Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Asiakasdata insightin lähteenä - Mikko Koski, Director of Advanced Analytics

626 views

Published on

Director of Advanced Analytics Mikko Koski kertoi Markkinointiviestinnänviikolla 22.9.2015, kuinka asiakaskohtaamisista syntyvää dataa voidaan hyödyntää asiakaskokemuksen tehostamisessa.

Published in: Marketing
  • Login to see the comments

  • Be the first to like this

Asiakasdata insightin lähteenä - Mikko Koski, Director of Advanced Analytics

  1. 1. Copyright © Dagmar Oy ASIAKASDATA INSIGHTIN LÄHTEENÄ ASIAKASKOHTAAMISISTA SYNTYVÄN DATAN HYÖDYNTÄMINEN Mikko Koski MVV 22.9.2015
  2. 2. Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi ANALYTIIKKA AVUKSI ASIAKKUUDEN ERI VAIHEISSA TUNNISTETTUTUNTEMATON MENETETTYAKTIIVINENUUSI PASSIIVINEN LOJALITEETIN JA ARVON KASVATTAMINEN ASIAKASPOISTUMAN HALLINTA POTENTIAALINEN TUNNISTAMINEN, TUNNETTUUDEN KASVATTAMINEN, MIELENKIINNON HERÄTTÄMINEN, LIIDIEN HANKINTA, VALIDOINTI JA KÄSITTELY ARVON KASVATTAMINEN: YLÖSMYYNTI JA RISTIINMYYNTI LOJALITEETIN JA SUOSITTELUN KASVATTAMINEN ASIAKASKÄYTTÄYTYMISEEN PERUSTUVA REAGOINTI, OPPIMINEN, OPTIMOINTI JA ENNUSTAMINEN PASSIIVISTEN AKTIVOINTI JA ASIAKASPOISTUMAN EHKÄISY UUSASIAKASHANKINTA ASIAKKUUDEN ELINKAARI
  3. 3. Copyright © Dagmar Oy ASIAKASDATAN ANALYYSI TUNNISTAMATTOMISTA ASIAKKAISTA
  4. 4. Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi TUNNISTAMATTOMIEN ASIAKKAIDEN SEGMENTOINTI MAINONNANHALLINNANJÄRJESTELMÄN DATALLA A C B
  5. 5. Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi ANALYYSIN TULOKSET PERSONOINNIN POHJANA Tunnistetaan erilaiset kävijäryhmät ja heidän kiinnostuksenkohteensa Analyysi Tarjotaan eri asiakasryhmille erilaista mainontaa ja erilaisia sisältöjä verkkosivuilla. Mitkä säännöt parantavat konversiota? Mitä uusia sääntöjä datasta löytyy? B B Sisällön personointi Mittaus ja optimointi
  6. 6. Copyright © Dagmar Oy ASIAKASDATAN ANALYYSILLÄ LISÄMYYNTIÄ NYKYASIAKKAISTA
  7. 7. Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi ASIAKASKANNAN LÄPIKÄYNNILLÄ YLEISYMMÄRRYS KANNASTA Minkälaisia asiakkaita yrityksellä on? Mitkä ovat pahimmat kipukohdat asiakaskannassamme? 60% 40% Sukupuolijakauma 45% 45% asiakkaista omistaa kanta- asiakaskortin 20% 20% asiakkaista rekisteröitynyt nettisivuilla 10% 10% asiakkaista tilaa uutiskirjettä Myynti alueittain Ostofrekvenssi Brändi 1 Brändi 2 xxx Brändi 3 Brändi 4 xxx xxx xxx Keskiostos Brändi 1 Brändi 2 xx € Brändi 3 Brändi 4 xx € xx € xx € Syntymävuosi Ikäjakauma
  8. 8. Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi SEGMENTOINTI LUO POHJAN HOITOMALLIEN LUOMISELLE Klusterinarvo Klusterin koko Arvokkaat Säännölliset Eri asiakasryhmien merkitys yritykselle ARVOKKAAT Korkea arvo per asiakas Korkea arvo koko klusterille  Rakennetaan hoitomalli asiakastyytyväisyyden varmistamiseksi – asiakaspito keskeisessä roolissa. SÄÄNNÖLLISET Yksittäisen asiakkaan arvo on pieni matalan tuotekäytön vuoksi  Kasvatetaan asiakkuuden arvoa ristiinmyynnillä. PASSIIVISET JA PASSIVOITUVAT Keskisuuri tai pieni asiakkaan arvo Suuri määrä menetettyä potentiaalia. Ei aktiivisuutta viimeaikoina  Suunnitellaan uudelleenaktivointistrategia, jolla asiakkaiden kiinnostus palveluihin saadaan heräämään.
