13.08.2015 / Ville Niemijärvi


glovesEhdotin asiakkaalle heidän asiakaspoistuman pienentämistä ja näin lisämyynnin tekoa. Tarvetta tähän ei kuitenkaan ollut, homma on jo hanskassa.

”Emme tarvitse asiakaspoistuma-analyysejä. Kysymme jo asiakaspalautetta poistuneilta asiakkailta.”

Homma hanskassa?

Se, että asiakkailta kysytään palautetta heidän jo lähdettyä vetämään, ei kuulosta ihan siltä poistuman pienentämiseltä mitä tarkoitin.

Asiakaspoistumamallinnuksen ja sitä seuraavan toiminnan (esim. asiakkaiden kontaktoinnin) tarkoituksena on estää poistuma ennakkoon. Poistuma-analyysi kertoo:

  • ketkä asiakkaat ovat poistumariskissä (jotta voit estää heitä poistumasta)
  • mitkä todelliset tekijät vaikuttavat poistuman taustalla (jota taas voidaan käyttää liiketoiminnan kehittämisessä)

Asiakaspalaute tai esimerkiksi net-promoter-score on yksi hyvä apumuuttuja tässä prosessissa (jos se saadaan ennen poistumaa). Mutta vain yksi. Paljon tärkeämpiä muuttujia ovat useimmiten asiakkaan todellinen käyttäytyminen, demografiat ja psykografiat.

Kauppoja ei tässä tapauksessa siis tullut. Koska homma on hanskassa. N. 8-10% vuosittaisen poistuman tapauksessa puhutaan tässä casessa lienee jostain 2 miljoonan vuosittaisesta hävikistä. Itse tekisin tässä tapauksessa muutakin kuin kysyisin poistuneelta asiakkaalta: mistä se kenkä puristaa?

Louhia Asiakastiedon rikastaminen ja mittaaminen
Jos haluat todella tietää miksi asiakkaasi poistuvat, tulee sinun tutkia muutakin kuin pelkkää asiakaspalautetta.

10.08.2015 / Ville Niemijärvi

Järjestämme syksyllä 2015 useita edistyneen analytiikan kursseja yhteistyössä Ari Hovin ja Talentum Eventsin kanssa.

Kurssikalenterin löydät alta tai täältä.

Ilmoittautumaan pääset ja lisätietoja löydät linkkien takaa. Kysy lisätietoa koulutuksista allekirjoittaneelta tai kunkin kurssin vetäjältä.

Tervetuloa!

10.09.2015, BI – työvälineiden vertailu ja kilpailuttaminen(Talentum Events)

17.09.2015, Edistynyt analytiikka perusteet (Ari Hovi Oy)

25.09.2015, R-ohjelma tutuksi (Ari Hovi Oy)

29.09.2015, Asiakkuuksien johtaminen analytiikan avulla (Talentum Events)

20.10.2015, Ennustava analytiikka (Ari Hovi Oy)

27.10.2015, Edistynyt analytiikka perusteet (Ari Hovi Oy)

13.11.2015, Mallintaminen R:llä (Ari Hovi Oy)

02.12.2015, Ennustava analytiikka (Ari Hovi Oy)

08.12.2015, BI – työvälineiden vertailu ja kilpailuttaminen (Talentum Events)

15.12.2015, R-ohjelma tutuksi (Ari Hovi Oy)

28.01.2016, Asiakkuuksien johtaminen analytiikan avulla (Talentum Events)


5.06.2015 / Ville Niemijärvi

Esittelin vuosia sitten asiakkaalle ideaa ennakoivasta analytiikasta: kuinka voisimme analysoida asiakkaiden ostokäyttäytymistä, selvittää minkälaisia asiakassegmenttejä löytyy ja ennakoiva tuotteiden kysyntää.

Asiakas totesi, että suurin osa härmäläisistä myymälöistä on niin pieniä kioskeja, että analytiikalla ei ole juuri mitään merkitystä. Myymäläpäällikkö jossakin pienessä puodissa Posiolla tietää kyllä, että vaippoja pitää hankkia lisää hyllyyn kun Virtasen emäntä on pyöräyttänyt viidennen mukulan.

Ja näinhän se on. Suomi on markkina-alueena varsin pieni. Väkeä on vähän. Ne vähäiset asiakkaat kyllä tunnetaan.

Sopimusliiketoiminnassa asiakaspoistumamallinnusta on turha lähteä tekemään jos asiakkaiden määrä on joitakin kymmeniä.

Vähittäiskaupassa ostoskorianalyysejä tehdessä törmätään aina ongelmiin kun tuotteita on valikoimassa 100 000 ja asiakkaita muutama tuhat. Todennäköisyys (support, confidence), että kaksi tai useampaa tuotetta osuisi useamman asiakkaan ostoskoriin on todella pieni. Assosiaatiot ovat heikkoja. Näin ollen ostoskorianalyysi ei ole aina toimiva väline esim. tuotteiden sijoittelun apuna myymälässä koska todistusvoima on varsin pieni.

Tuodaan kyläkauppiaan tietämys koko konsernin käyttöön

Mutta kaupungistuvassa automarkettien Suomessa löytyy myös niitä vähän isompia putiikkeja, joissa jokaista parkkipaikan täyttäjää ei tunneta. Ja kyläkauppiaastakin joskus aika jättää.

Märkäkorvalla myyjällä ei olekaan enää vuosien kokemusta takanaan eikä hän tiedä, että Virtasen jälkikasvun persposkille kelpaa vain kotimainen Muumivaippa. Pampersit homehtuu varastoon.

Ja vaikka kyläkauppias tunteekin asiakkaansa, tunteeko ketjuohjauksesta vastaava johtaja tai edes aluepäällikkö? Entä konsernin talouspäällikkö, business controller tai valikoimavastaava?

Vaikka muumivaippojen kysyntä Posiolla tunnetaankin, entä 100 000 muuta nimikettä ympäri Suomen niemen?

Tällöin kaivataan rikastettua asiakas- ja tuotetietämystä, joka tulisi löytyä tallennettuna yrityksen tietojärjestelmiin kaikkien saataville. Prediktiivinen, ennakoiva analytiikka tarjoaa menetelmät tuon asiakas- ja tuotetiedon keräämiseen.

Kun tieto on vielä tallennettu systemaattisesti esimerkiksi analytiikkatietokantaan tai tietovarastoon, voidaan se poimia helposti tukemaan päätöksentekoa.

Analytiikka ei korvaa kyläkauppiaan kokemusta. Analytiikka tuo kyläkauppiaan kokemuksen kaikkien saataville.


29.05.2015 / Ville Niemijärvi

Juttelin tutun markkinointipäällikön kanssa. Tiesin hänet tarkan markan mieheksi, kuten päälliköt usein ovatkin. Hänen yrityksensä myynti perustuu paljolti suoramarkkinoinnin voimaan, niin kuin vähittäiskaupalla on tapana, massamainonnan ohella. Mainontaan palaa siis iso lovi massia vuosittain.

Kysyin häneltä puolihuolimattomasti: Paljonko teidän suoramarkkinoinnin konversioaste on? Kuinka moni mainoksen saanut, ostaa teiltä?

”En tiedä”.

Anteeksi kuinka?

”En todellakaan tiedä. Emme seuraa kampanjoiden konversiota, meillä ei ole välineitä siihen.”

