כלכלת האלגוריתמים – חלק ב':

בפוסט הקודם, העוסק בכלכלת האלגוריתמים, סקרנו את מצב שוק הביג דאטה ואנליטיקה בעולם ובישראל, עמדנו על הפער בין השוק המקומי לשוק הגלובלי, ותיארנו את המגמות וההתפתחויות הטכנולוגיות בתחום וביניהן גם נושא הבינה המלאכותית, Machine learning ו-Deep Learning. אך מהי המשמעות הפרקטית של ההתקדמויות הטכנולוגיות המשמעותיות האלה? כיצד הן ישפיעו הלכה למעשה על השימוש באנליטיקה בארגונים כיום ובעתיד הקרוב?

נראה שבטווח הביניים, 2-3 שנים קדימה, השימוש העיקרי בטכנולוגיות הבינה המלאכותית יהיו בעזרה למשתמש האנושי – ל Data Scientist שכיום "מבזבז" מעל מחצית זמנו על הכנת הדאטה לתחקור (Data engineering) וכעת יתפנה לעסוק יותר באלגוריתמים עצמם; וכמו כן, וכאן כנראה החדשות ה"מרעישות", לאנליסטים בארגון (גרטנר מכנים אותם Citizen Data Scientists), אלה אנליסטים שעוסקים בדאטה ובתחקור אשר יש להם מעט הבנה סטטיסטית (לא צריכים להיות Data Scientists "על פי הספר") ואלה כבר חדשות של ממש, כי זה אומר שיותר אנשים בארגון יוכלו לעסוק באנליטיקה – חסם אשר עד כה היה משמעותי מאוד עבור ארגונים.

אנו גם צופים שאותה מגמת Self service ו Data discovery שפגשה את תחום ה- Business Intelligence והנגישה אותו עבור יותר משתמשים בארגון, כעת תפגוש גם את תחום האנליטיקה ותיצור קטגוריה חדשה אליה מנהלי נתונים ואנליטיקה ייאלצו להידרש – Insights discovery (נקודת המפגש בין אנליטיקה, machine learning וויזואליזציה).

יש שיסתכלו על התקדמויות טכנולוגיות אלה כ"איום" והשתלטות על תפקידים אנושיים, אנחנו מעדיפים לראות בכך הזדמנות להעצמת האנליסטים בארגון.

שכבות הדאטה וניהול הנתונים

גם בתחום הנתונים ישנן מספר מגמות אשר מאפשרות את אותה "פתיחות של מידע" המהווה את הבסיס לאלגוריתמים החדשניים. מדובר על מגמות של פתיחות בהקשר של הכלים שנמצאים בשימוש והן בשימוש עצמו.

מגמה ראשונה הנה החזרה לבמה של כלים אשר מבצעים מניפולציה על מקורות של מידע – data virtualization tools. כלים אלו מאפשרים לאגד מידע ממקורות שונים, כגון טבלאות ממסדי נתונים, קבצים סדרתיים וכד', תוך אפשרות "ללוש את הנתונים" כאילו היו פלסטלינה. לדוגמה ניתן לקחת מספר שדות מטבלה אחת, לאחד אותן עם סיכומים של נתונים מתוך קובץ סדרתי תוך ביצוע מניפולציות נוספות כאשר התוצאה מוגשת בתור טבלה וירטואלית לכלי ה- BI והאנליטיקה. כל זאת באופן מיידי ונגיש (ללא תכנון מראש כפי שהיה מקובל בעידן ה- data warehouse). ככל שהארגונים ישכילו להשתמש באופן דינאמי בנתונים תוך ניצול אלגוריתמים מתקדמים- הדרישה לכלים מתחום ה- data virtualization (או כפי שנקראו קודם – data federation) תעלה.

מגמה נוספת המסמנת פתיחות הנה מעבר הדרגתי ל- polyglot data   או  polyglot persistenceשמשמעו שימוש בטכנולוגיות רבות של מסדי נתונים באותה סביבה אפליקטיבית. מונח זה הוזכר לראשונה על ידי הארכיטקט הידוע Martin Fowler . הסיבה לתופעה זו הנה שימוש גובר ב- microservices שבהם מערכות אשר פעם היו מפותחות כמקשה אחת, מפותחות כעת בחלקים (כל חלק נקרא microservice). פיצול זה מאפשר גם להשתמש בטכנולוגיה מיטבית של מסד נתונים לכל חלק במערכת. לדוגמה, במערכת מסוימת נראה שנתוני הלקוחות נמצאים ב- mssql, נתוני הספקים ב- oracle והיסטוריית הפעולות נמצאת ב- mongo. הדבר גורם לכך שהאנשים המקצועיים שאחראים על הטיפול בנתונים צריכים להכיר הרבה יותר טכנולוגיות.

לכן, מסדי נתונים וכלים תומכים שנמצאים בענן הופכים ליותר ויותר רלוונטים. ככל שהארגונים ישכילו להשתמש בענן הציבורי והפנימי יותר, כך גם יגבר השימוש בטכנולוגיות נתונים שנמצאות בענן ובמקביל יגבר גם הצורך לסנכרון נתונים ותהליכים בין המערכות שמותקנות ב- data center של הארגון לבין המערכות המופעלות בעננים השונים.

