Baza danych albo kula w płot

Największe wyzwanie stojące przed każdym sklepem, nie tylko internetowym: jak „przyhołubić” klienta i skłonić go do zakupu. „Przyhołubić” znaczy nie tylko przyciągnąć go, lecz także sprawić, by nas znowu odwiedził, a nawet – żeby bywał regularnie.

Sklepy online mają tu o tyle dobrze, że przychodzi im w sukurs technologia. Mogą bowiem korzystać z wielkich baz danych (Big Data) i „ciasteczek” (cookies), czyli śladów, jakie użytkownicy zostawiają po sobie, surfując w sieci. Istnieją narzędzia, które śledzą te tropy i je analizują, dostarczając sklepom tzw. profile konsumentów. Najpopularniejsze z tych narzędzi to Google Analytics, Megapanel i Gemius – wszystkie bezpłatne. Dzięki ciasteczkom pozwalają określić kto, kiedy i jak często odwiedzał nasz e-sklep. Jak poruszał się na stronie, gdzie zatrzymał na dłużej, jakie produkty oglądał, co dodał do koszyka. Słowem – za darmo dostajemy informację, jak nasz serwis zainteresował klienta. Wadą jest jednak brak wiedzy o aktywności internauty u konkurencji czy po prostu na innych stronach. Nie da się więc np. ocenić, jak bardzo gość sklepu był zainteresowany zakupem, a nie tylko pooglądaniem produktów.

Personalizacja

Już odpłatnie można zastosować zaawansowane analizy, dzięki którym zdobędziemy o konkretnych internautach bardziej precyzyjne informacje. Korzystając z zasobów Big Data, dowiemy się nie tylko, kiedy dana osoba bywa w sieci i jak po niej surfuje, ale także, jaka jest jej płeć, przedział wiekowy, hobby, styl życia, jakie zakupy robiła w dłuższym okresie, ile może mieć pieniędzy, co chwilowo jej nie interesuje itd.

Informatyczny silnik analizuje i poddaje obróbce statystycznej rodzaj haseł wpisywanych w wyszukiwarce oraz to, czy konkretny produkt lub usługę oglądano na porównywarkach cen (mocny wskaźnik „intencji zakupu”) czy na forach dyskusyjnych albo stronach dla pasjonatów.

Dlaczego to takie ważne? Bo pomoże z większym prawdopodobieństwem ocenić aktualne intencje naszego internauty i dobrze spersonalizować skierowaną do niego ofertę, a nawet dostosowywać ją na bieżąco do jego zmieniających się potrzeb. Tym samym – trafniej adresować do niego zabiegi marketingowe czy handlowe. Czy to chodzi o reklamy, wyświetlane na jego komputerze, czy e-maile, wysyłane na jego skrzynkę (dobrze, by zgodził się na otrzymywanie naszego newslettera), czy np. rabaty i promocje specjalnie dobrane do jego preferencji.

– Ideałem jest sytuacja, gdy np. reklama staje się niejako personalnym doradcą zakupowym, który na bieżąco reaguje na zmieniające się potrzeby konsumenta – zauważa Piotr Prajsnar, prezes Cloud Technologies, firmy zajmującej się przetwarzaniem danych o zachowaniach konsumenckich w internecie. 

Dobra personalizacja pozwoli zminimalizować ryzyko, że będziemy ścigać kogoś po sieci, atakując go niechcianymi czy niepasującymi do jego sytuacji komunikatami.

W przypadku takiego ścigania zmarnujemy czas i pieniądze. Po pierwsze, powszechnym zjawiskiem jest odruchowe ignorowanie reklam przez internautów (o ile nie trafiają prosto w ich potrzeby). Po drugie, nawet gdy ktoś zareaguje na nasze zabiegi, to, statystycznie rzecz biorąc, rzecz i tak się nie opłaci. Jak pokazują badania, blisko 80 proc. internautów nigdy np. nie dokonało zakupu pod wpływem tzw. masowych banerów (gdy ekran komputera nagle przesłania reklama). Jak wylicza firma AdMetrics, współczynnik klikalności w takie reklamy oscyluje w granicach 0,04–0,1 proc. – Oznacza to, że przy najlepszym scenariuszu, w baner wyświetlony tysiąc razy kliknie jeden użytkownik – wyjaśnia Piotr Prajsnar. – Połowa wszystkich wejść ma zresztą miejsce przez przypadek.

A za każde kliknięcie płaci się przecież dodatkowo temu, kto sprzedał nam powierzchnię reklamową.

Big retargeting

Polski handel w sieci zwykle ogranicza się do analizy zachowania internautów na stronie własnego sklepu, czyli bazowania wyłącznie na ciasteczkach, i liczenia odwiedzin. I to pomimo faktu, że dzięki temu, iż odwiedzający wyrażają zwykle zgodę na śledzenie ich przez ciasteczka, można zyskać mnóstwo istotnych danych. Oczywiście nie wszystkie e-sklepy lekceważą możliwości, jakie oferuje technologia, ale, generalnie, daleko nam do tego, co robią ich odpowiedniki za granicą.

Weźmy retargeting, czyli aranżowanie przez sklep kolejnych okazji do zakupu (patrz słowniczek). Jest to niezwykle efektywne narzędzie w rękach kogoś, kto dobrze zna adresata tych zabiegów. – Retargeting, wsparty znajomością Big Data, podnosi zyski ze sprzedaży nawet o kilkadziesiąt procent – mówi Piotr Prajsnar i przytacza przykład francuskiego e-sklepu BrandAlley handlującego odzieżą i dodatkami, który, dzięki wykorzystaniu analizy danych, w ciągu roku dwukrotnie zwiększył liczbę swoich klientów, a sprzedaż – czterokrotnie. Sklep ten pogrupował użytkowników (nie tylko wedle płci, wieku itd., ale również podzielił ich na nowych i dotychczasowych), a potem odpowiednio dostosowywał ofertę. Między innymi, jeśli chodzi o rabaty cenowe, uprzedzał ruchy konkurencji.

