Jak Small Data może pomóc Twojej firmie więcej sprzedawać?

Jak Small Data może pomóc Twojej firmie więcej sprzedawać?

Za oknami wiatr i słota to niewątpliwy sygnał, że idą Święta. Rubaszne Mikołaje zawojują nasze sklepy, ekrany i telefony. Z każdego miejsca, w którym da się wyemitować jakąś reklamę wyskoczy nam aniołek lub świąteczna pożyczka. Z „niecierpliwością” czekam na coroczny telefon od opiekuna z mojego banku, który radośnie  oświadczy, że ma dla mnie specjalnie przygotowany kredyt tzw. chwilówkę na sfinansowanie Świąt. Jest to tak powtarzający się element, że gdyby go zabrakło uznałbym, że Święta odwołali.

I jak co roku przejdzie mi przez głowę myśl czy mój bank nie mógłby sprawdzić stanu mojego konta i upewnić się, czy jest mi ten kredyt potrzebny? Wtedy miła pani mogłaby zadzwonić, tak po prostu, z życzeniami bez oferty przygotowanej „specjalnie dla mnie”. Bank mógłby zrobić więcej, sprawdzić jak w ubiegłych latach finansowałem zakupy świąteczne, czy używałem karty kredytowej i w jakim czasie ją spłaciłem, czy kupowałem online czy klasycznie, bo być może byłbym zainteresowany kartą tylko do płatności w sieci. Mógłby, lecz z jakiś niepojętych dla mnie powodów nie potrafi zarządzić posiadanymi przez siebie danymi, tylko „strzela” swoimi telefonami do klientów jak do kaczek licząc, że być może któraś spadnie.

 

A przecież zarządzenie statystycznymi danymi o klientach to dopiero pierwszy krok, zrobienie tego w sposób dynamiczny to kolejne wyzwanie. W zeszłym roku o tej porze dostając taki świąteczny telefon podziękowałem grzecznie za limitowaną ofertę i poinformowałem, że bardzo chętnie porozmawiam tyle, że o możliwościach inwestycyjnych oferowanych przez mój bank. Na co otrzymałem odpowiedź, że „z pewnością skontaktujemy się wkrótce w tej sprawie” i czekam tak do dziś.  Niestety informacja o mojej chęci zakupu kolejnych produktów bankowych uleciała wraz z odłożeniem słuchawki, ponieważ nie pasowałem mojemu bankowi do jego kampanii marketingowej.

 

Powyższy przykład, z życia wzięty, wyraźnie pokazuje, że nawet wielkie korporacje zanim zabiorą się za analizę tzw. Big Data to najpierw muszą zarządzić swoim Small Data w sposób kontrolowany. To właśnie Small Data może im i nam wszystkim przynieść sukces rynkowy w najbliższych latach.

 

Zacznijmy jednak od szybkiego wyjaśnienia pojęć. Big Data to wszystko, co nie mieści się nam w tabeli. Firma doradcza Gartner, specjalizująca się w wykorzystaniu technologii w biznesie, definiuje big data, jako zbiory informacji o dużej objętości (Volume), dużej zmienności (Velocity) i dużej różnorodności (Variety), które wymagają nowych form przetwarzania w celu wspomagania podejmowania decyzji, odkrywania nowych zjawisk oraz optymalizacji procesów. Co to za dane? Mogą nimi być zdjęcia np. monitoring ruchu w sklepie, odczyty sensorów, niepowiązane ze sobą bezpośrednio transakcje itp.

 

Czym w takim razie jest Small Data? Są to te wszystkie dane, które jesteśmy w stanie zmieścić w tabelach (excel, SQL itp.) i również w tych tabelach możemy je przetwarzać. Okazuje się, że w ten sposób potrafimy pracować nad pokaźnym zbiorem danych w czasie rzeczywistym. Zapomnijmy więc o prostej segmentacji klientów typu srebrny, złoty, platynowy, która prowadzi do sprzedawania niechcianych, a czasami i absurdalnych ofert, a zacznijmy myśleć o segmentacji dynamicznej wykorzystującej różne atrybuty przypisane do klientów i zmieniającej się wraz z ich potrzebami.

 

Od czego zacząć inteligentny marketing?

