Customer Intelligence na webu - Lucie Staňková

Customer Intelligence na
webu

Lucie Staňková
SAS CI Business Consultant
10. června 2010
Copyright © 2008, SAS Institute Inc. All rights reserved.

Znalost zákazníků Customer Data
Availability
100

75
Terabytes Knowledge Gap Analytical
of data
50 Capacity
Execution Gap
Execution

25 Capacity

0
1960 1970 1980 1990 2000 2010
Time

Fungování v praxi

Internet / CRM / Advertising
Digital Direct &
Marketing Marketing Promotions

Data, Data, Data,
kampaně, kampaně, kampaně,
měření, měření, měření,
analýzy, analýzy, analýzy,
reporting reporting reporting

Co nás u on-line obvykle omezuje...
 Sběr dat:
• Dimenze zákazníka
• Kompletnost a správnost dat
 Business Insight:
• Dodat správné informace, správným lidem, ve správný čas a
správném formátu jako podporu při rozhodování
• Objektivně, z analytického pohledu odvodit, co je důležité na
webu, a co změnit pro dosažení lepších výsledků
• Podrobná, kvalitní data jako základ zákaznických analýz
 Schopnost konat:
• Na základě dat realizovat úspěšné kampaně


Vaše zkušenost I.


Customer Experience Analytics
 SAS řešení pro sledování chování uživatelů
internetu
 Sběr dat a podrobná analýza pro zjištění
maximálního množství informací o chování
uživatele
 Výhody:
• Rozsah
• Detail
• Rychlost


Historie
 Do SAS portfolia celosvětově zařazen od
listopadu 2008
 Proces sběru dat
• 1999: vybudován prototyp
• 2000 – 2001: 2 roky edukace trhu
• 2002 – 2006: intenzivní práce se
společnostmi na ověřování, že WEB je
příležitost z hlediska obchodu
 4 evidované patenty, 10 let vývoje


Obsah řešení
 Dynamický sběr dat

 Nástroj pro zpracovaní a analýzu
sesbíraných dat (sledování podobných
vzorců chování, predikce atd.)

 Reportování a rychlé přehledy (40
předpřipravených reportů)
pro netechnické i pokročilé uživatele

1. Krok - sběr dat


Dynamický sběr dat
 Patentovaná technologie – Dynamic Collection™
 Jednoduchá implementace, rychlé, flexibilní řešení
- Jediná přidaná komponenta do webových stránek
 Dynamické rozeznávání obsahu a pravidla pro sběr dat
zajišťují snadnou údržbu
 Sbírá všechny aktivity, od všech uživatelů, kdykoli
- Rozhodujete se, co nechcete sbírat


Events - záznamy
 26 typů záznamů
 Jednotlivé záznamy se dělí do několika skupin:
• Navigace - načtení stránky, ukončení
• Prostředí – síť, rychlost, prohlížeč, obrazovka, ISP
• Činnost – klik, vybrat, potvrdit
• Vložení dat – změna textu, výběr z rozbalovacího menu, vyplnění
formuláře
• Kontext – kaskádová menu atd
• Obsah – HTML obsah objektů, objekty s názvem
 Záznamy mají vlastnosti (200+) využívané při dalším zpracování
• Umístění na obrazovce (stránce)
• Čas atd
 Záznamy se hromadí do jednotlivých návštěv (sessions)

Dynamický sběr dat - ukázka

Mobistarcxademo_Screen_Stream.avi


Proces sběru a zpracování dat
Databáze
Webový Obsah stránky událostí
Sběrný server
Server + vložené
CXA Události
& HTML

Internet / Zaznamenaná Plánování
Normalizační
Intranet data úloh
server
Konfigurace
Databáze Datové
výstupů tabulky a
soubory
SAS uživatel

Dashboard
Dashboard
CXA se načte Dashboard
Reports
Dashboard
Reports
Reports
spolu se SAS procesy
Reports
stránkou do
prohlížeče

Browser

2. Krok – analýza dat – vytvoření Customer Insight


Customer Information Portal Partners
Standard Reports

Web Reporting KPI generation MS Office Add Ins
Business Metrics Forecasting
Ad Hoc Query
OLAP Interactive Visualisation
&
Slice and Dice Predictive Analytics
Reporting
Goal Seeking Scorecards

Business Alerts
Metadata

Intelligence Storage

Data Integration

Dynamic Data Customer Information
Other 3rd Party Call Centre
Collection &
Market Info, Normalisation Transactions
Surveys etc.
Other..

