Analityka skoncentrowana na kliencie

Transkrypt

1 Analityka skoncentrowana na kliencie Wyzwania w dobie personalizacji i multichannel Aleksandra Lisiecka, Digital Analyst, Bluerank Karolina Wróńska-Boukhalfa, Account Manager, Opiniac.com

2 Analityka to jedno z głównych wyzwań w 2016 roku Dane online + Segmentacja Personalizacja Dane offline 2

3 Droga od raportowania do zaawansowanej analityki Zaczyna się od pierwszego kroku vs 3

4 Pełna ścieżka użytkownika AIDA 4

5 Pełna ścieżka użytkownika AWERNESS / INTEREST Google / Organic Google / CPC Wizyta w sklepie ACTION DESIRE ZAKUP! Mailing Google / Organic Retencja Lojalność i CX 5

6 Zacznij od 4 zmian w sposobie korzystania z Google Analytics 6

7 1 User ID Cookie ID 7

8 2 Ścieżki wg kanałów Ścieżki wg userów 8

9 3 Ścieżki do konwersji Wszystkie ścieżki 9

10 4 Dane ilościowe Dane jakościowe 10

11 User-ID Zwykły zestaw danych ID zalogowanego użytkownika 11

12 Ścieżki konwersji według źródła Zwykły zestaw danych Kanał ruchu 12

13 Wszystkie ścieżki według Cookie-ID Zaawansowany zestaw danych Wymiar użytkownika zalogowanego i niezalogowanego 13

14 Wszystkie ścieżki według Cookie-ID Zaawansowany zestaw danych Ścieżki pojedynczych użytkowników 14

15 Wszystkie ścieżki według Cookie-ID Zaawansowany zestaw danych Ścieżki prowadzące do konwersji i porzucone 15

16 Jeszcze więcej wniosków o użytkowniku 16

17 Skąd czerpać wiedzę o użytkowniku? Google Analytics i inne narzędzia gromadzące dane online Narzędzia Customer Experience i wyniki badań jakościowych (np. Opiniac) Beacony np. wizyta w sklepie stacjonarnym Transakcje lub kontakt z Call Center Interakcje z e-kioskami w sklepach stacjonarnych Zakupy offline z użyciem kart lojalnościowych Integracja ze stanami magazynowymi, danymi z systemu ERP lub CRM 17

18 Jeszcze więcej wniosków o użytkowniku Integracja danych z różnych źródeł + Import danych 18

19 Jeszcze więcej wniosków o użytkowniku Integracja danych ze źródeł jakościowych ankiety CX + Integracja z narzędziem Customer Experience 19

20 Co dalej? 20

21 Analityka user-centric Analiza person, a nie całego zbioru danych 21

22 Proces od danych do personalizacji w praktyce Dane online Klient oglądał karty produktów z butami w rozmiarze 46, jednak żadnej z nich nie dodał do koszyka + Dane offline W analizowanym okresie dostępność modeli w tym rozmiarze była bardzo niska, przez co klient nie mógł rozpocząć procesu zakupowego 22

23 Proces od danych do personalizacji w praktyce Segmentacja segment Klientów poszukujących określonych rozmiarów 23

24 Proces od danych do personalizacji w praktyce Listy remarketingowe z produktami w danym rozmiarze Mailing o dostępności wcześniej oglądanego, Personalizacja a niedostępnego produktu Komunikaty push w aplikacji sklepu Pop-up o dostępności na stronie sklepu Uzupełnianie stocku pod kątem oglądanych produktów 24

25 Poznawanie opinii konsumentów Dodatkowe wymiary danych z ankiet od użytkowników 25

26 Związek satysfakcji użytkowników z chęcią ponownego zakupu Amerykańskie badania CX, w których zbadano 293 firm w 20 różnych branżach, wykazały interesujące korelacje między Dodatkowe wymiary danych z ankiet od użytkowników satysfakcją a zwyczajami zakupowymi konsumentów. 26

27 Związek satysfakcji użytkowników z chęcią ponownego zakupu NPS Dodatkowe wymiary danych z ankiet od użytkowników Prawdopodobieństwo ponownego zakupu Źródło: Temkin Group 27

28 Przykład z polskiego rynku Powyższy wykres przedstawia zależność między chęcią ponownego zakupu a skłonnością do polecenia sklepu rodzinie bądź znajomym (NPS). próba =

29 Dziękujemy za uwagę Zapraszamy do zadawania pytań Aleksandra Lisiecka, Digital Analyst, Bluerank Karolina Wróńska-Boukhalfa, Account Manager, Opiniac.com 29