Menüye Dön
Lüks markalar tüm diğer markalar gibi, tüketicilerini etkilemek için dinamik video içeriğine giderek daha fazla yatırım yapıyorlar. Kampanya performansını ölçmek için görüntülemeleri veya "beğenileri" ölçmek kolayken, tüketicilerin yorumlarını çözümlemek, metin içeriklerinin özellikle sosyal medyadaki devrik doğası ve yorumların büyük hacmi nedeniyle zor olabilir. Özellikle farklı seviyede lüks marka algıları mevcutken. Mesela, BMW marka bir araba birçoğumuz için lüks görünebilirken Porsche kullananlar için BMW bir lüks ürün olmayabilir. Aynı şekilde Ferrari sahipleri için Porsche tam anlamıyla bir lüks ürün değildir. Bu bağlamda farklı sınıftaki lüks ürünlerin sosyal medyada takipçileri ile olan ilişklierini inceleme üzere Kirk Plangger, Sean Sands, Colin Campbell ve Leyland Pitt ile birlikte yazdığımız ve Psychology & Marketing'te yayınlanan son makalemizde, otomobil, giyim ve cilt bakımı olmak üzere üç ürün kategorisindeki dokuz lüks markanın 88 YouTube kampanyasından 29.000'den fazla yorum ve profil resmini inceleyerek bir araştırma yaptık. Yapay zeka algoritmalarınıdan makine öğrenmesi ile doğal dil işleme (NLP), sinir ağları (Neural Networks) ile yüz tanıma analizi kullanarak, tüketici davranışları ve algılarına dair önemli bilgiler elde etmeye çalıştık.
Ana Bulgular
Çalışmamızda binlerce YouTube yorumlarını makine öğrenmesi destekli doğal dil işleme algoritmaları ile analiz edip, yorumların duygu skorlarına, analiz seviyelerine, güven seviyelerine ve özgünlüklerine baktık. Aynı zamanda emoji içeren yorumların emoji skorlarını da hesapladık. Çalışmamızda markanın lüks sınıfına (premium, prestij, ve seçkin (exquisite)), ürün kategori sınıflandırmasına (kolay bulunan ürünler, alışveriş ürünleri, özellikli ürünler ) ve tüketicilerin demografik özelliklerine (yaş, cinsiyet ve etnik köken) bağlı olarak bıraktıkları yorumların psikolojik dilinde önemli farklılıkların olduğunu ortaya çıkardık. Örneğin, sonuçlarımızda, sosyal medya kullanıcılarının seçkin lüks markalara yorum bırakırken daha analitik ve daha az özgün dil tercih ettiğini, daha düşük güven seviyeleri gösterdiklerini bulduk. Diğer bulgularımız için makalenin tamamına aşağıdaki linkten bakabilirsiniz.
Marka Yönetimi için Çıkarımlar
Çalışmamızın sonuçlarını pratik anlamda nasıl kullanabilirsiniz konusunda aşağıda bir kaç adımda özetlemeye çalıştık.
Müşteri içgörüleri için online yorum analizi: Yaptığımız çalışmada, markaların çevrimiçi stratejilerini şekillendirmek için müşteri içgörülerini ve algılarını değerli bilgiler kazanmak üzere çeşitli yapay zeka metin analizi uygulamalarını (örneğin, LIWC) ve doğal dil işleme (NLP) algoritmalarının kullanılmasına örnek teşkil ediyor. Mesela, aşağıdaki resimde görüldüğü gibi ürün kategorileri arasında farklı lüks sınıfındaki markalar için yorumların özgünlüğünün nasıl farklılaştığını görebilirsiniz. Siz de sosyal media yorumlarını buna benzer şekilde markanız için analiz ederek derinlemesine müşteri içgörüleri elde edebilirsiniz.
