Tren pemasaran digital untuk 2022

Munculnya alat digital telah menjungkirbalikkan proses kuno dalam pemasaran dan periklanan. Teknologi pemasaran digital sekarang menjadi persyaratan untuk mengidentifikasi, menarik, dan mempertahankan pelanggan di dunia omnichannel.

Sebuah e-book baru dari MIT Initiative on the Digital Economy menyoroti pembelajaran dari MIT Chief Marketing Officer Summit 2022 yang diadakan musim semi ini. Pesan utama untuk eksekutif pemasaran: Tambahkan data, analitik, dan algoritme untuk menjangkau konsumen modern yang terhubung secara sosial dengan lebih baik.

Berikut adalah tren pemasaran digital teratas peneliti MIT Sloan untuk tahun 2022:

Konsumen sosial di jaringan media digital dan sosial yang luas

Konsumen saat ini membuat keputusan merek berdasarkan rangkaian jaringan yang terhubung secara digital yang sangat luas, dari Facebook hingga WhatsApp, dan campurannya terus berubah.

Karena konsumen sosial dipengaruhi oleh apa yang dipikirkan rekan jejaring sosial tentang berbagai produk dan layanan (tren yang disebut “bukti sosial”), pemasar harus menggunakan analisis terperinci untuk benar-benar memahami peran media sosial dalam pemasaran, menurut direktur IDE

Aral memeriksa 71 produk berbeda dalam 25 kategori yang dibeli oleh 30 juta orang di WeChat dan menemukan efek positif yang signifikan dari menyisipkan bukti sosial ke dalam iklan, meskipun efektivitasnya bervariasi. Misalnya, Heineken mengalami peningkatan 271% dalam rasio klik-tayang, sementara interaksi Disney naik 21%. Tidak ada merek yang bukti sosialnya mengurangi efektivitas iklan, kata Aral.

Analisis video di TikTok, YouTube, dan media sosial lainnya

Influencer TikTok tampak besar, terutama dengan Gen Z. Masalahnya adalah apakah video influencer viral itu benar-benar diterjemahkan tanpa perhatian menjadi penjualan.

Penelitian menunjukkan bahwa keterlibatan dan penampilan produk bukanlah faktor penting — ini lebih tentang apakah produk tersebut saling melengkapi atau selaras dengan iklan video. Dan efeknya lebih terasa untuk “pembelian produk yang cenderung lebih impulsif, hedonis, dan harga lebih murah,” menurut penelitian yang dilakukan oleh asisten profesor Harvard Business School Jeremy Yang saat dia masih menjadi mahasiswa PhD di MIT.

Mengukur keterlibatan konsumen dengan pembelajaran mesin

Sebut saja tantangan “chip and dip”: Pemasar telah lama bergulat dengan cara menggabungkan barang, menemukan produk konsumen yang tepat untuk digabungkan untuk pembelian bersama dari berbagai macam. Dengan miliaran pilihan, penelitian ini menuntut dan berskala besar, dan analisis data dapat menjadi hal yang menakutkan.

Peneliti Madhav Kumar, kandidat PhD di MIT Sloan, mengembangkan kerangka kerja berbasis pembelajaran mesin yang mengaduk-aduk ribuan skenario lapangan untuk mengidentifikasi pasangan produk yang berhasil dan yang kurang berhasil.

“Kebijakan bundling yang dioptimalkan diharapkan dapat meningkatkan pendapatan sebesar 35%,” ujarnya.

Menggunakan pembelajaran mesin untuk memperkirakan hasil

Sebagian besar pemasar prihatin tentang retensi dan pendapatan, tetapi tanpa perkiraan yang baik, keputusan tentang intervensi pemasaran yang efektif dapat menjadi sewenang-wenang, kata kelompok peneliti eksperimen sosial dan digital memimpin di IDE. Sebagai gantinya, perbarui penargetan pelanggan melalui penggunaan AI dan pembelajaran mesin untuk memperkirakan hasil dengan lebih cepat dan akurat.

Bekerja sama dengan Boston Globe, peneliti IDE mengambil pendekatan pembelajaran mesin statistik untuk menganalisis hasil penawaran diskon pada perilaku pelanggan setelah 90 hari pertama. Prediksi pengganti jangka pendek sama akuratnya dengan prediksi yang dibuat setelah 18 bulan.

“Ada banyak nilai untuk menerapkan pembelajaran mesin statistik untuk memprediksi hasil jangka panjang dan sulit diukur,” kata Eckles.

Menambahkan “gesekan yang baik” untuk mengurangi bias AI

Pemasar digital sering berbicara tentang mengurangi poin “gesekan” pelanggan dengan menggunakan AI dan otomatisasi untuk memudahkan pengalaman pelanggan. Tetapi banyak pemasar tidak mengerti bahwa bias adalah faktor yang sangat nyata dengan AI, kata memimpin Human/AI Interface Research Group di IDE. Alih-alih terhanyut dalam “demam tanpa gesekan”, pemasar harus memikirkan kapan dan di mana gesekan benar-benar dapat memainkan peran positif.

“Gunakan gesekan untuk menginterupsi penggunaan algoritme yang otomatis dan berpotensi tidak kritis,” kata Gosline. “Menggunakan AI dengan cara yang berpusat pada manusia sebagai lawan eksploitatif akan menjadi keuntungan strategis yang sebenarnya” untuk pemasaran.

Baca Laporan KTT CMO MIT 2022