Jak widzieliśmy w rozdziale 1, dostępnych jest wiele danych, które pochodzą z różnych zasobów i mogą być różnego rodzaju. Jakie jednak dane są najbardziej istotne dla nas, start-upów? Jeśli odpowiedziałeś „Klienci”, masz całkowitą rację, ponieważ bez klientów nasze firmy nie mogą odnieść sukcesu. W tym module poznamy i zrozumiemy różne rodzaje analityk danych klientów oraz różne spostrzeżenia, których mogą one dostarczyć.

Zrozumienie analityki danych klientów

Pamiętasz, co to jest analityka? Zasadniczo jest to zbieranie, raportowanie i analiza danych. Customer Data Analytics nie różni się zbytnio, ponieważ jest to proces gromadzenia i analizowania danych klientów, ale w tym przypadku jest to poznanie zachowań i preferencji naszych klientów, które pomogą nam w podejmowaniu skutecznych decyzji biznesowych.

Analityli te mogą być dwojakiego rodzaju, ilościowe i jakościowe. Czy możesz pomyśleć tutaj o Big Data i 5V? Różnorodność odgrywa tutaj kluczową rolę!

• Analityka ilościowa polega na spojrzeniu na twarde dane, rzeczywiste liczby, co oznacza, że jest to analiza statystyczna i zazwyczaj ma charakter ustrukturyzowany. Dane te zaalarmują Cię o problemach, na przykład poinformują o wzroście rotacji klientów.
• Z drugiej strony analityka jakościowa dotyczy subiektywnych cech i opinii, pozwola wyjaśnić problemy znalezione w analizie ilościowej. Dane jakościowe nie mają charakteru statystycznego i zwykle mają charakter nieustrukturyzowany lub częściowo ustrukturyzowany. Wracając do przykładów, analityka jakościowa może nas poinformować, że odejście klientów było spowodowane tym, że klienci nie wiedzą, jak używać produktu.

Rodzaje danych klienta

Start-upy mogą wykorzystywać różnorodne dane dotyczące klientów do prowadzenia analityki danych klientów, które obecnie pochodzą głównie z Big Data, a nie z tradycyjnych danych. W tym module przyjrzymy się 5 głównym typom danych klientów, aby dowiedzieć się, w jaki sposób mogą one zostać wykorzystane przez start-upy z różnych branż.

Źródła: https://www.freepik.es/vector-gratis/personas-gestion-relaciones-comerciales-pie-alrededor-datos-documentos-estadistica-servidor-portatil-crm-texto_11249912.htm#page=1&query=crm&position=22

Dane reklamowe (reklamy)

Zacznijmy od pierwszego typu danych klienta. Czy jesteś zaznajomiony z tematyką reklamy? Jeśli nie, prawdopodobnie widziałeś je w swoich wynikach wyszukiwania Google, zwykle są wymienione na pierwszych pozycjach. Dane reklamowe wykorzystują automatyzację i maszyny do zmechanizowania i usprawnienia dostarczania informacji do naszych klientów. Innymi słowy, bierze pod uwagę wszystkie posiadane przez Ciebie dane na temat zachowań klientów i wykorzystuje je do bardziej znaczących interakcji.

Dane o ruchu w sieci

Ruch w witrynie odnosi się do użytkowników, którzy odwiedzają witrynę naszej firmy. Ruch internetowy jest mierzony liczbą odwiedzin lub „sesji”, o czym dowiesz się w dalszej części, i jest powszechnie używany do mierzenia skuteczności witryny firmy w przyciąganiu odbiorców.

dane e-commerce

Dane e-commerce to wszystkie informacje, które możemy uzyskać ze wszystkich obszarów, które mają wpływ na nasz sklep internetowy, jeśli taki posiadamy.

Na przykład klient może odwiedzić wiele stron internetowych, aby uzyskać satysfakcjonujący zakup, który zapewnia markowy produkt wysokiej jakości w najlepszej cenie. Wszystkie te ruchy wykonywane przez klienta stworzą dużą i cenną ilość danych, z których będziemy mogli skorzystać.

