Käytännössä tällaista markkinakorianalyysia hyödynnetään esimerkiksi verkkokauppojen ku-ten Amazonin asiakastilin ominaisuuku-tena luetteloida mahdollisesti kiinnostavia tuotteita. Asia-kas sitten saa ilmoituksen kun muut asiakkaat, jotka ostivat hänen ostamansa tuotteen, tarAsia-kas- tarkas-tivat tai ostarkas-tivat myös toisen luettelon tuotteista. Asiakkaan mielenkiintoa ja ostohalukkuut-ta pyritään näin herättelemään suoritostohalukkuut-tamaan mahdollisia lisäostoja. Markkinakorianalyysin avulla kerätyn tiedon pohjalta tai tässä tapauksessa kiinnostavien tuotteiden listan pohjalta luodun asiakasprofiilin avulla voidaan asiakkaalle tarjota vain häntä kiinnostavia tarjouksia, tuotteita ja tarjota personoitua markkinointiviestintää.
Markkinakorianalyysia voidaan hyödyntää tätä kautta erittäin tehokkaasti kohdistamaan mark-kinointikampanjoita tietyille asiakkaille. Asiakkaiden omien tai samankaltaisten asiakaspro-fiilien perusteella heidät voidaan houkutella myös ostamaan vastaavia tuotteita äskettäin os-tamilleen tuotteille. Lisäksi verkkosivuja voidaan kustomoida asiakaskohtaisesti mahdollis-ten tuotteiden väliltä löytyvien assosiaatioiden ja heidän ostohistoriansa perusteella.
5 Yhteenveto
Tutkielman tarkoituksena oli tarkastella ja esitellä taustakirjallisuuteen perustuen digitaali-sen markkinoinnin tunnuspiirteitä ja asiakkaiden profilointia siinä, sekä tiedonlouhinnan me-netelmiä ja hyödyntämistä osana digitaalista markkinointia. Aiheen laajuuden vuoksi tarkas-teluun valikoitui tiedonlouhinnan menetelmistä assosiaatiosäännöt ja kuinka niiden pohjalta toteutettavaa markkinakorianalyysia voidaan hyödyntää osana asiakkaiden profilointiproses-sia. Tutkielmassa haluttiin demonstroida käytännön esimerkin kautta kuinka assosiaatiosään-töjä hyödynnetään digitaalisen markkinoinnin asiakasprofiloinnin ja personoidun viestinnän toteuttamisessa. Tutkielmassa päädyttiin tarkastelemaan aihetta vain hyötynäkökulmasta tut-kielman suppeuden vuoksi, joten haitat ja heikkoudet jätettiin tarkoituksella tarkastelematta.
Taustakirjallisuuteen pohjaten pystyttiin havaitsemaan, että tiedonlouhinnan menetelmät ovat hyödyllisiä käyttää osana digitaalista markkinointia. Varsinkin asiakkaiden profilointiin ja heille personoidun markkinointiviestinnän tekemiseen on markkinakorianalyysi erittäin hy-vä menetelmä hyödyntää, kuten luvussa 4 huomattiin. Tiedonlouhinnan hyödyntäminen osa-na digitaalista markkinointia havaittiin myös helpottavan markkinoijien tehtäviä, koska se automatisoi tiedon keruuta. Sen avulla on myös saatavissa yrityksen näkökulmasta muutakin kuin asiakkaiden profilointia hyödyttävää tietoa.
Tutkimusstrategiana kirjallisuuskartoitus toimii hyvin, mutta tiedonlouhinta ja digitaalinen markkinointi aiheena vaatisi myös konkreettisia testejä sekä toteutuksia luotettavien ja en-tistä hyödyllisempien tulosten pohjaksi. Alati kasvavan tiedon määrän vuoksi olisi myös yri-tysten tarpeellista perehtyä ja tutkia tiedonlouhinnan hyödyntämistä vielä tarkemmin osana digitaalista markkinointia.
Tiedonlouhinnan toteuttamiseen liittyy tietenkin paljon eettisiä kysymyksiä, mutta niihin ei pystytty tämän tutkielman laajuudessa pureutumaan. Eettiset kysymykset kuitenkin tarjoa-vat ajankohtaisen ja laajan aiheen jollekin asiasta kiinnostuneelle perehtyä omassa tutkimuk-sessaan. Näistä syistä jatkotutkimuskohteena voisi toteuttaa markkinakorianalyysin vaikka-pa jollekin digitaalisessa mediassa operoivalle verkkokaupvaikka-payritykselle, jonka avulla voi-daan tarkastella tuotteiden assosiaatioita ja päivittää asiakkaiden asiakasprofiileja ja
koh-dentaa heille tarkoitettua markkinointiviestintää. Tiedonlouhinnan menetelmien hyödynnet-tävyyden tutkiminen digitaalisen markkinoinnin osana ja apuna tarjoaa vielä paljon aiheita syventyä jatkossa.