Marka kategorileri arasındaki ince farklılıkları anlama: Markaların ve özellikle lüks tüketim markalarının sorumlularının, aynı kategorideki rakip markalar arasındaki farklılıkları tanımayı ve birim satış hacimlerindeki ve pazarlama maliyetlerindeki olası değişimleri göz önünde bulundurarak markanın konumunu kabul etmeyi seçmeleri veya markanın konumunu yükseltmeye çalışmaları gerekiyor. Diğer bir tabirle sadece kendi kampanyalarınızın analizini değil rakiplerinizin de analizini yaparak bir nevi rekabet analizi yapıp kendi marka konumlandırmanızı ve sosyal medya iletişim dilinizi optimize edebilirsiniz.
Sosyal medya takipçi profillerinde yüz tanıma analizini kullanma: Çalışmamızda çok yeni bir yaklaşım olan yapay zeka destekli yüz tanıma analizi uygulaması kullanarak takipçilerin demografik (yaş, cinsiyet ve etnik köken) profillerini çıkardık. Her ne kadar doğruluk oranları çok yüksek olmasa da bu sayede takipçiler hakkında ekstra bilgiler edinerek daha iyi bir takipçi segmentasyonu yapmayı başardık. Sizler de kendi markalarınız için benzer bir çalışma yaparak sosyal medya takipçi profillerinizi çıkararak hedef kitlenizi daha iyi tanıyabilirsiniz.
İçerikte Çeşitlilik ve Kapsayıcılığa Yönelik Adımlar: Yaptığımız analizde müşteri demografik profilleri ile yorumları birleştirerek ilginç bulgulara ulaştık. Örneğin, seçkin (exquisite) lüks markalar için yorum bırakan Siyah, Asyalı ve Azınlık Etnik (BAME) kitle üyelerinin daha düşük bir yüzdede olduğunu bulduk. Bu konu son yıllarda reklamcılık dünyasının gündeminde. Markaların bu konuyu ele almak için farklı kitlelere hitap eden kapsayıcı içerikler oluşturmaya odaklanmaları gerekiyor. Ek olarak, prestij ve premium markaların seçkin (exquisite) lüks markalara kıyasla 40+ yaşı olan gruba daha düşük bir erişimi olduğunu bulduk. Böyle bir durumda markaların alım gücü daha yüksek olan ileri yaş gruplarının ilgisini çekecek ve bu demografiye hitap edecek içerikler üretmeye ihtiyaçları var.
Sonuç olarak makalemizde, YouTube'daki lüks markaların dinamik video içeriği üzerindeki tüketici yorumlarını analiz etmek için yapay zeka ve makine öğrenmesi desteklı metin analizi uygulamaları ve yüz tanıma analizi araçlarının kullanılmasının farklı uygulamalarını gösterdik. Sadece lüks markalar değil diğer tüm markalar da benzer yaklaşımlar ile takipçilerin dilindeki nüansları ve demografik farklılıkları anlayarak, çeşitli hedef segmentleri daha etkili bir şekilde active etmek için dinamik içerik oluşturma stratejilerini özelleştirebilirler. Bulgularımız ayrıca, markaların daha kapsayıcı bir yaklaşımla azınlık olan kitlelere de hitap etmek için içerik oluşturmalarının önemini vurguluyor.
Daha fazla bilgi almak isterseniz, sizin için ücretsiz erişim sağlanan orijinal makalemize linkten ulaşabilirsiniz https://onlinelibrary.wiley.com/doi/epdf/10.1002/mar.21831
Bulgularımız hakkında yorumlarınızı ve geri dönüşlerinizi bekliyoruz.
Doç. Dr. Yusuf Öç
Pazarlama Bölümü Öğretim Üyesi - Bayes (Cass) Business School, City University London & Marketing Strategy and Innovation MSc Program Direktörü - Bayes (Cass) Business School, City University London & Misafir Öğretim Üyesi - King's Business School, King's College London
Yusuf.Oc@city.ac.uk
