Analityka skoncentrowana na kliencie Wyzwania w dobie personalizacji i multichannel Aleksandra Lisiecka, Digital Analyst, Bluerank Karolina Wróńska-Boukhalfa, Account Manager, Opiniac.com
Analityka to jedno z głównych wyzwań w 2016 roku Dane online + Segmentacja Personalizacja Dane offline 2
Droga od raportowania do zaawansowanej analityki Zaczyna się od pierwszego kroku vs 3
Pełna ścieżka użytkownika AIDA 4
Pełna ścieżka użytkownika AWERNESS / INTEREST Google / Organic Google / CPC Wizyta w sklepie ACTION DESIRE ZAKUP! Mailing Google / Organic Retencja Lojalność i CX 5
Zacznij od 4 zmian w sposobie korzystania z Google Analytics 6
1 User ID Cookie ID 7
2 Ścieżki wg kanałów Ścieżki wg userów 8
3 Ścieżki do konwersji Wszystkie ścieżki 9
4 Dane ilościowe Dane jakościowe 10
User-ID Zwykły zestaw danych ID zalogowanego użytkownika 11
Ścieżki konwersji według źródła Zwykły zestaw danych Kanał ruchu 12
Wszystkie ścieżki według Cookie-ID Zaawansowany zestaw danych Wymiar użytkownika zalogowanego i niezalogowanego 13
Wszystkie ścieżki według Cookie-ID Zaawansowany zestaw danych Ścieżki pojedynczych użytkowników 14
Wszystkie ścieżki według Cookie-ID Zaawansowany zestaw danych Ścieżki prowadzące do konwersji i porzucone 15
Jeszcze więcej wniosków o użytkowniku 16
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
Jeszcze więcej wniosków o użytkowniku Integracja danych z różnych źródeł + Import danych 18
Jeszcze więcej wniosków o użytkowniku Integracja danych ze źródeł jakościowych ankiety CX + Integracja z narzędziem Customer Experience 19
Co dalej? 20
Analityka user-centric Analiza person, a nie całego zbioru danych 21
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
Proces od danych do personalizacji w praktyce Segmentacja segment Klientów poszukujących określonych rozmiarów 23
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
Poznawanie opinii konsumentów Dodatkowe wymiary danych z ankiet od użytkowników 25
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
Związek satysfakcji użytkowników z chęcią ponownego zakupu NPS Dodatkowe wymiary danych z ankiet od użytkowników Prawdopodobieństwo ponownego zakupu Źródło: Temkin Group 27
Przykład z polskiego rynku Powyższy wykres przedstawia zależność między chęcią ponownego zakupu a skłonnością do polecenia sklepu rodzinie bądź znajomym (NPS). próba = 3 370 28
Dziękujemy za uwagę Zapraszamy do zadawania pytań Aleksandra Lisiecka, Digital Analyst, Bluerank Karolina Wróńska-Boukhalfa, Account Manager, Opiniac.com 29