Saatuani leukani takaisin paikoilleen, tein pienen laskelman:

Yrityksellä on noin 100 000 kanta-asiakasta. Jokainen asiakas saa vähintään kerran kuussa kotiin suoramainoksen. Sanotaan, että mainoksen painatus ja postitus maksaa n. 3 euroa. Eli kuukaudessa suoramainontaan menee 300 000 euroa. Vuodessa tämä tekee 3,6 miljoonaa euroa.

Ja markkinointipäällikkö, tarkan markan kirstunvartija, ei tiedä mitä tämä investointi tuottaa. Häpeäisi.

Miten markkinointipäällikkö voisi säästää 1,8 miljoonaa euroa vuodessa puolen tunnin työllä?

Millä tavoin markkinointipäällikkö voisi säästää markkinointikuluissa, pitäen myynnin ennallaan tai jopa kasvattaen sitä? Aika helposti. Täytyy vain tuntea asiakkaat vähän paremmin. Ja se ei vaadi mitään poppakonsteja.

Hahmottelin alle muutamia yksinkertaisia, maalaisjärkeen perustuvia ratkaisuja. Aluksi ei tarvita edes mitään tiedon louhintaa vaan suurimmat voitot saadaan yksinkertaisella tiedon yhdistämisellä, joka onnistuu millä tahansa raportointisoftalla tai vaikka sql-kyselyillä.

1. Tunnista asiakkaat, ketkä eivät ole asiakkaitasi

Yhdistämällä kampanjadatan (esim. CRM:stä tai markkinoinnin automaatiosoftasta) ja kivijalkapuotien ja verkkokaupan kassadatan, voimme helposti tarkistaa, ketkä asiakkaat ostavat mainoksen saatuaan. Olettaen, että kassalla/verkossa asiakas vilauttaa kanta-asiakaskorttia tai pystytään muuten tunnistamaan.

Ei lähdetä tässä vaiheessa hifistelemään ja laskemaan konversioasteita vaan tehdään parit perustarkastukset. Muutama mutka vedetään suoraksi, tottakai.

Louhia_suoramarkkinoinnin_kohdentaminen_ei_reagoivat

Datasta näemme, että n. 80% kanta-asiakkaista, jotka saavat mainoksen, on ylipäätään ostanut viimeisen vuoden aikana.

Toisin sanoen 20% eli 20 000 asiakasta ei osta. Saivat he mainoksen tai ei. He ovat muuttaneet pois kaupan lähettyviltä, heidän elämäntilanteensa on muuttunut tai ovat poistuneet jalat edellä paremmilla ostosmaille.

Joka tapauksessa näille 20 000 ei-asiakkaalle ei kannata lähettää mainosta.

 

20 000 lähettämätöntä mainosta on 60 000€ rahaa per kuukausi. Vuodessa tämä on 720 000 euroa. Säästöä. Viivan alle.

Ja työnä tämä kaikki oli noin 15 minuuttia. Vaati CRM-datan ja kassadatan yhdistämisen pienellä SQL-kyselyllä.

2. Tunnista asiakkaat, jotka ostavat joka tapauksessa, tuli mainos tai ei

Aivan samalla tavalla markkinointipäällikkö voi tarkistaa ostaako asiakas, vaikka mainosta ei tulisi. Toisin sanoen saneleeko asiakaan käyttäytymistä todellinen tarve vai mainoksen heräte? Tarvepohjaiset kuluttajat tuovat tasaista kassavirtaa, ilman että heistä täytyy taistella joka viikko.

Louhia_suoramarkkinoinnin_kohdentaminen_ostavat_tuli_mainos_tai_eiVoi olla, että markkinointipäällikön analyytikot joutuvat tekemään pari A/B-testiä todentaakseen tämän. Toisin sanoen lähetetään joitakin kertoja puolelle asiakkaista mainos ja toiselle puolelle ei lähetetä. Tutkitaan ketkä ostavat, vaikka mainos ei tullutkaan.

Käytännössä tarkastus tapahtuu siten, että täsmäytämme kampanjaviikot ja asiakkaiden ostoviikot kuten ylempänä kuvassa näytettiin. Jos ne eivät osu kohdalleen, ei asiakas reagoi.

Ja lopuksi tietenkin tieto tallennetaan asiakastietokantaan, jotta se on käytettävissä jatkossa markkinoinnissa (tai siis markkinoimattomuudessa).

Sanotaan esimerkinomaisesti, että 30% asiakkaista ostaa, vaikka mainosta ei tulisi.

Jos markkinointipäällikkö päättää jättää näille mainostamatta, tulee säästöä 30 000 hlö * 3€ * 12kk = 1,08 miljoonaa euroa vuodessa

 

Näin pienellä A/B-testauksella ja tähän päälle puolen tunnin analysointityöllä saatiin selville kolme asiakassegmenttiä suhteessa suoramainonnan vaikuttavuuteen

a.) Mainoksen uhreja = mainos toimii
b.) Vakioasiakkaita, tuli mainos tai ei
c.) Ei-asiakkaita

Ryhmälle a.) mainos toimii. Silloin kun hän saa mainoksen, hän saapuu asioimaan. Jos hän ei saa mainosta, todennäköisyys tulla asiakkaaksi on pieni. Näille kannattaa mainostaa.

Ryhmä b.) on tyytyväinen asiakas. He tulevat asiakkaaksi satoi tai paistoi. Laitoit mainoksen tai et. Heille ei kannata mainostaa. Koska he tulevat muutenkin.

Ryhmä c.) ei noteeraa mainosta. Heitä ei ole välttämättä edes olemassa. He eivät tule asiakkaaksi vaikka kuinka spämmäisit heitä. Heihin ei kannata käyttää penniäkään.

Eli ainoastaan ryhmälle a.) kannattaa mainostaa. Ja tämä tarkoittaa n. 50% asiakkaista.

Ja tämä tarkoittaa 50% säästöä mainonnassa, tuoden kuitenkin aivan saman tuoton kuin aikaisemmin.

Aikaa käytetty: 30 minuuttia.
Rahaa säästetty: 1,8 miljoonaa euroa

Louhia_suoramarkkinoinnin_kohdentaminen_mainoksen_uhreja

Tämä oli nyt tämmöistä lämmittelyä. Todellisia aseita ei vielä edes otettu käyttöön.

3. Edistyneempiä menetelmiä markkinoinnin optimointiin

Kanavaoptimointi
Tästä eteenpäin voitaisiin lähteä selvittämään miten huomattavasti edullisempi email-mainonta uppoaa. Tämä voidaan tehdä kevyillä A/B -testeillä. Lähettäen saman tuotekatalogin esimerkiksi 50% asiakkaista muutaman kerran maililla ja tutkien mikä on konversioaste.

Niillä asiakkailla kenelle maili uppoaa aivan yhtä hyvin kuin printti, siirrytään halvempaan mediaan ja taas säästetään rahaa.

Tuotekohtainen ostokäyttäytyminen
Edelleen kassadataa tutkimalla, voidaan selvittää mitä tuotteita asiakkaat ostavat, millaisia tuote-eriä kerralla, kuinka usein, mikä on keskiostos (vrt. RFM-analyysi).

Tällöin päästään selville mitä asiakkaat todella haluavat ja miten he todella käyttäytyvät. Ei mitä he sanovat kyselyissään tai kanta-asiakasohjelmaan liittyessään.

