ما تكون قواعد بيانات تسويق الأعمال أكثر تقدمًا في المعلومات التي يمكنها تقديمها. ويرجع هذا بشكل أساسي إلى أن قواعد بيانات الأعمال ليست مقيدة بنفس قوانين الخصوصية مثل قواعد بيانات المستهلكين.

تتكون "قاعدة البيانات" عادةً من الاسم والعنوان وتفاصيل تاريخ المعاملات من أنظمة المبيعات أو التسليم الداخلية، أو "قائمة" مجمعة تم شراؤها من منظمة أخرى، والتي جمعت هذه المعلومات من عملائها. المصادر النموذجية للقوائم المجمعة هي نماذج التبرعات الخيرية، ونماذج الطلبات لأي منتج مجاني أو مسابقة، وبطاقات ضمان المنتج، ونماذج الاشتراك ، ونماذج طلبات الائتمان.

ظهرت التسويق عبر قواعد البيانات في ثمانينيات القرن العشرين كشكل جديد ومحسن للتسويق المباشر. وخلال هذه الفترة، كانت "قوائم التسويق" التقليدية تحت ضغط التحديث، لأنها كانت غير متصلة بالإنترنت وتعتمد على الأشرطة، ولأن القوائم كانت تميل إلى الاحتفاظ ببيانات محدودة. ^[1] وفي الوقت نفسه، ومع التقنيات الجديدة التي تمكن من تسجيل ردود العملاء، كان التسويق المباشر في صعود، بهدف فتح اتصال ثنائي الاتجاه، أو حوار، مع العملاء.

قام روبرت د. "بوب" وكيت كستنباوم بتطوير مقاييس جديدة للتسويق المباشر مثل قيمة عمر العميل ، وطبقوا النمذجة المالية والاقتصاد القياسي على استراتيجيات التسويق. ^[2] في عام 1967، أسسوا شركة الاستشارات كستنباوم وشركاه، والتي وظفت العديد من المسوقين البارزين لقواعد البيانات مثل روبرت بلاتبيرج وريك كورتيو وروبرت شو .

تعاونت Kestnbaum مع Shaw في الثمانينيات في تطوير العديد من قواعد بيانات التسويق عبر الإنترنت - لشركة BT (20 مليون عميل) وBA (10 ملايين) وBarclays (13 مليونًا). ^[3] أدرجت Shaw ميزات جديدة في نهج Kestnbaum، بما في ذلك أتمتة قنوات المبيعات عبر الهاتف والميدانية ، وتحسين استراتيجية الاتصال، وإدارة الحملات والتنسيق، وإدارة موارد التسويق، والمساءلة التسويقية وتحليلات التسويق. تم نسخ تصميمات هذه الأنظمة على نطاق واسع لاحقًا ودمجها في حزم إدارة علاقات العملاء وإدارة علاقات العملاء في التسعينيات وما بعدها. ^[4]

كان أقدم تعريف مسجل للتسويق عبر قواعد البيانات في عام 1988 في كتاب يحمل نفس الاسم (Shaw and Stone 1988 Database Marketing): ^{[ بحاجة لمصدر ]}

"التسويق عبر قاعدة البيانات هو نهج تفاعلي للتسويق، والذي يستخدم وسائل وقنوات تسويقية يمكن معالجتها بشكل فردي (مثل البريد الإلكتروني والهاتف وقوة المبيعات): لتوسيع نطاق المساعدة لجمهور الشركة المستهدف؛ وتحفيز الطلب لديهم؛ والبقاء على مقربة منهم من خلال تسجيل وحفظ ذاكرة قاعدة بيانات إلكترونية للعميل، والعملاء المحتملين وجميع الاتصالات التجارية، للمساعدة في تحسين جميع الاتصالات المستقبلية وضمان المزيد من الواقعية لجميع التسويق."

إن نمو تسويق قواعد البيانات مدفوع بعدد من القضايا البيئية. وقد صنف فليتشر وويلر ورايت (1991) ^[5] هذه القضايا إلى أربع فئات رئيسية:

1. الدور المتغير للتسويق المباشر
   • الانتقال إلى التسويق العلائقي لتحقيق الميزة التنافسية.
   • تراجع فعالية وسائل الإعلام التقليدية.
   • الاكتظاظ وقصر النظر في قنوات البيع الحالية.
2. تغيير هياكل التكلفة
   • انخفاض تكاليف المعالجة الإلكترونية.
   • زيادة تكاليف التسويق.
3. التكنولوجيا المتغيرة
   • ظهور طرق جديدة للتسوق والدفع.
   • تطوير أساليب اقتصادية لتمييز التواصل مع العملاء.
4. ظروف السوق المتغيرة
   • الرغبة في قياس أثر الجهود التسويقية.
   • تجزئة أسواق المستهلكين وأسواق الأعمال.