טכנולוגיות ה- no sql dbms גורמות גם לשינוי יחסים בין אנשי הנתונים (ה- dba) לבין המפתחים. אם בעבר המפתחים היו נדרשים לשירותי ה- dba בכל שינוי שרצו לעשות ברמת הנתונים, הרי שכעת עם השימוש ב- no sql dbms (הנתונים נרשמים בתור סכמות xml), שינוי בסכמה לא מחייב מעורבות ישירה של ה –dba.  במקביל הידע של ה- dba צריך להיות רחב יותר ועליו להכיר טוב יותר מאשר בעבר טכנולוגיות פיתוח מתקדמות.

גם מבחינה עסקית ישנה בתחום רוח של פתיחות. כניסה של טכנולוגיות חדשות בתחום ה- no sql , שימוש מוגבר בטכנולוגיות מבוססות קוד פתוח בתחום המסורתי של מסדי נתונים רלציונים והן אופציה חדשה של קבלת תחזוקה למסדי נתונים מסחריים על ידי גורמי צד שלישי כגון rimini street ו- spinnaker support. אנחנו רואים מגמה של פתיחות בשכבות הנתונים אשר תסייע לארגונים למצות את המידע באופן רחב יותר ולהוות פלטפורמה מתקדמת יותר לאלגוריתמים עסקיים חדשניים.

לסיכום, כיום ההתפתחויות הטכנולוגיות בתחום הביג דאטה ואנליטיקה מקדימות בהרבה את יכולת ובשלות הארגונים לעכל אותן. ארגונים אשר יצליחו ליצור תרבות המאפשרת התנסויות עם שיטות חדשות, תרבות המשאירה מקום לטעויות תוך יצירת תהליכים תומכים לביצוע נסיונות רבים במקביל על מנת לתפוס את אותו ניסיון שכן יצליח, ארגונים אשר יצליחו לגדל את ה"דור הבא" של האנליסטים וה Data scientists בארגון, אותם ארגונים יוכלו ליהנות מאותן התפתחויות טכנולוגיות מרחיקות לכת שמאפשרות כיום, באופן לעתים מעט מרתיע, לעשות כמעט כל דבר, ולקבל החלטות פשוט הרבה יותר חכמות וטובות. מי הם אותם אלה אשר יקחו את ההחלטה בסופו של דבר? אנשים? רובוטים? שילוב? כנראה שכל התשובות נכונות.

ניתן לצפות במצגת המלאה של עינת שמעוני ופיני כהן, עליה מבוסס הפוסט כאן.

 

 

כלכלת האלגוריתמים – חלק א':

מדהים להסתכל לאחור ולראות כיצד במשך מעט השנים האחרונות, כ"כ הרבה תעשיות התהפכו על פיהן והוגדרו מחדש, מכוניות אוטונומיות יגדירו מחדש את האופן בו אנו מסתכלים על תחבורה, חברות מדיה כמו נטפליקס כבר הגדירו מחדש את חויית האנטרטיינמנט וצריכת המדיה שלנו; פרסום פרוגרמטי שינה לחלוטין את שיווי המשקל בין מפרסמים, סוכנויות, גופי מדיה, פבלישרים; וחברות כמו Instacart מגדירות מחדש את חויית הקנייה שלנו.

בלב כל מהפכה כזו נמצאים אלגוריתמים, הטכנולוגיה והאוטומציה לשכעצמם אינם מספיקים. זה לא מספיק רק למכן את תהליך הפרסום, הרעיון הוא להפוך אותו ליותר חכם ומדויק. מכוניות אוטונומיות צריכות לדעת "לקבל החלטות" גם במצבים שאינם דיכוטומיים. זה לא רק אוטומציה, זה "סמרטיפיקציה".

נדמה שכל החפצים מסביבנו הופכים להיות יותר ויותר חכמים, נעל חכמה ששורכת את עצמה, כוס טרמית חכמה שיודעת לספר לנו כמה סוכר יש במשקה שאנחנו שותים בהתאמה לרמות הסוכר המומלצות לנו; שירותים חכמים (כאן לא נפרט); סטטוסקופ חכם שכבר לא מסתמך על הניסיון של הרופא ומשדר לסמארטפון שלנו נתונים; והפייבוריט שלי – מוצץ המספק להורה דשבורד עם מדדים שונים על התינוק (איך לא היה לי כזה?!)

אומרים שהדאטה יהיו הנכס העיקרי של ארגונים בשנים הבאות. אז נכון שחברות שמצליחות להשיג כמה שיותר דאטה נמצאות בעמדת יתרון, אבל השימוש בדאטה לצורך קבלת החלטות יותר טובות, האלגוריתמים שעל פיהם נפעל ביום-יום, הם בעצם היתרון האמיתי של חברות בשוק התחרותי: כלכלת האלגוריתמים.

