Jak wskazują badania, w typowym przypadku koszt sprzedaży produktu klientowi, który już korzystał z usług danej firmy, jest średnio pięciokrotnie niższy, niż koszt sprzedaży nowemu nabywcy. Co więcej, powracający klienci, według różnych badań, wydają o 31% więcej, niż nowi nabywcy, chętniej też sięgają po nowe elementy oferty danego dostawcy (źródło) .
Statystyki te dobitnie pokazują, jak duży potencjał tkwi w sprzedaży produktów obecnym klientom.
W dzisiejszym artykule opowiem o tym, jak można zwiększyć sprzedaż, kierując ofertę do tej grupy.
Wyobraź sobie, że uruchamiasz kampanię, której celem jest sprzedaż jednego z oferowanych przez twoją firmę produktów. Na potrzeby tego artykułu, przyjmijmy, że prowadzisz sklep internetowy i tym produktem będą czarne szpilki.
Do wszystkich? Jeżeli w bazie masz tysiące lub setki tysięcy klientów, koszt takiej kampanii może być wysoki.
Dlaczego nie warto wysyłać kampanii do całej bazy klientów? Oto kilka powodów:
Przykładowo, jeżeli kontaktujesz się ze swoimi klientami pocztą tradycyjną, musisz ponieść koszt zakupu znaczka, koperty czy wydruku ulotki, jeżeli przez call center – koszt wykonania telefonu przez konsultanta.
Niedopasowanie oferty do preferencji zakupowych może się przełożyć na niezadowolenie klienta, a w dłuższym okresie przyczynić się do jego odejścia.
Klient bombardowany reklamami niedopasowanymi do jego preferencji może na przykład przestać odbierać maile/telefony od Ciebie, nawet jeżeli kolejna oferta będzie „uszyta na miarę”. Po prostu domyśla się, że to znowu spam.
Powyższa lista nie wyczerpuje wszystkich powodów. Można pójść dalej w kierunku całościowego spojrzenia na strategię budowy relacji z klientem. Takie wyzwanie podejmuje podejście oparte o customer journey stosowane szeroko chociażby w firmach telekomunikacyjnych.
Jeżeli jednak nie posiadasz odpowiednich zasobów, aby je zastosować, proponuję zacząć od uproszczonego podejścia. Przyjmijmy za poprawną następującą odpowiedź:
Teraz trudniejsze pytanie:
Możesz polegać na swoim doświadczeniu i wiedzy eksperckiej lub podjąć decyzję, wykorzystując podejście analityczne, w szczególności analitykę predykcyjną.
Alternatywą byłoby sięgnięcie po algorytmy rekomendacyjne, jednak metody predykcyjne umożliwią wykorzystanie szerszego spectrum informacji, przez co ich precyzja (w przypadku, gdy takie informacje są dostępne) jest większa.
Jeżeli myślisz sobie teraz:
“Analityka predykcyjna? O nie, nie, nie. To nie dla mnie. Nie jestem ekspertem/ekspertką w metodach Data Mining”. Zapewniam cię, że obsługa narzędzi do analityki predykcyjnej nie musi być skomplikowana, zresztą zobacz sam(a).
Aby przewidzieć, którzy z klientów będą najbardziej zainteresowani kupnem oferowanego modelu butów, potrzebujesz danych przede wszystkim o:
Jeżeli nie masz danych na temat poprzednich kampanii, sugerujemy przeprowadzenie kampanii pilotażowej, której wynik będzie podstawą do dalszych analiz.
Na potrzeby takiej kampanii wybierz pewną grupę klientów ze swojej bazy i podziel ją na grupę testową (do tych klientów będziesz wysyłać ofertę) i kontrolną (w przypadku tych klientów nie podejmuj żadnych działań).
Wyniki kampanii odnotuj w tabeli, np. w kolumnie „Wynik”. Pozytywną odpowiedź na kampanię zakoduj na przykład jako „1” (klient kupił) a negatywną jako „0” (klient nie kupił).
Przykładowe dane wejściowe do analizy
Wiedząc, którzy klienci kupili produkt, możesz się im przyjrzeć bliżej, zobaczyć kim są, czym się charakteryzują. A następnie szukać innych klientów w bazie, którzy są do nich podobni, wtedy istnieje duża szansa, że oni też będą zainteresowani produktem.
Pamiętasz jaki jest cel? Na jakie pytanie chcemy odpowiedzieć? Otóż szukamy klientów, butów którzy z dużym prawdopodobieństwem będą chcieli skorzystać z danej oferty. Wspominałam o tym, że jest to przypadek uproszczony. Dlaczego?
Można do problemu podejść trochę inaczej. Możemy szukać klientów, w przypadku których realizacja kampanii zwiększy szansę na zakup. Wynika to z tego prostego faktu, że wśród twoich klientów będą tacy, którzy tak czy inaczej kupią wybrany model butów i nie potrzebują dodatkowych zachęt oraz tacy, którzy takiej zachęty (w postaci komunikatu marketingowego) potrzebują, aby dokonać zakupu.