 

Pierwszy krok to sposób gromadzenia i jakość dostępnych danych. Wartość współczesnych firm coraz częściej buduje się na danych, jakie one posiadają. Z sukcesem funkcjonują modele biznesowe oparte jedynie o dane i pomysł na inteligentne ich wykorzystanie. Najlepszym przykładem jest tu Google, firma, której całe istnienie opiera się na przetwarzaniu danych o klientach. Google oferuje konsumentom swoje produkty i usługi nie wymagając za nie opłat. Jednocześnie zbiera i przetwarza ich dane w taki sposób, aby móc następnie sprzedać swoim klientom biznesowym ekonomiczny sposób dotarcia z komunikatem reklamowym do użytkowników swoich programów. Jednakże pomysł na inteligentne wykorzystanie danych nie jest już zastrzeżony dla gigantów IT. Każda firma zbiera informacje o swoich klientach najczęściej po to, aby używać ich w konkretnych celach takich jak billing, rozliczenia czy proces sprzedaży. Wystarczy jeszcze jeden krok, aby wszystkie te informacje połączyć i otrzymać zupełnie nowe możliwości wpływania na decyzje zakupowe swoich klientów.

 

Aby to zrobić zaczynamy od określenia wspólnych definicji danych, które pozwolą marketingowi, sprzedaży i IT rozumieć wzajemne potrzeby jak i efekty podejmowanych działań. Teraz rozumiejąc, co chcemy zbierać możemy przejść do zapewnienia jakości, która zależy od ich integralności rozumianej jako upewnienie się, że gromadzone dane są w określonych formatach czy parametrach biznesowych (np. w polach określających płeć mogą zostać użyte tylko K(kobieta) i M(mężczyzna), następnie od dokładności czyli zapewnienie, że dane są poprawne, zawartości czyli zgodności z ustalonymi definicjami, jednoczesności czyli zapewnienia, że te same dane przechowywane w różnych systemach będą miały tę samą zawartość oraz aktualności czyli ustalonego i stałego sposobu odświeżania.

 

Kolejnym krokiem jest dokładne poznanie procesu podejmowania decyzji zakupowej i cyklu życia klienta po to, aby następnie odzwierciedlić go w regułach biznesowych. W przypadku firmy B2B najczęściej pierwszą barierą, jaką musimy pokonać to przestawienie własnego myślenia, a często i własnego systemu CRM z przekonania, że to nie firmy są naszymi klientami  a  konkretni ludzie w tych firmach, którzy podejmują decyzje i z nami współpracują . To ich proces decyzyjny należy odtworzyć żeby projektować segmentację opartą o obserwowane zachowania. Dodatkową trudnością jest to, że proces decyzyjny będzie różny w zależności od roli, jaką dana osoba pełni podczas wyboru dostawcy. Najczęściej będziemy mieli do czynienia z:

a.        osobą podejmującą ostateczną decyzję, której rola w procesie wyboru dostawcy najczęściej jest przeceniania (np. Prezes firmy),

b.      osobę wpływającą na decyzję np. kierownika danej jednostki, przedstawiciela działu zakupów

c.       użytkownika, który nie bierze udziału w wyborze, lecz może storpedować transakcję podczas wstępnego okresu współpracy np. testów,

d.      sponsora, który może nie brać udziału w procesie decyzyjnym, lecz wprowadza nas do firmy, ponieważ nasze rozwiązanie realizuje przynajmniej częściowo jego cele.

 

W przypadku klienta indywidualnego sprawa wydaje się być prostsza, niemniej również należy pamiętać, że bardziej złożone decyzje jak np. kredyt hipoteczny, zakup samochodu czy wycieczki na wakacje najczęściej angażują więcej osób z gospodarstwa domowego, które również należy wziąć pod uwagę.