لاحظ شو وستون (1988) أن الشركات تمر بمراحل تطورية في تطوير أنظمة تسويق قواعد البيانات الخاصة بها. وقد حددا المراحل الأربع لتطوير قواعد البيانات على النحو التالي:

1. قوائم الغموض؛
2. قواعد بيانات المشترين؛
3. التواصل المنسق مع العملاء؛ و
4. التسويق المتكامل.

ورغم أن المنظمات من أي حجم يمكنها أن تستخدم التسويق عبر قواعد البيانات، فإنه يناسب بشكل خاص الشركات التي لديها أعداد كبيرة من العملاء. وذلك لأن العدد الكبير من السكان يوفر فرصة أكبر للعثور على شرائح من العملاء أو العملاء المحتملين الذين يمكن التواصل معهم بطريقة مخصصة. وفي قواعد البيانات الأصغر (والأكثر تجانساً)، سيكون من الصعب تبرير الاستثمار المطلوب للتمييز بين الرسائل من الناحية الاقتصادية. ونتيجة لهذا، ازدهر التسويق عبر قواعد البيانات في قطاعات مثل الخدمات المالية والاتصالات والتجزئة، وكلها لديها القدرة على توليد كميات كبيرة من بيانات المعاملات لملايين العملاء.

يمكن تقسيم تطبيقات تسويق قواعد البيانات منطقيا بين برامج التسويق التي تصل إلى العملاء الحاليين وتلك التي تستهدف العملاء المحتملين.

بالنسبة للعملاء الحاليين، غالبًا ما يقوم المسوقون الأكثر تطورًا ببناء قواعد بيانات واسعة من معلومات العملاء. قد تتضمن هذه مجموعة متنوعة من البيانات، بما في ذلك الاسم والعنوان وتاريخ التسوق والشراء والتركيبة السكانية وتاريخ الاتصالات السابقة من وإلى العملاء. بالنسبة للشركات الأكبر حجمًا التي لديها ملايين العملاء، يمكن أن يصل حجم مستودعات البيانات هذه غالبًا إلى عدة تيرابايت.

في التسويق للعملاء المحتملين، يسعى مسوقو قواعد البيانات إلى توفير أكبر قدر ممكن من البيانات المتاحة عن العملاء والعملاء المحتملين. ويعتمد التسويق بشكل كبير على مصادر خارجية للبيانات. وفي أغلب البلدان المتقدمة، يوجد عدد من مقدمي هذه البيانات. وعادة ما تقتصر هذه البيانات على الاسم والعنوان والهاتف، إلى جانب البيانات الديموغرافية، بعضها يقدمه المستهلكون، وبعضها الآخر يستنتجه مُجمِّع البيانات. وقد تحصل الشركات أيضًا على بيانات العملاء المحتملين بشكل مباشر من خلال استخدام السحوبات والمسابقات والتسجيلات عبر الإنترنت وأنشطة توليد العملاء المحتملين الأخرى.

بالنسبة للعديد من المسوقين في الشركات التي تتعامل مع الشركات ( B2B )، سيكون عدد العملاء والعملاء المحتملين أقل من عدد الشركات المماثلة التي تتعامل مع المستهلكين ( B2C ). كما أن علاقاتهم بالعملاء غالبًا ما تعتمد على وسطاء، مثل مندوبي المبيعات والوكلاء والتجار، وقد يكون عدد المعاملات لكل عميل صغيرًا. ونتيجة لذلك، قد لا يكون لدى المسوقين في الشركات التي تتعامل مع الشركات نفس القدر من البيانات المتاحة لهم مثل المسوقين في الشركات التي تتعامل مع المستهلكين.

هناك تعقيد آخر يتمثل في أن المسوقين من الشركات إلى الشركات الذين يستهدفون الفرق أو "الحسابات" وليس الأفراد قد ينتجون العديد من جهات الاتصال من منظمة واحدة. وقد يكون تحديد جهة الاتصال التي يجب التواصل معها من خلال التسويق المباشر أمرًا صعبًا. من ناحية أخرى، غالبًا ما تتضمن قاعدة البيانات الخاصة بالمسوقين من الشركات إلى الشركات بيانات حول النشاط التجاري للعميل المعني.

