Jak budować sprzedaż w oparciu o wiedzę o kliencie? – case study

Do lamusa już odeszły czasy, kiedy to sukces w sprzedaży gwarantowała tylko silna komunikacja marketingowa, czy dostępność danego produktu w kanale sprzedaży. Wobec wszechobecnych możliwości pozyskania informacji na temat produktu przez klientów, na naszych oczach dokonuje się transformacja działów sprzedaży i marketingu w jeden organizm, w którym wspólnym mianownikiem jest poprawna wiedza o kliencie i kontekście, w jakim się znajduje. Obecnie jesteśmy zalewani potokiem danych z Social Media, witryn internetowych czy systemów CRM, stąd kompetencje analityczne stają  się ważniejsze jeszcze bardziej niż kiedykolwiek. Aby oddzielić właściwą informację na temat zachowania klienta i ukierunkować swoje działania na właściwych klientach trzeba poprawnie odczytywać sygnały pochodzące od klientów i potencjalnych klientów. Niniejszy materiał przedstawi Ci możliwości zwiększenia sprzedaży, jakie daje uporządkowanie wiedzy o kliencie na podstawie case study projektu, który został zrealizowany w oparciu o platformę www.dmsales.com dla sklepu internetowego sprzedającego broń i akcesoria turystyczne. 

Akt 1 – Wiem, że nic nie wiem

10 miesięcy temu na stronie platformy www.dmsales.com zarejestrował się użytkownik, który tylko chciał wykonać wysyłkę mailową do certyfikowanych baz/osób interesujących się bronią, myślistwem oraz sportami ekstremalnymi. W toku rozmowy okazało się, że sam posiada bazę do e-mail marketingu i SMS-ów w ilości około 200 tysięcy subskrybentów pochodzących z różnych kampanii. Klient nie potrafił określić pełnego profilu osoby kupującej oraz odpowiedzieć na pytania, jak przebiega proces zakupowy i nawet nie był pewien, kto z tych kontaktów dokonał zakupu w tym sklepie. Na 90% zadawanych pytań, dotyczących charakterystyki (profili konsumenckich) dotychczasowej bazy klientów i potencjalnych klientów dostawaliśmy negatywną odpowiedź „nie lub nie wiem”. Stąd, gdy złożyliśmy propozycję, przeanalizowania danych pod kątem określenia potencjału zakupowego, dość szybko dostaliśmy zgodę, gdyż jak określono „gorzej być nie może”. Nie muszę dodawać, że gdyby nie decyzja szefa sprzedaży internetowej i jego świadomość ułomności danych pochodzących z baz newsletterowych nie byłoby późniejszego sukcesu. Po podpisaniu umowy dotyczącej powierzenia danych i określeniu czasu trwania projektu wzięliśmy się do pracy. 

Akt 2 – Wielowymiarowa analiza danych 

Przystępując do projektu w pierwszej kolejności, określiliśmy poziom kompletności i jakości danych kontaktowych, które zostały nam przekazane. Sytuacja okazała się bardzo ciekawa, gdyż tylko 8% bazy mailingowej miało przypisane w dedykowanym polu imię, a 81% kontaktów maili miało technicznie poprawny format, z czego jak się okazało, tylko dla 65% adres istniał na serwerze pocztowym. Oprócz tego 35% w bazie miało oznaczoną flagę związaną ze zrealizowanym zakupem usługi. Gdzieś mieliśmy też pojedyncze informacje na temat posiadanej działalności gospodarczej, a analizując jakość danych telefonicznych, dostaliśmy informacje, że 75% numerów to poprawne dane, z czego do ok. 40% było dopisane imię, wiek, data oraz adres doręczonej przesyłki. W sumie dzięki temu audytowi danych mogliśmy wyznaczyć priorytety dalszej analizy, uwzględniając poprawność danych, a także jak się okazało częstotliwość wykonywanych zakupów na podstawie dubli znajdujących się w bazie. Już wtedy byliśmy pewni, że będziemy wiedzieć, kim jest persona zakupowa. Co najważniejsze, nie polegaliśmy na naszym przeczuciu, tylko mieliśmy na to twarde dowody. 