Kanta-asiakastietoja ja asiakkaan todellista ostokäyttäytymistä vertailtaessa olemme törmänneet tapauksiin, joissa n. 30% asiakkaiden syöttämistä tiedoista olivat väärin/vanhentuneita.

Riippuen vähän siitä, onko kyseessä erikoiskauppa vai sekatavaramyymälä, voidaan suuret suuntaviivat löytää hyvin pienillä analyyseillä (tarkoittaen taas n. 0,5h SQL-kyselyä).

Asiakaskohtaisten mainosten räätälöinti printissä/emailissa olisi tietenkin turhan raskasta mutta esim. urheiluvälinekauppa voi tunnistaa talviurheilun harrastajat ja kohdentaa heille oman katalogin.

Oma lukunsa on sitten asiakastyytyväisyyskyselyjen, net promoter scoren, gallup-kyselyjen, ostovoimatietojen (postinumeron kautta erittäin kätevästi uudesta Paavo-rajapinnasta) yms. linkittäminen asiakastietoihin ja hyödyntäminen jälleen paremmassa kohdennetussa suoramarkkinoinnissa.

Esimerkki: Korkean ostovoiman virkeille laatutietoisille eläkeläisille, joilla on melko korkea RFM-arvo mutta monetary-value eli ostosten euromääräinen arvo on pieni, voitaisiin tehdä oma kohdennetun mainonnan strategia millä heidän asiakkuuden arvoa vielä korotetaan. Valitaan oikea kanava (esim. printti), oikeat tuotteet, oikea ajankohta ja oikea viesti.

Louhia Asiakastiedon rikastaminen ja mittaaminen
Erilaisia asiakkuuksiin liittyviä mittareita, joita voidaan hyödyntää suoramainonnassa ja asiakastiedon rikastamisessa.

 

Lisäideoita voit lukaista vähän vanhemmasta blogipostauksesta: 4 keinoa tehostaa mainontaa ja tehdä lisää myyntiä analytiikan avulla.

Jatkuva oppiminen ja toiminnan muuttaminen

Uuden tietämyksen pitää johtaa toiminnan muutokseen. Se on kaiken raportoinnin, business intelligencen ja analytiikan ydin.

Sillä hienolla QlikView-raportilla, johdon dashboardilla tai SQL-kyselyllä, joka hakee suoramarkkinoinnin konversioasteita, ei tee mitään, jollei se johda toimintaan: parempiin päätöksiin, parempaan mainontaan.

 

Louhia_tiedolla_johtaminen_toiminta_vaikutus_oppiminen

Yrityksen toiminta aiheuttaa jonkin reaktion asiakkaissa. Sillä on vaikutus. Tämä vaikutus pitää mitata. Se pitää analysoida ja siitä pitää oppia. Tämän pohjalta muutamme toimintaa.

Alla oleva kuva näyttää miten johtamisprosessi näkyy järjestelmätasolla tässä suoramainonnan esimerkissä.

 

 

 

Louhia_tiedolla_johtaminen_toiminta_vaikutus_oppiminen 3

Hoiti kampanjoinnin CRM, markkinointiautomaation järjestelmä tai vaikka markkinointipäällikkö itse käsipelillä, nuo markkinoinnin aktiviteetit pitää tallentaa ja ne pitää integroida yhteen kassajärjestelmän tietojen kanssa.

Tähän integrointiin erillinen tietovarasto tai analytiikkatietokanta on paras vaihtoehto. Et halua lähteä hilloamaan kuittidataa CRM:ään tai markkinointiautomaation pilvipalveluun.

Olennaisinta on kuitenkin toiminnan muutos ja kaiken aktiviteettien tallennus rakenteiseen, mitattavaan ja raportoitavaan muotoon.

Näin mahdollistat jatkuvan oppimisen. Jokainen kampanja, jokainen asiakkaan ostos lisää asiakastietämystä ja mahdollistaa taas tehokkaammat kampanjat.

Tiedon rikastaminen

Jotta yllämainittu toiminnan muuttaminen ja systemaattinen mittaaminen on mahdollista, pitää asiakastietoa rikastaa.

Louhia Asiakastiedon rikastaminen lähtötilanne

Lähtökohtana normaalilla suomalaisella vähittäiskaupalla tai itseasiassa millä tahansa yrityksellä, on yllä olevan kuvan kaltainen asiakastietämys. Asiakkaista tiedetään nipinnapin nimi ja osoite. Joskus ei näitäkään.

Kun tiedon kerääminen ja mainonnan ja asiakkuuksien johtaminen on systemaattista, asiakastietoa kertyy em. analytiikkatietokantaan/tietovarastoon jokaisen kampanjan, A/B-testauksen, asiakaskyselyn tai analytiikkaharjoituksen perusteella.

Louhia Asiakastiedon rikastaminen

 

Nyt markkinointipäälliköllä alkaa olemaan sellainen asiakastietopankki, että oksat pois. Sitä voidaan hyödyntää suoramarkkinoinnin lisäksi asiakaspoistuman estämisessä, ristiin- ja lisämyynnissä, tuotevalikoiman suunnittelussa. Taivas on tässä rajana.

Tällaisen asiakastietämyksen rakentaminen on useimmilla yrityksillä jopa triviaalia. Vaikka lähtökohtaisesti CRM:ssä olisi huttua, koska suurin osa datasta johdetaan asiakkaiden käyttäytymisestä.

Lähinnä kyse on siitä, haluaako tehdä sen 1,8 miljoonaa lisää pätäkkää vai onko vain töissä.


5.05.2015 / Ville Niemijärvi

Vuokrasin loma-asunnon Kroatista välittäjäfirman kautta. Palvelu oli mutkaton ja OK. Olin tyytyväinen ostokseen niin kuin nykypäivänä pitää ollakin. Sitten kauppias päätti pilata hyvän oloni. Hänestä tuli spämmääjä.

Ei. En halua lentää uudestaan Kroatiaan heti 2 viikkoa edellisen loman jälkeen. Ei. En lähde Kreikkaan, Italiaan, Espanjaan kun en ole vielä palannut edes edelliseltä reissulta. En halua päivittäistä muistutusta sähköpostiini tästä ikuisuuteen.

Se on kuin kävisi hyvillä treffeillä ja illalla vielä onnistaisi. Molemmat lähtisivät tyytyväisinä koteihin. Ja sitten se toinen muuttuisikin ahdistavaksi stalkkeriksi. Pommittaisi sinua viesteillä, seuraisi sinua mihin ikinä menetkin. Kerjäisi lisää.

Mukavan muiston sijaan saitkin sukupuolitaudin ja takiaisen, joka ei lähde kuppaamallakaan.

Ja nyt vihaat häntä yli kaiken ja annat sen kuulua koko kylälle.

Huomioarvo ei ole välttämättä arvo laisinkaan. Ainakaan tavoiteltava sellainen. Liiallinen huomio ja melu kyllästyttää kohteen ja lopulta ammut itseäsi jalkaan.

Seuraamalla myynnin ja markkinoinnin mittareita ja rikastamalla asiakasdataa analytiikan avulla, voidaan todentaa tarkkaan se hetki kun olet muuttunut miellyttävästä kumppanista ahdistavaksi stalkkeriksi. Kun mainosroposi on kääntynyt itseään vastaan ja aiheuttaa sinulle tappiota. Kun olet ylittänyt vitutuspisteen.

Jos taas pelaat kortit oikein ja optimoit mainosponnistelusi ja ennen kaikkea opit tuntemaan asiakkaasi käyttäytymistä, voit löytää V-pisteen sijaan G-pisteen.

Haluatko löytää mielummin asiakkaan G-pisteen vai  V-pisteen?
Haluatko löytää mielummin asiakkaan G-pisteen vai V-pisteen?

2.05.2015 / Ville Niemijärvi
Ahterin_saa_istumalla
Istumalla saa myös katsella muiden menevän ohi oikealta ja vasemmalta. Nosta siis ahteri ylös ja ryhdy hommiin.

“Me on päätetty, että ei tehdä mitään bisnestä Pohjoismaissa. Se on niin hirveän vaikeaa.
Micke Paqvalen, Kiosked:in perustaja Helsingin Sanomissa 19.4.2015

Suomi ei ole lähtenyt digitalisaatiossa etujoukkoihin ja tämän on huomannut sunnuntain Hesarissa haastateltu Mainosalan startup Kioskedin perustaja Paqvalen.

“Suomesta puuttuu kokeilukulttuuri. Alustavat neuvottelut voivat kestää kolme kuukautta. Yhdysvalloissa sanotaan ‘let’s try this!'” hän kuvaa.”

Allekirjoitan Micken kommentin kokeilevan kulttuurin puutteesta. Mutta 3 kuukautta? Hirveän vaikeaa? Kaveri on kasvanut pumpulissa.

Olemme Louhialla puskeneet ennakoivaa analytiikkaa, tiedon louhintaa ja tiedolla johtamisen digitalisaatiota eteenpäin kohta 6 vuotta. Varsinkin alussa markkinoilla oli aika yksinäistä. Tien auraajien vastuulle jää markkinoiden kouluttaminen ja se on kallista. Mutta se tie valittiin, turha napista. Mutta jos vähän…

2 vuoden myyntiputki – 5000€ kauppa

Sinnikkäimpiä caseja olemme puskeneet kovapäisesti eteenpäin 2 vuoden ajan. Tuotto-odotusten ollessa +100k€ ja investoinnin n. 5000€, ei pitäisi olla vaikea myytävä.

”Pitää jutella pomon kanssa. Pitää vähän fundeerata. On vähän kiire kun meidän toimialalta sulaa pohja pois ja kaikki mikä voisi estää sen, on uutta ja pelottavaa. Entä jos epäonnistun?”

2 vuotta perustelimme asiakkaalle investoinnin hyötyjä. Kun lopulta saimme kaupan ja teimme työmme noin 2 viikossa, oli tulokset erittäin hyviä. Investointi maksoi itsensä takaisin moninkertaisesti. Se olisi maksanut sen 2 vuotta takaperinkin ja olisimme tehneet älyttömästi lisää tulosta näiden vuosien aikana.

Vikaa on tietenkin myyjässä ja tuotteessa, jos ei saa näin päivän selvää asiaa kaupaksi. Turha napista. Mutta jos vähän kuitenkin…

Kokeileminen on suomalaisille vierasta

Ajatus siitä, että kokeillaan jotakin, mitä ei ole ennen tehty ja joka saattaa epäonnistua, on täysin vieras meille härmässä. Se on outoa niin makuukamarissa kuin drinkkibaarin tiskillä.

Valot pois, pimeässä saunan jälkeen lauantaina. Keskaria kiitos.

Useimmat ennakoivan analytiikan hankkeet ovat 5 000-15 000€ investointeja. Eli todella pieniä investointeja jos verrataan esimerkiksi perinteisiin business intelligence ja tietovarastointihankkeisiin.

Osa A/B ja hypoteesien testauksista on parin tunnin hommia, investointina alle tonnin. Useimmat, lähes kaikki, pystytään tekemään palveluna ilman asiakkaan lisenssi- ja infrainvestointia. Useimmille pystymme laskemaan tuotto-odotukset, jotka ovat moninkertaiset investointiin. Mutta entä jos se ei onnistu?

”Tämän pitää onnistua”

Teimme asiakkaan kanssa yhdessä laskelmia, miten suunniteltu analytiikkainvestointi maksaisi itsensä takaisin alle vuodessa. Ensimmäiset versiot tehtäisiin parilla kympillä, koko ajan arvioiden ROI:ta, pitäen riskit todella minimissä. Tästä eteenpäin arvioidut lisätuotot oli n. 300 000€/vuosi. Selvä no-brainer, ei muuta kuin tekemään ja naureskellaan yhdessä matkalla pankkiin.

Asiakas: “Onnistuuko tämä sitten varmasti?”

Minä: “Emme me sitä voi taata. Ei kukaan voi. Laskelmat näyttävät hyvältä. Meillä on erinomaiset kokemukset muilta asiakkailta. Uskomme tähän, mutta emme voi taata. Mutta sen voin taata, että jos ette tee mitään, teillä ei 5 vuoden päästä ole enää yritys pystyssä.”

Asiakas päätti olla tekemättä mitään.

Kokeileva toimintakulttuuri osana tiedolla johtamista

Jos käyt kerran lenkillä, ei se nosta kuntoasi. Terveytesi ei parane, hapenottokykysi pysyy ennallaan. Lihakset eivät kasva. Yksittäisenä kertasuorituksena lenkkeily on huono investointi ja täysin ajanhukkaa.

Mutta kun toistat sen uudelleen ja uudelleen. Muutat vähän treeniä. Tunnustelet mikä tuntuu hyvältä, koettelet omia rajoja. Silloin kehityt. Vahvistut. Opit.

Sama pätee tiedolla johtamisen kehittämiseen. Sinun pitää rakentaa kokeileva mutta systemaattisesti etenevä tekemisen kulttuuri.

Miten tehdä se käytännössä?

Jos aiot aidosti johtaa tiedolla ja hyödyntää analytiikan keinoja, se tulee sisältämään yritystä ja erehdystä.

  • Miten säätila vaikuttaa myyntiimme?
  • Entä jos kohdistaisimme osan suoramainonnasta asiakaskäyttäytymisen perusteella ja toisen osan perinteiseen tapaan massana – paranisiko konversio?
  • Voisiko hadoop, Amazonin pilvi tai teknologia X tuoda lisäarvoa toiminnallemme?
  • Missä tuotteissamme olisi varaa korottaa hintoja ja parantaa katetta, ilman että se vaikuttaa kysyntään?
  • Miten tekijä X vaikuttaa kannattavuuteemme? Voimmeko vaikuttaa siihen ja miten?

No testataan! Let’s try it!

Jos yritys haluaa valjastaa tiedolla johtamisen todella käyttöönsä, sen tulee vaalia ketteryyden ja kokeilun kulttuuria ja lainata paljon start-up ajattelutavasta.

Ensiksi pitää nostaa ahteri ylös penkistä.

Tulet häviämään pieniä kamppailuja. Tulet tekemään huonoja investointeja. Tulet muuttamaan suuntaa, kääntämään takkisi. Kaikki analyysit eivät tuota haluttua tulosta. Asiakaspoistuma ei pienentynytkään, mainonnan konversioaste ei noussut.