?
R. Smith, M, Age 35, Zip Code

L. Jones, F, Age 23, Post Code


CXA – příklady analýz
 Campaign Analysis: Out-of-Site
• Efektivita marketingových kampaní přes „traffic“ vašich internetových stránek
 Visitor Analysis
• Odkud návštěvníci sítě přišli a jejich hodnota díky scoringu
 Goals Achievement Analysis
• Ukazuje jak úspěšně stránky „drivují“ návštěvníka k dosažení našeho
stanoveného cíle během návštěvy (registrace, žádost o produkt atd.)
 Transaction Analysis
 Umožňuje pochopit více-krokové procesy např. u on-line aplikací – čas potřebný
k vyplnění, errors, kompletnost vyplnění atd.
 Content Analysis
 Ukazují jako oblasti přitahují jaké segmenty zákazníky – jak dlouho na
stránkách zůstávají a v jaké fázi je opouštějí
 Form Analysis


3. Krok – Reporting – 40 předpřipravených


Ukázka reportů


Životní cyklus on-line zákazníka
Anon Behavior E-Mail Account Other
Customer Value

Previous Browsing Purchasing Customer
Browsing Behaviour Behaviour Behaviour
Activity

Clustering Segmentation Lifestyle
Ability to Marketing
look back
Loyalty More Effective
Awareness Targeting Customer as
Partner

Time
Behaviour Customer
Cust ID Sessions E-Mail User ID Geo
Segment Segment

123 1 2 … n X.X@eur.sas.com alangormley 01 Browser
Young Customer
Prof Knowledge


CXA Implementace

Assessment Detailed Design Construct Load Calibration Deploy
Analysis and Testing Solution

Definovat business Systémová
1. Instalace
požadavky architektura
2. Konfigurace
Reporty
3. Customizace
Načasování


Další krok – Akce - realizace kampaně
Z pohledu Úspěšnost
zákazníka
Tradiční kampaň
Iniciovaná společností,
řízená marketingem „rušivá“ 3%

Kampaň řízená událostí
(Event driven) „příhodná“ 20%
Řízená zákazníkem

Iniciovaná zákazníkem Interakce v reálném čase „patřičná“ 40%
Řízená vztahem

Source: Gartner, “Leveraging Customer Insight…”, 3/02

Proces Real-time rozhodování


Neustále zlepšovat!
Co umí dnešní technologie? Vyhodnotit výsledky na
jednotlivého zákazníka a
promítnout je do dalších
aktivit.

Konat! Vytvořit Získat data o
automatizovanou zákaznících
komunikaci. 360-stupňový business webu.
proces

Analyzovat získaná data a propojit
Poskytnout informace kdykoli je s veškerými dalšími daty z vašich
komukoli (denně, online) pro databází pro skutečnou znalost
správné rozhodnutí v pravý čas. zákazníků.

2+2=5…Dynamický Digital Marketing
Cíl: plně dynamická, personalisovaná komunikace
Data o zákazníkovi jsou automaticky
Zákazníkovi se zobrazí správný analyzována (kdo to je, jakou pro nás
banner a online se sbírá jeho reakce. má hodnotu ...) a real-time
technologie čeká na tu správnou
událost, kterou zákazník udělá. Když
událost nastane, zavolá dle
nastavené definice tu správnou akci
pro daného konkrétního zákazníka.

Webová aktivita zákazníka je
neustále sbírána technologiemi. Jsou
nastaveny klíčové cíle a události,
které se zaznamenávají v reálném
čase do systému.

Vaše zkušenost II.


Web Customer Intelligence v reálném světě
a jeho využití pro byznys


Retail

 První obchod před 14 lety
 Z 10 mil. zákazníků na 30 mil. zákazníků
 70% tržeb online, zbytek call centrum,
katalogy
 Prioritou jsou opakované nákupy

Jak posunout business dále?
Díky technologiím!