ביג דאטה ואנליטיקס

ארגונים רבים מבינים כיום שביג דאטה היא לא המטרה, היא האמצעי, אפשר לדמות ביג דאטה לכביש הסלול, ואת האלגוריתם או המודל האנליטי לרכב בו נשתמש כדי להגיע ליעדינו. אבל האם חברות יודעות בכלל להגדיר לאן הן מעוניינות ליסוע? יותר מדי זמן התרכזנו בבנייה וסלילת הכביש, ועדיין רוב החברות עמן אנו משוחחים לא יודעות להגדיר את האתגר העסקי שהאלגוריתמים אמורים לפתור.

אבל איך יכול להיות שטכנולוגיה שנמצאת כאן כבר כ-8 שנים, ארגוני אנטרפרייז מתעסקים בה כבר כ-3 שנים, ועדיין לא נוצר סביבה אקוסיסטם של פתרונות? התחום הנו עדיין מוטה-שירותים ומצריך בניית stack טכנולוגי משמעותי תוך השקעה לא קטנה, מה שמציב חסם כניסה לארגונים רבים.

עם זאת, מעניין לראות מהו מצב אימוץ טכנולוגיות ביג דאטה בקרב ארגונים בעולם, ולהשוות תמונת מצב זו אל מול המצב בישראל. מחקר של NVP הנערך בקרב חברות Fortune1000 במהלך 2016, גילה כי לראשונה תחום הביג דאטה בעולם נכנס ל- Mainstream. 63% מהארגונים כבר מריצים פרויקטי ביג דאטה בפרודקשן (פרויקטים, לא פיילוטים ונסיונות); 70% מעידים כי ביג דאטה נחשב לתחום בעל חשיבות קריטית לארגון; ומעל 50% מהארגונים מעסיקים CDO (Chief Data Officer).

הערכות STKI לגבי השוק בישראל ב-2016 מגלות פער של בין 3 ל 4 שנים (!) אל מול השוק הבינלאומי. רק כ-30% מהארגונים כיום מבצעים פיילוטים וניסויים בתחום הביג דאטה; רק 7% מארגוני Enterprise בישראל מריצים פרויקטי ביג דאטה בפרודקשן.

מהם השלבים הבאים באבולוציה של עולם האנליטיקה?

תחום ה-BI ואנליטיקה הוא תחום ותיק שפועל כבר עשרות שנים. אם בעבר התמקדנו בעיקר בשאלות "מה קרה" (באמצעות כלי BI וריפורטינג), בשנים האחרונות השקענו די הרבה מאמץ ביכולת לתחקר "מדוע זה קרה" (באמצעות כלי אנליזה, ויזואליזציה מתקדמת, data discovery, מעבר לניתוח שירות עצמי ועוד); כיום אנחנו במעבר לשימוש באנליטיקה ובחיזוי כדי לשאול "מה צפוי / עשוי לקרות"; אך מהם השלבים הבאים? לאן הסיפור הזה הולך? להערכתנו, ,השלב הבא שבעצם כבר נמצא כאן מבחינה טכנולוגית אך עדיין לא מבחינת היישום בארגונים הוא השימוש ביכולות Artificial Intelligence (ובעיקר Machine Learning) בעיקר על מנת להבין על מה הדאטה שלנו מדבר ו"מהם השאלות שבכלל ניתן לשאול"; מכאן הדרך לשלב הבא יחסית מהירה – הטכנולוגיה לא תיעצר רק בסיוע למשתמשים האנושיים בשאילת השאלות הנכונות, אלא היא תעשה דברים הרבה יותר מרחיקי לכת מכך: הטכנולוגיה תעבד את המידע עבורנו, תדע לייצר תובנות גם מדאטה מורכב ומאוד בלתי מובנה, והחשוב מכל – תדע לקחת החלטות במקומנו, ממש כמונו ואף יותר טוב מאיתנו.

המחשוב הקוגניטיבי הוא עוד ענף נוסף בתחום-על הסבוך הנקרא Artificial intelligence, כאשר ממד נוסף שטכנולוגיה זו מציעה הנו היכולת לתחקר איתנו, האנשים, ברמת "שיחה" (קחו לדוגמה את Amy, המזכירה הוירטואלית שמתאמת עבורנו פגישות דרך התכתבות אוטומטית באימייל עם האדם המבקש לתאם עמנו פגישה, או את הצ'אט האוטומטי על נציג/ת השירות כדוגמת Digital Genius).

וזה הזמן המתאים לשאול את עצמנו את השאלה הבאה: האם ייתכן שכלים אנליטיים הגיעו לרמת החשיבה האנושית? התשובה היא שעוד לא, אך סביר שנגיע די קרוב לשם בשנים הקרובות. יש כמה התפתחויות שמצביעות על מגמה זו. התחום המדובר ביותר שזוכה למירב תשומת לב ואף התלהבות של קהילת המפתחים והמהנדסים הוא Deep Learning (ענף של תחום ה Machine Learning ששואב השראה מהדרך בה המוח האנושי פועל).

