Kupuj wartosc a nie transakcje
-
Upload
lukasz-dziekan -
Category
Marketing
-
view
186 -
download
0
Transcript of Kupuj wartosc a nie transakcje
Kongres 01.12.2015
Michał KreczmarDyrektor Ecommerce Hypermedia
Łukasz DziekanSzef działu data science/Big Data PwC CEE
Kogo pozyskujesz: klienta czy jego transakcje?
I am not a speed reader I am a speed understander
Isaac Asimov
Kupuj wartość – a nie transakcje
Typowy modelto kupowanie
klików…
w kanałach zdalnych (Adwords, facebook, affiliates)
przy pomocy Google Analytics/Omniture/innych
zdalnych narzędzi do pomiaru siły poszczególnych
kampanii
… i ewentualnie segmentowanie
ichPRZED zakupem
Po zakupienajczęściej
zapominamy
Thinkwhy!
You make transactions – not Value
Łatwy accounting – CAC+COGS+Alokowane koszty stałe < Price sold Profit!
Segmentujesz
Chcesz wiedzieć po co klient jest u Ciebie, żeby lepiej robić message dla nowych klientów podobnych do tych co kupujesz teraz (żeby zwiększyć konwersję – czyli obniżyć CAC)
Co jeśli jednak możesz z jednego klienta mieć więcej niż jedną transakcję? (teraz to czysty profit)
Nie bój się ułatwiać logowania i pobierania danych od serwisów trzecich (logowanie przez Facebook/Google czy inne) – oni już i tak mają tego klienta!
3
4
Od leada do lojalnego klienta długa droga
Automatization• Ułatwianie
uczestnictwa poprzez automatyczne generowanie korzyści
• Wykorzystanie technologii płatniczych
Personalization• Oferta korzyści
dostosowana do oczekiwań segmentów lub indywidualnych klientów
• Możliwość auto-selekcji korzyści lub oferta dostosowana na podstawie danych klienta
Warto wiedzieć
Cały czas rządzi sprzedaż – targety targety tagery na acquisitionDobry loyalty program jest trudny do zrobienia – i tak naprawdę jest ciągle ewoluującym zwierzęciemTrzeba mieć dobrą propozycję dla użytkownika (SPG, Prime…), żeby użytkownik czuł się wynagradzany
PrzykładFnac – program lojalnościowy z szerokim wachlarzem istotnych korzyści dla różnych grup klientów z roczną opłata za członkostwo (zniżki w sieci Fnac i sieciach partnerskich, darmowe dostawy książek, indywidualne oferty promocyjne, oferty na wydarzenia, koncerty, spektakle)
PrzykładZencard – dostawca programu lojalnościowego połączonego z każda karta płatniczą, oferującego korzyści bezpośrednio w momencie płatności poprzez oprogramowanie terminala płatniczego
mBank – indywidualny program lojalnościowy mOkazje z systemem bankowości internetowej, gdzie skorzystanie z oferowanych zniżek w sieciach partnerskich jest proste, a bezpośrednia korzyść jest bardziej przekonująca dla użytkowników
Hebe – personalizowany program lojalnościowy ze zniżkami w sklepach oferowanych wyłącznie do członków klubu oraz personalizowanymi promocjami wygenerowanymi w oparciu o historię zakupową
CLV – ktokolwiek widział, ktokolwiek wie
5
Klienci w 2 – mają od 70 do 300% większy wpływ na przychody aniżeli klienci w 1 i w 3.W Polsce często nie ma nawet rozróżnienia pomiędzy 1 i 3…
Oferty w każdym momencie życia zależeć powinny od oczekiwanej wartości klienta w czasie relacji – bez niej jesteśmy nieco ślepi i nie mamy perspektywy długoterminowej
Potrzeby klientów mogą zmieniać się z czasem (zwłaszcza w biznesach c2c)
1
Customer lifetime valueVa
lue
Time
2 30
LojalizacjaEksploracja Dojrzałość X- and up-sellSale
Social media
Www, product, sensors, apps
3rd party data
Market data
Data
Machine learning
Approach
Simulation
Text mining
Graph analysis
Working prototype on
real data
Klient kupił, ale produkt go nieco rozczarował i nie rośnie tak jak powinien
Zmiana potrzeb/zachowań klienta – możliwość zmiany providera
Zakończenie współpracy, brak lojalizacji
6
CLV - Gdybyś wiedział ile ten klient jest warty….
