Costruire potenti alleanze di brand tra partner apparentemente improbabili

target group, advertising, buyer

I ricercatori dell’Università dell’Oklahoma e dell’Università dell’Illinois a Chicago hanno pubblicato un nuovo articolo sul  Journal of Marketing  che introduce un approccio digitale all’analisi degli interessi del pubblico attraverso un ampio ecosistema di marchi. Le intuizioni incrociate generate da possono aiutare ricercatori e professionisti a identificare opportunità di branding non tradizionali.

Lo studio, di prossima pubblicazione sul  Journal of Marketing,  è intitolato ” Leveraging Co-Followership Patterns on Social Media to Identify Brand Alliance Opportunities ” ed è scritto da Pankhuri Malhotra e Siddhartha Bhattacharyya.

L’uso di strategie di co-branding e di estensione del marchio per accedere a nuovi mercati (e potenzialmente attrarre un pubblico di marca più ampio) è cresciuto in modo significativo negli ultimi decenni. Il recente accordo di co-branding tra Starbucks e Spotify, due marchi apparentemente non correlati, mostra che unire due marchi in buona fede, in particolare quelli in diversi settori, può essere una strategia di marketing redditizia. Fornendo musica premium da coffee shop, Starbucks ha incentivato gli utenti di Spotify a partecipare al suo programma fedeltà. In cambio, Spotify ha ampliato la sua base di utenti sfruttando l’offerta di Starbucks di un caffè gratuito per l’adesione al servizio di streaming musicale.

Sebbene i gestori abbiano sfruttato i vantaggi sinergici del co-branding per decenni, sorprendentemente pochi studi hanno cercato di identificare potenziali alleanze di co-branding tra marchi appartenenti a categorie diverse. Malhotra e Bhattacharyya introducono un nuovo approccio scalabile automatizzato per identificare potenziali opportunità di co-branding e di estensione del marchio utilizzando reti di marchi derivate dai dati di followership di Twitter disponibili pubblicamente. Presentano un nuovo costrutto, la trascendenza del marchio, che misura la misura in cui i follower di un marchio si sovrappongono a quelli di altri marchi in una nuova categoria. Ad esempio, la trascendenza di un marchio non sportivo lungo una determinata categoria, ad esempio sport, si basa sulla misura in cui i suoi follower si sovrappongono a quelli di altri marchi nella categoria sportiva. 

I ricercatori rivelano approfondimenti sul branding tra categorie sotto forma di connessioni brand-brand e brand-category, che possono servire come misure importanti per valutare le opportunità di co-branding ed estensioni. Ad esempio, le connessioni marchio-categoria catturano la trascendenza dei marchi in nuove categorie e mostrano che alcune categorie sono più praticabili per le estensioni rispetto ad altre. Le connessioni brand-brand, d’altra parte, forniscono una visione più granulare della trascendenza rivelando i singoli brand adatti al co-branding. Come spiega Malhotra, “Il vettore di trascendenza di Mercedes mostra che i più forti legami tra marchio e categoria di Mercedes sono con il lusso, la tecnologia e lo sport, rendendoli categorie adatte per le estensioni. Poi, a livello di brand-brand, troviamo marchi come Louis Vuitton, Nike, Tissot, e Chanel di avere forti legami con Mercedes, rendendoli potenziali candidati per il co-branding”. Lo studio cattura anche le relazioni asimmetriche tra le coppie di marchi per identificare i marchi che potrebbero potenzialmente trarre maggiori benefici da un’alleanza di co-branding. 

target group, advertising, buyer

Poiché le relazioni utente-marchio sui social media possono cambiare, i ricercatori documentano le fluttuazioni delle connessioni di marca nel tempo e studiano l’impatto di tali fluttuazioni sulle alleanze di co-branding. Capire se le connessioni critiche con determinati marchi o categorie potenziali sono diminuite può aiutare i manager a identificare tempestivamente il problema e intraprendere le azioni appropriate. Allo stesso modo, l’identificazione di nuove connessioni che si sono formate nel tempo può illustrare come le azioni di marketing passate possono influenzare la trascendenza di un marchio nella mente degli utenti. 

Le connessioni tra categorie rivelate attraverso la rete possono essere utilizzate per valutare l’efficacia delle precedenti campagne di marketing e scoprire nuove opportunità di alleanza. Ad esempio, il legame di Bud Light con Pepsi riflette i modelli di co-interesse tra i due marchi e, quindi, afferma l’efficacia della loro precedente campagna di marketing congiunta. Allo stesso modo, i forti legami della Sierra Nevada con i marchi di viaggio e tecnologici (ad es. Southwest Airlines, Discovery, SpaceX e Microsoft) evidenziano il forte co-interesse con questi marchi e presentano nuove opportunità di co-branding che potrebbero essere ancora note ai suoi proprietari. Malhotra e Bhattacharyya forniscono esempi di entrambi gli scenari utilizzando informazioni provenienti da fonti esterne del settore.

Un’altra applicazione pratica di questo metodo è l’analisi della concorrenza, che può aiutare i manager a identificare le connessioni differenzianti dei marchi rispetto ai concorrenti e valutare il tipo di utenti che i concorrenti attraggono. Ad esempio, lo studio indaga la trascendenza dei marchi di birra Bud Light e Sierra Nevada in diverse categorie e misura il tipo di pubblico che questi marchi attirano. Mentre Bud Light ha un’elevata trascendenza nel cibo e nella ristorazione, Sierra Nevada ha un’elevata trascendenza nei viaggi, nelle compagnie aeree e nella tecnologia.

“Nel complesso, il contributo principale del nostro studio è un nuovo approccio digitale all’analisi degli interessi del pubblico attraverso un ampio ecosistema di marchi. Le intuizioni incrociate generate da questo approccio possono aiutare ricercatori e professionisti a evitare la miopia di marketing identificando opportunità di branding non tradizionali che sono difficili da dedurre dagli approcci tradizionali basati sui sondaggi”, afferma Bhattacharyya. Da un punto di vista manageriale, questa rete di marchi può generare in modo efficiente ed economico approfondimenti tra categorie, dato che la maggior parte della raccolta dei dati e delle analisi di rete sono automatizzate. Inoltre, poiché l’approccio utilizza informazioni pubblicamente disponibili sui social media, può essere facilmente adattato a un gran numero di marchi, con le strutture di rete risultanti che riflettono le preferenze di un insieme diversificato di utenti.

Articolo completo disponibile su:  https://doi.org/10.1177/00222429221083668

%d blogger hanno fatto clic su Mi Piace per questo: