2-5 minut

Zobacz przyszłość z Big Data

Specjaliści marketingu dysponują obecnie niezwykle dokładnymi narzędziami analitycznymi. Dziś, dzięki BIG Data, można bardzo precyzyjnie przewidzieć, które grupy klientów zastanawiają się nad przejściem do konkurencji. I dostarczać im jeszcze lepsze usługi, aby zatrzymać ich przy sobie na dłużej.

Tworzenie bazy klientów zastanawiających się nad przejściem do konkurencji to rozwiązanie stosowane obecnie na szeroką skalę. Wielkie możliwości Big Data doceniły już firmy telekomunikacyjne, instytucje finansowe, ale także sklepy internetowe i portale aukcyjne. Jak to działa?

Warsztat antyucieczkowy

Prawdziwym wyzwaniem dla firm jest analiza bieżących zachowań klientów i predykcja, co zrobią w przyszłości. Pomaga w tym m.in. analiza transakcji klienta. Churnu (ucieczki, od ang. „to churn” – mącić, zburzyć) możemy się spodziewać, jeśli dostrzegamy szereg anomalii w płatnościach lub gdy rośnie liczba reklamacji: zwrotów towaru czy zgłaszanych zastrzeżeń do oferty. Takie zachowania powinny skłaniać nas do kontaktu z klientem, by go nie stracić.

Szczególnymi beneficjentami tego typu analiz są firmy z branży telekomunikacyjnej, finansowej oraz handlu elektronicznego (e-sklepy i portale aukcyjne). W tych sektorach dostawcy usług zwykle wiążą się z klientem na długo i posiadają o nim wiele informacji. Właśnie w ich przypadku możemy mówić o wykorzystaniu pełni możliwości analizy Big Data, w celu zapewnienia klientowi wysokiej jakości usług i podniesieniu jego satysfakcji.

Jedna z prostszych analiz polega na sprawdzeniu, w jaki sposób klient korzysta z naszego serwisu internetowego. Czy intensywnie przegląda oferty cenowe, a może czyta o procedurach rozwiązania umowy? Z kolei dostawcy internetu mogą badać, czy klienci wchodzą na strony konkurencji, co może oznaczać, że zastanawiają się nad zmianą dostawcy usługi. Każde działanie klienta na naszych stronach to bowiem trop, który powinien zostać odnotowany. W przypadku usług masowych może ich być tysiące dziennie. To cenne dane.

Telekomy wyspecjalizowane w Big Data

Dużym doświadczeniem w analizach Big Data mogą pochwalić się telekomy. Mogą one monitorować poziom satysfakcji klienta, analizując jakość połączeń oraz odnajdując te, które do klienta nie dotarły, np. z powodu utraty zasięgu. Inny stosowany przez telekomy sposób analizy polega na weryfikowaniu ładunku emocjonalnego wypowiedzi klientów o dostawcy w mediach społecznościowych. Warto bowiem sprawdzić, czy klienci mówią o nas dobrze.

Efektem każdej analizy powinien być jednak podział klientów na segmenty. Najprościej rzecz ujmując, w jednym z segmentów powinni znaleźć się klienci, którzy z pewną dozą prawdopodobieństwa nie będą rezygnować z usług, a w drugim – ci, którzy mogą odejść do konkurencji. Dzięki temu możemy odpowiednio zareagować na nadchodzące zagrożenie. Firma może bowiem opracować skrypty, na podstawie których pracownicy call center będą zachęcać klientów do pozostania z firmą, albo nowe polityki rabatowe dla najbardziej cennych osób planujących churn. Kluczowe jest zatem nie tylko zidentyfikowanie grożących ucieczką grup, lecz także stworzenie dobrej strategii utrzymania z nimi relacji.

Analiza plemienna w T-Mobile

Najbardziej wyrafinowaną metodą ograniczania churnu jest jednak tzw. analiza powiązań liderów opinii. Zastosowano ją np. w T-Mobile USA – i przyniosła spektakularne rezultaty.

T-Mobile, firma mająca w USA 33 miliony klientów, wykorzystała plemienny model klienta. Zakłada on, że w każdej strukturze użytkowników usług istnieją jednostki opiniotwórcze, tzw. liderzy opinii, którzy mają duży wpływ na innych. Można ich zaobserwować, śledząc stopień powiązań i aktywności w social media. I warto to robić. Bo gdy liderzy opinii planują zmienić dostawcę, możemy spodziewać się odpływu całych grup klientów. Wraz z nimi odejdą bowiem członkowie ich sieci – nastąpi efekt domina.

W T-Mobile USA dla każdego takiego klienta wyliczono Customer Lifetime Value (ocenę wartości klienta w czasie, czyli szacunek aktualnej wartości przyszłych przepływów pieniężnych związanych z relacjami z nabywcą). W tym konkretnym przypadku CLV uwzględniał, jak wiele osób dany lider może za sobą „pociągnąć” w razie rezygnacji. W ten sposób zlokalizowano najbardziej wartościowych klientów. Następnie, by zachęcić ich do pozostania z telekomem, firma stworzyła atrakcyjne plany usługowe.

Dzięki tego typu analizom Big Data T-mobile udało się obniżyć churn o 50% – z 100 tysięcy klientów w pierwszym kwartale 2011 r. do 50 tysięcy w drugim kwartale 2011 r. Ten wyjątkowy wynik dobrze ukazuje wartość dodaną analiz Big Data.

Siła prognoz

Analizy Big Data naprawdę pozwalają przewidzieć przyszłość. Na przykład firmom ubezpieczeniowym mówią, w jakim zdrowiu będą ich klienci. Jak to możliwe? Niektórzy ubezpieczyciele dają klientowi możliwość udostępniania informacji o jego aktywności fizycznej poprzez śledzenie jej specjalnym smartwatchem. I jeśli taka osoba np. dużo biega, wskazuje to na jej zdrowy tryb życia, co w rezultacie prowadzi do obniżenia płaconej składki. Podobnie jest z jazdą samochodem – monitorująca jego ruch „czarna skrzynka” może obniżyć koszty naszego ubezpieczenia, jeśli tylko jeździmy bezpiecznie i zgodnie z przepisami. Wskazuje to bowiem, że zapewne nie będziemy mieli wypadku.

Firmy od dawna zajmują się foresightem (prognozowaniem przyszłości), jednak dopiero niedawno otrzymały potężne narzędzie pozwalające na skuteczne realizowanie takich przewidywań.

Podsumowanie

Warto zainteresować się możliwością wykorzystania Big Data do zapobiegania odpływu klientów. Takie praktyki z powodzeniem stosują dostawcy internetu, usług telefonicznych czy e-sklepy. Szczególnie przydatna, w przypadku firmy T-mobile USA, okazała się analiza powiązań liderów opinii w mediach społecznościowych. Pozwoliła dotrzeć do najbardziej wartościowych klientów, a następnie opracować strategię zachęcającą ich do pozostania w relacji z firmą.