Klienti se při výběru zákazníků k oslovení často ptají: "Kteří zákazníci jsou vlastně nejlepší?" Tuto otázku jsem si poměrně oblíbil, a proto na ni v tomto článku dávám odpověď. Dozvíte se o kritériích výběru zákazníka, jak je to s nákupními cykly, ale především o afinitních modelech - strojích na prodeje.
Původně pro časopis DIREKT
Pokud strávíte deset a více let v marketingu, některé otázky klientů se budou opakovat do omrzení. Některé vás začnou nudit a v jiných si najdete zálibu. Na ty druhé se pak snažíte odpovídat pokaždé lépe a stane se z nich jakási myšlenková rozcvička. Moje nejoblíbenější otázka při výběru zákazníků k oslovení zní: „Kteří zákazníci jsou vlastně nejlepší?“ Zadavatel kampaně přitom samozřejmě nemyslí na morální charakter zákazníků, ba ani na celkový majetek zákazníka. Nejlepším zákazníkem pro potřeby cílení je jednoznačně ten, který nejspíše koupí naše produkty či služby. Před námi je jeden maličký úkol: tyto nejlepší zákazníky vybrat. Podívejme se na efektivní cesty jak to udělat.
Nejprve si musíme uvědomit, co prodáváme, abychom mohli stanovit, komu to nejlépe prodáme. Je neuvěřitelné, jak často se na toto zapomíná. Chytrý mobil tedy prodáváme tomu, kdo evidentně prokázal, že ho mobily zajímají. Nové auto prodáváme taktéž tomu, kdo má zájem o auta, aktivně jezdí do servisu a paradoxně nemá zrovna nejstarší ojetinu. Pokud má člověk zájem v příbuzné kategorii, je to nejlepší vodítko. Například tak dobře prodáme mobilní internet bývalým uživatelům MMS a WAPu, ale nemusíme jej prodat uživatelům konferenčních hovorů. Pro nejlepší výsledky musíme tedy sledovat nástupnické kategorie a najít zákazníky s nákupem v kategorii podobné z hlediska uživatele. Pokud nemáme k dispozici neomezený čas pro hledání příbuzných kategorií, musíme se podívat na zákazníky jako celek. Ze svaté marketingové trojice RFM (recency, frequency, monetary) se většina marketérů drží útraty (monetary) jako té nejdůležitější. V druhé řadě jsme schopni uvažovat o věrných zákaznících (frequency). Obvykle se zcela zapomíná na nákupní chování, kdy platí jednoznačně „kout železo, dokud je žhavé“. Nedávný zákazník je totiž ten, kdo má v hlavě vaši značku, kategorii a výrobek. Něco si koupil a tak nad tím uvažuje. Právě mu v hlavě probíhá krátká ponákupní deprese a je stále vysoce afinitní k vaší kategorii. Koupil dobře? Nedá právě zakoupený produkt dětem a nekoupí si něco jiného? Potřebuje příslušenství? V tuto chvíli se jedná o nejlepšího zákazníka. Pokud takového zákazníka necháte rok uležet, nebude již vědět, kde nakoupil, bude mít nízký zájem o kategorii a věrnost blízkou nule.
Spousta marketingových odborníků věří na cykly nákupu. Onen tajemný cyklus má zajistit, že budete nakupovat v přesně daných intervalech. Počkejte ale minutku, podívejme se na to, jak vznikají nákupní rozhodnutí. Řekl vám dneska kolega, že váš mobil je „div ne na kliku“? Utrhnul se vám dnes výfuk od auta? Povýšili vás? Možná si v následujících třech měsících koupíte mobil, auto nebo oblek. Máme tu tři silné impulzy k nákupnímu rozhodnutí. Ani jeden z těchto rozhodných okamžiků však nejde s dostatečnou mírou přesnosti předpovídat. Ani jeden ze tří pořizovaných předmětů není životně důležitý, a okamžik, kdy se stará věc stane „společensky nepřípustnou“, je tak trochu ve hvězdách. Jiná věc je ovšem například kategorie antikoncepce. Tu zákaznice potřebují s železnou pravidelností, a budou se pro ni vracet. Je nutné si uvědomit, zda vaše zboží spadá do první kategorie s nepravidelným nákupním cyklem, nebo do druhé kategorie s cyklem pevným. Jako zjednodušující pravidlo si zapamatujme, že vše, co souvisí s potřebami a cykly lidského těla má skutečný cyklus, a vše, co tvoří náš sociální status a pohodlí, pravidelné cykly prostě nemá.