Mutta samalla opit. Samalla kehityt ja vahvistut. Ymmärryksesi asiakkaista, työntekijöistäsi ja liiketoimintaprosesseista kasvaa. Huomaat, että pystyt ohjaamaan niitä. Voit vaikuttaa niihin. Voit vaikuttaa siihen, onko putiikkisi pystyssä ja elinvoimainen vielä 5 vuoden päästä.

 

Kokeileva toimintakulttuuri koostuu pienistä riskittömistä protoista/hypoteeseista/analyyseistä, joista kerätään systemaattisesti tietoa.
Tiedolla johtamisen kehittäminen: iso kuva/roadmap ohjaa ketteriä, nopeita ja pienen riskin analyysejä/protoja/AB-testejä. Opitut oivallukset tallennetaan systemaattisesti esimerkiksi tietovarastoon ja valjastetaan johtamisen käyttöön.

Viisi ohjetta ketterän, analyyttisen toimintakulttuurin rakentamiseen.

  1. Etene pienin askelin, laske kullekin vaiheelle ROI, aseta tavoitteet, minimoi riskit. Äläkä aloita lisenssihankinnalla, ainakin analytiikassa softan merkitys on pieni.
  2. Toista. Toista. Toista. Muuta suuntaa välillä mutta älä pysähdy ensimmäiseen analyysiin tai voittoon/tappioon vaan jatka toistoja.
  3. Opi: kerää dataa systemaattisesti. Älä tee vain irrallisia häröilyjä vaan pidä iso kuva mielessä. Rakenna taustalle sellainen tietoarkkitehtuuri, joka mahdollistaa systemaattisen, jatkuvan oppimisen. Myös epäonnistuneet projektit opettavat, tallenna niiden tuottama tieto.
  4. Valmistaudu epäonnistumaan ja hyväksy se. Jos teet kohdan 1. oikein, minimoit tappion.
  5. Valmistaudu voittamaan ja hyväksy se. Jos teet kohdat 1-4 oikein, tulet voittamaan. Joillekin se, että on vastuussa yrityksen tuloksenteosta on vieras ajatus. Totuttele siihen.

Ja tärkein: aloita.


1.04.2015 / Ville Niemijärvi

Louhia on mukana vielä salaisessa big data IoT –hankkeessa, jossa yhdistetään vähittäiskauppojen asiakkaiden kuittidataa ja samojen asiakkaiden vakuutustietoja.

Terveysasiantuntijoiden mukaan korkea alkoholin kulutus korreloi selvästi heikomman terveydentilan ja ennenaikaisen eläköitymisen kanssa. Onkin epäreilua, että terveiden elämäntapojen noudattajat joutuvat maksamaan samansuuruisia vakuutusmaksuja kuin holtittomimmin elävät.

Nyt Louhian älykkäillä super-algoritmeilla segmentoidaan lähikaupan kuluttajat ja luokitellaan kaikki suomalaiset sen perusteella miten terveellisesti he elävät, perustuen heidän ostoskoreihinsa.

Oluen, tupakan, makkaran ja mellukoiden suurkuluttajat tulevat jatkossa saamaan korkeamman vakuutusmaksun kun taas salaatin ja luomuruuan pupertajat selviävät vähemmällä. Henkivakuutusta on turha hakea jos ostoskoriin eksyy einestä ja olvia.

 

Asuntolainaa on turha hakea jos elämäntavat eivät vakuuta

Paremman asiakaskokemuksen varjolla ja vapaakauppasopimuksen turvin olemme yhdistämässä myös kuluttajien luottotietoja ostotottumuksiin. 20 vuoden asuntolainaa, kulutusluotosta puhumattakaan on turha haaveilla, jos mittarit näyttävät että elinaikaa on korkeintaan kymmenen jäljellä.

Pankkien luottoluokittelijoilla onkin nyt aivan uudenlaiset välineet arvioida kuluttajan riskiä jättää laina maksamatta takaisin. Kulutustottumukset tullaankin huhujen mukaan ottamaan mukaan uuteen pankkisäännöstöön Basel IV:seen.

Holtiton sukupuolielämä voi nostaa lainamarginaaliasi

Voit huiputtaa mahaasi mutta lipidosi ei valehtele. Vaikka ostatkin vaimosi painostuksesta lähiruokaa ja koitat peittää alkoholiriippuvuuden ”keskieurooppalaisella” punaviinin tissuttelulla, jää holtittomat elintavat seulaamme viimeistään yksityisessä terveydenhuollossa.

Kun vielä mietit lääkärin odotushuoneessa hikikarpalo otsalle, miten paljon tippuritesti sattuukaan (paljon), on tietosi jo IoT-algoritmimme murskattavana. Väestörekisteristä tiedämme, että olet naimisissa ja ostokäyttäytyminen kertoo ilman älykästä syy-seurausalgoritmiakin, että tauti tuli Tallinnan risteilyn tuliaisena eikä vaimo ollut suinkaan mukana.

Palkintona lainamarginaalisi tulee nousemaan koska erotilanteissa on aina riski, että talo jää pankille. Mutta ei hätää, kohdennettu markkinointimme toimittaa sinulle kaupungin vapaat vuokra-asunnot suoraan kännykkääsi ennen kuin olet ehtinyt napittaa housujasi.

Katsaus konepellin alle

Koodinimellä ”Eteläranta kuuntelee”  kulkeva salainen hanke on propellipäiden märkä unelma, jolle NSA on kateellinen. Arkkitehtuuri rakentuu MungojerryDB ja Clown’dandy Noseql –tietokannoille ja data tallennetaan .jay-z formaatissa, yhdistelmä joka tuo äärettömän skaalautuvuuden ja mahdollistaa ennen kaikkea knoppailun nörttipalstoilla.

Ykstyisyyden suoja on… huomioitu.

Keskittäminen kannattaa aina.


12.03.2015 / Lasse Liukkonen

Prospektointi, kohdennetun uushankinnan määrittely, on avainasemassa yrityksen myyntistrategiassa.

Vanhoilliset myynnistä vastuussa olevat henkilöt yleensä ajattelevat, että myyjien tulee itse haalia kasaan potentiaaliset uusasiakkaat ilman mitään systemaattisia/analyyttisiä apukeinoja, ”valistuneita vihjeitä”. Yleensä myyjillä ei ole edes pääsyä, osaamista tai kiinnostusta porautua nykyiseen asiakaskantaan ja/tai vanhoihin myyntiponnistelutietoihin.

Myyjien aikaansaannokset edellämainituissa tilanteissa ovat heikommat kuin yrityksellä, jossa käytetään systemaattista myynti-/prospektointistrategiaa asiakaslistojen tekemisessä. Tietysti useista yrityksistä löytyy niitä huippumyyjiä, jotka vuodesta toiseen louhivat yritykselle malmia huonoinakin aikoina, omien kontaktilistojensa avulla. Tämänkaltaisien huippuosaajien tekemisiä ei tietenkään ole järkevää häiritä strategiamuutoksilla prospektoinnin osalta.

 Prospektointi on yritysliiketoiminnan avaintekijä

On luonnonlaki, että asiakkaita karkaa jatkuvasti kilpailijoiden taskuun, tekipä yrityksesi kuinka hyvää jälkeä tahansa asiakkaan tarpeiden tyydyttämiseksi. Aina tulee uusia innovaatioita ja tarjouksia, jotka saavat asiakkaasi päät kääntymään kohti kilpailijaa. Tästä syystä asiakkaiden uushankinta ja systemaattinen prospektointi on elintärkeä osa liiketoiminnan kasvattamisen ja kannattavuuden ylläpitämisen kannalta.

