Informacja, która buduje przewagę

Żyjemy w czasach nadmiaru. Wszędzie - zwłaszcza zaś w internecie - wytwarzane są olbrzymie ilości danych. Zwłaszcza zaś w branży, jak e-commerce, której sieć jest naturalnym środowiskiem - pisze Mateusz Gordon, ekspert e-commerce w firmie Gemius.

Analitycy z firmy IDC oceniają, że na świecie ilość powstającej i gromadzonej informacji podwaja się co 18 miesięcy. W przypadku firm działających w internecie dostęp do szerokiej gamy źródeł danych wydaje się oczywisty. Ważna w tym przypadku jest umiejętność archiwizowania i prowadzenia analizy w czasie rzeczywistym, co z kolei daje obraz dynamicznych zmian na rynku - również otoczenia biznesowego - oraz prognozowania i budowania strategii. W przypadku takich branż jak e-commerce mamy nie tylko do czynienia ze środowiskiem naturalnie osadzonym w przestrzeni wirtualnej i wielkich ilościach gromadzonych tam danych. Możemy bowiem szybko reagować na zmiany preferencji klientów - użytkowników internetu, korygować wydatki marketingowe i ofertę, przyglądając się poczynaniom konkurencji i ogólnym trendom.

Jak uporządkować dane?


Te duże zbiory danych (z ang. Big Data) stanowią i szansę dla biznesu, i wyzwanie. Kluczowe jest bowiem posiadanie innowacyjnych rozwiązań technologicznych, które oddzielą „ziarno” od „plew”, a więc dostarczą narzędzi analitycznych i porządkujących informacje. Co możemy uzyskać z zaawansowanej analityki i do czego się sprowadza wykorzystanie Big Data w e-commerce?

Segmentacja użytkowników

Podstawowym działaniem analitycznym jest segmentowanie użytkowników. Daje ona obraz tych użytkowników sieci, którzy są klientami bądź odwiedzającymi platformę e-commerce. Sprowadza się to do opisania klientów za pomocą cech, które jednocześnie określają jego podobieństwo do innych w grupie i różnicują wobec innych. Dane, na podstawie których dokonuje się segmentacji użytkowników, pochodzić mogą z: systemów CRM (zarządzanie bazą klientów, dane teleadresowe, historia zakupów, ich częstotliwość etc.); zewnętrznych systemów web analytics (śledzenie zachowań internautów na stronie WWW; zachowanie na stronie, źródła, z których przyszedł użytkownik, co wkładał do koszyka przed jego porzuceniem itp.); zewnętrznych systemów w ramach sieci czy marki (np. karty lojalnościowe i dane z offline’owych zachowań klientów); badań ad hoc (ankiety precyzujące pewne działania użytkownika, np. dlaczego porzucił koszyk, czy widział reklamę, czy był na stronach konkurencji, z jakich porównywarek korzysta i in.).

Cykl życia

Każdy użytkownik sieci, w tym odwiedzający platformę e-commerce, znajduje się na pewnym etapie całego cyklu życia (lifecycle). Przeważnie cykl ten dzieli się na trzy etapy: pozyskiwania, konwersji i utrzymania. Na każdym z nich można analizować "życie" użytkownika w takich kontekstach, jak:
koszt, jaki należy ponieść, aby internauta zmienił swój profil (np. z potencjalnego na pozyskanego klienta, z pozyskanego na konwertującego, z konwertującego na stałego, utrzymanego); szanse takiej zmiany profilu (prawdopodobieństwo, że np. potencjalny stanie się rzeczywistym klientem e-sklepu); zyski, jakie osiągnąć można ze zmiany profilu bądź utrzymania użytkownika na obecnym etapie (konwertujący bądź utrzymani); średni czas, w jakim pozostanie internauta przy danym profilu (na jednym z etapów).
Analiza powyższych wskaźników daje szansę szacowania potencjału poszczególnych użytkowników serwisu, a także - pozwala optymalizować wskaźniki (za pomocą dostępnych narzędzi marketingowych) i zwiększać efektywność sprzedażową platformy online.

Potencjał i wierność klienta

Precyzyjna analiza danych pozwala ocenić lojalność klienta (i ich grup) oraz zdolność zakupową. Share of wallet stanowi rodzaj analizy porównawczej (wykorzystującej dane o całym segmencie rynku, w tym wyników konkurentów) z udziałem profili socjodemograficznych internautów (wiek, wykształcenie, miejsce zamieszkania, zarobki, liczba osób w gospodarstwie domowym itp.). Pozwala to z ogromu danych wyłowić te, które dotyczą interesującej nas grupy konsumentów, zbadać jakiej wysokości środki wydatkują na zakupy i jaka ich część trafia do naszego budżetu (konfrontując dane z rynku z własnymi, generowanymi przez CRM).

Efektywność

Big Data daje też możliwość prowadzenia szeregu analiz o walorach efektywnościowych (ROI) - a więc dających obraz, jak inwestycja w e-biznes przekłada się na jego zyskowność. Bardzo ciekawym przykładem, dającym, jak się zdaje, obraz nowych trendów w sieci, jest post view, a więc analiza efektów brandingowych kampanii. Z danych Gemiusa (raporty adMonitor) wynika bowiem, iż internauci coraz częściej inspirują się komunikacją marketera. Wchodzą w interakcję z marką bądź dokonują zakupu, proces ten nie wynika jednak z odesłania internauty od reklamy do strony docelowej, lecz jego zainteresowania marką, wzbudzonego co najwyżej kampanią (poszukiwanie oferty w sieci, "polubienie" fan page’u na Facebooku itd.).
Wszystkie możliwości, jakie daje Big Data w e-commerce, wiążą się z automatyzmem procesów marketingowych i wdrażaniem zaawansowanych narzędzi IT. Przykładem jest targetowanie behawioralne, a więc komunikacja marketingowa dostosowana do profilu użytkownika (na podstawie historycznych danych o jego zachowaniu w sieci), jak również rekomendacje, personalizowanie przekazu, a także prognozowanie sprzedaży (zarządzanie zasobami magazynowymi na podstawie danych Big Data). Ogromne zbiory danych, efektywnie eksploatowane, przynoszą nie tylko oszczędność czasu i zasobów, lecz również zwiększają efektywność biznesu, bezpośrednio przekładając się na zyskowność.

Komentarze

Prosimy o wypowiadanie się w komentarzach w sposób uprzejmy, z poszanowaniem innych uczestników dyskusji i ich odrębnych stanowisk. Komentując akceptujesz regulamin publikowania komentarzy.