  9. 9. Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi KESKIOSTOS KASVAA OSTOSKORIANALYYSIN JÄLKEEN TUOTE A TUOTE B Jos asiakkaalla on jo tuote A, Tuotteen B ostotodennäköisyys kasvaa 30%. Asiakas-ID Ostoskori 201554 Tuote A, Tuote B 735382 Tuote F 586621 Tuote F 796042 Tuote B, Tuote D, Tuote E 611249 Tuote A, Tuote C, Tuote G 369378 Tuote F 409540 Tuote F 747668 Tuote A, Tuote B, Tuote C 507920 Tuote C 900003 Tuote F 994983 Tuote A, Tuote C, Tuote G 171392 Tuote A, Tuote B, Tuote C 487952 Tuote G, Tuote B, Tuote E 963675 Tuote A, Tuote C 178249 Tuote C 222427 Tuote C, Tuote D 569650 Tuote A, Tuote B, Tuote C 849366 Tuote C, Tuote D TUOTE C TUOTE D TUOTE E TUOTE G TUOTE ITUOTE F TUOTE H Kun asiakkaalla on mitkä tahansa kaksi Tuotteista F,G ja H, Tuotteen I ostotodennäköisyys kasvaa 60% Tuotteen C ostajat ovat kiinnostuneita myös Tuotteista D ja E. Vaikka Tuotteen D ostotodennäköisyys on hieman korkeampi, saadaan parempi lisätuotto tarjoamalla hieman kalliimpaa Tuotetta E. Datana asiakkaan myyntireskontra
  10. 10. Copyright © Dagmar Oy ASIAKASDATAN ANALYYSI POISTUMAN HALLINNASSA
  11. 11. Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi ANALYYSI PALJASTI: ASIAKASPOISTUMAN MERKITYS LIIKETOIMINNALLE SUURI Vuonna 2014 17 150 asiakkuutta loppui. Tämä tarkoittaa noin € 2 800 000 menetystä vuotuisissa asiakastuotoissa. Resurssit ovat rajalliset ja asiakkaiden kontaktoiminen kallista. Kuinka poistumaa voisi pienentää?
  12. 12. Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi LÄHDÖN SYIDEN SELVITTÄMINEN JA POISTUMAN ARVO Pelastettavien asiakkaiden arvo määrittää toimenpiteisiin käytettävät resurssit. • Miten paljon asiakkaita poistuu? • Kenet voitaisiin pelastaa? • Kenet haluttaisiin pelastaa? • Mikä on pelastettavissa olevien asiakkaiden arvo? POISTUVAT Pelastettavissa olevat asiakkaat
  13. 13. Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi ENNUSTEMALLI TUNNISTAA SUURIMMASSA POISTUMARISKISSÄ OLEVAT ASIAKKAAT ASIAKAS-ID POISTUMIS- TODENNÄKÖISYYS 201554 87,9 % 735382 87,7 % 586621 84,5 % 796042 83,8 % 611249 83,0 % 369378 80,0 % 409540 79,6 % 747668 76,4 % 507920 75,2 % 900003 71,3 % 994983 70,2 % 171392 67,1 % 487952 66,1 % 963675 64,9 % Malli ennustaa asiakkaiden poistumatodennäköisyydet Jatkotoimenpiteitä varten valitaan suurimmassa poistumisriskissä olevat henkilöt SuuriKeskisuuriMatala
  14. 14. Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi ENNUSTEMALLIA ANALYSOIMALLA SAADAAN TIETOA POISTUMAAN VAIKUTTAVISTA TEKIJÖISTÄ Mallin avulla selvitimme, että asiakkaan poistumatodennäköisyyteen vaikuttaa erityisesti: • Edellisen kontaktin jälkeen kulunut pitkä aika – merkittävin poistumaan vaikuttava tekijä. • Haja-asutusalueella asuminen – kaupungeissa pienempi poistumariski. • Sukupuoli - Miesten poistumariski on naisten riskiä suurempi. • Tuoteryhmä A:n käyttö - asiakkaat ovat keskimääräistä lojaalimpia. • Suuri palveluiden lukumäärä – mitä useamman palvelun käyttäjä asiakas on, sitä pienempi poistumariski on. • Asiakkuuden ikä – pitkä asiakkuus laskee poistumariskiä, mutta vain hieman. MUUTTUJA VAIKUTUS POISTUMA- TODENNÄKÖISYYTEEN Aika edellisestä kontaktista (kk) + 21 % Asuinpaikka (haja-asutusalue, kyllä/ei) + 15 % Sukupuoli (mies, kyllä/ei) + 6 % Tuoteryhmä A:n käyttö (kyllä/ei) - 16 % Tuotteiden lukumäärän kasvu - 30 % Asiakkuuden ikä - 5 % Poistumariski pienenee Poistumariski kasvaa
  15. 15. Copyright © Dagmar Oy YHTEENVETO
  16. 16. Copyright © Dagmar Oy#MVV_Finland @Dagmar_fi • Asiakasdataa kertyy moniin eri lähteisiin. • Dataa analysoimalla muodostetaan näkemystä. • Näkemys on edellytyksenä asiakkuuksien johtamiselle. ANALYYSI ASIAKKUUS- STRATEGIATOIMENPITEET
  17. 17. Copyright © Dagmar Oy KIITOS! Mikko Koski Director of Advanced Analytics mikko.koski@dagmar.fi +358 40 672 2500

×