התא הבסיסי ביותר במערכת העצבים שלנו הוא הנוירון, תא המעביר "מסרים" בין המוח וחלקים אחרים בגוף. רשתות נוירוניות מנסות לחקות את האופן שבו נוירונים מקבלים ומעבירים מידע, על ידי הוספת שכבה נוספת של מידע. Deep Learning neural networks לוקח זאת צעד אחד קדימה, ומוסיף עוד יותר שכבות נסתרות המאפשרות עיבוד מידע מתקדם (כמו לדוגמה במצבים בהם אין מצב דיכוטומי של כן או לא, אלא מצב בו לקיחת החלטה הנה מורכבת יותר) אחת הדוגמאות הבולטות לשימושי deep learning הנה לצורך עיבוד תמונה. על מנת להבין מהו האובייקט הנמצא מולנו אנו צריכים שכבות מידע שונות שיעזרו לנו לקבל את ההחלטה מהו אותו אובייקט?

מדוע Deep Learning כ"כ מעסיק כעת את קהילת המפתחים? בסוף 2015 גוגל שחררה את פרויקט ה-DL שלה לקהילת הקוד הפתוח, תחת השם Tensor Flow. בצעד זה, גוגל מחפשת את חכמת ההמונים בפיתוח יכולות ה – Deep Learning שלה, תוך שהיא משחררת לקהילה ספריות ואלגוריתמים שעד כה היו בבחינת סוד מסחרי – כמו יכולות התרגום או זיהוי תמונה שלה. זה יצר מספיק רעש בשוק כדי לדחוף את השוק קדימה לכותרות.

מהי המשמעות של התפתחויות אלה על הפרקטיקה האנליטית של ארגונים כיום? כיצד תיראה "אנליטיקה" בארגון בשנים הקרובות? נתייחס לשאלות אלה בפוסט הבא: כלכלת האלגוריתמים – חלק ב'.

ניתן לצפות במצגת המלאה של עינת שמעוני ופיני כהן, עליה מבוסס הפוסט כאן.

חלק ג' בסדרת פוסטים בנושא טכנולוגיות שיווקיות: מהן העוצמות שטכנולוגיה מביאה כיום לתוך יוזמות השיווק?

 

אחת מהשאלות אשר מנהלי שיווק צריכים לבחון מחדש כל הזמן היא: עד כמה אנחנו יכולים להכיר את הצרכן, כדי להיות מסוגלים לספק לו/ה את המסר הנכון ביותר, בזמן הנכון ביותר: אדם נכון, מסר נכון, זמן נכון. התשובה לשאלה זו תשליך משמעות על נושא הסגמנטציות (אשר משתנה מהותית); צורת המדידה (מ"איים" למערכת יחסים רציפה); ואפילו ההגדרה ל"מה זה סגמנט"? (אני לא אותו ה"אדם" מבחינת ההעדפות שלי כל הזמן, אני יכול להיות 50 סגמנטים שונים במשך 24 שעות)…

תעשיית הפרסום כבר עברה מהפכת אוטומציה וכיום שוק ה Programmatic advertising משנה את התמונה, ולמעשה הפך לברירת המחדל שלהערכתנו תהווה הפלטפורמה לשיווק בכל סוגי המדיה השונים (ולא רק Display ads / באנרים). האם זה טוב או רע? מבחינת אפקטיביות הקמפיינים, זה רק טוב. יכולות הטירגוט של קהל היעד משתפרות מאוד, והפרסום הופך להיות יותר ויותר חכם, ועל הדרך מספק לנו המון תובנות לגבי אנשים, העדפות, אפקטיביות, שימוש במדיה, ועוד הרבה תובנות נוספות שניתן לייצא ממנה, אם רק יודעים איך.

מה טומן העתיד לפלטפורמות פרוגרמטיק? אופטימיזציה, תהליכים יותר חכמים. לא רק אוטומציה של תהליכים (ובדרך ויתור על מתווכים אנושיים) אלא גם שימוש באלגוריתמיקה מתקדמת המועצמת על ידי יכולות של אינטיליגנציה מלאכותית ובתוך כך Machine Learning. לא מדובר כאן רק על אוטומציה של תהליך קיים, אלא על הפיכה של אותו תהליך ליותר שקוף, מדיד וחכם.

התפתחויות נוספות הן בתחום ה Cross-device (מובייל/דסקטופ, וידיאו/תוכן סטטי) והיכולת לזהות שמדובר באותו האדם, יכולות ניהול קהלים יותר טובה (בין אם ממידע פנים ארגוני, מידע משותפים או מספקי צד ג'), אבל ההתקדמות המשמעותית ביותר הנה שפלטפורמות אלה יהפכו להיות ה HUB המרכזי של ארגונים לצריכה ושימוש במדיה. וזה דבר גדול, שיצריך הגדרה מחדש של יחסי הארגון עם סוכנויות פרסום ומדיה ויגדיר מחדש את מאזן הכוחות. הרבה מהכוח יעבור פנימה, לתוך הארגון, שיהיה – אולי לראשונה – הבעלים של הדאטה הפרסומי שלו, ובעל השליטה עם יכולת ניהול מרכזית.

האם Ad blocking משנים תמונת הפרסום?

לאחרונה אנחנו נוכחים לדעת עד כמה אנשים לא אוהבים פרסומות, והם צועקים את זה באופן ברור. האפשרות הטכנולוגית כיום לחסום פרסומות ממחישה זאת: 20% ממשתמשי דסקטופ, 25% ממשתמשי מובייל, ו-40% גידול בשימוש ב ad blockers משנה שעברה. התוצאה: 14% מתקציבי פרסום נחסמו בשנה החולפת – המון כסף שהלך לפח.