CRM Data

Dane CRM to ilość danych, które firma może uzyskać od swoich klientów i użytkowników swojej witryny internetowej lub mediów społecznościowych poprzez zakupy, nawigację i dane pozostawione w różnych działaniach. Może to brzmieć podobnie do danych e-commerce, ale obejmuje również informacje dotyczące m.in. polubień lub udostępnień. Analizując te dane, możemy ustalić skuteczniejszą strategię przyciągania klientów do odwiedzania naszych platform.

Dane Net Promoter Score

Wreszcie, w połączeniu z danymi CRM, znajdujemy dane Net Promoter Score (NPS). Te dane pokazują, ilu klientów jest skłonnych polecić produkt lub usługę innym osobom. Jest to jeden z najważniejszych wskaźników KPI, który start-up powinien monitorować, ponieważ daje bezpośredni wgląd w zadowolenie klientów i lojalność wobec marki.

Cykl danych

 

Źródło: Opracowano wg file:///C:/Users/User/Downloads/Processing-cuate.svg

Teraz wiemy, czym jest Customer Analytics i jakie rodzaje danych klientów możesz uzyskać. Ale gdzie Ty zaczynasz? Najlepszą strategią jest użycie cyklu danych. Cykl danych to popularny sposób, aby pomóc Ci maksymalnie wykorzystać informacje zebrane od klientów na platformach internetowych. Możesz go użyć, aby pomóc w przygotowaniu, działaniu i informowaniu o decyzjach biznesowych online. Cztery główne etapy cyklu danych to: planowanie, wykonanie, sprawdzenie i działanie.

Przyjrzyjmy się cyklowi danych w akcji. Wyobraź sobie zespół marketingowy firmy produkującej samochody, który chce zorganizować cyfrową kampanię reklamową, aby zachęcić ludzi do kupowania samochodów elektrycznych zamiast samochodów z silnikiem spalinowym.

Plan

Na etapie „Planowania” zespół określiłby cel tej kampanii i nakreślił, w jaki sposób planuje ją promować. Decydują, że ich celem jest 18% wzrost sprzedaży samochodów elektrycznych w ciągu najbliższych dwóch miesięcy za pomocą poczty e-mail i marketingu w mediach społecznościowych.

Wykonaj

Następnym etapem w cyklu jest etap „Wykonaj”. Wtedy zespół pisze treść e-maila, projektuje strategię Social Media i uruchamia kampanię.

Sprawdź

Miesiąc po zakończeniu kampanii zespół mierzy, ile osób otworzyło e-maile i ocenia, czy kampania wpłynęła na liczbę klientów kupujących samochody elektryczne. Zauważają, że chociaż kampania w mediach społecznościowych miała dobre zaangażowanie ze względu na promocyjne filmy, bardzo niewielu kliknęło lub otworzyło wysłane e-maile. Ta analiza podkreśla, że należy przeprojektować technikę e-maili. To jest etap „sprawdzania” cyklu danych.

Działaj

Wreszcie etap „Działaj” pokazuje, gdzie firma może wykorzystać swoje ustalenia do ulepszenia przyszłych kampanii. W takim przypadku zespół marketingowy może zdecydować o przeprojektowaniu strategii e-mailowej, sprawdzając wysyłane treści lub zmienić ją na inne działanie, takie jak reklamy / płatne wyszukiwanie, aby zwiększyć zaangażowanie.

Wgląd w dane

Teraz rozumiemy, że możemy zbierać duże dane od naszych klientów i zastosować analizy, ale jak zinterpretować te analizy danych? Oto, skąd pochodzą spostrzeżenia. Wgląd to wartość uzyskana dzięki wykorzystaniu narzędzi analitycznych, innymi słowy, zbieranie danych jest ważne, ale wiedza, co zrobić z tymi informacjami, może naprawdę stanowić wartość dodaną dl  naszego Start-upu.

