Big data – innsikt for å sikre fremtidens kundeservice og kundeserviceinnsikt Hvordan bruke data fra interaksjon med kundene for å få større kundeinnsikt og grunnlag for å forbedre tjenester og produkter? Sigmund Festøy, Partner/Daglig leder PLOT Oslo, 22. august 2013 Oslo 29. januar 2015 Disposisjon Click to edit Master title style Innledning Om kunden Hypotesedrevet Enkle triks Oppsummering 2 Informasjon er sand Click to edit Master title style 3 innsikten er gullet som er i sanden Click to edit Master title style 4 Big data betyr mye sand Click to edit Master title style Ikke overless kolleger og sjefer med sand... .. selv om big data og teknologi har gitt deg muligheten til å gjøre det 5 Skal snakke om å vaske gull Click to edit Master title style 6 Click to edit Master title style Data er sand – innsikt er gull Om kunden Hypotesedrevet Enkle triks Oppsummering 7 Kundeservice = Opplevelse og følelser Kundens opplevelse Click to edit Master title style Kundeservice er en serie med aktiviteter designet for å øke kundetilfredsheten – kundens opplevelse og følelse av produktet og tjenesten sammenlignet med forventning Kilde; PLOT, fritt etter Turban et al. 2002 8 Kundeservice er ett av selskapets virkemidler for å skape opplevelsen Leveransen - Selskapets produkter og tjenester Click to edit Master title style 9 Gullet er innsikten i hva det er som skaper den ønskede kundeopplevelsen og følelsen Selskapets vei til målgruppen Click to edit Master title style .. og ikke minst hva som ødelegger for den ønskede kundeopplevelsen 10 Gullet er innsikten i hva det er som skaper den ønskede kundeopplevelsen og følelsen Selskapets vei til målgruppen Click to edit Master title style Leveranse Produkter/tjenester Distribusjon Menneskene Opplevelse Kommunikasjon Pris Hvordan løftet holdes og bygges (konkret leveranse) Hva målgruppen vil ha 11 Click to edit Master title style Kundens opplevelse og følelser er det som er viktig Big data kan ikke gi oss det men big data kan hjelpe oss et stykke på vei Du som analytiker og menneske må bruke din empati for å tolke og bruke big data Mennesket skal styre maskinen 12 Click to edit Master title style Data er sand – innsikt er gull Opplevelser og følelser Hypotesedrevet Enkle triks Oppsummering 13 Click to edit Master title style Hypoteser og modeller 14 Hypotesebasert analyse er å kombinere fundamentale og korrelasjonsbaserte modeller Click to edit Master title style Fundamentale modeller Matematisk korrelasjon U = R x I (e.g. Ohms law) Hypotesen er en forventning om en mulig fundamental sammenheng Analyse av data for å finne korrelasjoner og sammenhenger 15 ”Big data” handler om teknologer som møter humanister Påstand Click to edit Master title style For en teknolog så er marketing og salg på steinaldernivå når det gjelder fundamentale modeller Som forklarer årsak og virkning Som kan kvantifiseres Delvis fordi menneskers opplevelser og følelser ikke kan måles eksakt men også fordi de som er dyktige i salg og markedsføring er mer humanister enn teknologer Bygg enkle modeller som er gode nok Forutsetning for å utvikle hypoteser Enkle modeller som forklarer det vesentlige i akkurat din virksomhet Uten at du behøver å lage en universal modell for kundeservice 1. 2. 3. 16 Click to edit Master title style Fundamentale modeller i salg og marked 17 Noen enkle og nyttige modeller Hovedprosesser innenfor marked, salg og kategori Click to edit Master title style Kundereisen Den prosess eller kundereise som kunden går gjennom for å kjøpe et produkt eller en tjeneste Behovet Opplevd eller forventet verdi av produktet/tjenesten for kunden Ulike kunder har ulike behov og opplevd verdi vil variere mellom ulike kunder eller grupper av kunder (segmenter) Å trekke kundene gjennom kundereisen på en effektiv måte Effektiv=tilpasset kundene slik at salgskostnaden ikke er høyere enn den trenger å være Kilde; PLOT 18 Hypotesebasert analyse er å kombinere fundamentale og korrelasjonsbaserte modeller Click to edit Master title style Fundamentale modeller Matematisk korrelasjon + >0 19 Salg og markedsføring er å optimalisere kundereiseformelen Kundereiseformelen Click to edit Master title style Opplevd/ forventet verdi Forklaring: + Merverdi i kundereisen Hvor sterkt er behovet? Hvor godt er tilbudet? I forhold til opplevd pris (verdi=fordeler – pris) Hvor bra er servicen? Hvor fristende er salgsmateriellet? m.m. Oppgaven til markedsføring og salg: Øke opplevde fordeler Sette optimal opplevd pris Optimalisere salgskostnader Prisavslag og andre salgskostnader - Byttebarrierer >0 Hva kreves av informasjon og opplæring? Kostnader involvert? m.m. Redusere opplevde bytterbarrierer (hvis mulig) Jo større summen i formelen blir desto flere kunder Kilde; PLOT men på bekostning av lønnsomhet 20 Kunder kjøper produkter og tjenester for å tilfredsstille emosjonelle og funksjonelle behov Kundebehov Click to edit Master title style Individuell Min egen favoritt