CUSTOMER INTELLIGENCE JAKO ROZWINĘCIE KONCEPCJI CRM. Teresa Porębska-Miąc

Transkrypt

1 CUSTOMER INTELLIGENCE JAKO ROZWINĘCIE KONCEPCJI CRM Teresa Porębska-Miąc Wprowadzenie Wyobraźnia jest ważniejsza od wiedzy Albert Einstein Podejmowanie decyzji w biznesie nie opiera się wyłącznie na danych, faktach i informacji. Jak dowiodły badania przeprowadzone wśród menedżerów różnych szczebli zarządzania w krajach europejskich i Stanach Zjednoczonych, 30-60% z nich podejmuje decyzje opierając się w większym stopniu na intuicji, wcześniej zdobytej wiedzy i doświadczeniu niż na raportach, analizach i prognozach, uzyskanych z danych operacyjnych o działalności organizacji. Wraz ze wzrostem stopnia złożoności współczesnych rynków konieczne staje się poszukiwanie dodatkowych rozwiązań wspomagających podejmowanie kluczowych decyzji, pozwalających np. zwiększyć efektywność działań marketingowych i sprzedaży, jak również wyróżnienie się firmy na tle konkurencji. Rozwiązania Customer Intelligence łączą wiedzę i doświadczenia ekspertów marketingu i sprzedaży ze specjalistami posiadającymi wiedzę w zakresie nowoczesnych technologii informacyjnych. Umiejętna analiza danych pozwala lepiej poznać klientów oraz dowiedzieć się, np. czym się różnią, jakie mają potrzeby oraz w jaki sposób najlepiej się z nimi komunikować.

2 Od danych do mądrości Każda firma dysponuje zazwyczaj dużą ilością danych (data) związanych z prowadzoną aktywnością biznesową. Dla celów marketingowych podstawowym źródłem danych są badania marketingowe (np. odpowiedzi respondentów ankiety zapisane w arkuszu kalkulacyjnym) oraz bazy danych funkcjonujące wewnątrz firmy (zawierające np. kompletna historię zakupów dokonanych w firmie przez klientów). System CRM gromadzi wszystkie istotne dane o klientach firmy i organizuje je w sposób ułatwiający utrzymanie dobrych relacji z klientami [www7]. Dysponowanie danymi pozwala na wykorzystanie ich w celu zdobycia użytecznych informacji (information). Narzędziem uzyskiwania informacji typu: Ilu klientów kupiło Opla Corsę? Który klient dokonał w firmie największych zakupów? Ilu respondentów ankiety posiada telefon komórkowy? itp. mogą być np. zapytania SQL w bazie danych czy proste filtry arkuszu kalkulacyjnego. Jednak nawet najbardziej zaawansowane analizy w arkuszu kalkulacyjnym ani skomplikowane kwerendy nie pozwalają uzyskać odpowiedzi na pytania: Do kogo spośród 100 tys. adresów wysłać reklamówkę nowego samochodu, aby maksymalizować odzew, gdy firmę stać tylko na wysyłkę 10 tys. reklamówek? Jaka kombinacja ceny, jakości kosmetyków oraz lokalizacji sklepu spowoduje, że będą je kupować kobiety w wieku od 25 do 30 lat? itp. Odpowiedzi na te pytania tworzą wiedzę (knowledge) [www7]. Pozyskiwanie wiedzy z posiadanych informacji umożliwiają techniki data mining. Wiedza jest jednym najważniejszych zasobów każdej organizacji. To ona pozwala jej działać inteligentnie. Wiedza organizacyjna stanowi tą

