PointX - news (2016)

Tematické seriály

Dotace na vývoj ICT

Vývoj nových ICT řešení a ICT nástrojů je v dnešní době zásadní, ale finančně velice náročný proces.

1. až 2. díl >>

Trendy v CRM

Systémy pro řízení vztahů se zákazníky (CRM) prochází v posledních letech výraznou změnou. Zatímco dříve...

1. až 6. díl >>

Příručka úspěšného IT manažera

Dnes je řada IT manažerů opomíjena. Úspěšní bývají brouci Pytlíci a Ferdové...

1. až 13. díl >>

Podnikové portály

Portály patří k oblíbeným technologiím, na kterých staví společnosti svá řešení. Ta jsou vstupní branou ke všem...

1. až 5. díl >>

Pokročilá analýza provozu datových sítí

V tomto čtyřdílném seriálu vás seznámíme s různými metodami a přístupy...

1. až 4. díl >>

Cesta k efektivnímu identity managementu

Správa identit a přístupů (IAM) je klíčová oblast pro zaručení bezpečnosti a efektivity...

1. až 7. díl >>

Časopis IT Systems / Speciál

Aktuální číslo časopisu IT Systems Aktuální číslo časopisu příloha #1
Využití BI a datové analytiky pro komunikaci se zákazníkem

11-kpmg-01 250Úspěšné oslovení zákazníka je jedním z klíčových aspektů pro jeho získání, zatímco o jeho udržení rozhoduje následná podpora, péče a komunikace, ukazuje se v dnešním vysoce konkurenčním prostředí. Základním předpokladem k úspěšnému a efektivnímu dosažení obou těchto základních cílů je mít k dispozici kvalitní a kompletní data týkající se všech aspektů zákazníka i vztahu s ním. Tato data je následně potřeba využít pro získání takových informací, které umožní prohloubení znalosti zákazníka, jeho postojů, chování a preferencí, umožňující dokonalejší cílení nabízených služeb a produktů.

Postup

Prvním a nutným krokem k vytvoření kvalitního zákaznického profilu je získat o klientovi potřebná data. Při tom se pochopitelně ihned nabízí otázka „jaká?". A odpověď je relativně jednoduchá – v první fázi všechna, která mohu. Moderní technologie pro Big Data nebo i fenomén Internet of Things již dnes umožňují získávat obrovská množství dat s libovolným zadáním a data o konkrétních osobách hrají jednoznačně prim. Postup je v první fázi následující:

  • Zmapovat všechny potenciální zdroje dat (zatím bez hodnocení jejich přínosu).
  • Identifikovat možnost získání těchto dat.
  • Realizovat funkční prototyp nebo proof-of-concept, který všechna nebo většinu dat dá na jedno místo, přičemž zatím není nutné vytvářet jednotný datový model. Z tohoto pohledu se jako zajímavé, minimálně pro tuto úlohu, jeví Big Data řešení v cloudu.
  • Provést vyhodnocení získaných dat z business i technického pohledu a určit, které zdroje budou součástí reálného řešení.

Následně je možné připravit standardní implementační projekt, který už bude mít jasnější zadání, bude mít za sebou ověření některých technických aspektů a díky vyšší znalosti obsahu dat bude možné lépe stanovit to klíčové – tedy business case.

Zdroje dat

Strukturovaná data

Základním zdrojem jsou vlastní systémy firmy a dále celá řada zdrojů externích. Nejrůznější rejstříky, adresní údaje, katastry i marketingové databáze nabízejí velké množství informací. V dnešní době jde již v podstatě o relativně standardní zdroje, kterých využívá většina větších korporací.

Důležitou součástí dnešní doby jsou i data o chování jedinců v rámci využívání webových stránek (web analytics). Poskytují velmi přesné informace o způsobech využívání konkrétních stránek a jsou tak cenným nástrojem pro jejich optimalizaci. Zároveň ale mohou sloužit k identifikování vzorců chování a podpoří například správnost načasování obchodní nabídky.

