Wskaźniki i prognozy – czyli jak istotna jest predykcja w planowaniu działań firmy.
Andrew Pole w 2002 roku rozpoczyna pracę jako statystyk w amerykańskiej sieci handlowej Target. Dwóch kolegów z działu marketingu zatrzymuje się przy jego biurku i stawia dziwne pytanie: „Gdybyśmy chcieli dowiedzieć się, czy klientka jest w ciąży, nawet jeśli nie chcesz, żebyśmy wiedzieli, to czy możesz to przewidzieć?”. Mija kilka lat. Oto klientka, która ma 17 lat i mieszka w Atlancie. W marcu kupiła balsam z masłem kakaowym, suplementy cynku i magnezu, torebkę wystarczająco dużą by służyła jako torba na pieluchy oraz jasnoniebieski dywan. Jej ojciec wpada z awanturą do sklepu, z pretensjami, że firma wysyła jej próbki produktów dla kobiet w ciąży. – Moja córka jest za młoda by już myśleć o tych głupotach – wykrzykuje. Myli się. Córka jest w ciąży, a sieć sklepów wiedziała to na 87%. Data porodu wypadła na koniec sierpnia, a zdenerwowany ojciec stał się szczęśliwym dziadkiem.
Skąd sieć wiedziała więcej niż ojciec dziewczyny? Target przypisuje każdemu klientowi numer identyfikacyjny gościa, który jest powiązany z jego kartą kredytową, imieniem i nazwiskiem i adresem e-mail. Ten rekord w bazie danych, staje się swoistym hubem informacyjnym, przechowującym historię zakupów, dane demograficzne, nie tylko zebrane przez sieć sprzedaży, ale również zakupione z innych źródeł.
Analityka predykcyjna
Zawsze gdy idziesz na zakupy, udostępniasz dane o swoich zachowaniach i wzorcach konsumpcyjnych, które służą analizie predykcyjnej. Przez wieki dane te zapisywał sprzedawca czy właściciel sklepu na twardym dysku własnego mózgu. Witał cię po imieniu, pamiętał daty urodzin, znał twoje dzieci czy ulubione produkty, kolory i smaki. W świecie sklepów samoobsługowych ten świat zastąpiła technologia. Od początku lat 70-tych XX wieku, zaczęły rozwijać się techniki skanningowe. a obserwacja klientów w miejscu sprzedaży zaczęła być coraz bardziej popularna. Gdy rozwinął się e-commerce, całość ścieżki zakupowej klienta została zdigitalizowana. Rozpoczęto analizowanie czasów obecności na konkretnych stronach, powrotów do serwisu czy wskaźników porzucania koszyków. Amazon nauczył nas poleceń: skoro kupiłeś X, może zainteresować cię Y oraz tworzenie profili na podstawie zainteresowań i zachowań w sieci (insights). W miarę rozwoju technologii, dostarczane dane posłużyły do tworzenia algorytmów zachowań klientów. Dziś tworzy je już sztuczna inteligencja, „karmiona” pozyskiwanymi danymi. W świecie offline zachowania klientów analizowane są w kontekście danych neuromarketingowych.
Techniki prognozowania
Istotą analizy predyktywnej jest wykorzystywanie możliwości zbierania danych i poszukiwania relacji między nimi, czyli projektowania i realizacji automatycznych, algorytmizowanych działań ukierunkowanych na potencjalnych klientów. Systemy predyktywne umożliwiają kierowanie dedykowanych informacji, uzależnionych od reakcji użytkowników na przekazane bodźce, np. kliknięcie konkretnego linku czy odbiór wiadomości, co umożliwia prognozowanie finansowe. Z kolei marketing automation pozwala na tworzenie segmentów rynku, insightów, generowanie i obsługę leadów czy w e-commerce. Kluczem marketingu predyktywnego jest budowanie algorytmów lub modeli ekonometrycznych, wykorzystujących informacje i dane o zachowaniach klientów, w celu próby przewidzenia ich zachowania w przyszłości. W kluczowej mierze jest to poszukiwanie konkretnych korelacji pomiędzy pozyskanymi danymi niezależnymi (demografia, wiek, płeć, miejsce zamieszkania itd.), a danymi zależnymi (zakupione produkty i usługi, materiały pobrane ze strony WWW itp.). Dzięki korelacjom mamy możliwość budowania algorytmów pod kątem określonych insightów, prognozowanie finansowe oraz dostarczanie informacji dla systemów sztucznej inteligencji, które będą aktualizować modele predyktywne.
Predykcja w planowaniu działań firmy
Techniki prognozowania w ramach działań firmy rozpoczynają się od pozyskiwania danych z leadów, informacji o potencjalnych klientach, informacji pochodzących z baz danych itp. Następnie w ramach transakcji internetowych uzyskujemy podstawowe dane logowania, a także niezbędne zgody RODO. W momencie realizacji transakcji uzyskujemy dodatkowe dane związane z miejscem dostawy, formami płatności oraz dodatkowymi preferencjami. Te informacje mogą być powiązane z danymi o zachowaniach użytkownika w sklepie internetowym czy danymi z kart lojalnościowych. Możesz też tworzyć specjalne promocje dla posiadanych leadów, które pozyskano w ramach wcześniejszych działań. Bez względu na sposób pozyskanych danych kolejnym krokiem jest znalezienie korelacji między nimi. W przypadku już zrealizowanych transakcji firma posiada prawdziwe dane geolokalizacyjne. Inna sytuacja jest w przypadku danych deklaratywnych, gdzie klient może wpisać to, co chce. Dane transakcyjne są pod tym względem zawsze o wiele bardziej wiarygodne. Najprostszym sposobem w modelach predyktywnych jest oferowanie produktów kupowanych przez innych klientów, o podobnym profilu, czyli „skoro kupiłeś X, może cię zainteresować Y”, wzbogacanie ofert o dane geolokalizacyjne, np. specjalna oferta dla klientów Wielkopolski, czy łączenie danych pogodowych: „jeśli pada śnieg, nasze produkty są tańsze”. Istotą modeli predyktywnych jest dostarczanie danych, by budować samouczące się algorytmy. Im więcej uzyskanych danych, tym lepsze możliwości budowania komunikacji 1:1. W kolejnych krokach następuje uzupełnianie modelu o nowe dane i aktualizacja algorytmów.
Analityka predykcyjna zmienia sferę analiz rynkowych i pozyskiwania danych o zachowaniach klientów oraz umożliwia lepsze prognozowanie finansowe. Klasyczne informacje deklaratywne pozyskiwane za pośrednictwem elektronicznych ankiet czy wywiadów nie zawsze w pełni oddają oczekiwania czy kluczowe cechy związane z realizacją transakcji. Dlatego w ramach technik prognozowania projekty ukierunkowane na wykorzystanie narzędzi predyktywnych pozwalają określać skuteczność działań na bazie zachowań klientów i korelacji danych. Dzięki technikom prognozowania oraz wykorzystaniu wskaźników finansowych firma uzyskuje racjonalne możliwości dopasowywania oferty pod kątem istniejących oczekiwań klientów.