3 część wiedzy, która ma zastosowanie w konkretnej organizacji oraz pozwala rozumieć jej działanie, cele i wizję. W powiązaniu z informacjami pochodzącymi z systemów analitycznych, umożliwia działanie zgodnie z najlepiej pojmowanymi celami biznesu [Porę04]. Wiedza połączona z doświadczeniem stanowi o mądrości, stad też do pojęć dane informacje wiedza dołącza się dodatkowo pojęcie mądrość (wisdom). Mądrość oznacza umiejętność wykorzystania zgromadzonej wiedzy [Abra03]. Mądrość pozwala na zadawanie właściwych pytań oraz właściwą interpretację odpowiedzi. Na rys. 1 przedstawiono pomiędzy poziomami jakości danych/informacji/wiedzy. Mądrość nie została tu uwzględniona, ze względu na to, że brakuje obecnie metodologii dotyczącej informatycznej implementacji zarządzania mądrością, Źródła danych Metody przetwarzania Wykorzystanie data mining sztuczna inteligencja modele regresji grupowanie OLAP kierunki działań marketingowych inteligentne systemy ekspertowe reguły asocjacyjne ukryte zależności wiedza Hurtownie danych zapytania SQL filtrowanie skonsolidowane raporty statystyki, wykresy informacje systemy transakcyjne bazy danych badania ankietowe Internet sortowanie składowanie archiwizacja analizy pojedynczych przypadków dane Rys.1. Relacje dane-informacja-wiedza Źródło: [www1].

4 Pojęcie Customer Intelligence Pojęciem Customer Intelligence (CI) określa się proces zbierania, analizy i wykorzystywania bazy klientów firmy [www6]. Uzyskane informacje dotyczą obecnych i przyszłych potrzeb klientów, mechanizmu podejmowania ich decyzji, zachowań konsumentów, jak również konkurencji, sytuacji na rynku oraz ogólnych trendów ekonomicznych, technicznych i kulturowych. Aby właściwie zarządzać relacjami z klientami firma musi zbierać niezbędne informacje o klientach i organizować dla potrzeb właściwych analiz i działań. Zakres Customer Intelligence przedstawia rys. 2. Zarządzanie informacjami o klientach Zewnętrzne źródła danych Call Center Media On-line Bezpośrednie zamówienia Transakcje Zdarzenia Kanały partnerów WoM BI/analizy Integracja danych/ jakość Customer Intelligence Interakcje z klientami Większy dochód dzięki inwestycjom skierowanym do najbardziej wartościowych klientów Analiza danych klienta Aplikacje Customer Intelligence Rys. 2. Zakres Customer Intelligence Źródło: opracowanie własne na podstawie [Amen06]. Rozwiązanie CI pozwala firmie: określić i ocenić zachowanie klienta,

5 zrozumieć zachowania klientów, zidentyfikować przyczyny, dla których się kontaktują, maksymalizować lojalność klienta i utrzymać klienta, uzyskać wiedzę na temat rynku i konkurencji, zwiększyć efektywność sprzedaży. Zaawansowana wiedza o kliencie pozwala zidentyfikować i zagwarantować obsługę na wysokim poziomie, wykorzystując wszystkie możliwe kanały komunikacji. Punkt wyjścia, dla zapewnienia wysokiej obsługi klienta przez firmę, stanowi całościowy obraz klienta (Customer Single View). Obraz ten pozwala na optymalizację wielowymiarowej komunikacji z firmą (odpowiedni kanał komunikacji, intensywność kontaktów, adresowanie komunikatów do właściwych przedstawicieli firmy). Customer Intelligence a CRM Customer Intelligence wywodzi się bezpośrednio z CRM. W założeniu ma być jego lepszą wersją, która zwraca uwagę na postawy i uczucia klientów, a dzięki zastosowanej technologii pozwala na aktywne wykorzystywanie danych na ich temat do tworzenia modeli segmentacyjnych, analiz skłonności zakupu, określania czynników determinujących zakupy, identyfikacji gustów i preferencji oraz w konsekwencji do przewidywania trendów [Żółt05]. Nadal istotne jest gromadzenie informacji o kliencie, jednak jego celem jest na tyle dokładne zrozumienie jego postaw i potrzeb, aby móc zaproponować mu ofertę, która będzie dla niego ważna. Firmy wprowadzając systemy CRM, które wymagały dużych inwestycji i były trudne w implementacji, niewystarczająco zwracały uwagę na aspekt

