9 Eylül 2009 Çarşamba

RECOMMENDATION MARKETING / TAVSİYELİ PAZARLAMA

RECOMMENDATION MARKETING / TAVSİYELİ PAZARLAMA
Referanslı, kulaktan kulağa, avukatlı, peer-to-peer ve afiliye pazarlama gibi benzerlerini hatırlatsa da tavsiyeli pazarlama internet ortamında tercihlerin yoğunlaştığı ürün ve alanları ortaya koyan özel yazılımlarla da kendini gösteriyor. Bu yazılımlar sayesinde, New York Times, en çok e-maillenen yazıları, iTunes, en çok indirilen şarkıları, Del icio.us en popüler “sık kullanılanlar” listeleri yayınlıyor. Amazon.com gibi siteler, “bu ürünle ilgilenenler şunlarla da ilgilendiler” yoluyla, müşterilerine bir nevi tavsiyede bulunuyorlar. Gazetelerin internet sayfalarında “bu yazıyı/haberi yakınlarına ilet” gibisinden seçenekler de bu kapsamda sayılır. Sosyal medya siteleri de bir tür “tavsiyeli pazarlama” temelinde çalışır.
Tüketiciler basit bir tercih karşısında bile, kendilerini yalnız hissetmekten kurtaracak, yardım ve tavsiyelere ihtiyaç duyarlar. “Yığınların Bilgeliği” (wisdom of crowds) denilen bir etkiyle, başkalarının ilgi ve tercihlerini öğrenmeye meylederler. İşte, Tavsiyeli Pazarlama, müşterilerin bu arayışlarına bir cevap olarak gelişiyor.
E-ticaret sitelerinde müşterinin alışveriş sepeti içeriğini temel alan tavsiye sistemleri promosyonların başarı oranını olumlu etkileyebiliyor. Radyo Frekanslı Kimlik (RFID) sistemleri, e-ticaretteki tavsiye sisteminin, süpermarketlerde de uygulanmasına imkân sağlıyor. RFID teknolojisi aracılığıyla müşterinin alışveriş esnasında sepetine yerleştirdiği ürünler izleniyor ve bu ürünler temel alınarak, müşteriye ilgilenme ihtimali yüksek olan ürünlerin promosyonu yapılıyor. 


***

Tavsiyeli Pazarlama, kısa ve öz olarak, iş modelinde müşterinin durumuna en uygun düşen ürün önerilerin otomatik olarak  sunulmasını da içeren pazarlama uygulaması olarak tanımlanabilir. 

Meraklısı ayrıntılarını araştırıp bulabilir.  Bir konuk yazıyla hatırlatmış olalım. Yazı şöyle başlıyor:

Tavsiye Sistemleri: Long Tail (Uzun Kuyruk) İle Karlılığı Artırmak

Tavsiye sistemleri alanında çalışan iletken recommendation technologies‘in kurucu ortağı olan Deniz Oktar'ın ve bu yazısı konuk yazar olarak Webrazzi’de 09 Eylül 2009 tarihinde yayınlanmıştır.

Her ürünün bir alıcısı vardır. Ancak doğru alıcı ile doğru ürünü buluşturmak zor bir uğraştır. Özellikle internet üzerinde yapılan satışların büyük bölümü (e-ticaret ve müzik) en popüler ürünler üzerinden gerçekleşir ve bu aslında önemli bir problemdir. Bunun ana sebebi, en çok satılacak ürünün ana sayfaya konması ve reklamının yapılabilmesidir. Örneğin Hande Yener’in yeni albümü Türkiye’de çok satıyor iken, kullanıcılara Megadeth reklamı yapmak yanlış olacaktır. Oysa çok satan ürünlerin kar marjı düşüktür. Bütün rakipler aynı ürünleri aynı fiyattan satmak zorundadır. Diğer yandan, az satılan ve stokta yer tutan ürünler devamlı kayıp yaşatır. Gerçek hayatta bu problem daha azdır. Satış temsilcileri sizin ne alacağınızı tahmin ederek tüm ürünleri sattırmaya çalışırlar.

Yapılan analizler gösteriyor ki, Amazon gibi Uzun Kuyruk etkisini başarıyla kullanan firmaların gelirlerinin önemli bir bölümü çok satılan ürünlerden değil, grafiğin uzun kuyruk bölümünden gelmektedir. Eğer başarılı bir mekanizma ile az satılan ürünler, doğru kullanıcılar ile buluşturulursa karlılık önemli ölçüde artmaktadır. Grafikte de gözükebileceği gibi, ürün sayısına bağlı olarak, az satılan ürünlerin getirdiği hacim çok satan ürünlerden çok daha fazla olabilmektedir.

Uzun Kuyruk’a ek olarak, Çapraz Satış da önemli bir konudur. Birden fazla ürünün beraber paketlenerek satılmasına çapraz satış denir. E-ticaret sitelerinde bunu yapmanın iki yolu vardır. 1- Beraber satılacak ürünlere bir moderatörün karar vermesi, 2- Bu işi yapacak akıllı bir tavsiye sisteminin hazırlanması.

İşte bu iki durum için de kişiselleştirme için kullanılan tavsiye sistemleri gibi akıllı mekanizmalar devreye girer. Her kullanıcının hareketini analiz ederek, onların hangi ürünlerden hoşlanacaklarını tahmin etmek önemli bir iş haline gelir. Bu sayede normalde satışı az olacağı için tanıtımı yapılamayan ürünler, muhtemelen bu ürünü alacağı hesaplanan kişilere tanıtılırlar. Hesaplanan tavsiyeler kullanıcıya özgü bir tavsiye sayfası hazırlanmasında veya e-mail pazarlamasında kullanılabilir. Tavsiye sistemi hizmeti sunan firmaların deneyimlerine göre, tavsiye sistemi kullanımı sonunda satışlarda %10 ile %35 arasında artış öngörülmektedir. 2006 yılı verilerine göre Amazon’un satışlarının %35′i tavsiye sistemi üzerinden gerçekleşmiştir.

Tavsiye sistemleri, öğrenebilen yapıları sayesinde kullanıcıların her etkileşimi sonrasında yeni bir ürün tavsiyesi yaparlar. Machine Learning temelli algoritmalar ile belirlenen hedeflere doğru kendilerini eğitirler. Bu hedef, e-ticaret’de genellikle en çok satışı yapmak üzerine kurulur. Gerçek zamanlı çalışmaları sayesinde kullanıcının karşılaşacağı sayfalar sadece o kullanıcı için anlık olarak hazırlanmış sayfalar olur.

***
Tavsiye sistemleri değişen kullanıcı profilleri ve site yapısıyla birlikte devamlı konfigüre edilmesi gereken yapılardır. En iyi sonuç için her firmaya özel bir motor hazırlanması gerekir. Algoritmik zorluklarının yanında scalability ve donanım zorluklarını da beraberinde getirirler. Çok sayıda ürün ve kullanıcı olan sistemlerin yüksek memory ve işlemci gücü ihtiyacı vardır.

........