Baza danych osobowych
Wśród informacji, jakimi dysponuje e-sklep, są dane osobowe jego klientów. Jeśli wykorzystuje się je nie tylko do wystawiania faktur, rachunków i sprawozdawczości finansowej, ale także np. w celach marketingowych, ich zbiór trzeba zgłosić do rejestracji w GIODO. Od tego roku sklep może jednak tego nie robić, o ile powoła i zarejestruje w GIODO administratora bezpieczeństwa informacji (ABI). Wyjątkiem są tzw. dane wrażliwe podlegające szczególnej ochronie. Ta zmiana to duże ułatwienie dla e-sklepów, ale warto pamiętać, że powołanie ABI oznacza też, że musi on spełniać konkretne, określone ustawą zadania i wymogi (np. mieć wyższe wykształcenie) i trzeba mu zapewnić odpowiednie warunki.

Słowniczek handlowo-marketingowy

Audience buying (kupowanie publiczności) – docieranie z ofertą czy reklamą tylko do osób, które przejawiają intencję kupienia danego produktu, wykorzystując ślady, jakie zostawiają po sobie, chodząc po sieci, czyli ciasteczka. Zwykle nie trzeba przy tym kupować tzw. powierzchni reklamowych premium (na najbardziej popularnych portalach), by skutecznie dotrzeć do interesujących nas osób.

Banner blindness (ślepota banerowa) – zjawisko odruchowego ignorowania na ekranie elementów, które wyglądają jak reklamy.

Big Data – technologia przetwarzania dużych zbiorów różnych danych niemożliwych do tradycyjnej, trywialnej obróbki, by lepiej poznać motywacje i potrzeby klientów i dostawców, komunikować się z nimi w spersonalizowany sposób, a także prognozować sprzedaż i zyski na podstawie wielu różnych scenariuszy.

cookies (ciasteczka) – niewielkie informacje, wysyłane przez
odwiedzany przez nas serwis internetowy i zapisywane na urządzeniu końcowym (np. komputerze, smartfonie), z którego korzystamy, przeglądając sieć.

CTR (Click Through Rate) – współczynnik klikalności: stosunek liczby kliknięć w daną reklamę do liczby jej wyświetleń. Oczywiście, im wyższy, tym lepiej. Zależnie od branży, powinien się mieścić w przedziale 1–10 proc.

Heat mapa – śledzenie na bieżąco, jak zachowują się klienci w danym e-sklepie (śledzi się ruchy kursora i to, jak długo pozostaje w danym miejscu).

Retargeting – aranżowanie przez e-sklep kolejnych sytuacji sprzyjających decyzji klienta o zakupie. Często za pośrednictwem e-maila, np. poprzez wysłanie go do niedoszłego nabywcy jakiegoś produktu (oglądanego czy porzuconego w koszyku). Taki e-mail może zawierać spersonalizowaną ofertę albo np. tylko powiadomienie, że produkt zostanie niedługo wykupiony.

Michał Gembal, dyrektor marketingu Grupy Arcus

PMR podał kilka tygodni temu informację o wartości e-handlu detalicznego Polsce w 2015 r. Sięgnęła ona 27,3 mld zł, a rynek urósł w porównaniu z rokiem poprzednim o 15 proc. Produktami najczęściej kupowanymi są elektronika i ubrania. Wzrost ten dotyczy jednak głównie sektora B2C i C2C. W przypadku branży B2B, którą reprezentuję, udział e-commerce jest znacznie mniejszy. Choć możliwości, które daje nam internet, wykorzystywane są w podobnym stopniu jak w przypadku e-sprzedaży. Celem jest jednak nawiązanie kontaktu z potencjalnym klientem i edukowanie go. M.in. dlatego razem z naszym japońskim partnerem stworzyliśmy landing page i blog poświęcony oszczędnościom w firmie (www.kosztydruku.pl i www.oszczednosciwfirmie.pl). Narzędziom tym towarzyszą oczywiście „ciasteczka”, retargeting oraz Big Data, ale jako sposób na doprowadzenie do bezpośredniego kontaktu lub spotkania z klientem.

Data mining, czyli prognozowanie zachowań klientów

Dane historyczne o zachowaniach klientów (zgromadzone przez e-sklep na swojej stronie i zdobyte „na zewnątrz”) można przetwarzać tak, by zwiększyć prawdopodobieństwo pozytywnej reakcji internautów na oferty handlowe i marketingowe sklepu. W tym celu wykonuje się np. takie analizy:

scoring – by zminimalizować koszty kampanii e-mailingowej

cross/up selling – by zwiększyć sprzedaż produktów poprzez zaproponowanie klientom ich optymalnych,
najlepiej dopasowanych kombinacji

automatyczna segmentacja i profilowanie klientów – by dostosować ofertę do zróżnicowanych potrzeb specyficznych grup klientów, a nawet poszczególnych osób

analiza ryzyka odejść klientów – wytypowanie klientów, co do których trzeba podjąć specjalne działania, by ich zatrzymać, i ustalenie, co mogłoby w tym pomóc

analiza wartości życiowej klienta – by oszacować wartość zysku, jaką może wygenerować dla sklepu

analiza czasu przetrwania klienta – by określić, kiedy podjąć działania, aby zatrzymać wybranych klientów

conjoint – by lepiej dopasować ofertę i wygląd sklepu, a także sposób nawigowania po nim, do preferencji klientów i wyróżnić się w tym na tle konkurencji