 Oikein toteutettu prospektointi kohdentaa markkinointia/kampanjointia/myyntiponnisteluita oikeille asiakkaille ja kasvattaa tätä kautta myynnin konversiota ja pitkäaikaista tuottoa

Taannoin, kännykkäliittymien myyjien löyhistä myyntipuherajoitteista nousi suuri kohu. Liittymiä myytiin kottikärryttäin, päivässä. Myynnin konversioaste oli suuri, mutta mikä olikaan kohdeyrityksen tuotto pitkällä aikavälillä? Huono, sillä suurin osa liittymien ostajista, uusista asiakkaista irtisanoi sopimuksensa vuoden päästä, eivätkä käyttäneet liittymää aktiivisesti vuoden aikana (liittymät eivät sisältäneet kuukausimaksuja ensimmäisenä vuotena). Maksimoitiin ostotodennäköisyys myyntipuheilla, mutta kohdeyrityksen kannalta pitkäaikaistuotto oli surkea, käytännössä muodostui vain kuluja.

Myöskään suuren odotetun pitkäaikaistuoton perässä ei kannata liian kauaa haikailla, jos asiakkaan ostotodennäköisyys on marginaalisen pieni. Markkinointiponnistelut syövät jatkuvasti yrityksen kassaa, eikä kassavirran kääntymistä prospektilta yritykselle ole näköpiirissä.

Prospektoinnissa ei siis riitä tarkastella yksittäisiä mittareita vaan useiden kombinaatioita yrityksen nykytilan ja resurssien mukaisesti.

 

Analyyttinen prospektointi, mihin kysymyksiin se vastaa?

Analyyttisellä prospektoinnilla tarkoitetaan tilastollisin menetelmin prospektilistan muodostamista, sekä avaintekijöiden kaivamista tietovarannoista. Analyyttistä prospektointia voidaan pitää erityisen tärkeänä yrityksessä, jossa myyjiä on useita ja potentiaalisia asiakkaita paljon; ei ole mahdollista validoidusti käydä läpi kaikkia potentiaalisia asiakkaita manuaalisesti. Analyyttinen prospektointi luo vertailukelpoisia mittareita, tarvittaessa (käytännössä) rajoittamattomalle määrälle potentiaalisia asiakkaita.

Analyyttisen prospektoinnin tavoitteena on vastata yleisesti ottaen seuraavankaltaisiin kysymyksiin:

  • Kuinka todennäköistä on se, että yksittäinen prospektilistan potentiaalinen asiakas vastaa myönteisesti esimerkiksi kampanjakirjeeseen tai myyntiponnisteluihimme?
  • Kenelle prospekteille kannattaa myyntiresurssit kohdentaa maksimoidakseen yrityksen asiakaskohtaisen odotetun tuoton tulevaisuudessa?
  • Kuinka monta uutta asiakasta kampanja tuottaisi yrityksellemme (markkinoitavien/prospektien joukosta)?
  • Miten markkinointikanava, myyntipanostus, myyjä, asiakasprofiili vaikuttavat prospektin ostotodennäköisyyteen?
  • Kuinka kauan prospektoitavan ”uskotaan” pysyvän asiakkaana?

Mitä seikkoja analyyttisen prospektoinnin suunnittelussa tulee ottaa huomioon?

Yrityksen tietovarallisuus

Onko yrityksen tarvetta turvautua ulkopuolisiin palveluntarjoajiin lisätietojen hankkimiseksi vai riittääkö heidän oma tietovarallisuus analyysien suorittamiseen?

Oman yrityksen liiketoiminnan ominaispiirteiden huomioonottaminen

Harrastaako yritys sopimusliiketoimintaa vai ei? Vai mahdollisesti molempia?

Sopimusliiketoiminta yritykset, esim. teleoperaattorit :

  1. Asiakas solmii sopimuksen, joka useassa tapauksessa takaa yritykselle jatkuvaa rahavirtaa vuosi-/kuukausimaksujen muodossa
  2. Yritys tietää täsmälleen milloin asiakas on poistunut (sopimus irtisanottu)
  3. Yrityksillä yleensä kattavammat tiedot asiakkaista
  • Prospektoinnin pääpaino asiakkuuden keston ennustamisessa (takaa jatkuvan rahavirran), sekä sopimuksen allekirjoittamistodennäköisyydestä (ostotodennäköisyys)

Ei-sopimusliiketoiminta yritykset, esim. vähittäistavarakaupat:

  1. Asiakas ostaa silloin kuin hänestä siltä tuntuu (ei jatkuvaa rahavirtaa)
  2. Yrityksen vaikea täsmällisesti määritellä milloin asiakas on poistunut (= ”asiointi loppunut pysyvästi”)
  3. Yrityksellä joitakin tietoja asiakkaasta (kanta-asiakaskortin/etuohjelman kautta enemmän)
  4. Asiakkailla mahdollisuus ostaa myös kilpailijalta palveluita ”asiakkuuden aikana”
  • Prospektoinnin pääpaino asiakkaan uudelleen ostamisen todennäköisyydessä ja ostotiheydessä

Ylhäällä mainitusta erottelusta johtuen, analysointimenetelmät (tilastolliset/tiedonlouhinta mallit)  voivat vaihdella merkittävästi, vähintäänkin saatavilla olevien asiakkaan taustatietojen toimesta.

Prospektointi_kuva

 

Menetelmällisesti huomioonotettavat seikat?

Tarkasteltaessa prospektoinnin menetelmäteoreettista taustaa tulee ottaa huomioon useita eri seikkoja. Tässä mainittuna muutama asia, jotka helposti voivat jäädä huomiotta:

  • Nykyiset asiakkaat ja prospektit eivät ole samalla lähtöviivalla kaikkien taustamuuttujien osalta
  • Tarkastellessa esimerkiksi asiakkaan odotettua ensiostoksen suuruutta, huomaa, että se koostuu käytännössä kahdesta osasta: Asiakkaan ostotodennäköisyydestä ja odotetusta ensimmäisen ostoksen suuruudesta, ehdolla, että asiakas ostaa
  • Edellämainittuun huomioon liittyy vahvasti käsite otantaharhasta, joka aiheutuu aineiston valikoitumisesta (malli paljastaa onko otantaharha merkittävä)

 

Yleisesti esiintyvät analyyttisen prospektoinnin haasteet?

  • Yleensä yritykset eivät taltioi riittävän systemaattisesti myyntiponnisteluista ja/tai markkinointikampanjoista saatavia tietoja, varsinkaan niistä epäonnistuneista.
  • Vähäinen tiedon määrä asiakkaista ei-sopimusliiketoiminnan yrityksissä, yleensä tiedossa ”vain” alueelliset tunnusluvut (esimerkiksi tilastokeskuksen PAAVO-avoinrajapinta). Yleensä kuitenkin alueellisetkin tiedot auttavat parantamaan kohdentamista.
  • Yksinkertaisesti yrityksen tietojen varastointi on kuralla, tietoa on runsaasti, mutta oleellisien tietojen kasaan parsiminen on suhteettoman työlästä ennen ensimmäisien prospektointituloksien saamista

Kuvitteellinen esimerkki analyyttisesta prospektoinnista (B2B)

Yrityksen tietovarallisuus:

  • Alueelliset tiedot potentiaalisista asiakkaista, sekä nykyisistä asiakkaista
  • Myyntiponnistelutiedot (myös epäonnistuneista ponnisteluista): käytetyt resurssit myyntiponnisteluihin, ”ensiostoksen”/sopimuksen rahallinen arvo
  • Kohde yritysten tunnusluvut: yrityksen koko, yrityksen liikevaihto, yrityksen toimiala
  • Myynti-/ostotiedot nykyasiakkailta (ristiinmyynti, kokonaismyynti,ostotiheys,jne…)

Prospektointianalyysin antamia tuloksia:

  • Prospektikohtaiset ostotodennäköisyydet
  • Odotetut asiakkuuden kestot
  • Odotettu ensiostoksen/sopimuksen suuruus
  • Odotettu asiakaskohtainen tuotto tulevaisuudessa

Mallien tuomia tulkintoja:

  • Käytetty lisä X euroa asiakaskohtaiseen myyntiponnisteluun kasvaa ostotodennäköisyyden “riski” Y kertaiseksi
  • Kohdeyrityksen koon kasvaminen yhdellä henkilöllä kasvattaa ostotodennäköisyyden ”riskiä” Y kertaiseksi
  • Kohdeyrityksen varallisuuden kasvaessa X eurolla kasvattaa ostotodennäköisyyden ”riskiä” Y kertaiseksi
  • Myyntikanavassa A ostotodennäköisyyden “riski” on Y kertainen verrattuna myyntikanavaan B
  • Toimialalla A toimivilla yrityksillä ostotodennäköisyys on 2 kertaa suurempi kuin toimialalla B
  • Y1 prospektoitavan joukosta odotettu uusien asiakkaiden lukumäärä on Y2. Odotettavien uusien asiakkaiden lukumäärä Z1 todennäköisemmän ostajan joukossa on Z2
  • Mitä tiheämpään asiakas on ostanut sitä pidempi on odotettu asiakkuuden elinkaari
  • Mitä enemmän asiakkaalle on saatu suoritettua ristiinmyyntiä sitä pidempi on asiakkuuden kesto
  • Asiakkaan hankintaan käytetty euromääräinen kasvu lisää sekä ostotodennäköisyyttä, että ensiostoksen suuruutta merkittävästi, tätä kautta odotettua ensiostoksen suuruus myös kasvaa
  • Mitä suurempi ensiostos on sitä suurempi on myös asiakaskohtainen odotettu tuotto tulevaisuudessa

Tulokset ja niiden tulkittavuus riippuvat vahvasti valituista mallinnusmenetelmistä, sekä toteutustavoista. Analyyttisen prospektoinnin jatkuva seuranta ohjaa prospektointistrategian ja menetelmällisen puolen toimivuutta ja tarvittavia muutoksia.

Seuraavassa kirjoituksessa pureudumme asiakaspitoon.


19.02.2015 / Lasse Liukkonen

Asiakkuudenhallinta (eng. customer relationship management, lyh. CRM) on keskeisempiä käsitteitä nykypäivän yritystoiminnassa. Se pitää lyhykäisyydessään sisällään asiakaslähtöisen ajattelutavan yrityksessä, sekä siihen yhteydessä olevat IT-pohjaiset järjestelmät.

Asiakkuudenhallinnan keskeisenä ideana on tuoda hyötyjä sekä liiketoimintaa harjoittavalle yritykselle että heidän asiakkailleen. Oikein rakennetun ja edistyneen asiakkuudenhallinnan hyötyjä yritykselle ovat mm. asiakashankinnan kulujen vähentäminen ja kohdentaminen (prospektointi), korkea asiakaspysyvyys (asiakaspito, poistuma), sekä yleinen kilpailukyvyn parantaminen (liikevaihdon parantaminen pienin kustannuksin).

Varmasti jokainen yritys myöntää, että asiakkuudenhallinta on yksi heidän liiketoiminnan keskeisimmistä ja kehittyneimmistä osioista, mutta miksi vain murto-osan murto-osa käyttää hyväkseen nykypäivän teknologiaa ja sen tuomia kehittyneitä menetelmiä asiakkuudenhallinnan tehostamiseen. Itseasiassa suurin osa asiakkuudenhallinnan analytiikasta olisi voitu tehdä jo vuosituhannen vaihteessa riittävän monipuolisesti sen aikaisella välineistöllä. Emme siis puhu tässä yhteydessä edes viimeistä huutoa olevista menetelmistä ja innovaatioista.

Kuinka asiakkuudenhallinnassa voidaan käyttää analytiikkaa hyödyksi?

Keskitymme blogisaagassamme yhteen asiakkuudenhallinnan osa-alueeseen: asiakastiedon ja – käyttäytymisen analysointi (analytiikan menetelmien avulla). Tässä kirjoitelmassa pääpaino on asiakkuuden elinkaaren kokonaiskuvan hahmottamisessa ja vaihekohtaisissa analytiikan tuomissa tuloksissa (lisäinformaatiossa). Seuraavassa asiakastiedon ja -käyttäytymisen analysoinnin päävaiheet alkaen prospektoinnista ja päättyen takaisin hankintaan.

 Kokonaiskuva

 

1. Prospektointi

Alkajaisiksi mainittakoon, että sana prospektointi tarkoittaa alunperin kullan etsimistä (eng. prospecting), joka jo itsessään pitää sisällään intuitiivisen kuvan asiakkuudenhallintavaiheen sisällöstä. Prospektoinnissa on ideana pyrkiä “pisteyttämään” potentiaaliset asiakkaat useiden eri mittareiden avulla ja kohdentamaan myyntiresursseja yrityksen kannalta otollisiin/kannattaviin potentiaalisiin asiakkaihin.

Kuinka löytää potentiaalisesti kultaiset asiakkaat tavanomaisista lyhyistä ja kannattamattomista asiakkaista?

Prospektoinnin haasteita ovat yleensä vähäinen tiedon määrä asiakkaasta, sillä asiakkaan käyttäytymisestä ei ole tietoa (olettaen, että kyseessä ei ole uudelleen hankinta). Nykyisin on kuitenkin saatavilla yrityksiä koskevia tunnuslukuja (B2B), mm. liikevaihto, tulos, koko, toimiala. Henkilöasiakkaita koskevia tietoja (B2C) on myös saatavilla, mainittakoon vastsikään tilastokeskuksen julkaisema postinumeroalueittainen avoin tieto (Paavo, rajapinta). Jo edellä mainituista tiedoista/lähteistä on yleensä apua prospektointilistan resurssienkohdentamisessa.

Prospektoinnissa analytiikan tuomia tuloksia voivat olla mm.