V souvislosti se strukturovanými daty je potřeba nezapomenout na některá základní veřejně dostupná data, jako například mapové podklady a geolokační údaje, ekonomické údaje, statistiky obyvatel, obecné číselníky a další informační zdroje, které často slouží jako základní stavební kámen pro využívání dat jiných.

Nestrukturovaná data

Právě v oblasti nestrukturovaných dat leží většina potenciálu pro zlepšení informační základny o klientech i prospektech. Prvním zdrojem jsou opět vlastní systémy, kde se často nalézá celá řada textových polí s velkým množstvím nejrůznějších poznámek, ve kterých se skrývají velmi hodnotné informace. Nutnou podmínkou pro jejich využití je ale kvalitní nástroj pro analýzy nestrukturovaného textu s velmi důležitou podmínkou pro podporu českého jazyka. Tento nástroj má pak pochopitelně využití i v rámci dalších datových a informačních zdrojů obsahujících prostý text.

Velké množství dat se v rámci organizace poté vyskytuje v dalších dvou oblastech - v dokumentech a v e-mailech. V rámci standardní komunikace týkající se obchodních záležitostí a klientů se vyskytuje obrovské množství hodnotných informací, které lze efektivně využívat pro celou řadu účelů.

KPMG

Rozsah externích zdrojů nestrukturovaných dat je potom skutečně téměř nekonečný, stejně jako počet různých formátů, kterých může nabývat. Níže uvedený seznam je spíše orientační.

  • Sociální sítě – Facebook, Twitter, LinkedIn... Známe je všichni. Obsahují opravdu skvělé informace o klientech i prospektech, jelikož právě prostřednictvím sociálních sítí jsou ochotni sami a dobrovolně sdílet velké množství osobních až soukromých informací. Využít jich lze nejen pro získání přesnějších dat o jednotlivcích i firmách, ale v rámci komunikace s klienty, jde i o velmi důležitý nástroj pro včasné zachycení negativního PR. Je až s podivem, jak občas dlouho trvá, než korporace zareaguje na „veřejnou stížnost" v podobě sdílení nepříjemné zkušenosti se službou či produktem. Z technického pohledu je potom podstatné si uvědomit, že sociální sítě už dnes neznamenají pouze text, ale že je nutné využívat i moderní možností získávání informací z multimediálních souborů, tedy zejména z fotografií a videí.
  • Geolokační údaje – kde, jak často i jak rychle se lidé pohybují je velmi cenná informace. Nejde zde jen o pohyb venku, ale důležité je mít i přehled o pohybu zákazníků v rámci vlastních prodejních i servisních míst. Údaje je možné získávat prostřednictvím GPS, ale také díky datům z komunikačních sítí, ať už mobilních operátorů nebo poskytovatelů wi-fi připojení.
  • Geografické údaje – je naprosto pochopitelné, že pokud mám kousek vedle vlastní pobočky zároveň i pobočku konkurence, bude to mít na snahu oslovit zákazníka vliv. Tím ovšem výčet faktorů, které ji ovlivní, pouze začíná. Dopravní dostupnost, kulturní památky, restaurace, divadla, zeleň atd., to vše může mít na chování zákazníků vliv.
  • Události – sledovat co se děje je běžnou lidskou potřebou i činností a stejně tak to platí i pro korporace. Způsob komunikace se zákazníkem může být ovlivněn jak globálními, tak i zcela individuálními událostmi – tedy od toho že je ekonomická krize nebo boom, přes fakt že se blíží parlamentní volby, k tomu že se právě koná velký koncert až po fakt, že můj hlavní konkurent právě spustil slevovou akci. Oblast událostí jako informačního zdroje tak představuje asi nejširší variabilitu obsahu a dá se považovat za nejkomplikovanější jak z pohledu úvodního určení, co vlastně sledovat, tak i z pohledu dalšího provozu, kdy se typicky může často měnit.
  • Počasí – ač se to nemusí na první pohled zdát, to zda zrovna včera večer pršelo, může mít na chování zákazníků vliv. Stahovat si pravidelně informace o počasí i jeho předpovědi umožňuje zapojit tento faktor do identifikace vzorců chování a jeho predikce.
  • Měřící senzory – velkým zdrojem dat, zejména pro výrobní organizace, ale i v sektorech retailu či energetiky, jsou nejrůznější měřicí přístroje. Informace o tlaku, teplotě, rychlosti, průtoku atd. jsou často neocenitelné při řešení nejrůznějších dotazů i hlášení problémů ze strany klientů.