 

Odtworzenie procesu decyzyjnego posłuży nam do automatycznego przypisywania atrybutów na podstawie zaobserwowanych zachowań. Na przykład klienta, który wykupił w biurze podróży wyjazd na narty dla rodziny możemy zakwalifikować, jako narciarza i wraz ze zbliżającym się sezonem przesyłać mu narciarskie oferty. Niemniej taka sztywna klasyfikacja spowoduje, że jednorazowy wyjazd zaszufladkuje kupującego. Włączenie mechanizmu, który będzie sprawdzał zainteresowanie narciarskie poprzez śledzenie reakcji na wysyłane komunikaty pozwoli zarówno na zdjęcie takiego zakwalifikowania jak i dodanie dodatkowego atrybutu o innej wadze np. narciarz aktywnie poszukujący. Znaki, jakie daje nam klient poprzez swoje zachowania zakupowe znajdują odzwierciedlenie w kolejnych przypisywanych i zdejmowanych atrybutach. Im bardziej rozumiemy klienta tym bardziej jesteśmy w stanie dynamicznie budować wiedzę o nim. Np. znając zachowania klientów przed odejściem (churn) tj. rodzaj i sposób zmniejszenia współpracy możemy automatycznie przypisać im atrybut zagrożenia odejściem.

 

Jak wprowadzić dynamikę?

 

 

Sposób przypisywania wielu atrybutów w zależności od poszczególnych cech i zachowań klienta może budzić podstawową wątpliwość, związaną z tym jak przewidzieć wystarczającą ilość atrybutów i zapisać je w bazie danych. Nawet jeśli dobrze rozumiemy swojego klienta to przewidzenie wszystkiego w tak zmieniającym się otoczeniu biznesowym jest niemożliwe. Tu z pomocą przychodzi nam system tagów. Znany z internetu system przypisywania dowolnych słów czy wyrażeń kluczy, które później pozwalają na segregowanie i wyszukiwanie w bazie po konkretnych znacznikach. Taki mechanizm ma budowę otwartą, w każdej chwili możemy dodać kolejne tagi, przypisać do nich wagi oraz reguły biznesowe. I tak nasz przykład z narciarzem może się przekładać w sposób następujący, tag zakup wycieczki narciarskiej, tag Alpy, tag rok2012 powoduje wysłanie maila z informacjami o ofertach w roku 2013, kliknięcie przez klienta w ofertę w mailu, lecz poszukiwanie na stronie www wycieczek narciarskich w Polsce spowoduje przypisanie kolejnych tagów np. aktywny2012oraz narty Polska z wagą 2 razy wyższą niż Alpy, natomiast łączna waga wszystkich przypisanych tagów wywołuje telefon z call center do klienta z propozycją doradzenia w wyborze wycieczki narciarskiej. Takie same tagowanie możemy przypisywać w innych branżach. Bank analizując stan konta aktywnego klienta i znając jego poziom świątecznych wydatków  może go zakwalifikować do pożyczki na Święta , jeszcze lepiej.  Poprzez zaplanowaną regułę biznesową związaną z wysokością bieżących wydatków świątecznych i stanem środków na koncie automatycznie przypisze tag pożyczka świąteczna, który wywoła akcję biznesową w postacie telefonu z ofertą.

 

Decydując się na model dynamiczny sztywne ramy segmentacyjne przestają nas tak krępować.

Tworzone są osobne segmentacje związane z potrzebami jednostki biznesowej i efektywnością jej działań. Każda kolejna akcja marketingowa wykonywana na bazie klientów przyczynia się do doskonalenia segmentacji i zmian w ramach większych grup. Niemniej niektóre elementy będące następstwem podziału klientów na grupy np. przypisanie firmy do przedstawiciela handlowego nie mogą się zmieniać tak dynamicznie. Dlatego też, tam gdzie firma jest mniej elastyczna można zaplanować procesy dostosowujące ją do zmieniającego się klienta. np. cykliczny podział koszyków handlowych i terytoriów.

 

Wszystkie te działania, zmieniające marketing i sprzedaż ze sztuki w naukę, są oparte o proste w 

gromadzeniu i przetwarzaniu dane tabelaryczne, czyli nasze Small Data. Dopiero po opanowaniu tych stosunkowo łatwo dostępnych informacji możemy się pokusić o sięgnięcie do Big Data, a więc dołączanie do naszych analiz np. danych z profili społecznościowych w internecie czy nagrania z zachowaniem konsumentów przed półkami sklepowymi.

 

 

Dzięki takim działaniom marketing i sprzedaż zaczną czynić świąteczne cuda. Pożyczki skontaktują się z potrzebującymi, a prezenty z darczyńcami, czego wszystkim życzę.

Cały artykuł można znaleźć na najnowszym numerze czasopisma IT Magazine