6 tworzenia wartości dla klienta, która wynikałaby z jego dokładnej znajomości. A. Tempest, dyrektor generalny FEDMA (Europejskiej Federacji Marketingu Bezpośredniego), określa umiejętnie prowadzony Customer Intelligence jako marketing bezpośredni plus. Plusem jest tu troska o to, aby zebrane dane dotyczące klienta były ujednolicone i pozwalały na przygotowanie istotnej dla klienta propozycji. Różnicę pomiędzy CRM a CI A. Tempest wyjaśnia następująco: Jeżeli w ciągu roku dostajemy od tej samej firmy kilka listów, ale na różne adresy, z różną pisownią naszych imion i nazwisk, zawierających dowolne oferty, które w żaden sposób nie odnoszą się do naszej historii zakupów, oznacza to, że obsługuje nas system CRM ( ). Jeżeli adres zawsze jest jeden, prawidłowo napisany, podobnie jak nasze imię i nazwisko, a oferta znajduje się w polu naszych potencjalnych zainteresowań, to znaczy, że działa CI [Żółt05]. Customer Intelligence należałoby zatem traktować jako odpowiedź na rosnącą świadomość klientów i zdobywaną dominującą pozycję w relacji klient sprzedawca. W świecie komunikacji bezpośredniej od klienta zależy miejsce i sposób komunikacji ze sprzedawcą. To klient decyduje jak długo chce pozostać z firmą. Zarządzanie relacjami z klientami (Customer Relationship Management CRM) przekształca się w relacje zarządzane przez klientów (Customer Managed Relationship CMR). Dzięki technologii (hurtownie danych, analizy wielowymiarowe, itp.) można dokładnie zidentyfikować gusta i preferencje klientów, aby zaproponować mu jedynie to, co odpowiada ich profilowi zachowań konsumenckich. System CRM wymaga jednak uzupełnienia o ważny element ludzką inteligencję, bez której system nie wygeneruje np. życzeń urodzi-

7 nowych dla tych, którzy urodzili się 29 lutego lub nie uda się utrzymać subtelnej różnicy, która pozwala na utrzymanie przyjaznego stosunku klienta do otrzymywanych ofert. CI pozwala przeprowadzić precyzyjną segmentacje, jak również na bieżąco aktualizować dane o kliencie, np. o informację, kiedy ostatnio firma kontaktowała się z danym klientem i czy on jej odpowiedział. A jeżeli nie odpowiedział, to może nie być przychylnie nastawiony na kolejne oferty. Do tego jednak potrzebny jest inteligentny człowiek, który podejmie decyzję o wstrzymaniu korespondencji. Zatem ostateczną różnicą pomiędzy systemem CRM i systemem CI jest zastosowanie ludzkiej inteligencji. CI pozwala wyznaczać optymalną strategię komunikowania się z klientem i pozyskiwania nowych klientów. Potrafi wskazać najlepszych klientów i sposób efektywnej komunikacji z nim. Do realizacji tych procesów wykorzystuje zgromadzone dane o klientach i własny rozum. Strategie sukcesu wykorzystywania Customer Intelligence Firmy wykorzystujące CI mają szansę na osiągnięcie wymiernych korzyści, takich jak wzrost wskaźnika utrzymania klienta, sprzedaży i satysfakcji klienta czy redukcja kosztów operacyjnych. Można to uzyskać dzięki wykorzystaniu analiz predyktywnych i modelowaniu zachowań klientów, automatyzacji procesu zarządzania bazami klientów, integracji działań front-office i back-office i prowadzeniu działań biznesowych w zamkniętej pętli, przy akceptacji ze strony całej organizacji. Stosując nowoczesne technologie dla celów zdobywania, zarządzania, analizy i wy-