וזה לא ממגיע מ"שום מקום". אנשים אכן רוצים שחברות יכירו אותם יותר טוב, ושיספקו להם תכנים מוצרים ושירותים רלוונטיים, אך המצב כיום הפך להיות "מערב פרוע", ללא חוקים, רגולציה וללא שליטה של הצרכן.

אנחנו מאמינים שכל זה יוביל לזהות דיגיטלית, כפי שכבר קיימת כיום לגוגל, פייסבוק וכד', אבל אחת אחידה ומשותפת לכל פלטפורמות הפרסום. לצרכן עצמו תהיה יכולת לשלוט על רמת הפרטיות בו הוא/היא מעוניינים, איזה מידע הוא מאפשר לאסוף לגביו ואיזה לא. (כיום קיימות תכנות פרטיות לכך, כמו Ghostery  שמספקת תכנת user tracking blocking ומאפשרת למשתמש לקבוע בעצמו את רמת הprivacy שלו.

השפעות נוספות של תופעת חוסמי הפרסום הן השקעה גבוהה ב content marketing ובפרסום נייטיב, יותר השקעה בשיווק ב earned media. הדבר יצריך יותר יצירתיות מחברות ומותגים.

כמו כן, במקביל יצמחו ערוצי פרסום נוספים כמו לדוגמה מסייעים אישיים (personal assistants) דוגמת סירי, קורטנה, אלכסה – המסייעים לנו בצורה אינטראקטיבית ועל הדרך יספקו לנו תוכן פרסומי, Search 2.0.

איך אנו מוודאים שהמסר הנכון יגיע ל"אדם הנכון"? בנושא הסגמנטציה יש מפגש של התפתחות ציפיות הצרכנים מחד, והתקדמות טכנולוגית מאידך, שהובילו למצב בו כיום, הסתמכות על סגמנטציה בלבד, כבר אינה מספקת. זה ממש לא מספיק לדעת שמדובר בגבר בסביבות גיל 30 שאוהב בישול מולקולרי, כדאי גם לדעת שלאותו גבר יש זמן חופשי, אירוע כמו יום הולדת ובסופו של דבר להבין האם זה ה"רגע המתאים" להציע לו סדנת בישול מולקולרי. מציאת ה Magic moment או right moment הנו טריקי וחמקמק אבל הוא זה שעושה את כל ההבדל, כמו שאדם סינגולדה, מייסד אאוטבריין, אמר לאחרונה – אני אדם שונה בשעות הבוקר ובשעות הערב, מבחינת ההעדפות והרצונות שלי. אחוזי ההצלחה (על פי מחקר של SAS) עולים בהתאמה – כאשר “Convenient marketing” (שיווק מותאם לקהל המטרה, נשען על סגמנטיות) מקבל כ 20% אחוזי "הצלחה" (לא נתעכב כרגע על מה זו בדיוק הצלחה במחקר זה, מה שמעניין כאן הוא היחסיות), “Appropriate marketing” (שיווק המתחשב בממד הזמן המתאים – right moment marketing) יקבל 40% הצלחה. הבעיה היא שכיום, רוב המודעות הפרסומיות שאנו רואים לא שייכות לא לקטגוריה הראשונה ולא לשנייה, אלא ל “Intrusive marketing” (אין סגמנטציות, אותו המסר לכולם, ללא כל התייחסות לממד הזמן המתאים). אגב, אחוזי ההצלחה כאן – בסביבות 2%.

המרוץ לפלטפורמת השיווק כבר החל

אפשר רק להסתכל לאחור על רצף הרכישות של ספקי טכנולוגיה בשנה האחרונה בתחום ה MarTech ולהבין שהמרוץ לאספקת פלטפורמת שיווק (Marketing hub/marketing cloud) כבר החל, ספקים כמו Adobe, אורקל, יבמ, Salesforce, SAS, כולן מעוניינות להיות אותו Hub והן משקיעות בכך סכומי עתק.

גם חברות ה AdTech מצטרפות למירוץ,וחברות כמו גוגל, פייסבוק, Aol, Yahoo, בונות את פלטפורמות העתיד שלהן, כולן רוצות לספק לנו את אותו Hub שליטה מרכזי.

ואכן, תחום ה MarTech מתחיל לפגוש את תחום ה AdTech ,טכנולוגיות הפרסום והשיווק מתחילות להתאחד באותן פלטפורמות ולהציע לנו יכולות שעד כה לא נראו כלל אפשריות. התוצאה של שוק "מאוחד" זה, בשם המאוד הולם לדעתנו: MadTech!

ה-CMOs? הם גם כן במירוץ לאספקת אותה חויית לקוח אופטימלית, להצטייד בכלים ובשיטות המתאימים, בכ"א מוכן ומיומן לאותו שינוי. בשנים הקרובות עליהם לייצר פלטפורמת שיווק עמידה בפני שינויים תכופים, להתעדכן כל הזמן לגבי טרנדים שיווקיים וטכנולוגיים, לעבוד בשיתוף פעולה מלא עם IT, להיערך למרתון ארוך מצויידים בחשיבה אסטרטגית, תוך ריצה של ספרינטים קצרים והצגת ROI בתצורת נצחונות קטנים כל הזמן.

