Kongres 01.12.2015

Michał KreczmarDyrektor Ecommerce Hypermedia

Łukasz DziekanSzef działu data science/Big Data PwC CEE

Kogo pozyskujesz: klienta czy jego transakcje?

I am not a speed reader I am a speed understander

Isaac Asimov

Kupuj wartość – a nie transakcje

Typowy modelto kupowanie

klików…

w kanałach zdalnych (Adwords, facebook, affiliates)

przy pomocy Google Analytics/Omniture/innych

zdalnych narzędzi do pomiaru siły poszczególnych

kampanii

… i ewentualnie segmentowanie

ichPRZED zakupem

Po zakupienajczęściej

zapominamy

Thinkwhy!

You make transactions – not Value

Łatwy accounting – CAC+COGS+Alokowane koszty stałe < Price sold Profit!

Segmentujesz

Chcesz wiedzieć po co klient jest u Ciebie, żeby lepiej robić message dla nowych klientów podobnych do tych co kupujesz teraz (żeby zwiększyć konwersję – czyli obniżyć CAC)

Co jeśli jednak możesz z jednego klienta mieć więcej niż jedną transakcję? (teraz to czysty profit)

Nie bój się ułatwiać logowania i pobierania danych od serwisów trzecich (logowanie przez Facebook/Google czy inne) – oni już i tak mają tego klienta!

3

4

Od leada do lojalnego klienta długa droga

Automatization• Ułatwianie

uczestnictwa poprzez automatyczne generowanie korzyści

• Wykorzystanie technologii płatniczych

Personalization• Oferta korzyści

dostosowana do oczekiwań segmentów lub indywidualnych klientów

• Możliwość auto-selekcji korzyści lub oferta dostosowana na podstawie danych klienta

Warto wiedzieć

Cały czas rządzi sprzedaż – targety targety tagery na acquisitionDobry loyalty program jest trudny do zrobienia – i tak naprawdę jest ciągle ewoluującym zwierzęciemTrzeba mieć dobrą propozycję dla użytkownika (SPG, Prime…), żeby użytkownik czuł się wynagradzany

PrzykładFnac – program lojalnościowy z szerokim wachlarzem istotnych korzyści dla różnych grup klientów z roczną opłata za członkostwo (zniżki w sieci Fnac i sieciach partnerskich, darmowe dostawy książek, indywidualne oferty promocyjne, oferty na wydarzenia, koncerty, spektakle)

PrzykładZencard – dostawca programu lojalnościowego połączonego z każda karta płatniczą, oferującego korzyści bezpośrednio w momencie płatności poprzez oprogramowanie terminala płatniczego

mBank – indywidualny program lojalnościowy mOkazje z systemem bankowości internetowej, gdzie skorzystanie z oferowanych zniżek w sieciach partnerskich jest proste, a bezpośrednia korzyść jest bardziej przekonująca dla użytkowników

Hebe – personalizowany program lojalnościowy ze zniżkami w sklepach oferowanych wyłącznie do członków klubu oraz personalizowanymi promocjami wygenerowanymi w oparciu o historię zakupową

CLV – ktokolwiek widział, ktokolwiek wie

5

Klienci w 2 – mają od 70 do 300% większy wpływ na przychody aniżeli klienci w 1 i w 3.W Polsce często nie ma nawet rozróżnienia pomiędzy 1 i 3…

Oferty w każdym momencie życia zależeć powinny od oczekiwanej wartości klienta w czasie relacji – bez niej jesteśmy nieco ślepi i nie mamy perspektywy długoterminowej

Potrzeby klientów mogą zmieniać się z czasem (zwłaszcza w biznesach c2c)

1

Customer lifetime valueVa

lue

Time

2 30

LojalizacjaEksploracja Dojrzałość X- and up-sellSale

Social media

Www, product, sensors, apps

3rd party data

Market data

Data

Machine learning

Approach

Simulation

Text mining

Graph analysis

Working prototype on

real data

Klient kupił, ale produkt go nieco rozczarował i nie rośnie tak jak powinien

Zmiana potrzeb/zachowań klienta – możliwość zmiany providera

Zakończenie współpracy, brak lojalizacji

6

CLV - Gdybyś wiedział ile ten klient jest warty….