Uavhengighet Måloppnåelse Stimulere sanser Introvert Vise seg frem Anerkjennelse Sex Lek Passivitet Ekstrovert Ukrenkelighet Dominans Unngå stress Tilhørighet Omsorg Sosialt For andre, det som passer seg Kilde; PLOT 21 Hvordan ”flytte” kunden optimalt fra etappe til etappe i kundereisen ”Kundereisen – kjøpsprosessen Click to edit Master title style Informasjon om X Lead Har ikke hørt om X Vet at X finnes Forespørsel om tilbud Kunde Prospect Vet noe om X Kjøp/Aksept Vet hva X kan gjøre TV reklame Kundesenter DM Hjemmesiden X.no TM Rabatt/prisavslag 22 Click to edit Master title style Enkel modell – praktisk eksempel 23 Prøving er første skritt til salg Case: prøving kjøp Click Kundereisen to edit Master titleog style Salg= 0 stk Totalt besøk Søker produkt =100% Ser på produkt Salg= 2 stk 1. prøving Salg= 4 stk 2. 3. Totalt salg= 6 stk 4. Søker annet Besøk til butikk Kilde; Maskert case 24 I produktavdeling Prøving av produkt Kjøper produkt Click to edit Master title style Data er sand – innsikt er gull Opplevelser og følelser Lag enkle modeller Enkle triks Oppsummering 25 Click to edit Master title style Gruppering 26 Gruppering er en analyseteknikk for å forenkle Click to edit Master title style Ost… • mild smak • gir energi • kalsium til skjelettet • passer til alle aldre • pynter bordet • lett å skjære • praktisk på brødet • holder seg i matpakken Kilde; Plot, BCD 27 Hver gruppe oppsummeres med et budskap ClickOst… to edit Master title style Gir deg det du trenger • gir energi • kalsium til skjelettet .. passer godt på frokostbordet • mild smak • passer til alle aldre • pynter bordet .. og er lettvint og praktisk • lett å skjære • praktisk på brødet • holder seg i matpakken Kilde; Plot, BCD 28 Gruppering er viktig teknikk for å forenkle Gruppering og Master big data Click to edit title style Grupper data og tall i rapporter og analyser 3 grupper er best 5 grupper går bra, 7 grupper til nød La Øvrig/annet være den siste gruppen – legg alt smått der Forenkle så langt du kan Fremhev avvik bare hvis de er viktige 29 Click to edit Master title style Enkel matematikk 30 Innsikt gjennom enkel beregning og gruppering av resultater Innsikts eksempel; Hvor ofte vil du si at du besøker kjeden X? Click to edit Master title style Hvor ofte vil du si at du bruker produkt/tjeneste X? Andel Antall Totalt Andel av av Antall Antall Antall xx per per Totalt befolkning år befolkning personer personer år antall antall bruk, bruk, (1000) mill (1000) mill daglig 11 % 40 240 10 daglig % 40 240 10 3-5 22 % 80 192 15 3-5 ganger ganger per per uke uke % 80 192 15 2-3 55 % 200 120 24 2-3 ganger ganger per per uke uke % 200 120 24 ukentlig 10 400 48 19 ukentlig 10 % % 400 48 19 2-3 15 600 30 18 2-3 ganger ganger per per måned måned 15 % % 600 30 18 månedlig 25 1000 12 12 månedlig 25 % % 1000 12 12 kvartalsvis 23 920 44 44 kvartalsvis 23 % % 920 sjeldnere 14 560 11 11 sjeldnere 14 % % 560 aldri 55 % 200 00 00 aldri % 200 totalt 100 4000 26 102 totalt 100 % % 4000 26 102 Brukere Brukere (ukentlig (ukentlig el el oftere) oftere) Iblant Iblant brukere brukere (månedlig) (månedlig) Ikke-brukere Ikke-brukere Total Total Kilde; Plot 18 18 % % 40 40 % % 42 42 % % 100 100 % % 720 720 1600 1600 1680 1680 4000 4000 95 95 19 19 33 26 26 68 68 30 30 44 102 102 Andel Andel av av bruk bruk 99 % % 15 15 % % 23 23 % % 19 19 % % 18 18 % % 12 12 % % 44 % % 11 % % 00 % % 100 100 % % 67 67 % % 29 29 % % 44 % % 100 100 % % 31 Click to edit Master title style Kombinere datakilder 32 Kombinere data fra flere kilder i analysene Ulike metoder for å frambringe målgruppeinnsikt Click to edit Master title style Metodekartet markedsinnsikt Høy / makro Spørreundersøkelser (web, telefon...) SSB ACNielsen Bransjestatistikk Salgsdata Digitale spor (klikk, visninger,...) Grad av (nasjonal) representativitet Markedsinnsikt krever forståelse av både adferd og holdning Finnes ingen enkelt metode eller datakilde som gir hele svar Bruk av flere ulike datakilder i analysene bidrar til bedre innsikt Kassalappdata Exit intervjuer Personlige intervjuer Observasjoner Fokusgrupper (i og utenfor butikk, ...) Lav / mikro Holdninger ("The talk") Type innsikt Atferd ("The walk") 33 Click to edit Master title style Data er sand – innsikt er gull Opplevelser og følelser Lag enkle modeller Bearbeid dataene Oppsummering 34 Vask frem gullet fra sanden Oppsummering Click to edit Master title style Data er sand – innsikt er gull Opplevelser og følelser Lag enkle modeller Bearbeid dataene Vask frem gullet fra sanden 35 Prøv Plot Tre grunner til å jobbe med Plot Click to edit Master title style LØS PROBLEMER SKAP VEKST Still riktig diagnose og velg riktig behandling Identifiser og utnytt muligheter for verdiskapende vekst BLI ENDA BEDRE Bidra til kontinuerlig læring og utvikling Takk for at du hørte på! 36 Click to edit Master title style KONTAKTPERSON Sigmund Festøy [email protected] +47 913 97 729 www.plot.no 37
© Copyright 2024