ניתן לצפות במצגת המלאה כאן.

כותבי המאמר הנם חברי צוות המחקר של STKI for CMOs: עינת שמעוני, גלית פיין ויואב פרידור.

 

 

 

 

חלק ב' בסדרת פוסטים בנושא טכנולוגיות שיווקיות: מכלול השינויים שעל פונקציית השיווק לעבור

 

כיום כבר ברור שפונקציית השיווק נמצאת בתקופת מעבר ושינוי, כאשר הטכנולוגיה תלך ותהווה מרכיב משמעותי יותר ויותר. הבעיה היא שהמעבר לתחומי הטכנולוגיה הנו מעבר מאתגר עבור פונקציית השיווק. השוק עצמו צפוף ומבלבל, מונה כ2000 ספקי טכנולוגיה הפועלים ב43 (!) קטגוריות שונות של כלים. אם נוסיף לכך את האופי התזזיתי של השוק, שמתאפיין בקצב גבוה של מיזוגים, רכישות והיעלמויות שחקנים (הצפי הוא שרק 150 מבין אותן 2000 חברות הקיימות כיום ישרדו בשנים הקרובות, וחדשות יצטרפו בכל יום), הרי שקיבלנו שוק בו כמעט בלתי אפשרי לנווט. אתגרים נוספים הם בתחומי אנשים, תרבות ארגונית ותהליכים. חלק מהבחירות הטכנולוגיות "דורכות על רגליים" של אחרים, כמו לדוגמה פלטפורמות ניהול מדיה מרכזיות, איפה זה שם את תפקידם של סוכנויות ושותפים שעד היום מילאו את אותם ואקומים טכנולוגיים? אנו משוחחים הרבה עם ארגונים גדולים בישראל שעוברים את השינוי ורואים כיצד כל שינוי קטן בתחום הזה מעורר מתחים ארגוניים. נוצר הצורך להגדיר מה בפנים ומה בחוץ, להגדיר מחדש את יחסי הכוחות. איך שלא נסתכל על זה, אנחנו מדברים על שינוי משמעותי.

מדובר פה בשינוי מהותי, שארגונים צריכים לעבור בעתיד המיידי. יש מי שיטען שהמהות של השינוי הזה היא טכנולוגית, שהרי תחום הפרסום, למשל, השתנה בתכלית בהשפעת גל ה-Adtech. אבל המציאות מוכיחה שמדובר כאן בשינוי שהאלמנטים הטכנולוגיים הם רק חלק ממנו. זה שינוי במודלים עיסקיים, בתפישה האסטרטגית, בתרבות העסקית והארגונית, במבנה הארגוני ובעיקר באנשים.

אנחנו שומעים לאחרונה על מגוון תפקידים חדשים, עם הגדרות שונות, שכולן בתוך הדיסציפלינה השיווקית בארגון. CDO (Chief Digital Officer), CMTO (Chief Marketing Technology Officer), Marketing Opps, Director of Content, HR for Marketing… עושה רושם שיש קצת בלבול לגבי הפונקציות החדשות של תחום השיווק, כשהשאלה האמיתית היא "מי זה/זאת איש/אשת השיווק החדש/ה?". מהם המיומנויות, הידע, האופי והתרבות שמרכיבים את האדם השיווקי במציאות החדשה הזאת? נציע כאן 5 רכיבים הכרחיים באנשים שיניעו את העולם השיווקי בשנים הקרובות:

1. תשוקה מתמדת לדמיין מחדש אילו הישגים שיווק יכול להשיג בעולם דיגיטאלי.
2. אוהב שינוי – אנשי השיווק החדשים לא רק מסתדרים טוב בסביבה משתנה, הם פורחים בה.
3. להבין את השינוי אצל הצרכן – אנשי שיווק תמיד צריכים להיות האוטוריטה בהבנת הצרכן, עכשיו הם צריכים להתעמק ולהבין כל הזמן את השינויים שהוא עובר.
4. טכנולוגית שוטפת – אנשי השיווק החדשים צריכים להיות דוברי טכנולוגית. הם לא חייבים לדעת ‘לקרוא או לכתוב' טכנולוגיות, אבל לדבר ולהבין היטב זאת חובה.
5. שיתוף פעולה כדרך חיים – היותם של אנשי השיווק מביני טכנולוגיה, לא מייתר את מקומם של הטכנולוגים, ההיפך הוא הנכון. אנשי השיווק החדשים שואפים לעבודה בשיתוף אמיתי עם כל הדיסציפלינות בארגון, על מנת ליצור ביחד חוויית לקוח רציפה, ברורה ומצוינת.

