czyli Big Data w Customer Intelligence...• typy transakcji • czas transakcji • częstotliwość • wielkość jednostek terytorialnych • odległość między odwiedzanymi

Jak angażować klienta czyli Big Data w Customer Intelligence

2

Jaki jest dzisiejszy konsument?

Korzysta z

4 urządzeń

Konsumuje

60 Godzin treści

elektronicznych tygodniowo

Czyta

50% emaili na

Urządzeniu przenośnym

SPĘDZA

86% Czasu użytkowania

Telefonu W aplikacjach

Odczytuje

90% Wiadomości

w ciągu 3 minut

Źrodło: IBM CMO Study 2014 ; Nielsen: The US Digital Consumer Report 2014 Forum Intelligence In Business

3

DANE WWW:

o zachowania na stronie

o perspektywa techniczna

Podążając za Klientem jego profil 360º wymaga stałego uzupełniania

Forum Intelligence In Business

DANE BEHAWIORALNE:

o transakcje offline/online

o zamówienia nagród

o dane socjo-demograficzne

DANE MOBILE:

o korzystanie z aplikacji

o perspektywa techniczna

GEOLOKALIZACJA:

o deklaratywna

o behawioralna (POS)

o mobile app (check-in)

ODPOWIEDŹ NA PROMOCJE:

o produkt

o partner

o miejsce/czas

KANAŁY KONTAKTU:

o produkt

o Partner

o Miejsce/czas


4

W jaki sposób nadążać za klientem?

Przypadek 1:

Jak pozyskać dodatkową Wiedzę z Istniejących Źródeł DANYCH?

Miejsce przebywania uczestników

programu

Przypadek 2:

Jak Integrować nowe Źródła DANYCH?

ZACHOWANIE uczestników

programu na WWW


5


Przypadek 1:

Jak pozyskać dodatkową Wiedzę z Istniejących Źródeł DANYCH?

Miejsce przebywania uczestników

programu


6

Dobranie atrakcyjnej oferty dla Klienta obejmuje przede wszystkim odpowiednią

lokalizację


7

Istniejące w organizacji dane mogą wnosić dodatkową perspektywę Big Data –

miejsce zakupów Klienta to punkty na mapie, które świadczą o jego przebywaniu


1. Miejsca zakupów Klienta

zagregowane do postaci Klastrów świadczą o jego centrach aktywności

2. finalne rozwiązanie uwzględnia: • długość BADANEGO

okresu • RODZAJ POS • typy transakcji • czas transakcji • częstotliwość • wielkość jednostek

terytorialnych • odległość między

odwiedzanymi pOS

3. Finalnie 1 Klient może posiadać kilka centrów z możliwością wskazania ich ważności

http://bp.pl/

http://empik.com/

https://www.blikle.pl/

8

Komu po drodze do Manufaktury Cukierków?


Śródmieście

Północne

http://www.manufaktura-cukierkow.pl/

Data Base:

Advanced Analytics:

Big Data:

17 k Uczestników programu

PAYBACk Mieszka w okolicy

+58 k Uczestników programu

PAYBACk KUPUJE w okolicy

+24 k Uczestników programu

PAYBACk PRZEBYWA w okolicy

9

Zaangażowanie Klientów jest związane z odległością od POS


PRZEBYWA DO

5 MIN od POS

PRZEBYWA DO

10 MIN od POS

PRZEBYWA DO

30 MIN od POS

10

Oferty w miejscu przebywania Klientów powodują większe zainteresowanie

Klientów


8-krotny Wzrost aktywacji kuponów w grupie Kupujących w okolicy niż w grupie mieszkających w okolicy

2-krotny Wzrost DOKONANYCH TRANSAKCJI w grupie Kupujących w okolicy niż w grupie mieszkających w okolicy

11


Przypadek 2:

Jak Integrować nowe Źródła DANYCH?

ZACHOWANIE uczestników

programu na WWW


12

Włączenie aktywności klientów na WWW wymaga przygotowań – identyfikacja

uczestników programu


13

Wypracowane na bazie danych behawioralnych rozwiązania zakładają całościowe

podejście rozwoju Klienta w programie z uwzględnieniem strategii komunikacyjnej

Niezarejestrowani

Zarejestrowani

Użytkownicy

promocji


NEW CUSTOMERS

Rozwój i edukacja

ACTIVE

Utrzymanie i rozwój

ACTIVE AT RISK

Utrzymanie

CHURNED

Odzyskanie

POTENTIAL

Akwizycja

CYKL ŻYCIA W PROGRAMIE POZIOM ZAANGAŻOWANIA W PROGRAMIE

14

Segmentacja RFV używa trzech miar w celu oceny wartości klienta i jego wzorca

zakupowego może być wykorzystana do badania aktywności online


Podejście RFV

Recency

kiedy ostatnio był Klient?

Frequency

jak często zagląda?

Value

jaka jest wartość zakupów?

Zastosowanie:

o ocena aktualnej wartości

klienta

o dopasowanie komunikacji,

kanału, oferty

o priorytetyzacja działań

biznesowych

o podnoszenie wartości

klienta

15

Zrozumienie zachowania uczestników na WWW jest możliwe po przeanalizowaniu

naturalnych wzorów zachowań dla danego segmentu


Zachowanie RFV uczestnika w serwisie WWW

czas spędzony na serwisie

liczb

a w

izyt

HIGHLY ENGAGED

Seldom & attentively

IN HURRY

Quick- check

ONE VIEW

15%

16%

37%

16%

17%

100%

Quick check


Highly Engaged

In Hurry

One view

16

Zderzając dotychczasową wiedzę o zachowaniu offline Klienta z jego aktywnością

online otrzymujemy wnioski możliwe do zaaplikowania w celu rozwoju Klienta

Niezarejestrowani

Zarejestrowani

Użytkownicy

promocji


POZIOM ZAANGAŻOWANIA W PROGRAMIE A korzystanie z WWW

7%

24%

8%

23%

56%

54%

23%

19%

14%

17%

19%

17%

13%

4%

2%

100%

Highly Engaged

In Hurry

One view

Quick check


17

Poziom zaangażowania

Zachowanie na www

Cykl życia Klienta

Segmentacja użytkowników payback.pl uzupełnia całościowe podejście komunikacyjne

na wszystkich etapach cyklu życia Klientów


INACTIVE ON WEBSITE

Z przecięć segmentacji powstają mikrosegmenty które stanowią integralną część strategii kontaktu

ZASTOSOWANIE: o Wybór kanału komunikacji o PERSONALIZACJA - dostęp do

Segmentów behawioralnych Offline w onlinie

o Cżęstotliwość kontaktu w Online

18

Wnioski wynikające z segmentacji są sukcesywnie implementowane w kanałach

komunikacji zwiększając dopasowanie do sposobu korzystania przez Klientów

3 Digital inbox

3

Notyfikacja

2

efektywny zasięg platformy

PeRSONALIZACJA


19

Jak angażować Klienta?


Creating experiences that motivate, that push people forward, that keep them engaged and improving is the result of good design

Rajat Paharia, Loyalty 3.0

20

Dziękuję!

PAYBACK

Eliza BuJNOWSKA

Head of Customer Insights

Documents

czyli Big Data w Customer Intelligence...• typy transakcji • czas transakcji • częstotliwość • wielkość jednostek terytorialnych • odległość między odwiedzanymi