KPMG

Využití dat

V oblasti využití dat je samozřejmostí vycházet z business požadavků a představ. Ty jsou zcela závislé na konkrétní korporaci a výše uvedený postup doporučuje je finalizovat až na základě reálné zkušenosti s obsahem dat v rámci prototypu/pilotu. A jak může taková reálná zkušenost vypadat?

Rozšířený zákaznický profil

Představme si standardní profil bankovního zákazníka s jeho produkty, historií, kontaktními a adresními údaji, scoringem, segmentem a v lepším případě pak i s jeho komunikační historií s bankou. Tento profil ovšem může být významně širší. Mohu vidět profil jeho chování na webu, life-time value predikci, klíčové zájmy, jeho vazby na ostatní klienty, firmy, místa atd. Vše třeba i v real-time režimu a s využitím sofistikované datové analytiky a navázáním na aktivní alerty, umožňující realizovat komunikaci v tom správném čase a správnou formou.

Klient například přichází do internetového bankovnictví ze stránek prodejce fotografické techniky. V posledním týdnu často zmiňoval značky fotoaparátů na sociální síti a za dva týdny má narozeniny. V rámci internetového bankovnictví se dívá do úvěrové části. Datová analytika jej na základě struktury jeho útrat zařadila mezi impulzivně nakupující jedince. Z předchozí komunikace plyne, že není rád oslovován přímo pracovníky banky. V tuto chvíli je tedy možné klienta aktivně oslovit v rámci internetového bankovnictví s mimořádnou nabídkou úvěrového produktu na míru, kde zároveň vzhledem k jeho chování mohu nastavit mírně vyšší marži. Jít se dá i dále a v rámci poskytnutí úvěru se sebraným souhlasem k marketingovému oslovování klientovi navíc nabídnout slevový program, kde bude i velký prodejce fototechniky a získat tak ještě provizní výnosy. Jde samozřejmě o zjednodušený příklad, ale dobře ukazuje možnosti využití dat pro oslovení klienta, jeho správné načasování i optimalizaci výnosů z nabízených produktů.

Obchodní komunikace

Zdrojem dat pro vylepšení komunikace s klienty mohou být i vlastní zaměstnanci, případně externí prodejci. Z datových zdrojů je možné získat totiž nejen profil klienta, ale pochopitelně i profil obchodníka – opět jak základní, tak i jeho rozšířený profil. A v případě využívání nástrojů pro business process management (BPM) dokonce i velmi detailní pohled na efektivitu procesů, které vykonává. Kdy má schůzky s klienty, jaký mají tito klienti profil, s jakou úspěšností sjednává, jaký je jeho výběr produktů pro nabídku, jaké jsou jeho komunikační návyky atd. Všechny tyto informace opět mohu využít v rámci datové analytiky k vytvoření profilu úspěšného obchodníka, který lze následně aplikovat v podobě proškolení všech obchodníků či jejich přímé podpory v rámci komunikace i prodejních a obslužných procesů. Celý model je navíc samozřejmě opakovatelný a dochází tak k průběžnému kontinuálnímu zlepšování efektivity prodejní i servisní sítě.

Ondřej Kulhánek
Autor článku působí na pozici Associate Manager ve společnosti KPMG Česká republika.


Poslat na email Tisk Přidat mezi oblíbené TwitterFacebook googleLinkujGoogle BuzzTip redakci
 
IT Systems - online trafika