8 korzystania inteligencji, firmy mogą lepiej poznać i zrozumieć swoich najbardziej dochodowych klientów. Doświadczenia firm, które skutecznie wykorzystują swoje aktywa w postaci dochodowych klientów, pozwoliły na wskazanie następujących strategii skutecznego działania [Amen06]: przygotowanie i udoskonalenie procesów w zamkniętej pętli w celu maksymalizacji wskaźnika ROI. Poprzez ocenę wszystkich kluczowych procesów biznesowych (zarządzanie, analiza i wykorzystanie Customer Intelligence) firmy stwarzają podstawę dla ciągłego doskonalenia wymiernych działań; przygotowanie i skuteczne wykorzystywanie Customer Intelligence. Aby skutecznie wykorzystywać CI, firmy powinny skoncentrować się na integracji działań front-office i back-office (np. łącząc informacje z systemu billingowego z historią zakupów i preferowanym kanałem transakcji, firma może lepiej zrozumieć (i wspomagać) decyzje klienta, które mają wpływ na sukces działania; zastosowanie technologii dla zwiększenia skuteczności działań. Modernizacja infrastruktury, platform i aplikacji może działać jak katalizator dla innych usprawnień, takich jak konsolidacja i standaryzacja informacji dotyczących klientów przechowywanych w wielu składnicach danych (data marts). Integrując, normalizując i weryfikując rekordy w bazie klientów, firmy mogą uzyskać korzyści wynikające z podejmowania lepszych decyzji, gdyż opierają się one na dokładnych danych; usprawnienie procesu zarządzania danymi o klientach. Firmy, które inwestują w technologie i wykorzystują procesy zarządzania danymi

9 uzyskują korzyści, począwszy od redukcji kosztów pracy i opłat na konserwację, a skończywszy na nadmiarowej wydajności przetwarzania; zdefiniowanie i wykorzystywanie wartości klienta (customer value). W celu budowania lepszych relacji ze swoimi najbardziej wartościowymi klientami (poprzez ukierunkowane kontakty) wiodące firmy stosują miary określające wartość klienta. Stwarza to możliwość oszczędności kosztów operacyjnych, dzięki inwestycjom skierowanym na najbardziej dochodowych klientów; akceptacja ze strony organizacji wpływa na rezultaty. Dla wielu firm, udoskonalenia Customer Intelligence stały się elementem szeroko zakrojonej inicjatywy firmy mającej na celu promowanie kultury koncentracji na klienta, dla innych firm okazały się środkiem do uzyskania wysokich wskaźników wzrostu i (lub) wskaźnika utrzymania klienta; automatyzacja decyzji dotyczących interakcji klientami na bazie reguł. Wiodące firmy stosują drzewa decyzyjne i oparte na regułach selekcje najlepszego dopasowania, dla określenia kontaktów z klientami w czasie rzeczywistym za pomocą różnych kanałów. Analiza predyktywna i modelowanie zachowań klientów dla celów budowy macierzy najbardziej prawdopodobnych wyników opierają się na precyzyjnych danych dotyczących zachowań klientów i wcześniejszych transakcji. W rezultacie tego firmy mogą rekomendować najbardziej możliwe, skoncentrowane na kliencie działania przy każdym kontakcie, z uwzględnieniem np. sprzedaży krzyżowej (cross-selling), specjalnych ofert czy obsługi.

10 BusinessObjects Customer Intelligence jako przykład narzędzia CI BusinessObjects Customer Intelligence jest narzędziem, który pomaga firmom budować i rozwijać bardziej zyskowne relacje ze swoimi klientami. Dzięki aplikacji, użytkownicy mogą łatwo drążyć duże ilości złożonych danych, dotyczących klientów, sprzedaży i marketingu, jak również dokonywać analizy kluczowych informacji w celu uzyskania obrazu działania centrum kontaktu i zachowania klienta. W efekcie tego firma jest w stanie zidentyfikować i utrzymać odpowiednich klientów. Łatwe w obsłudze kokpity menedżerskie i analityki pozwalają na szybkie wyszukiwanie odpowiedzi na najistotniejsze pytania biznesowe i pomagają w utrzymaniu klientów (rys. 3) Wykorzystując Customer Intelligence użytkownicy mogą [www5]: maksymalizować wartość przychodów od klientów, optymalizować procesy sprzedaży, identyfikować kampanie, które odniosły sukces, ulepszać działanie centrum kontaktów (contact center). Pakiet BusinessObjects Customer Intelligence obejmuje cztery moduły: Analiza Sprzedaży (Sales Analytics), który pozwala monitorować kluczowe wskaźniki sprzedaży, analizować je i wykorzystywać wyniki analiz do optymalizacji procesu sprzedaży [www4]; Analiza klientów (Customer Analytics), który jest wykorzystywany w celach poznania profilu klientów, maksymalizacji wartości klienta i zyskowności, analizy zachowania klienta i jego zmian w czasie oraz