Lähteet
Agrawal, Rakesh, Tomasz Imieli´nski ja Arun Swami. 1993. “Mining Association Rules between Sets of Items in Large Databases”.SIGMOD Rec. (New York, NY, USA) 22, nu-mero 2 (kesäkuu): 207–216. ISSN: 0163-5808. https : / / doi . org / 10 . 1145 / 170036 . 170072.
https://doi.org/10.1145/170036.170072.
Chaffey, Dave. 2019. Digital marketing : strategy, implementation and practice. Seventh edition. Ebook Central SUPO/MUPO. Harlow, England: Pearson. https://ebookcentral.proq uest.com/lib/jyvaskyla-ebooks/detail.action?docID=5672727.
Han, Jiawei. 2012. Data mining : concepts and techniques. 3rd ed. Toimittanut Jian Pei.
Morgan Kaufmann series in data management systems. Burlington, Mass.: Elsevier. https:
//ebookcentral.proquest.com/lib/jyvaskyla-ebooks/detail.action?docID=729031.
Isohookana, Heli. 2007.Yrityksen markkinointiviestintä.Toimittanut Heli Isohookana. Em-piria. Lisäpainokset: 2. p. 2011. Helsinki: WSOYpro.
Kantardzic, Mehmed. 2011.Data mining : concepts, models, methods, and algorithms.2nd ed. 534. Hoboken, New Jersey: John Wiley. http://ieeexplore.ieee.org/xpl/bkabstractplus.
jsp?bkn=6105606.
Karjaluoto, Heikki. 2010. Digitaalinen markkinointiviestintä : esimerkkejä parhaista käy-tännöistä yritys- ja kuluttajamarkkinointiin.Jyväskylä: Docendo. https://www.ellibslibrary.
com/jyu/978-951-0-36091-0.
Kotler, Phillip, Mairead Brady, Malcolm Goodman, Torben Hansen ja Kevin Keller. 2010.
Marketing Management. Welwyn Garden City, UNITED KINGDOM: Pearson Education UK. http://ebookcentral.proquest.com/lib/jyvaskyla-ebooks/detail.action?docID=5136334.
Laveri, Jouni. 2006. “Käyttäjien profilointi verkkokaupoissa : viitekehysmalli profilointime-netelmien vertailuun”. Tutkielma. http://urn.fi/URN:NBN:fi:jyu-2006573.
Leventhal, Barry. 2010. “An introduction to data mining and other techniques for advanced analytics”.Journal of Direct, Data and Digital Marketing Practice,https://doi.org/10.1057/
dddmp.2010.35. https://doi.org/10.1057/dddmp.2010.35.
Linoff, Gordon S., ja Michael J. A. Berry. 2011.Data Mining Techniques : For Marketing, Sales, and Customer Relationship Management. John Wiley Sons, Incorporated. http : / / ebookcentral.proquest.com/lib/jyvaskyla-ebooks/detail.action?docID=706770.
Merisavo, Marko, toimittanut. 2006. Digitaalinen markkinointi. Economica. Muut tekijät:
Jari Vesanen, Mika Raulas ja Ville Virtanen. Helsinki: Talentum.
Paytrail. 2021.Verkkokauppa Suomessa 2020.https://www.paytrail.com/raportti/verkkokau ppa-suomessa-2020.
Posti. 2020. Suuri verkkokauppatutkimus 2020.https://minun.posti.fi/hubfs/Tutkimukset/
Suuri- verkkokauppatutkimus- 2020_Posti.pdf#_ga=2.66485612.313805965.1617786317-780347764.1617786317.
Päivittäistavarakauppa ry, PTY. 2021. Päivittäistavarakaupan myynti ja markkinaosuudet 2020. https://www.pty.fi/ajankohtaista/tiedotteet/uutinen/article/paeivittaeistavarakaupan-myynti-ja-markkinaosuudet-2020/.
Saura, Jose Ramon. 2020. “Using Data Sciences in Digital Marketing: Framework, methods, and performance metrics”.Journal of Innovation Knowledge,ISSN: 2444-569X. https://doi.
org/https://doi.org/10.1016/j.jik.2020.08.001. https://www.sciencedirect.com/science/
article/pii/S2444569X20300329.
Tekin, Mahmut, Mehmet Etlioglu, Özdal Koyuncuo˘glu ja Ertu˘grul Tekin. 2019. “Data Mi-ning in Digital Marketing”, 44–61. Tammikuu.ISBN: 978-3-319-92266-9. https://doi.org/
10.1007/978-3-319-92267-6_4.
Tuffery, Stéphane. 2011.Data mining and statistics for decision making.Toimittanut Stép-hane Tuffery. Wiley series in computational statistics. Chichester, West Sussex ; Hoboken, NJ.: Wiley. https://ebookcentral.proquest.com/lib/jyvaskyla-ebooks/detail.action?docID=
792450.
Witten, I. H., Eibe Frank ja Mark A. Hall. 2011.Data mining : practical machine learning tools and techniques. 3rd ed. 629. Morgan Kaufmann series in data management systems.
Burlington, MA: Morgan Kaufmann. http://search.ebscohost.com/login.aspx?direct=true&
scope=site&db=nlebk&AN=351343.