1 seg 2 seg 3 seg 4 seg
Koncept jest stary jak świat – minimum 15 lat
Ale (prawie) nikt tego nie robi – Banki, Telecomy raczkują, choć są bardzo „data-rich”
To naprawdę nie jest takie trudne
Silosowość przeszkadza, M&A też nie pomaga – integruj dane, jak integrujesz firmy!
Bo wszyscy mają inne KPI, a marketing się sprzedażą nie zajmuje, a customer care robi inne rzeczy, a sprzedaż chce tylko domknąć transakcje bo są KPI
A 80% wartości klientów znajduje się w 15-20%
95% wartości w 35-40% populacji
CLV =Obecna
wartość kontraktu +
Oczekiwane przyszłe zakupy
+ Oczekiwany
upsell
0
500
1,000
1,500
2,000
2,500
3,000
3,500
4,000
4,500
5,000
Ryzyko churnu
Przy
chód
Wysokie ryzyko
Niski przychód
Niskie ryzyko
Wysoki przychód
Wysokie ryzyko
Wysoki przychód
Niskie ryzyko
Niski przychód
High Risk Low RiskMedium Risk
Wielkość kulki to wielkość przychodów
7
X1 X2 X3
X1
X2
X3
Praktyczne CLV - Jak to Zamodelować będzie MATMA (BRRR)
X1, X2, X3 – Stany reprezentujące zwiększone wartości – np. Segmenty wartości (FRV), poziom subskrypcji, średnia wielkość koszyka, poziom usługi. Każdemu X powinna być przypisana wartość pieniężna np. średnia marża, przychód etc.
Budujemy Macierz przejść – takt w zależności od biznesu – ale generalnie jak migrują użytkownicy – np. z kwartału na kwartał, z roku na rok – takt związany z naszą komunikacją i zachowaniami klientów
M =
Przejścia które minimalizujemy
MF – prognoza z w jakim horyzoncie czasowym
klient znajdzie się w danej kategorii
t – horyzont czasowy prognozy
Mt = MFPrzejścia które maksymalizujemy
8
Praktyczne CLV - Przykład dla firmy SAAS
1 3 5 7 9 11 13 15 17 19 21 230%
10%
20%
30%
40%
50%
Probability of upsell(for clients with starting with the starting
tier)
1 2 3 4 5 6 7 8 9 10111213141516171819202122231
1.5
2
2.5
3
3.5
Rollover multiplier(how much more profitable is the tier)
𝑽𝒂𝑹𝒂𝒅𝒋=𝑴𝒂𝒙 ([ (𝟏−𝒑𝒓𝒐𝒃∗𝑪𝑨𝑪𝒂𝒋𝒅 ) ⋅𝑪𝒐𝒏𝒕𝒓𝒂𝒄𝒕𝑽𝒂𝒍+𝒑𝒓𝒐𝒃∗𝑪𝑨𝑪𝒂𝒅𝒋 ⋅𝒎𝒖𝒍𝒕 ⋅𝑪𝒐𝒏𝒕𝒓𝒂𝒄𝒕𝑽𝒂𝒍 ] ,𝟎 ,𝟐∗𝑽𝒂𝒓𝑰𝒏𝒊𝒕)⋅
0.00
0.10
0.20
0.30
0.40
Rollover probability by CAC
Rolling probabilityAverage rolling probabilityFitted trend
• Liczymy prawdopodobieństwo upgradu do tieru w czasie od uruchomienia
• Rollover multiplier – o ile wzrasta nam przychód zysk – jak upgraduje
• Ale prawdopodobieństwo można skalować – np. CAC albo inną zmienną która ją wyraźnie różnicuje (sposób wykorzystania API etc.) żeby dostać dokładne oszacowanie
• Przypisujemy to każdemu klientowi – boom – można porównywać klientów, customizować oferty, zniżki, kupony etc. – odświeżamy miesięcznie/tygodniowo/codziennie.