11 formułowania strategii segmentacji kluczowych klientów dla nowych i udoskonalonych produktów [www3]; Rys. 3. Wizualizacja danych w BusinessObjects Customer Intelligence Źródło: [www6]. Analiza kampanii (Campaign Analytics), który umożliwia uzyskanie odpowiedzi m.in. na pytania: Jak przebiega kampania, w stosunku do założonych celów? Czy kampania jest realizowana lepiej czy gorzej niż poprzednia na tym samym etapie? Czy istnieje demograficzna różnica między respondentami a nieuczestniczącymi w badaniach? Czy firma może zmierzyć skuteczność różnych prawdopodobnych działań i opcji podczas kampanii oraz na tej podstawie podjąć decyzje dotyczącą modyfikacji listy klientów? [www1].

12 Analiza centrum kontaktu (Contact Center Analytics), który pozwala na analizę wszystkich kanałów kontaktu z klientem od telefonicznego centrum obsługi klienta (call center) do usług opartych na Web i poczcie elektronicznej. Moduł ten umożliwia menedżerom optymalizację funkcjonowanie centrum kontaktu, maksymalizowanie efektywności jego działania, doskonalenie usług centrum oraz łatwe monitorowanie i ocenę pracy zespołu i pojedynczych agentów [www2]. Moduły te, zawierające analizy zorientowane na klienta oraz liczne wskaźniki CRM i analityki oparte na najlepszych praktykach, zostały zaprojektowane w celu monitorowania i rozumienia kluczowych danych sprzedażowych i marketingowych i podejmowania na tej podstawie świadomych decyzji. Podsumowanie Customer Intelligence to sztuka marketingowa, dzięki której firma może poznać motywy postępowania klientów i je wyjaśniać, a przez to wpływać na podejmowane przez nich decyzje. Zrozumienie zachowań oznacza możliwość zastosowania najbardziej odpowiednich strategii i praktyk marketingowych. Nawet najlepsza strategia nie sprawdzi się w działaniu, jeśli będzie oderwana od uwarunkowań organizacyjnych, oparta na niepotwierdzonych założeniach i pozbawiona mechanizmów kontrolnych (wskaźników i celów). Customer Intelligence pozwala uzyskać obraz relacji z klientami w postaci kokpitów menedżerskich, zawierających alerty, analizy i raporty, dzięki czemu menedżerowie mogą monitorować stan kluczowych wskaźników, analizować wydajność procesów i podej-

13 mować świadome działania operacyjne skierowane w stronę najbardziej wartościowych klientów. Literatura [Abra03] Abramowicz W.: Mobilne filtrowanie informacji, [w:] Kisielnicki J. (red.), Zarządzanie wiedzą we współczesnych organizacjach, WSHiP, Warszawa [Amen06] Ament L.: Success Strategies for Leveraging Customer Intelligence. ArticelID=6199. [Porę04] Zarządzanie wiedzą w organizacji na przykładzie rozwiązań Business Intelligence, Badania własne, Katowice 2004 (maszynopis). [Porę06] Narzędzia wspomagające zarządzanie wiedzą o kliencie, [w:] Nycz M., Owoc M. L. (red.), Pozyskiwanie wiedzy i zarządzanie wiedzą, AE, Wrocław [Tiwa03] Tiwana A.: Przewodnik po zarządzaniu wiedzą, Placet, Warszawa [Żółt05] Żółtaniecka G.: Pochwała rozumu. CMO nr 2, 2005, [www1] [www2]

14 [www3] [www4] [www5] [www6] [www7] Dr Teresa Porębska-Miąc Katedra Informatyki Akademia Ekonomiczna ul. Bogucicka Katowice Polska Numer telefonu (fax) +48/32/ porebska@ae.katowice.pl