GOSPODARKA OPARTA NA DANYCH Zastosowania nowoczesnych metod analizy danych o klientach w marketingu. Krzysztof Skaskiewicz, SAS Polska 17 maja 2012

Wiedza o kliencie jako czynnik generowania wartości organizacji Utrzymanie klientów Zwiększenie udziału w portfelu klienta Pozyskanie klientów Strategia tworzenia nowych produktów i usług Właściwy poziom obsługi Racjonalizacja inwestycji Monitoring efektywności Wzrost przychodów Efektywność wykorzystania zasobów Maksymalizacja wartości organizacji Rozpoznawalność i postrzeganie marki Lojalność i satysfakcja klienta Czas dotarcia do rynku Wykorzystanie interakcji z klientem do budowy wartości Optymalizacja kosztów działań i właściwa alokacja zasobów Minimalizacja ryzyka i nadużyć Optymalizacja kosztów Wartości trudno mierzalne

Modele analityczne stosowane w marketingu Churn Utrzymanie klientów LTV, Segmentacja Właściwy poziom obsługi Cross/Up Sell Zwiększenie udziału w portfelu klienta Wzrost przychodów Efektywność wykorzystania zasobów Racjonalizacja inwestycji Portfolio modeli LTV, Segmentacja Pozyskanie klientów Monitoring efektywności Strategia tworzenia nowych produktów i usług Segmentacja Maksymalizacja wartości organizacji Modelowanie deskryptywne Rozpoznawalność i postrzeganie marki Wykorzystanie interakcji z klientem do budowy wartości Portfolio modeli Optymalizacja kosztów Wartości trudno mierzalne Modelowanie deskryptywne Lojalność i satysfakcja klienta Portfolio modeli Optymalizacja kosztów działań i właściwa alokacja zasobów Minimalizacja ryzyka i nadużyć Ryzyko Analiza stabilności Czas dotarcia do rynku

Modele analityczne w marketingu Zasada działania modelu Określenie ze znacznie większą pewnością potencjału klienta (2x-10x skuteczniej w porównaniu do metod nieanalitycznych)

Modele analityczne w marketingu Przykłady zastosowań Wsparcie doboru właściwego działania dla danego klienta Kampanie marketingowe Interakcje z klientem Np. określanie „Next Best Offer” dla klientów Wsparcie budowy strategii organizacji Określanie miar podobieństwa do klientów najbardziej rentownych Określanie czynników budujących lojalność (modelowanie deskryptywne)

Modele analityczne w marketingu Wyzwania Gromadzenie i przetwarzanie danych Zbyt wiele zadań konkurujących o czas analityka Szybkie zmiany rynkowe Efektywne wykorzystanie modeli w procesach biznesowych Rozwiązania Tablice analityczne Metoda szybkiego modelowania predykcyjnego Procesowe i automatyczne zarządzanie modelami

Mechanizmy operacjonalizacji wiedzy o klientach Utrzymanie klientów Zwiększenie udziału w portfelu klienta Pozyskanie klientów Strategia tworzenia nowych produktów i usług Zarządzanie kampaniami Outbound Inbund Raportowanie działań - operacyjne i zarządcze Analizy i raporty strategiczne Optymalizacja marketingu Marketing oparty o zdarzenia Właściwy poziom obsługi Racjonalizacja inwestycji Monitoring efektywności Wzrost przychodów Efektywność wykorzystania zasobów Maksymalizacja wartości organizacji Rozpoznawalność i postrzeganie marki Lojalność i satysfakcja klienta Czas dotarcia do rynku Wykorzystanie interakcji z klientem do budowy wartości Optymalizacja kosztów działań i właściwa alokacja zasobów Minimalizacja ryzyka i nadużyć Optymalizacja kosztów Wartości trudno mierzalne

