75% zákazníků může dělat, co Vy budete chtít

Milan Janecký, managing director, KBM Group

Milan Janecký, Managing Director, KBM Group

Zní vám titulek článku nadneseně? Říkáte si, že v době ovládnutí trhu zákazníkem, kdy zákazník může téměř cokoliv a každá správná zákaznicky orientovaná společnost se mu bude snažit přizpůsobit, není možné zákazníkovi říkat, co by měl nebo neměl dělat? Ne tak docela. I za těchto podmínek lze zákazníka vhodnými nástroji ovlivnit a nasměrovat tam, kde jsou vaše marže nejvyšší. Základem pro to ale je správné využití dat, které zákazníkova činnost ve vašich on-line systémech vyvolává.

Další příjem na základě doporučení

Tři ze čtyř zákazníků dělají to, co jim je doporučeno. To opravdu není fikce, ale reálné výsledky americké společnosti Netflix. Netflix je jednou z největších online video půjčoven v USA. Každé zhlédnutí filmu, každá interakce se stránkou zanechává svoji digitální stopu v systému společnosti. Tím, že jsou všechny filmy důkladně označeny dalšími tzv. metainformacemi, jako druh filmu, režisér, hlavní herci, rok natočení apod. je společnost Netflix schopna naučit se, jaké filmy máte nejraději, ve kterou denní dobu se na daný druh filmu nejraději díváte nebo kteří jsou vaši oblíbení herci a režiséři.

Na základě takto vytvořeného zákaznického insightu je společnost schopna doporučit ze své obrovské databáze filmů top 10 doporučení právě pro vás.  Vysokou míru relevance tohoto doporučování potvrzuje fakt, že 75% všech shlédnutých filmů je na základě doporučení. Navíc zákazník takovéto doporučení nevnímá jako nemístnou reklamu, ale jako příjemnou součást služby Netflix, která mu rozumí a nabízí jen to, co ho nejvíce zajímá. Na stejném principu funguje i největší internetový prodejce Amazon, který z funkce „ostatní jako vy koupili …“ udělal jednu ze svých klíčových konkurenčních výhod.

Nyní už vstupujeme do fáze hypotéz, ale představme si, že business model společnosti Netflix by nefungoval pouze na měsíčním fee, ale byla by vyžadována platba za film, podobně jako to dělá konkurence v podobě iTunes. Do algoritmu na doporučení filmu by mohla vstupovat i marže, kterou společnost na daném filmu dosahuje. Tzn. doporučených top 10 by byla kombinace preferencí uživatele a ziskovosti. V takovémto případě by dodatečné revenue získané „správným“ doporučováním na základě uživatelských dat bylo jistě významné.

Ne prokliky, ale revenue

Druhým příkladem toho, že datamining není jen pro off-line svět, je měření efektivity on-line komunikace nejen na základě CTR (míry prokliku), ale i na základě opravdového vlivu komunikace na prodejní čísla. Pro některé společnosti je toto již samozřejmost, ale stále je dost těch, které zůstávají pouze u CTR. Při tom právě u e-commerce subjektů je propojení komunikačních a prodejních dat velmi jednoduché. Jde o to, být schopen sledovat cestu konkrétního zákazníka od iniciace komunikace (klik na banner, odkaz v emailu) až po realizování nákupu.

Analýzu tohoto typu jsme zpracovávali a výsledky poměrně výrazně ovlivnily další komunikaci klienta. Ukázalo se totiž, že typ komunikace, která přináší nejvyšší CTR, ani zdaleka nerealizuje takové prodeje, jako jiný typ komunikace, který sice nemá tak dobré výsledky na responsi, ale za to zákaznici, kteří jsou touto komunikací získání, generují klientovi mnohem více dodatečného revenue. Pro pokračování v kampani tak byla zvolena exekuce, která sice nepřinášela nejvyšší možné response/CTR, ale přinášela nejvíce dodatečného revenue pro klienta.

Milan Janecký

Managing Director, KBM Group

Kategorie: Data