1 seg 2 seg 3 seg 4 seg

Koncept jest stary jak świat – minimum 15 lat

Ale (prawie) nikt tego nie robi – Banki, Telecomy raczkują, choć są bardzo „data-rich”

To naprawdę nie jest takie trudne

Silosowość przeszkadza, M&A też nie pomaga – integruj dane, jak integrujesz firmy!

Bo wszyscy mają inne KPI, a marketing się sprzedażą nie zajmuje, a customer care robi inne rzeczy, a sprzedaż chce tylko domknąć transakcje bo są KPI

A 80% wartości klientów znajduje się w 15-20%

95% wartości w 35-40% populacji

CLV =Obecna

wartość kontraktu +

Oczekiwane przyszłe zakupy

+ Oczekiwany

upsell

0

500

1,000

1,500

2,000

2,500

3,000

3,500

4,000

4,500

5,000

Ryzyko churnu

Przy

chód

Wysokie ryzyko

Niski przychód

Niskie ryzyko

Wysoki przychód

Wysokie ryzyko

Wysoki przychód

Niskie ryzyko

Niski przychód

High Risk Low RiskMedium Risk

Wielkość kulki to wielkość przychodów

7

X1 X2 X3

X1

X2

X3

Praktyczne CLV - Jak to Zamodelować będzie MATMA (BRRR)

X1, X2, X3 – Stany reprezentujące zwiększone wartości – np. Segmenty wartości (FRV), poziom subskrypcji, średnia wielkość koszyka, poziom usługi. Każdemu X powinna być przypisana wartość pieniężna np. średnia marża, przychód etc.

Budujemy Macierz przejść – takt w zależności od biznesu – ale generalnie jak migrują użytkownicy – np. z kwartału na kwartał, z roku na rok – takt związany z naszą komunikacją i zachowaniami klientów

M =

Przejścia które minimalizujemy

MF – prognoza z w jakim horyzoncie czasowym

klient znajdzie się w danej kategorii

t – horyzont czasowy prognozy

Mt = MFPrzejścia które maksymalizujemy

8

Praktyczne CLV - Przykład dla firmy SAAS

1 3 5 7 9 11 13 15 17 19 21 230%

10%

20%

30%

40%

50%

Probability of upsell(for clients with starting with the starting

tier)

1 2 3 4 5 6 7 8 9 10111213141516171819202122231

1.5

2

2.5

3

3.5

Rollover multiplier(how much more profitable is the tier)

𝑽𝒂𝑹𝒂𝒅𝒋=𝑴𝒂𝒙 ([ (𝟏−𝒑𝒓𝒐𝒃∗𝑪𝑨𝑪𝒂𝒋𝒅 ) ⋅𝑪𝒐𝒏𝒕𝒓𝒂𝒄𝒕𝑽𝒂𝒍+𝒑𝒓𝒐𝒃∗𝑪𝑨𝑪𝒂𝒅𝒋 ⋅𝒎𝒖𝒍𝒕 ⋅𝑪𝒐𝒏𝒕𝒓𝒂𝒄𝒕𝑽𝒂𝒍 ] ,𝟎 ,𝟐∗𝑽𝒂𝒓𝑰𝒏𝒊𝒕)⋅

0.00

0.10

0.20

0.30

0.40

Rollover probability by CAC

Rolling probabilityAverage rolling probabilityFitted trend

• Liczymy prawdopodobieństwo upgradu do tieru w czasie od uruchomienia

• Rollover multiplier – o ile wzrasta nam przychód zysk – jak upgraduje

• Ale prawdopodobieństwo można skalować – np. CAC albo inną zmienną która ją wyraźnie różnicuje (sposób wykorzystania API etc.) żeby dostać dokładne oszacowanie

• Przypisujemy to każdemu klientowi – boom – można porównywać klientów, customizować oferty, zniżki, kupony etc. – odświeżamy miesięcznie/tygodniowo/codziennie.