מרכיב משמעותי נוסף בא לידי ביטוי בשינוי מהותי בתהליך השיווקי. ברוב הארגונים כבר ברור מזה כמה שנים שתכנית השיווק השנתית כבר לא איתנו. לא רק שהסביבה שלנו משתנה מהר מידי, גם הקצב שבו מתפתח השינוי גדל כל הזמן. זה דורש מאיתנו לעצב מחדש את כל התהליך השיווקי. ארגונים בכלל וגופי השיווק שבתוכם בפרט, נדרשים לאמץ את כל המרכיבים הבאים:

1. Agility – דרך התנהלות, השאולה מעולם הפיתוח הטכנולוגי. גמישות, פתיחות, מהירות, שינוי ועבודת צוות הם רק חלק מהמרכיבים של הדרך הזו. ההתקרבות הנוכחית בין העסקי לטכנולוגי מאפשרת לארגונים ללמוד מהטכנולוגים איך מיישמים סביבת עבודה של Agile.
2. ניסיונות – על הארגון לבנות מציאות שבה נערכים נסיונות על מגוון רחב של חלופות בכל תחום (A/B Testing) ולוודא שהארגון גם יודע ליישם את הרעיונות המוצלחים ב-Scale של החברה.
3. תהליכי מישוב רציפים ומיושמים – על הארגון להיות מסוגל לקבל משוב רציף, על כל פעילויותיו, לנתח את הנתונים בזמן אמיתי ולהיות מסוגל ליישם שינויים מתבקשים, ברזולוציה גבוהה.
4. קצב מהיר – המהירות יותר חשובה מהדיוק.
5. תהליכים חדשים – כל תהליכי העבודה צריכים להיות מעוצבים לעבודה בסביבה החדשה הזאת. התהליכים צריכים להיות גמישים, מהירים, יעילים, משטחי היררכיות וחווייתיים.

כאמור מדובר פה בתהליך שינויים חוצה ארגון. הארגונים המוצלחים כבר עוברים את השינוי או שיעברו אותו בעתיד הקרוב. אי אפשר לקוות ששינוי בסדר גודל כזה יתרחש בעצמו ולכן ארגונים רבים מגייסים פונקציה בכירה שתפקידה הינו לנהל את השינוי. השם הנפוץ ביותר לפונקציה האמורה הינו ה-CDO (למרות שיש גם שמות אחרים). צריך להגיד על ה-CDO כמה דברים עיקריים:

1. זוהי פונקציה בכירה, כפופת מנכ"ל וחברת הנהלה.
2. כניסת ה-CDO מחייבת שינוי במבנה הארגוני, שיעניק לתפקיד מוטת שליטה והשפעה אמיתית.
3. CDO הוא לא מי שמנהל את המדיה הדיגיטאלית בשיווק.
4. האדם שיבחר לתפקיד חייב להיות מומחה ומנוסה בתחום עם תכונות מובהקות של יחסי אנוש, עבודה בצוות והובלת תהליכים מורכבים.

מהן התועלות הממשיות שניתן לקבל כיום מטכנולוגיה בפעילויות השיווק השונות? היכן אנו עומדים היום מבחינת בשלות הכלים? עד כמה הסוויטות מציעות לנו מכלול אינטגרטיבי של יכולות? האם הטכנולוגיה מספקת לנו ערך אמיתי מעבר לרק "אוטומציה" והתייעלות? ומה צפוי בהמשך? על כך נפרט בפוסט הבא – חלק ג'.

ניתן לצפות במצגת המלאה הסוקרת טרנדים אלה כאן.

כותבי המאמר הנם חברי צוות המחקר של STKI for CMOs: עינת שמעוני, גלית פיין ויואב פרידור.

 

 

 

 

חלק א' בסדרת פוסטים על טכנולוגיות שיווקיות: כיצד הטכנולוגיה הגדירה מחדש את פונקציית השיווק?

חלק א' בסדרת פוסטים בנושא טכנולוגיות שיווקיות:

כיצד הטכנולוגיה הגדירה מחדש את פונקציית השיווק?

למנהלי שיווק ישנן כיום הרבה מטרות ויעדים, אך כשמנסים לזקק את מטרת-העל, זו שגם מכתיבה את הבאות אחריה ומייצרת יעדים להגשמתה, מהי אותה מטרת-על, המשותפת לכל מנהלי השיווק?

ניהול חויית לקוח הפך להיות הפוקוס העיקרי לכל CMO, בכל תעשיה. חווית הלקוח גדלה ממשהו נקודתי (חוייית קנייה, לדוגמה) לדבר ענק ורציף שיש לנהל. הצורך ליצור חויית לקוח אופטימלית ורציפה מועצמת עוד יותר בעידן הדיגיטלי, מדיה שמצד אחד הרחיקה אותנו מהלקוחות, אך באותה הנשימה, יש לה כח עצום ביצירת קשרים יותר משמעותיים עד כדי סוג של Bonding בין הארגון ללקוח.

מדי שנה נערכות מס' תחרויות המכתירות את "הזוכות המאושרות באספקת חויית לקוח הטובה ביותר בעיני הלקוחות". בשנה האחרונה חברות אלה כללו את החשודות הרגילות: אמאזון, אפל, דיסני, סטארבקס ו-BMW, שבדר"כ מופיעים בעשירייה הפותחת. אבל גם חברות פחות מוכרות משווקים יותר מסורתיים, כמו בנק (First Direct) וחברת תעופה (Air New Zeland). אותן חברות לא במקרה מצליחות להראות תוצאות פיננסיות משמעותית יותר טובות משל מתחריהן, לקוחות מאוד מעריכים חויית לקוח טובה, וחברות שמצליחות לייצר את אותו סוג של Bonding חמקמק עם לקוח שכ"כ מזדהה עם הסיפור של החברה הופך להיות Advocate נלהב (קחו לדוגמה את לקוחות אפל הנאמנים). כל חברה הייתה רוצה לראות את עצמה כמובילת חויית לקוח בעיני הלקוחות שלה.