Retail

 Požadavky:
• Uživatelé – lidé z marketingu, ne Phd. ve statistice (vlastní
slova )
• Zvýšení efektivity kampaní a komunikace
 Nástroje a technologie:
• Dlouhodobý sběr dat o zákaznících a jejich nákupního
chování
• Segmentace zákazníků a analýza zákazníků pro získání
znalosti na úrovni jednotlivého klienta
• Online reporting pro neustálé vyhodnocování a okamžité
rozhodování
• Real-time „rozhodovač“ pro personalizovanou komunikaci
se zákazníkem v reálném čase

Retail

 Reálný příklad Výsledek:
• Zákazník Chris McCann kupuje kytici tulipánů vždy ve
Retence zákazníků (opakované nákupy)
stejný den v roce
•vzrostlyvo více než 10%.
Události databázi: Identifikovaný zákazník –
identifikovaný čas – jasná potřeba
•V klíčových komunikaci: e-mail „teaser“ s aktuální
Rozhodnutí o segmentech nejprofitabilnějích
zákazníků zvýšení retence o 80%.předstihu
nabídkou tulipánů v optimálním časovém
• Real-time přístup: po přihlášení na web se zobrazuje
Nárůst s nejnovější kolekcí tulipánů za jeden rok.
banner 40 mil. USD v tržbách a další doporučené
produkty (Next Best Offer)


Bankovnictví
 Jedna z celosvětově známých investičních bank umístila
CXA na své korporátní webové stránky
 Bannery a kampaně na různých finančních serverech
 Síť byla netransakční, primárním cílem kampaní bylo dostat
zákazník do sekce „investor relations“
 Cíl projektu:
 Zjistit hodnotu potenciálních zákazníků, kteří k nim chodí na web
 Změřit úspěšnost internetových kampaní – kolik reálných obchodů
přinesly?

 Přístup: revoluční


Přístup
 Sběr veškerých dat během session
 Score pro každou událost
 Dlouhodobý „life-cycle“ scoring potenciálních zákazníků v
několika kategoriích
• Pochází z jednoho z cílených finančních center – 1 bod
• Patří do top 25 investičních bank – 3 points
• Čas na síti – počet stránek, doba – 4 úrovně (-5 do 5 bodů)
• Počet návštěv a frekvence – 4 úrovně
• Registrace – 10 bodů
• Vyžádání newsletteru - 2 body
 Analýza s cílem pochopit reálný obchodní přínos
• Rozdělení do segmentů
• Kanály/bannery....


Výsledek: PŘEKVAPIVÝ

 Optimalizace online kampaní
• Snížení výdajů o 15%
• Zacílení vysoce potenciálních zákazníků
• Po 3 měsících: 300% nárůst ROI
 Prestižní stránky s vysokým počtem návštěvníků vs. kvalita
dodaných kontaktů a obchodů


Letecká doprava
 Window shopping – různé stránky pro nejlepší kombinaci spojení
a ceny
 Jasné potřeby – odlet, příletová destinace, datum a čas, login
 Letecká společnost – primární byznys: transkontinentální lety
 Implementace CXA pro „Session Tracking”
• On-line data z každé návštěvy
• Transakční data
• Zákaznická data


Implementace
 2 dny testování validity sběru dat
 Collection server
• Cca 5 mil. záznamů za hodinu
• Cca 1TB „syrových“ dat měsíčně.
 Normalizační proces záznamů do „business events“
 Standardní, přednastavené analýzy/modely (výsledky od prvního dne)
 3 „business events“ propisované do DDS (Detailed Data Store)
 Záznam o návštěvě webu
 Pokus o „zabookování“ letu
 Záznamy o platbě letu


Aplikace #1: Cílený marketing
 Skupina zákazníků, která pravidelně sleduje pouze jeden let
(Londýn – New York)
• 6 měsíců po sobě, vždy první týden v měsíci
• Identifikace návštěvníků přes existující cookies, booking data nebo
log-in
• Spojení on-line dat se zákaznickou historií v DWH
• Téměř 11 000 on-line záznamů (sessions) odpovídalo 93,3% off-
line záznamů
• Pouze 2-3 zakoupení letu ročně
 Výstup: Personalizovaná, cílená akční nabídka letu
pro tento segment
 Výsledek: Nárůst zakoupených letů o 20%


Aplikace #2: Fungování sítě
 Chyba u 15 000 pokusů o zabookování letů týdně
 Po vyplnění formuláře došlo k vymazání
požadovaného letiště v kolonce „výběr destince“
 Požadavek na zákazníka znovu vyplnit a odeslat
požadavek
 ....odpověd: Není žádné volné místo nebo Chybná
destinace
 Výsledek:
• Odchod ze stránek v téměř 100% případů
• 0% prodaných letů


Customer Intelligence na webu - Lucie Staňková

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Ähnlich wie Customer Intelligence na webu - Lucie Staňková

Ähnlich wie Customer Intelligence na webu - Lucie Staňková (20)

Mehr von Akce Dobrého webu

Mehr von Akce Dobrého webu (20)

Customer Intelligence na webu - Lucie Staňková