Mnoho marketérů, když dojde na výběry zákazníků, zůstává u tradičního intuitivního řízení. Prostě zvolí zákazníky podle útrat, vezme nové, nebo věrné. Obvykle však zůstane jen u jednoho kriteria pro výběr zákazníků. My v Data Mind hledáme řešení, jak zkombinovat více charakteristik a vybrat skutečně jen ty nejlepší zákazníky. Nejlepším způsobem jak zkombinovat různá hlediska je afinitní model, který je přímo stvořen k předpovědi nákupu u konkrétních zákazníků. Z něho získáme jednoznačnou pravděpodobnost, s jakou každý konkrétní zákazník náš produkt koupí. Váhu jednotlivých složek „dobrého zákazníka“ totiž stanoví statistický algoritmus lépe než intuitivní manažer. Použijeme tedy pro vážení proměnných regresi nebo rozhodovací strom. Reálné výsledky, vyjádřené konverzemi zákazníků, jsou potom obvykle třikrát až pětkrát lepší než při neřízeném cílení. Statistický přístup také vždy překoná intuitivní cílení marketingu.
Ukážeme si fiktivní model prodeje mobilního internetu. Nejprve se podíváme, jaké služby zákazníci používají před mobilním internetem. Předpokládejme, že zákazníci, kteří přešli na mobilní internet, používali dříve MMS, GSM banking (bankovnictví přes mobil) a mobilní obsah (tapety na plochu mobilu, melodie apod.). Model nám stanoví jasné pravděpodobnosti nákupu mobilního internetu pomocí služeb, které zákazník využil v minulosti. Pro účely demonstrace si představíme následující zjednodušený model:
PRAVDEPODOBNOST PRODEJE MOBILNIHO INTERNETU = 0,2* CONTENT V MINULOSTI
+ 0,2* GSM BANKING V MINULOSTI + 0,3* MMS V MINULOSTI
Je jasné, že náš model se drží jen předchozích služeb. Možná vás to překvapí, ale velmi podobný model může být ve své reálné podobě schopen zvýšit prodeje na afinitní skupině na deseti- až dvacetinásobek oproti slepému cílení na každého zákazníka.
Mnoho marketérů stále nerozumí tomu nejúčinnějšímu nástroji pro cílení na zákazníky, tedy afinitním modelům. Častokrát to není vůbec jejich chyba, ale chyba statistiků a jejich vzdělávacích institucí. Statistici používají svůj těžko srozumitelný jazyk a marketéři zůstávají se svých business úvahách (se svým jazykem). Můj nejlepší učitel však říkal, že co nejde říci normálně, nemá cenu říkat. Shrňme si proto lidským jazykem, co afinitní model dělá. V první řadě je jeho úlohou vybírat zákazníky, kteří nejspíše koupí náš produkt nebo službu. Hodí se tedy přesně k úkolu, který před námi stál na začátku článku - odpovídá marketérům na otázku, který zákazník nejspíše koupí.
Když se podíváme hlouběji do fungování modelů, nejprve je třeba takový model naučit, který zákazník je nejlepší. K tomu účelu si analytik vytvoří data se dvěma časovými úseky. Jedním úsekem jsou současné nákupy zákazníků. Druhý časový úsek musí předcházet, a zjišťuje se v něm, co se dělo se zákazníkem před nákupem. Právě to je základ modelu. Předchozí chování zákazníků před prodejem tvoří klíč k budoucím prodejům. Lidskou řečí předpokládáme, že zákazníci, kteří koupili v minulosti, budou stejní jako ti, kteří koupí v budoucnosti. Musíme se jen podívat, co dělali naši zákazníci před klíčovým nákupem.
Pokud se přidržíme našeho příkladu nákupu mobilního internetu, a zjistíme, že mu předcházelo použití MMS, model předpoví, že i současní zákazníci služby MMS přejdou v budoucnosti na mobilní internet. Předpovíme tedy budoucí nákupní aktivitu.
Obrázek 1: Modelování
Obrázek 2: Aplikace modelu
Tentokrát necháme telekomunikace odpočinout a podíváme se na sportovní potřeby (data byla anonymizována a pozměněna k ochraně klienta). Afinitní model v tomto případě predikuje nejen pravděpodobnost a počet budoucích nákupů, ale dokonce i hodnotu, kterou naši zákazníci utratí. To je dosaženo pomocí kombinace RFM a informace o sortimentu nakoupeného v minulosti.
Obrázek 3: Výstupy modelu pravděpodobnosti nákupu
Díváme se na minulou hodnotu konkrétních nákupů klientů, a předpovídáme hodnotu budoucí. Nejlepší skupina zákazníků utratí 11.450 Kč místo průměrných 3.500 Kč, což je trojnásobek. Téměř čtyřnásobná je potom pravděpodobnost budoucích nákupů a počet budoucích nákupů. Takovéto výsledky přinášíme našim zákazníkům pomocí data miningu.
DATA mesh
Šárka Kotlaříková
24. června 2024