تصبح هذه البيانات بالغة الأهمية لتقسيم الأسواق أو تحديد الجماهير المستهدفة، على سبيل المثال، يمكن أن تساعد عمليات شراء تجديدات تراخيص البرامج من قبل شركات الاتصالات في تحديد الخبير التكنولوجي المسؤول عن تثبيت البرامج مقابل شراء البرامج، وما إلى ذلك. غالبًا ما يميل العملاء في بيئات الأعمال إلى الولاء لأنهم يحتاجون إلى خدمة ما بعد البيع لمنتجاتهم ويقدرون المعلومات حول ترقيات المنتجات وعروض الخدمات. يمكن تتبع هذا الولاء من خلال قاعدة بيانات.

غالبًا ما تأتي مصادر بيانات العملاء من قوة المبيعات التي توظفها الشركة ومن مهندسي الخدمة. وعلى نحو متزايد، توفر التفاعلات عبر الإنترنت مع العملاء لمسوقي B2B مصدرًا أقل تكلفة لمعلومات العملاء.

بالنسبة لبيانات العملاء المحتملين، يمكن للشركات شراء البيانات من مجمعي بيانات الأعمال، بالإضافة إلى جمع المعلومات من جهود المبيعات المباشرة والمواقع الإلكترونية والمنشورات المتخصصة.

إن الشركات التي تمتلك قواعد بيانات ضخمة لمعلومات العملاء معرضة لخطر أن تكون "غنية بالبيانات وفقيرة بالمعلومات". ونتيجة لذلك، يتم إيلاء قدر كبير من الاهتمام لتحليل البيانات. على سبيل المثال، غالبًا ما تقوم الشركات بتقسيم عملائها بناءً على تحليل الاختلافات في سلوكيات أو احتياجات أو مواقف عملائها. إحدى الطرق الشائعة للتقسيم السلوكي هي RFM (قيمة العميل) ، حيث يتم وضع العملاء في شرائح فرعية بناءً على حداثة وتكرار وقيمة المشتريات السابقة. يقدم فان دن بويل (2003) ^[6] نظرة عامة على الأداء التنبئي لفئة كبيرة من المتغيرات المستخدمة عادةً في نمذجة تسويق قواعد البيانات.

قد يقومون أيضًا بتطوير نماذج تنبؤية، والتي تتنبأ بميل العملاء إلى التصرف بطرق معينة. على سبيل المثال، قد يقوم المسوقون ببناء نموذج يصنف العملاء على أساس احتمالية استجابتهم للترويج. تشمل التقنيات الإحصائية المستخدمة بشكل شائع لمثل هذه النماذج الانحدار اللوجستي والشبكات العصبية .

وتشمل أنواع التحليل الأخرى ما يلي:

• يساعد تقييم الأثر الشركات على فهم كيفية تأثير الإجراءات التي اتخذتها الشركة على سلوك عملائها ، كما يسمح أيضًا ببعض التنبؤات بردود فعل العملاء على التغييرات المقترحة.

• يقيس "العملاء كأصول" القيمة الدائمة لقاعدة العملاء ويسمح للشركات بقياس العديد من العوامل مثل تكلفة الاستحواذ ومعدل الانسحاب .

• يعمل تحليل البيع المتبادل على تحديد العلاقات بين المنتجات والخدمات لفهم مجموعات المنتجات الأكثر شيوعًا بشكل أفضل. ومن الممكن بعد ذلك استخدام أي علاقات يتم تحديدها للبيع المتبادل والبيع الإضافي في المستقبل.

• يتيح التأخير الحرج للشركات تقديم اتصالات محددة للعملاء استنادًا إلى أنماط الشراء الفردية، مما يساعد على زيادة الولاء وتحسين الاحتفاظ بالعملاء .

مع نمو التسويق عبر قواعد البيانات، أصبح يخضع لتدقيق متزايد من قبل دعاة الخصوصية والجهات التنظيمية الحكومية. على سبيل المثال، أنشأت المفوضية الأوروبية مجموعة من قواعد حماية البيانات التي تحدد الاستخدامات التي يمكن إجراؤها لبيانات العملاء وكيف يمكن للمستهلكين التأثير على البيانات التي يتم الاحتفاظ بها. في الولايات المتحدة ، هناك مجموعة متنوعة من القوانين الفيدرالية والولائية، بما في ذلك قانون الإبلاغ العادل عن الائتمان (FCRA) (الذي ينظم جمع واستخدام بيانات الائتمان)، وقانون نقل التأمين الصحي والمساءلة (HIPAA) (الذي ينظم جمع واستخدام بيانات صحة المستهلك)، وبرامج مختلفة تمكن المستهلكين من منع أرقام هواتفهم من التسويق عبر الهاتف .