• Warto analizować kanał pozyskania, demografię, sposób wykorzystania serwisu, urządzenia etc.
Analityka to kultura – nie narzędziaProjekt analityczny
Nie jest to model matematyczny choć jest to ważny element opisujący rzeczywistość i zmieniający sposób patrzenia na pewien jej aspekt (wcześniej być może pomijany, nie brany pod uwagę etc.)
Nie jest to SOFTWAREchoć jest to jeden z najważniejszych elementów. Model jest zaimplementowany i wdrożony w ramach istniejącej infrastruktury (choć może to być tylko podstawa do stworzenia nowego projektu)
Nie jest to proces choć niezwykle ważne jest by coś istniejącego w organizacji ulepszyć, zoptymalizować a być może całkowicie zmienić lub stworzyć od nowa
Nie jest to raport, zestaw raportów ani dashboard choć niewątpliwie ważne jest by zmienioną rzeczywistość mierzyć, oglądać jak się zmienia, obserwować postępy
Nie jest to też odpowiedzialność ITi chodź istnieją szkoły by tworzyć tę funkcję w ramach IT – tak naprawdę jest to nowy twór na styku biznesu i IT – chodź – jak pokazują przykłady zza wielkiej wody – dziś już IT to jest biznes po prostu.
Czy to jest dla CiebieJeżeli jako kierujący – całą firmą lub częścią biznesu – wierzysz, że wyniki modelu, analizy etc. Mogą zmienić twoje podejście – to tak.Czy potrzebujesz czegoś (jakichś narzędzi) by obserwować zmieniające się segmenty/realia rynkowe?Czy wierzysz, że świat można zamodelować matematycznie?Czy chcesz eksperymentować?
9
Dane są dla WSZYSTKICHNa każdym poziomie, Pozwól ludziom to eksplorować i daj im mandat to robienia zmian (w procesach, kampaniach, produktach). To prawie jak wewnętrzny integrator – ale biznesowy. A/B test everything.
10
Analityka budująca wartość – twoje potrzeby strategiczneGdzie jesteś teraz
Analitycznie upośledzonyFirma wie, że ma dane i chciałaby coś z nimi analitycznie robić
Lokalna analitykaPoszczególne działy wykonują podstawowe działania analityczne a management docenia wyniki
Aspirująca analityka Zarząd zobowiązuje się do wsparcia analityki – dedykowane zasoby i plan do stworzenia zaawansowanego centrum analitycznego i zmiany kultury
Data-DrivenKluczowe decyzje wynikają z analitycznego potwierdzenia; Zarząd pracuje na wynikach modeli a analityka jest jednym z priorytetowych strumieni firmy
Gracz analitycznyFirma tworzy nowe standardy czy modele operacyjne oparte o analityce. Wszystkie obszary działalności posiadają kawałek analityczny
Gdzie jesteś?:• Silosy
umiejętności• Statyczne
segmentacje i pewne modele prognostyczne
• Marketing sobie/e-marketing sobie/sprzedaż w oddziałach sobie?
• Każdy ma swój dashboard
• Ograniczona komunikacja
• Kontroling sobie a departamenty sobie?
Stany dojrzałości
Integracja danych procesów i platform
•Gdzie jest klient?•Gdzie jego wartość?•Które KPI optymalizują wartość klienta?•Które optymalizacje kosztów kosztują więcej niż churn klientów?
11
CRM Finance/Accounting
Digital marketing
Customer Care Offline Sales
Workflow
Analytics
Campaign management
Landingi
Online process
Paid-traffic
Social
SEM + website + affiliates
Workflow
Analytics
Dostęp do konta klienta
Logi z rozmów telefonicznych
SMS follow up
Self-Care, self-support
Głowny system transakcyjny
Transaction point
Beacons?