Zobaczmy szybki przykład:

Wyobraź sobie, że masz witrynę e-commerce:

• Dane mogą wskazywać, że Twoi użytkownicy wykonali 5000 sesji w ostatnim miesiącu.
• Analytics może pokazać, ile sesji miało miejsce w przeglądarkach Chrome w Norwegii.
• Statystyki mogą ujawnić, że sesje w przeglądarkach Chrome w Norwegii, byli o 45% mniej skłonni do kupowania.

Regularne i przydatne spostrzeżenia.

Mówiąc prościej, regularny wgląd polega na analizie „dlaczego” coś się wydarzyło. Regularne spostrzeżenia mają kluczowe znaczenie dla określenia działań i pomagają skupić się na tym, co jest ważne dla celów początkowych.

Z drugiej strony, wgląd umożliwiający podjęcie działań, posuwa tę analizę o krok dalej i określa, co zrobić, abyśmy mogli z powodzeniem ulepszyć i udoskonalić to, co robimy. Aby odkryć własne przydatne informacje, spróbuj wykonać te sześć kroków:

1. Zdefiniuj swój cel: nakreśl, co chcesz osiągnąć dzięki swojej kampanii.
2. Zbierz dane. Gromadź i organizuj statystyki lub informacje istotne dla Twojego celu.
3. Interpretuj dane: analizuj trendy i wykrywaj wzorce, aby zobaczyć, jak to wpłynęło na realizację Twoich celów.
4. Opracuj zalecenia: przedstaw uzasadnione sugestie, jak ulepszyć praktyki biznesowe w oparciu o to, czego nauczyłeś się podczas analizy danych.
5. Podejmij działanie: zastosuj swoje zalecenia w praktyce i stwórz plan działania, aby sprawdzić swoje przypuszczenia. 
6. Przejrzyj wyniki: oceń, czy Twoje działania przyniosły oczekiwany skutek i zanotuj, w jaki sposób możesz dalej optymalizować, aby poprawić wyniki.

Spójrzmy na przykład, który bada, w jaki sposób dane mogą prowadzić do praktycznych wniosków.

Marta jest menadżerem społeczności w organizacji pozarządowej zajmującej się ochroną środowiska morskiego. Potrzebują nowych członków, którzy chcieliby dołączyć do organizacji, dlatego Marta postawiła sobie za cel zarejestrowanie 500 nowych członków w ciągu najbliższych 6 miesięcy. Ponieważ jej celem jest zwiększenie liczby zarejestrowanych, dane, które zbiera z  oprogramowania analitycznego, obejmują liczbę osób, które wypełniły formularz rejestracyjny, kanał online, z którego się zarejestrowali, oraz liczbę osób udostępniających posty w mediach społecznościowych.

Analizy pokazują, że kanały mediów społecznościowych są głównym źródłem rejestracji, więc następnym krokiem dla Marty jest ustalenie, które posty w mediach społecznościowych były najbardziej skuteczne w zwiększaniu liczby rejestracji.

Analizując i interpretując dane, dowiaduje się, że już zarejestrowani członkowie udostępniający posty organizacji pozarządowej w mediach społecznościowych na swoich kontach osobistych wygenerowali największą liczbę nowych rejestracji.

Z tych regularnych spostrzeżeń Marta wnioskuje, że zarejestrowani członkowie zachęcają do większej liczby rejestracji, udostępniając posty organizacji pozarządowej w mediach społecznościowych.

Aby móc wykorzystać to w praktyce, Marta musi teraz wnieść do tych badań danych działanie, które będzie miało rzeczywisty wpływ na organizację pozarządową. Na przykład mogłaby zaprojektować serię postów w mediach społecznościowych, które zawierałyby proste instrukcje, jak zostać członkiem organizacji pozarządowej, tak aby zarejestrowani użytkownicy mogli promować organizację pozarządową we własnej sieci społecznościowej.

Teraz, gdy już wiesz, jak tworzyć przydatne informacje na podstawie danych, zastanów się, jak możesz wykorzystać dane online, aby podjąć najlepszą decyzję dotyczącą start-upu.