אז מהי נוסחת ההצלחה? הבעיה היא שאין כזו, אין דבר אחד שעובד בשביל כולם. אין אפילו צירוף ידוע של גורמים, אבל ישנם כמה קווי דימיון. אותן חברות מובילות מתוארות על ידי לקוחותיהן כחברות בעלות גישה ארגונית כוללת, ששמה את חויית הלקוח במרכז – לא רק במוקד השירות, לא רק בנקודת המכירה, בכל דבר שהן עושות (תנסו להתלונן פעם במוקד השירות של אמאזון, סתם בשביל הכיף… תפגשו נציגי שירות שמוסמכים לקבל כמעט כל החלטה בעצמם, ללא אסקלציות וללא זמן המתנה לשיחת מנהל, על מנת שתהיו מאושרים). קל לעשות עסקים איתן, הן טורחות להכיר את הלקוחות עד כמה שניתן, המוצר / שירות עצמו טובים (אך זה רק בערך המאפיין החמישי בחשיבותו), הן עקביות, מהימנות ומהירות. אותן חברות מתאפיינות בגישה של Customer obsessed.

מעניין לראות כיצד חברות אלה תופסות את המרחב הדיגיטלי: כפלטפורמה מצוינת לבניית מערכות יחסים משמעותיות עם לקוחות. ולצורך כך הן משתמשות בתכנה. המון תכנה! יש להן CDOs שאחראים על ה"מוצר הדיגיטלי", כמו גםCMTs  (Chief Marketing Technologists: אנשי הייבריד של שיווק – טכנולוגיה), ההחלטות שהן מבצעות מונעות מנתונים (Data driven marketing) ואלגוריתמים (Algorithm driven marketing), וכל אחת מהן משתמשת בטכנולוגיה כדי לספר סיפור.

אבל כל הטכנולוגיה הזו היא טובה במידת הסיפור שהיא מספרת, ולכל אחת מהחברות האלה יש סיפור מצוין ומעורר השראה. הן לא רק מספרות ללקוחות עד כמה המוצרים שלהם נפלאים, אלא הן מתחילות מהסיבה שהן עושות מה שהן עושות, לכל אחד ברור למה אפל או אמאזון עושות את מה שהן עושות ורבים רוצים להתחבר לסיפור הזה (נייקי – חברת נעליים? מה פתאום? חברת peace love and running, קוקה קולה – חברת משקאות? או חברה שמספקת לנו את "טעם החיים"?). Simon Sinek בהרצאת TED המצוינת: Start with Why מתאר מדוע יותר מדי חברות מסבירות ללקוחות מה ואיך הן מוכרות. אבל אנשים דווקא קונים את ה"למה", למה החברה עושה את מה שהיא עושה?

Storytelling הוא לא דבר חדש בתחום השיווק, אך בעולם הדיגיטלי Storytelling זו מיומנות שונה לחלוטין, הסיפור "מתעורר לחיים", אנחנו יכולים לגרום לאנשים לחוות את הסיפור באמצעות שימוש בתכנה, וזה דבר עצום. יש חברות שינצלו את כוח המדיה הזו ויקחו אותה לקצה, יש כאלה שיפספסו את הפוטנציאל וישתמשו בה רק כאמצעי להעברת הסיפור, ולא להחייאת הסיפור.

רבים אומרים שכיום שיווק הפך להיות עסק-תלוי טכנולוגיה, ואנחנו מעדיפים להגיד ששיווק הפך להיות מועצם על ידי הטכנולוגיה. בוודאי שישנו שיווק ללא טכנולוגיה, אבל לטכנולוגיה יש כוח להעצים כמעט כל דבר שאנחנו עושים, ופשוט לעשות אותו יותר מדויק, חכם, אפקטיבי ומדיד.

המטרות הטכנולוגיות של מנהלי שיווק כיום:

כל המטרות הטכנולוגיות שמופיעות כאן הוגדרו על ידי אנשי השיווק בעצמם, וכולן מתחברות למטרת – העל: לדעת לנהל בצורה אופטימלית את חוויית הלקוחות. הכל חוזר חזרה לחוויית הלקוח.

כיצד עושים את ה"מעבר" הזה? מהו מכלול השינויים אותו פונקציית השיווק צריכה לעבור? מהם האתגרים העיקריים בדרך מהם כדאי להיזהר? מהן הטקטיקות שכבר ידועות, מהידע הנצבר בעולם, להתמודדות מוצלחת עם השינוי? על כך נפרט בחלק ב'.

ניתן לצפות במצגת STKI, הכוללת סקירת המגמות המשמעותיות בתחום טכנולוגיות השיווק כאן.

כותבי המאמר הנם חברי צוות המחקר של STKI for CMOs: עינת שמעוני, גלית פיין ויואב פרידור.