• Warto analizować kanał pozyskania, demografię, sposób wykorzystania serwisu, urządzenia etc.

Analityka to kultura – nie narzędziaProjekt analityczny

Nie jest to model matematyczny choć jest to ważny element opisujący rzeczywistość i zmieniający sposób patrzenia na pewien jej aspekt (wcześniej być może pomijany, nie brany pod uwagę etc.)

Nie jest to SOFTWAREchoć jest to jeden z najważniejszych elementów. Model jest zaimplementowany i wdrożony w ramach istniejącej infrastruktury (choć może to być tylko podstawa do stworzenia nowego projektu)

Nie jest to proces choć niezwykle ważne jest by coś istniejącego w organizacji ulepszyć, zoptymalizować a być może całkowicie zmienić lub stworzyć od nowa

Nie jest to raport, zestaw raportów ani dashboard choć niewątpliwie ważne jest by zmienioną rzeczywistość mierzyć, oglądać jak się zmienia, obserwować postępy

Nie jest to też odpowiedzialność ITi chodź istnieją szkoły by tworzyć tę funkcję w ramach IT – tak naprawdę jest to nowy twór na styku biznesu i IT – chodź – jak pokazują przykłady zza wielkiej wody – dziś już IT to jest biznes po prostu.

Czy to jest dla CiebieJeżeli jako kierujący – całą firmą lub częścią biznesu – wierzysz, że wyniki modelu, analizy etc. Mogą zmienić twoje podejście – to tak.Czy potrzebujesz czegoś (jakichś narzędzi) by obserwować zmieniające się segmenty/realia rynkowe?Czy wierzysz, że świat można zamodelować matematycznie?Czy chcesz eksperymentować?

9

Dane są dla WSZYSTKICHNa każdym poziomie, Pozwól ludziom to eksplorować i daj im mandat to robienia zmian (w procesach, kampaniach, produktach). To prawie jak wewnętrzny integrator – ale biznesowy. A/B test everything.

10

Analityka budująca wartość – twoje potrzeby strategiczneGdzie jesteś teraz

Analitycznie upośledzonyFirma wie, że ma dane i chciałaby coś z nimi analitycznie robić

Lokalna analitykaPoszczególne działy wykonują podstawowe działania analityczne a management docenia wyniki

Aspirująca analityka Zarząd zobowiązuje się do wsparcia analityki – dedykowane zasoby i plan do stworzenia zaawansowanego centrum analitycznego i zmiany kultury

Data-DrivenKluczowe decyzje wynikają z analitycznego potwierdzenia; Zarząd pracuje na wynikach modeli a analityka jest jednym z priorytetowych strumieni firmy

Gracz analitycznyFirma tworzy nowe standardy czy modele operacyjne oparte o analityce. Wszystkie obszary działalności posiadają kawałek analityczny

Gdzie jesteś?:• Silosy

umiejętności• Statyczne

segmentacje i pewne modele prognostyczne

• Marketing sobie/e-marketing sobie/sprzedaż w oddziałach sobie?

• Każdy ma swój dashboard

• Ograniczona komunikacja

• Kontroling sobie a departamenty sobie?

Stany dojrzałości

Integracja danych procesów i platform

•Gdzie jest klient?•Gdzie jego wartość?•Które KPI optymalizują wartość klienta?•Które optymalizacje kosztów kosztują więcej niż churn klientów?

11

CRM Finance/Accounting

Digital marketing

Customer Care Offline Sales

Workflow

Analytics

Campaign management

Landingi

Online process

Paid-traffic

Social

SEM + website + affiliates

Workflow

Analytics

Dostęp do konta klienta

Logi z rozmów telefonicznych

SMS follow up

Self-Care, self-support

Głowny system transakcyjny

Transaction point

Beacons?

