Copyright © Dagmar Oy
ASIAKASDATA INSIGHTIN LÄHTEENÄ
ASIAKASKOHTAAMISISTA SYNTYVÄN
DATAN HYÖDYNTÄMINEN
Mikko Koski
MVV 22.9.2015
Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi
ANALYTIIKKA AVUKSI ASIAKKUUDEN ERI VAIHEISSA
TUNNISTETTUTUNTEMATON MENETETTYAKTIIVINENUUSI PASSIIVINEN
LOJALITEETIN JA ARVON
KASVATTAMINENASIAKASPOISTUMAN HALLINTA
POTENTIAALINEN TUNNISTAMINEN, TUNNETTUUDEN KASVATTAMINEN, MIELENKIINNON HERÄTTÄMINEN, LIIDIEN HANKINTA, VALIDOINTI JA KÄSITTELY
ARVON KASVATTAMINEN: YLÖSMYYNTI JA RISTIINMYYNTILOJALITEETIN JA SUOSITTELUN KASVATTAMINENASIAKASKÄYTTÄYTYMISEEN PERUSTUVA REAGOINTI, OPPIMINEN, OPTIMOINTI JA ENNUSTAMINENPASSIIVISTEN AKTIVOINTI JA ASIAKASPOISTUMAN EHKÄISY
UUSASIAKASHANKINTA
ASIAKKUUDEN ELINKAARI
Copyright © Dagmar Oy
ASIAKASDATAN ANALYYSI TUNNISTAMATTOMISTA ASIAKKAISTA
Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi
TUNNISTAMATTOMIEN ASIAKKAIDEN SEGMENTOINTI MAINONNANHALLINNANJÄRJESTELMÄN DATALLA
A
CB
Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi
ANALYYSIN TULOKSET PERSONOINNIN POHJANA
Tunnistetaan erilaiset kävijäryhmät ja heidän
kiinnostuksenkohteensa
Analyysi
Tarjotaan eri asiakasryhmille erilaista
mainontaa ja erilaisia sisältöjä verkkosivuilla.
Mitkä säännöt parantavat konversiota?
Mitä uusia sääntöjä datasta löytyy?
B
B
Sisällön personointi Mittaus ja optimointi
Copyright © Dagmar Oy
ASIAKASDATAN ANALYYSILLÄ LISÄMYYNTIÄ NYKYASIAKKAISTA
Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi
ASIAKASKANNAN LÄPIKÄYNNILLÄ YLEISYMMÄRRYS KANNASTA
Minkälaisia asiakkaita yrityksellä on? Mitkä ovat pahimmat kipukohdat asiakaskannassamme?
60% 40%
Sukupuolijakauma
45%
45% asiakkaistaomistaa kanta-asiakaskortin
20%
20% asiakkaistarekisteröitynytnettisivuilla
10%
10% asiakkaistatilaa uutiskirjettä
Myynti alueittain Ostofrekvenssi
Brändi 1
Brändi 2
xxx
Brändi 3
Brändi 4
xxx
xxx
xxx
KeskiostosBrändi 1
Brändi 2
xx €
Brändi 3
Brändi 4
xx €
xx €
xx €
Syntymävuosi
Ikäjakauma
Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi
SEGMENTOINTI LUO POHJAN HOITOMALLIEN LUOMISELLE
Klu
ster
in a
rvo
Klusterin koko
Arvokkaat
Säännölliset
Eri asiakasryhmien merkitys yritykselleARVOKKAATKorkea arvo per asiakasKorkea arvo koko klusterille Rakennetaan hoitomalli asiakastyytyväisyyden
varmistamiseksi – asiakaspito keskeisessä roolissa.
SÄÄNNÖLLISETYksittäisen asiakkaan arvo on pieni matalan tuotekäytön vuoksi Kasvatetaan asiakkuuden arvoa ristiinmyynnillä.
PASSIIVISET JA PASSIVOITUVATKeskisuuri tai pieni asiakkaan arvoSuuri määrä menetettyä potentiaalia.Ei aktiivisuutta viimeaikoina Suunnitellaan uudelleenaktivointistrategia, jolla
asiakkaiden kiinnostus palveluihin saadaan heräämään.
Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi
KESKIOSTOS KASVAA OSTOSKORIANALYYSIN JÄLKEEN
TUOTE A TUOTE B
Jos asiakkaalla on jo tuote A, Tuotteen B ostotodennäköisyys kasvaa 30%.