1. Ostopäätöksen todennäköisyys ~ Ennuste asiakkuuden alkamisen todennäköisyydestä

2. Odotettu ensiostoksen suuruus ~ “Optimaalinen” tarjottavan tuotteen tai palvelun hinta/ensimmäisen tilauksen suuruus/…

3. Odotettu asiakkuuden kesto ~ Ennuste asiakkaan elinkaaren pituudesta

4. Odotettu prospektilistan uusien asiakkuuksien lukumäärä ~ Ennuste uusien asiakkuuksien potentiaalisesta lukumäärästä

5. Odotettu kokonaistuotto ~ Ennuste uuden potentiaalisen asiakkaan kokonaistuotosta

6. Edellä mainittujen kohtien pistearvoisiin tuloksiin vaikuttavat tekijät (ajurit)

Prospektoinnin tuloksien avulla on mahdollista kohdentaa myyntiresurssit potentiaalisiin asiakkuuksiin ja kasvattaa tätä kautta mm. uushankinnan konversiota ja kannattavuutta. Jotta kunnollinen prospektointianalyysi saadaan suoritettua tulee yrityksellä olla kirjattuna “mahdollisimman kattavat” historiassa tapahtuneisiin myyntiponnisteluihin liittyvät tiedot myös prospekteista, jotka eivät ole asiakkaiksi saakka päätyneet (“epäonnistuneet” myyntiponnistelut). Ilman näitä taustatietoja voimme saada vääristyneen kuvan potentiaalisista asiakkaista, tätä kutsumme otantavääristymäksi.

 

2. Asiakaspito

Asiakaspidolla tarkoitetaan tässä yhteydessä asiakkuuden kannattavuuden, lisä-/ristiinmyyntipotentiaalin, ostotiheyden, sekä yleisesti asiakkuuden tilan kartoittamista. Joskus asiakaspidolla voidaan tarkoittaa ainoastaan asiakaspoistuman analysointia. Asiakaspidolle tyypillistä on se, että sen analyysit suoritetaan yleensä tietyin aikajaksoin (viikko/kuukausi/kvartaali/…), valittu aikajakso riippuu liiketoiminnan ominaispiirteistä. Toisin kuin prospektoinnissa, tässä vaiheessa tarkastellaan todellisia asiakkuuksia, joten saatavilla on jo asiakkaan käyttäymistä koskevaa tietoa (laskutus, tarkat osto/tuotetiedot, …)

Asiakaspidossa analytiikan tuomia tuloksia voivat olla mm.

1. Odotetut uudelleen ostot ~ Ennuste asiakaskohtaisesta uudelleen ostotodennäköisyydestä

2. Odotettu (jäljellä oleva) asiakkuuden kesto ~ Ennuste asiakkaan elinkaaren pituudesta (huom. tarkempi kuin prospektointivaiheessa)

3. Ristiinmyyntipotentiaali ~ Ennuste potentiaalisista riistiinmyyntituotteista ja niiden ostotodennäköisyyksistä

4. Odotettu tuottavuus tulevaisuudessa ~ Ennuste asiakaskohtaisesta tuottavuudesta tulevaisuudessa

5. Edellä mainittujen kohtien pistearvoisiin tuloksiin vaikuttavat tekijät (ajurit)

Asiakaspitoon sisältyvät analyysit ovat tärkeitä erityisesti silloin, kuin pohditaan onko syytä ohjata resursseja enemmän uusihankintaan prospekteista vai nykyisten asiakkaiden tyytyväisyyden ylläpitämiseen. Yleensä yrityksissä syyttävä sormi ei osoita ketään asiakaspoistuman osalta, mutta uusmyynnin takkuamisesta voidaan päitä asettaa pölkylle.

 

3. Uushankita vs. asiakaspito

Kolmennessa vaiheessa punnitaan edellisten vaiheiden tuomia tuloksia ja muodostetaan strategisia päätäntämalleja näiden pohjalta. Havainnollistava yksinkertaistettu esimerkki päätäntämallista voisi olla seuraavankaltainen:

Jos asiakkaan odotettu tuottavuus tulevaisuudessa on pieni ja poistumatodennäköisyys on suuri verrattuna prospektoinnin antamiin ostopäätöstodennäköisyyksiin ja kokonaistuottoihin, käytä asiakkaaseen kohdistettavat “elvyttämisresurssit” uushankintaan.

 

4. Asiakaspoistuma

Asiakaspidossa muodostetut poistuma-analyysin kanssa ekvivalentit analyysit pyritään muodostamaan siten, että niiden tulokset ovat vertailukelpoisia prospektoinnin tuloksien kanssa. Spesifissä asiakaspoistuma-analyysissä voidaan puolestaan käyttää kaikki saatavilla oleva informaatio asiakkaan asiakastiedoista ja käyttäytymisestä. Tästä syystä asiakaspoistumaa seurataan/analysoidaan yleensä myös erikseen omana prosessina asiakkuudenhallinnassa. Tyypillisesti asiakaspoistuma-analyysistä saadaan tulokset:

1. Odotettu asiakkuuden kesto ~ Ennuste asiakkuuden kestosta (tulevaisuuteen)

2. Hetkellinen poistumatodennäköisyys ~ Ennuste kiinnitetyssä aikaikkunnassa asiakkuuden poistumatodennäköisyydelle

 

5. Takaisin hankinta (Winback)

Usein ajatellaan, että poistunut asiakas on menneen talven lumia. Menetetyn asiakkuuden osalta ei kannata kuitenkaan aina lyödä hanskoja tiskiin. Poistuneesta asiakkasta on rutkasti tietoa olemassa; asiakkaan ostokäyttyminen tunnetaan historiasta, tiedetään (mahdollisesti) mikä meni pieleen ja jne…

Kannattaako asiakkaalle antaa toinen elämä ja panostaa takaisin hankintaan?

Mikäli yrityksellä on entuudestaan takaisin hankittuja asiakkuuksia, on tässä vaiheessa tehtävät analysoinnit mahdollisia ja tuloksia antavia. Takaisin hankinta-vaiheen analyysi tuottaa muun muassa seuraavat tulokset:

1. Uudelleenhankinnan todennäköisyys ~ Todennäköisyys saada asiakkuus takaisin

2. Odotettu uuden elinkaaren pituus

3. Odotettu uuden elinkaaren arvo

Analyysin tuloksien perusteella yritys voi puntaroida kannattaako menetetylle asiakkuudelle antaa uusi mahdollisuus uusilla myyntiponnisteluilla, tarjonnalla ja tarjouksilla.


 

Edellä esitetty runko asiakkuudenhallinnan analysointiin on melko kattava ja pitää sisällään potentiaalisesti useita kymmeniä eri analyyttisiä malleja, joista osa on linkittynyt toisiinsa. Tästä huolimatta analyyttinen “asiakkuudenhallintaputki” voidaan muodostaa ja automatisoida järkevin kustannuksin asiakkuudenhallintajärjestelmiin. Kyseisen putken implementoinnin suurin kustannus muodostuu yleensä huonosti rakennetun tiedon tallentamis-struktuurin johdosta. Yksittäisen vaiheen analyysien muodostaminenkin tuottaa yleensä tuntuvia tuloksia liiketoiminnan kannalta, itsetarkoitus ei ole rakentaa koko putkea kerralla!

Analyysien tuomia etuja pohdittaessa on syytä huomioida, että pienetkin hyödyt yksittäisessä asiakkuudenhallintaputken vaiheessa kumuloituvat seuraavissa vaiheissa ja ohjaavat liiketoimintastrategioita oikeaan tuottavampaan suuntaan.

 

Blogisaagan seuraavassa kirjoituksessa keskitymme asiakashallinnan ensimmäiseen osaan, prospektointiin.