Call Logs
Mystery Client/Static site data
CRM system
Hurtownia danych
raportowanie
Kontroling/alokacja kosztów
Polityka cenowa
Różnice w raportowaniu różnych linii/krajów etc
Transakcje i planowanie finansowe
Techstack – kupowanie zabawek wartości nie zwiększa
The average enterprise site has more than 75 vendors on it, only 20% of which are directly placed by someone at the company
Ghostery
The average marketing stack consists of 17 or more tools.
Signal
Database reporting
Data Storage(OCDB)
Reporting
Consumer online touch points
CO/BG Content Management System
My / FSSMicrosites
Consumer registration
Enrichment & Engagement
Survey
Web Analytics
NPS
Ratings & Reviews
Database
Campaign CRM IboxEmail/SMSContent pers.Data enrichmentLoyalty/Gamification
(Social) Account creation
Cleansing
• Technologie, przepływy danych i procesy• Zespół: decydenci i teamy odpowiedzialne za narzędzia• Silosy organizacyjne: IT, marketing, CRM, e-commerce, sprzedaż, dane, legal, web
ops…• Nadzór: integration, performance, competition, governance, privacy, legal, data…
Registration form
Campaign landing pages
Czego potrzebjesz• Integracja: API,
webservice, cookies/JS• Dashboardy i dostępy:
data driven organisation• Dane a wiedza:
algorytmy i ludzie• Przejście od analityki
opisowej do predykcyjnej• Od analityki do
samouczącego się procesu
Data Lake – rozwiązanie do zbierania masy danych wytwarzanej obecnie w organizacji. Rozszerzalne, łączące dane różnych typów.
Open Services Architecture
Data lake – na czym będziesz budował wartość
Open APIS
KNOWLEDGE
DATA
X-SELL, UP-SELL
CSDP
BD Omnibus
PROCESS OPTIMIZATION
SOCIAL CRM
OMNICHANNEL
DATA MANAGEMENT
INTERNET MONITORING
MEDIA OPTIMIZATION
CRM
OPERATIONAL EFFECTIVENESS/B
USINESS OPTIMIZATION
CONTENT MARKETING
BD
Chronos
BDCRM
BDBD Cookie Scoring
BD Amplift
BD
BD Viz
BD CMS
Sensoric RTB
Open ETL Architecture
SERVICES
Pamiętaj o:• Warstwa polityk:
dostępy do danych (audytowalne)
• Probiznesowy prawnik• Czy masz ludzi i strategię
ich pozyskiwania
Ludzie – potrzebujesz ich do nowegomodelu budowania wartościBrain drain
# of Individuals Moving from Technology Platforms to Brand
Global, May 2015, LinkedIn
IN
OUT -650
01
21
55
21
000001
011
2
4
9
1
Richemont KeringLVMHP&G L’Oreal Estee LauderUnilever
-398 -343 -41 -29 -12 -1
Google AmazonFacebook
Tech is eating the world! Firmy technologiczne przejmują ambitnych pracowników z biznesów tradycyjnie niebędących TECH. W drugą stronę ruch jest bardzo ograniczony.
Będą mogły wchodzić w nowe rynki i modele biznesowe, w sposób niewidziany wcześniej.
Przewaga konkurencyjna i rekomendacje
Większość firm ma już te same klocki
Szybkość, głębokość, cel
Actionable data, algorytm
Know how, rozumienie biznesu
Wcale nietechnologie
Integracja Dane Ludzie Kreatywność Allways BeTesting
Churn
Next Best Offer
Dynamic pricing
Loyalty
Silniki rekomendacyjne
Best practices:• Netflix – 2/3 obejrzanych filmów jest dzięki
rekomdendacji
• Google News – rekomendacje generują 38% więcej ruchu
• Amazon – 34-36 % zakupów jest rekomendowanych
• Spotify – 26% utworów odtwarzanych jest rekomendowane
Możliwość wdrażania nowego
Świat się zmienia, ty też!
16listopad 2015
Michał KreczmarDyrektor Ecommerce Hypermedia
Łukasz DziekanPAn_Dziekan on Twitterlukaszdziekan on linkedinldziekan on FB