Operacjonalizacja wiedzy o klientach - trendy Utrzymanie klientów Zwiększenie udziału w portfelu klienta Pozyskanie klientów Strategia tworzenia nowych produktów i usług Zaawansowany marketing oparty o zdarzenia Modelowanie oparte o zdarzenia Zarządzanie interakcjami z klientem i wsparcie podejmowania decyzji real time Właściwy poziom obsługi Racjonalizacja inwestycji Monitoring efektywności Wzrost przychodów Efektywność wykorzystania zasobów Maksymalizacja wartości organizacji Rozpoznawalność i postrzeganie marki Lojalność i satysfakcja klienta Czas dotarcia do rynku Wykorzystanie interakcji z klientem do budowy wartości Optymalizacja kosztów działań i właściwa alokacja zasobów Minimalizacja ryzyka i nadużyć Optymalizacja kosztów Wartości trudno mierzalne

Trendy - Big Data The development of the customer information will impact the principal drivers of the creation of value of the stock holder and will not perceive the value of the assets of the base customers „Big Data” – dane o rozmiarze, który powoduje znaczne utrudnienia w prowadzeniu analiz (np. czas oczekiwania na wyniki) „Big Data” – mechanizmy i narzędzia pozwalające na szybką i efektywną analizę dużych wolumenów danych Przykłady: Uruchomienie typowego raportu wizualnego dla detalicznych danych klienckich: kilkadziesiąt minut  kilkanaście sekund Analizy wspomagające tworzenie modeli data mining: analiza korelacji w zbiorze kilku milionów obserwacji: kilkadziesiąt razy szybszy czas analiz Możliwość podjęcia tematów analitycznych, które do tej pory nie były możliwe do zrealizowania (np. analizy data mining na danych detalicznych) Zadania optymalizacyjne Utrzymanie klientów (Churn Management) Właściwy poziom obsługi Zwiększenie udziału w portfelu klienta (Cross-selling & Up-selling) Wzrost przychodów Efektywność wykorzystania zasobów Racjonalizacja inwestycji Pozyskanie klientów Monitoring efektywności Strategia tworzenia nowych produktów i usług Maksymalizacja wartości organizacji Rozpoznawalność i postrzeganie marki Wykorzystanie interakcji do budowy wartości (np. Next-best-offer) Optymalizacja kosztów Wartości trudno mierzalne Lojalność i satysfakcja klienta Optymalizacja kosztów działań i właściwa alokacja zasobów (Optymalizacja, Segmentacja) Minimalizacja ryzyka i nadużyć (e.g. Campaigns and Conduits) Czas dotarcia do rynku

Wybrane przykłady bazując na polskich doświadczeniach klientów SAS Przykład wykorzystania modeli data mining Instytucja finansowa w Polsce (Top 5) Zadanie: utylizacja potencjału bazy klientów, poszukiwanie nieeksplorowanych do tej pory nisz (nowe grupy docelowe) Produkt: kredyty gotówkowe Podejście: wykorzystanie modelu analitycznego data mining w oparciu o naturalne zakupy Efekty: 10% klientów wyselekcjonowanych do kontaktu w oparciu o model wygenerowało dodatkową sprzedaż stanowiącą 60% wszystkich sprzedaży w nowej grupie docelowej 3x wyższa skuteczność działań w oparciu o model w porównaniu do grupy kontrolnej Przekroczenie planów sprzedażowych W sumie ponad 80% sprzedaży wynika z wykorzystania modeli analitycznych

Wybrane przykłady bazując na polskich doświadczeniach klientów SAS Przykład wykorzystania analiz opartych o zdarzenia Instytucja finansowa w Polsce (Top 5) Zadanie: zwiększenie efektywności sprzedaży produktów nie-masowych Produkt: kredyty hipoteczne Podejście: wykorzystanie zdarzeń do wyszukiwania klientów zainteresowanych produktami Efekty: Kilkunastokrotnie wyższa skuteczność (mierzona jako response rate) w porównaniu do wcześniejszych działań

Dziękuję za uwagę Krzysztof.Skaskiewicz@sas.com