Dzielimy klientów na dwie grupy: grupa testowa (wysyłamy do nich kampanię promocyjną) i kontrolna (nie wysyłamy żadnej kampanii). Następnie patrzymy, którzy klienci kupili buty w obu grupach. I budujemy dwa profile, a nie jeden:
Odpowiedź na nasze pytanie powinna być zmodyfikowana i brzmieć:
Mając dane z kampanii pilotażowej, patrzysz na profil klienta, który zakupił produkt. Czy jest to osoba z dużego miasta, kobieta czy mężczyzna, czy jest to osoba, która dokonała u nas zakupu na kwotę powyżej 1000 zł czy poniżej…? Nie zawsze znalezienie tego, co wpływa na decyzję o zakupie produktu jest oczywiste, szczególnie, gdy posiadasz dużą ilość informacji. Trudno jest bowiem wybrać spośród dziesiątek, setek czy nawet tysięcy charakterystyk klientów i ich zachowania te, które są istotne w procesie zakupowym.
Dobrym pomysłem jest sięgnięcie po narzędzia analityki predykcyjnej.
Narzędzia analityki predykcyjnej nie mają z tym problemu. Znajdą profil idealnego klienta i uszeregują potencjalnych klientów ze względu na ich szacowaną skłonność do skorzystania z oferty znacznie szybciej, niż jest to w stanie zrobić człowiek analizujący po kolei poszczególne charakterystyki.
Wynik analizy będzie wskazywał na to, jaki wpływ mają poszczególne poziomy danej cechy (np. poziomy: 18-29, 30-39, 40-49, 50-64, 65+ cechy „wiek”) na prawdopodobieństwo zakupu naszego modelu butów. Wybrane zostaną cechy mające największe znaczenie dla zakupu. W przypadku analizy pokazanej poniżej, im wyższa wartość współczynnika obliczonego dla danego poziomu cechy, tym większe prawdopodobieństwo, że klient o tej charakterystyce zdecyduje się na zakup.
Ranking poziomów cech według siły ich wpływu na prognozowane zjawisko
Chcesz się dowiedzieć jakie cechy twoich klientów będą miały największy wpływ na zakup oferowanego produktu? Pobierz wersję trial ABM, pokażemy Ci jak to zrobić w kilka minut.
No dobrze, ale Tobie jest potrzebna lista klientów, do których wyślesz kampanię promującą buty, a nie algorytm.
Kolejnym krokiem jest scoring klientów. Do tego zadania również wykorzystasz narzędzia do analityki predykcyjnej. Scoring, w najpopularniejszej odmianie, polega na wyliczeniu w oparciu o stworzony model prawdopodobieństwa tego, że dany klient kupi określony produkt.
Możliwe, że znasz już pojecie scoringu, pojawia się ono w narzędziach do automatyzacji marketingu. W niektórych tego typu narzędziach, to ile punktów scoringowych przypisać za wykonanie pewnej czynności przez klienta określane jest na podstawie subiektywnej oceny. Na przykład klient dokonał ostatnio zakupu na kwotę 100 zł: +5 punktów scoringowych, był na stronie z cennikiem: +2 punkty itd. W przypadku narzędzi do analityki predykcyjnej, punkty są dobierane i wyliczane za ciebie.
Wynikiem zastosowania scoringu może być np.:
Hipotetyczny przykład zastosowania scoringu
Pozostaje jeszcze jedno pytanie. Na podstawie czego wnioskować, że dane prawdopodobieństwo zakupu jest wysokie? Bo czy prawdopodobieństwo 40% jest wystarczająco wysokie, aby objąć klienta kampanią?
W narzędziach do analityki predykcyjnej można zoptymalizować decyzję ze względu na m.in.:
Na podstawie tak określonych parametrów, obliczany jest optymalny próg odcięcia (cut-off):
Dzięki temu, przy założonych przychodach i kosztach, zysk z kampanii jest maksymalizowany.
Oczywiście jest to uproszczony przypadek. Możemy tą informację wykorzystać do stworzenia kilku segmentów klientów, np. do pewnej grupy wysłać kampanię, do innej nie, a trzecią objąć kampanią lead nurturing.
Zwiększenie sprzedaży wśród obecnych klientów jest tańsze i efektywniejsze niż pozyskanie nowych klientów. Ale nawet i wtedy nie warto polegać tylko na własnym przeczuciu i wiedzy eksperckiej, jeżeli chodzi chociażby o wybór grupy docelowej do kampanii promocyjnej. To, w jaki sposób klienci podejmują decyzję o zakupie produktu, co ma znaczenie przy wyborze itp. – może nie być łatwe do określenia, w szczególności, gdy zbieramy dużo informacji o klientach i ich zachowaniu. Warto wtedy sięgnąć po narzędzia analityki predykcyjnej, szczególnie, że ich obsługa nie musi być skomplikowana. Maszyny szybciej niż ludzie przeanalizują zgromadzone dane i znajdą wzorce zachowań. W wyniku otrzymamy „przepis” na idealnego klienta oraz listę klientów, którym do tego wzorca jest najbliżej.
