KişiselleştirMEme Örnekleri 2

Kanal TV sektöründe kişiselleştirme nasıl yapılır?
KişiselleştirMEme Örnekleri 2

Makale Özeti

Müşteriler ile etkileşimi olan her kanalın kişisellştirme için çalışması gerekli. Bu çaba, ilgili her taraf (müşteri, kanal, satıcı) için verimi arttırır. Kazan - kazan - kazan denklemi ortaya çıkar. Bu yazıda, kanal TV sektörünü el aldık.

İlgili Bağlantılar

1 - KişiselleştirMEme Örnekleri 1
2 - Kişiselleştirme Aşamaları
3 - Veri Hikayeciliği

Kişiselleştirme yazılarına banka ve GSM örnekleriyle başlamış [1] ve farklı sektörler için devam edeceğimi söylemiştim.

Bugün sırada kanal TV sektörü var. Yani Digiturk, D-Smart, TeleDünya gibi şirketler.

Dünya böylesi bir komiklik yapmıyor

Digiturk-1

Bu yanlışın üstünde durmayalım. “Neler yapılabilir” onu konuşalım.

Kanal TV şirketleri önce müşterilerini tanıyıp segmentasyon yaparak “hangi dizileri kimler izliyor, maçları kimler seyrediyor, kimler haberleri kaçırmıyor” diye modellemeye [2] başlayabilirler.

Hafta içinde mesai saatlerinde seyredilenler ve mesai sonrasında seyredilenler farklıysa, anlamlandırma [3] başlar.

Bazı programlar anlamlandırmayı kolaylaştırır:

  • TV’de uzaktan eğitim programları
  • Sabah kadın programları
  • Futbol maçları
  • Futbol maçları dışındaki (Eurosport gibi) programlar
  • Sürekli borsa haberleri veren kanallar
  • İnce esprilere dayanan kısa diziler
  • Mad Man veya House of Cards gibi diziler
  • Yemek programları

“Nasıl anlamlandırırız?” diyorsanız:

Mesai saatlerinde hiç spor programı izlenmezken maç akşamları ve hafta sonunda sürekli futbol seyrediliyorsa fikir edinilir. Maç saatlerinde bir dizi kesilip doğrudan maça giriliyorsa, evde iki kişinin yaşadığının yanında, televizyonun kumandasının kimin elinde olduğu bile anlaşılır.

Buradan alınacak önemli ders: Farklılıklar daha çok bilgi verir. Hafta içi veya hafta sonu, mesai saatinde veya dışında hiç değişiklik olmadığında yeterli sayıda fikir üretilemeyebilir.

Kocasının evde olmadığı akşamları, maç saatinde dizi izlenmesinden anlayabilirsiniz.

Kesinlikle kaçırmadığı bir diziyi veya maçı seyretmiyorsa ve televizyon kapalıysa ya evde değildir, ya da misafir gelmiştir.

Geri alma özelliği olan uygulamalar daha çok fikir verebilir. Yemek programında içerindeki malzemelerin olduğu kısım donduruluyorsa, “o yemeği yapmaya niyetli olduğunu” bile anlayabiliriz. Hatta buradan yola çıkıp, aşçılık düzeyini bile buluruz.

Sabah 08.30’a kadar dünkü maçların özetleri veya borsa haberleri izlenip, günün sonrasında akşama kadar bunlara hiç bakılmıyorsa ve kadın programları izleniyorsa, kocasının evden çıkış saatini de anlayabiliriz.

Bazen Türkçe altyazılı, bazen ise İngilizce izleniyorsa, farklı yabancı dil seviyesinde kişiler olduğunu öngörebiliriz.

Evde 2 ayrı televizyon varsa ve birbirinden çok farklı programlar seyrediliyorsa, daha fazla anlamlandırma ipuçları elde edersiniz. Hangi programlar olduğunda, televizyonlardan biri kapatılıp hane halkı tek bir kanalı izliyor diye modelleyebilirsiniz.

Yukarıdaki anlamlandırmalar bazılarımız için farklı olabilir. Siz muhtemelen daha iyi anlamlandırılacak modeller kurabilirsiniz.

Zaten %100 geçerli bir model olamaz. Sürekli veri analizi ile modellerin ince ayarı yapılır. Kimler için geçerli olduğu test edilir. Segmentasyondan kişiselleştirmeye geçiş bu şekilde başarılır.

Kişiselleştirme bu aşamada önemli olmaya başlar.

Reklamlar başlayınca zaplanmasının nedeni, bizi hiç ilgilendirmemesidir. Bizim için anlamlı olsa, izlemek isteriz.

Herkese aynı reklamları göstermek yerine, daha fazla geri dönüş alacak reklamları devreye sokarsınız. Doğru hedef kitleye daha az maliyetle ulaşırsınız. Hiç ilgilendirmeyen mesajları, reklamları devreye sokarak izlemeyi azaltmazsınız.

İzleyicilerinize (müşterilerinize) uygun programları, dizileri önerirsiniz. Kendi dizilerinizin web sitelerini de devreye sokarak, gelirlerinizi artırabilirsiniz.

Bunlar yeni değil. ABD’de 7 – 10 yıldan beri uygulanıyor.

Müşteri (veya izleyici) ile temas edilen her noktada segmentasyondan kişiselleştirmeye doğru gidilmelidir.

14 Nisan 2014

Kapak resmi şuradan alıntıdır

Sonraki yazıda başka bir sektörden örnek vereceğiz

Yorumlar


Warning: Use of undefined constant php - assumed 'php' (this will throw an Error in a future version of PHP) in /home/customer/www/uzaktancrmegitimi.com/public_html/wp-content/themes/toolbox/comments.php on line 84