Call Logs

Mystery Client/Static site data

CRM system

Hurtownia danych

raportowanie

Kontroling/alokacja kosztów

Polityka cenowa

Różnice w raportowaniu różnych linii/krajów etc

Transakcje i planowanie finansowe

Techstack – kupowanie zabawek wartości nie zwiększa

The average enterprise site has more than 75 vendors on it, only 20% of which are directly placed by someone at the company

Ghostery

The average marketing stack consists of 17 or more tools.

Signal

Database reporting

Data Storage(OCDB)

Reporting

Consumer online touch points

CO/BG Content Management System

My / FSSMicrosites

Consumer registration

Enrichment & Engagement

Survey

Web Analytics

NPS

Ratings & Reviews

Database

Campaign CRM IboxEmail/SMSContent pers.Data enrichmentLoyalty/Gamification

(Social) Account creation

Cleansing

• Technologie, przepływy danych i procesy• Zespół: decydenci i teamy odpowiedzialne za narzędzia• Silosy organizacyjne: IT, marketing, CRM, e-commerce, sprzedaż, dane, legal, web

ops…• Nadzór: integration, performance, competition, governance, privacy, legal, data…

Registration form

Campaign landing pages

Czego potrzebjesz• Integracja: API,

webservice, cookies/JS• Dashboardy i dostępy:

data driven organisation• Dane a wiedza:

algorytmy i ludzie• Przejście od analityki

opisowej do predykcyjnej• Od analityki do

samouczącego się procesu

Data Lake – rozwiązanie do zbierania masy danych wytwarzanej obecnie w organizacji. Rozszerzalne, łączące dane różnych typów.

Open Services Architecture

Data lake – na czym będziesz budował wartość

Open APIS

KNOWLEDGE

DATA

X-SELL, UP-SELL

CSDP

BD Omnibus

PROCESS OPTIMIZATION

SOCIAL CRM

OMNICHANNEL

DATA MANAGEMENT

INTERNET MONITORING

MEDIA OPTIMIZATION

CRM

OPERATIONAL EFFECTIVENESS/B

USINESS OPTIMIZATION

CONTENT MARKETING

BD

Chronos

BDCRM

BDBD Cookie Scoring

BD Amplift

BD

BD Viz

BD CMS

Sensoric RTB

Open ETL Architecture

SERVICES

Pamiętaj o:• Warstwa polityk:

dostępy do danych (audytowalne)

• Probiznesowy prawnik• Czy masz ludzi i strategię

ich pozyskiwania

Ludzie – potrzebujesz ich do nowegomodelu budowania wartościBrain drain

# of Individuals Moving from Technology Platforms to Brand

Global, May 2015, LinkedIn

IN

OUT -650

01

21

55

21

000001

011

2

4

9

1

Richemont KeringLVMHP&G L’Oreal Estee LauderUnilever

-398 -343 -41 -29 -12 -1

Google AmazonFacebook

Tech is eating the world! Firmy technologiczne przejmują ambitnych pracowników z biznesów tradycyjnie niebędących TECH. W drugą stronę ruch jest bardzo ograniczony.

Będą mogły wchodzić w nowe rynki i modele biznesowe, w sposób niewidziany wcześniej.

Przewaga konkurencyjna i rekomendacje

Większość firm ma już te same klocki

Szybkość, głębokość, cel

Actionable data, algorytm

Know how, rozumienie biznesu

Wcale nietechnologie

Integracja Dane Ludzie Kreatywność Allways BeTesting

Churn

Next Best Offer

Dynamic pricing

Loyalty

Silniki rekomendacyjne

Best practices:• Netflix – 2/3 obejrzanych filmów jest dzięki

rekomdendacji

• Google News – rekomendacje generują 38% więcej ruchu

• Amazon – 34-36 % zakupów jest rekomendowanych

• Spotify – 26% utworów odtwarzanych jest rekomendowane

Możliwość wdrażania nowego

Świat się zmienia, ty też!

16listopad 2015

Michał KreczmarDyrektor Ecommerce Hypermedia

Łukasz DziekanPAn_Dziekan on Twitterlukaszdziekan on linkedinldziekan on FB