في حين أن فكرة تخزين بيانات العملاء في تنسيقات إلكترونية لاستخدامها لأغراض التسويق عبر قواعد البيانات كانت موجودة منذ عقود من الزمان، فإن أنظمة الكمبيوتر المتاحة اليوم تجعل من الممكن الحصول على تاريخ شامل لسلوك العميل على الشاشة أثناء تعامل الشركة مع كل فرد، وبالتالي إنتاج معلومات استخباراتية تجارية في الوقت الفعلي للشركة. تمكن هذه القدرة ما يسمى بالتسويق الفردي أو التخصيص .

تستخدم أنظمة إدارة علاقات العملاء (CRM) اليوم البيانات المخزنة ليس فقط لأغراض التسويق المباشر ولكن لإدارة العلاقة الكاملة مع جهات اتصال العملاء الفردية وتطوير عروض المنتجات والخدمات المخصصة بشكل أكبر . ومع ذلك، فإن الجمع بين إدارة علاقات العملاء وإدارة المحتوى وأدوات الاستخبارات التجارية يجعل تسليم المعلومات الشخصية حقيقة واقعة.

يتمكن المسوقون المدربون على استخدام هذه الأدوات من تنفيذ رعاية العملاء، وهو تكتيك يحاول التواصل مع كل فرد في منظمة في الوقت المناسب، باستخدام المعلومات الصحيحة لتلبية احتياجات هذا العميل للتقدم خلال عملية تحديد المشكلة، وخيارات التعلم المتاحة لحلها، واختيار الحل الصحيح، واتخاذ قرار الشراء.

نظرًا لتعقيدات التسويق بين الشركات وتعقيدات العمليات المؤسسية، فإن المطالبات المفروضة على أي منظمة تسويق لصياغة العملية التجارية التي يمكن من خلالها تحقيق مثل هذه السلسلة المعقدة من الإجراءات كبيرة. ولهذا السبب غالبًا ما تستعين منظمات التسويق الكبيرة بخبير في إستراتيجية عملية التسويق وتكنولوجيا المعلومات (IT)، أو إستراتيجي عملية تكنولوجيا المعلومات للتسويق. وعلى الرغم من أن طبيعة هذا الخبير أكثر تقنية مما يتطلبه المسوقون غالبًا، إلا أن مُدمج النظام (SI) يمكنه أيضًا أن يلعب دورًا مكافئًا لإستراتيجي عملية تكنولوجيا المعلومات للتسويق، وخاصة في الوقت الذي تحتاج فيه أدوات التكنولوجيا الجديدة إلى التكوين والطرح.

إن التحدي الرئيسي الذي تواجهه قواعد البيانات هو حقيقة التقادم - بما في ذلك وقت التأخير بين وقت الحصول على البيانات ووقت استخدام قاعدة البيانات.

• منصة بيانات العملاء
• إدارة علاقات العملاء
• التسويق المباشر
• التسويق بالتنقيط

• بيزنس بارت، ستيجن فياني، ديرك فان دن بويل، جان فانثينن ، وجويدو ديدين (2002)، “تعلم الشبكة العصبية البايزية لنمذجة الشراء المتكرر في التسويق المباشر”، المجلة الأوروبية للبحوث التشغيلية ، 138 (1)، 191-211.
• التسويق الأمثل لقواعد البيانات، دريك ودروزدنكو، منشورات سيج (2002)
• هيوز، آرثر م. (2000)، التسويق الاستراتيجي لقواعد البيانات: الخطة الرئيسية لبدء وإدارة برنامج تسويق مربح قائم على العملاء ، الطبعة الثانية، ماكجرو هيل، نيويورك.
• ديفيد شيبرد وشركاؤه (1999)، التسويق المباشر الجديد: كيفية تنفيذ استراتيجية تسويق قواعد البيانات القائمة على الربح ، الطبعة الثالثة، ماكجرو هيل، نيويورك.
• هيلستروم، كيفن (2006)، تسويق قاعدة بيانات هيلستروم ، أكاديمية دايركت
• بيبرز، دون وروجر، مارثا (1996)، المستقبل الواحد لواحد (واحد لواحد) ، الحالي.
• برينسي أنيتا، ديرك فان دن بويل (2005)، "التحسين المقيد لمشاكل استخراج البيانات لتحسين أداء النموذج: تطبيق التسويق المباشر"، أنظمة الخبراء مع التطبيقات ، 29 (3)، 630-640.
• تاب، آلان (1998)، مبادئ التسويق المباشر والتسويق عبر قواعد البيانات، منشورات عبر الأطلسي.
• برينر، جون (2000)، تسويق قواعد البيانات القائم على العائد على الاستثمار ، مطبعة جامعة كاليفورنيا
• فان دن بويل ديرك (2003)، "توقع الشراء المتكرر للطلبات البريدية: ما هي المتغيرات المهمة؟"، Tijdschrift voor Economie & Management ، 48 (3)، 371-403.