Asiakas-ID Ostoskori
201554 Tuote A, Tuote B
735382 Tuote F
586621 Tuote F
796042 Tuote B, Tuote D, Tuote E
611249 Tuote A, Tuote C, Tuote G
369378 Tuote F
409540 Tuote F
747668 Tuote A, Tuote B, Tuote C
507920 Tuote C
900003 Tuote F
994983 Tuote A, Tuote C, Tuote G
171392 Tuote A, Tuote B, Tuote C
487952 Tuote G, Tuote B, Tuote E
963675 Tuote A, Tuote C
178249 Tuote C
222427 Tuote C, Tuote D
569650 Tuote A, Tuote B, Tuote C
849366 Tuote C, Tuote D
TUOTE C
TUOTE D
TUOTE E
TUOTE G
TUOTE ITUOTE F
TUOTE H
Kun asiakkaalla on mitkä tahansa kaksi Tuotteista F,G ja H, Tuotteen I ostotodennäköisyys kasvaa 60%
Tuotteen C ostajat ovat kiinnostuneita myös Tuotteista D ja E. Vaikka Tuotteen D ostotodennäköisyys on hieman korkeampi, saadaan parempi lisätuotto tarjoamalla hieman kalliimpaa Tuotetta E.
Datana asiakkaan myyntireskontra
Copyright © Dagmar Oy
ASIAKASDATAN ANALYYSI POISTUMAN HALLINNASSA
Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi
ANALYYSI PALJASTI : ASIAKASPOISTUMAN MERKITYS L I IKETOIMINNALLE SUURI
Vuonna 2014 17 150 asiakkuutta loppui.
Tämä tarkoittaa noin
€ 2 800 000 menetystä
vuotuisissa asiakastuotoissa.
Resurssit ovat rajalliset ja asiakkaiden kontaktoiminen kallista.
Kuinka poistumaa voisi pienentää?
Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi
LÄHDÖN SYIDEN SELVITTÄMINEN JA POISTUMAN ARVO
Pelastettavien asiakkaiden arvo määrittää toimenpiteisiin käytettävät resurssit.
• Miten paljon asiakkaita poistuu?
• Kenet voitaisiin pelastaa?
• Kenet haluttaisiin pelastaa?
• Mikä on pelastettavissa olevien asiakkaiden arvo?
POISTUVAT
Pelastettavissa
olevat asiakkaat
Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi
ENNUSTEMALLI TUNNISTAA SUURIMMASSA POISTUMARISKISSÄ OLEVAT ASIAKKAAT
ASIAKAS-IDPOISTUMIS-
TODENNÄKÖISYYS201554 87,9 %
735382 87,7 %
586621 84,5 %
796042 83,8 %
611249 83,0 %
369378 80,0 %
409540 79,6 %
747668 76,4 %
507920 75,2 %
900003 71,3 %
994983 70,2 %
171392 67,1 %
487952 66,1 %
963675 64,9 %
Malli ennustaa asiakkaiden poistumatodennäköisyydet Jatkotoimenpiteitä varten valitaan suurimmassa poistumisriskissä olevat henkilöt
SuuriKeskisuuri Matala
Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi
ENNUSTEMALLIA ANALYSOIMALLA SAADAAN TIETOA POISTUMAAN VAIKUTTAVISTA TEKIJÖISTÄ
Mallin avulla selvitimme, että asiakkaan poistumatodennäköisyyteen vaikuttaa erityisesti:
• Edellisen kontaktin jälkeen kulunut pitkä aika –merkittävin poistumaan vaikuttava tekijä.
• Haja-asutusalueella asuminen – kaupungeissa pienempi poistumariski.
• Sukupuoli - Miesten poistumariski on naisten riskiä suurempi.
• Tuoteryhmä A:n käyttö - asiakkaat ovat keskimääräistä lojaalimpia.
• Suuri palveluiden lukumäärä – mitä useamman palvelun käyttäjä asiakas on, sitä pienempi poistumariski on.
• Asiakkuuden ikä – pitkä asiakkuus laskee poistumariskiä, mutta vain hieman.
MUUTTUJAVAIKUTUS POISTUMA-
TODENNÄKÖISYYTEEN
Aika edellisestä kontaktista (kk)
+ 21 %
Asuinpaikka (haja-asutusalue, kyllä/ei)
+ 15 %
Sukupuoli (mies, kyllä/ei)
+ 6 %
Tuoteryhmä A:n käyttö(kyllä/ei)
- 16 %
Tuotteiden lukumäärän kasvu
- 30 %
Asiakkuuden ikä - 5 %
Poistumariski pienenee
Poistumariski kasvaa
Copyright © Dagmar Oy
YHTEENVETO
Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi
• Asiakasdataa kertyy moniin eri lähteisiin.
• Dataa analysoimalla muodostetaan näkemystä.
• Näkemys on edellytyksenä asiakkuuksien johtamiselle.
ANALYYSI
ASIAKKUUS-STRATEGIA
TOIMENPITEET
Copyright © Dagmar Oy
KIITOS!
Mikko KoskiDirector of Advanced Analytics
[email protected]+358 40 672 2500