To był przełom, bo już wiedzieliśmy, którzy z klientów dokonują zakupów, jak często, a także mogliśmy powiązać te kontakty z ID koszyków zakupowych. Mając taki punkt zaczepienia, przystąpiliśmy do dalszych działań, których celem było wyodrębnienie segmentów i profili klientów, z którymi moglibyśmy rozpocząć kampanie. Co ciekawe, jak się potem okazało, 55% klientów posiadających dobry adres e-mail, korzystało z poczty Google Gmail, a w 35% udało nam się zidentyfikować ich konto na portalu społecznościowym Facebook. 

Akt 3: Na drodze ku wiedzy o kliencie 

Analizując dane klientów, podzieliliśmy w pierwszej kolejności na 4 profile: lojalnych kupujących z zakupem 2 i więcej razy; kupujących; zainteresowanych kategorią i potencjalnych odbiorców. W przypadku tego pierwszego segmentu, który posiadał najlepszy poziom jakości, wykorzystując usługę wzbogacania danych na platformie www.dmsales.comna podstawie poprawnego adresu e-mail oraz numeru telefonu udało się ustalić wiek klienta, płeć, imię, miasto zamieszkania, a także zidentyfikować osoby prowadzące działalność gospodarczą oraz branżę. Tę samą czynność powtórzyliśmy dla pozostałych profili, co pozwoliło ustalić wiek kupujących broń i zainteresowanych turystyką, miejsce pochodzenia i co najważniejsze zbudowaliśmy model uczenia maszynowego, który pozwolił określić, czy dany odbiorca ponownie zainteresuje się zakupem i jaki jest właściwy moment prowadzenia komunikacji. W ten sposób 4 zdefiniowane profile klientów można było w końcu personalizować i stosować inne taktyki komunikacji, które będą uwzględniać kontekst względem sklepu internetowego. Byliśmy pewni, że sklep internetowy w końcu będzie mógł wyróżnić lojalnych klientów, angażować niezdecydowanych, a i przy okazji realizować jak się okazało działania offline. 

Ciekawą wiedzą na temat profesji klientów, okazał się fakt, iż znaczna ilość to lekarze kardiolodzy z Warszawy, co z kolei otworzyło inne możliwości promocji – do konkretnej grupy odbiorców i uczestnictwo naszego partnera także w zdarzeniach skierowanych do tej grupy z pokazem co można robić po godzinach. Niesamowite jest to, że nasz klient w chwili prezentacji łapał się za głowę, gdyż to zupełnie zburzyło obraz, jaki miał dotychczas na temat swoich odbiorców i tego, jak kupują jego produkty. Niestety, też po zakończonej analizie danych zarekomendowaliśmy usunięcie jednej czwartej danych z oryginalnego zbioru, gdyż nie stanowiły one wartości z punktu widzenia procesu sprzedaży w sklepie internetowym i zbudowanego profilu klienta. 

Akt 4: Mierzalne efekty sprzedaży internetowej na profilowanej bazie danych odbiorców 

Przygotowane profile pomogły realizować 3 rodzaje kampanii: 

W przypadku kanałów Facebook i Google Adwords wykorzystano funkcjonalność „Custom Audience” i profilowany mailing dał CTOR na poziomie 45% przy średniej otwieralności wysyłanych komunikatów 63%! Z kolei analizując konwersje sprzedaży, to przekroczyła nasze najśmielsze oczekiwania, bo zaliczyliśmy wzrost blisko 2500%, w stosunku do tego nasz klient osiągał na początku, bez profilowania i bez wiedzy na temat tego, kim jest jego faktyczny klient i co faktycznie chce kupić. Dodać też, należy, że nie byłoby to możliwe, gdyby nie fakt, prowadzenia prac analitycznych i uszlachetnienia ok 45% danych dzięki funkcjom platformy www.dmsales.com. Efekty też poprawiono w kampaniach akwizycyjnych, gdyż dzięki funkcjom „look a like” zbudowane zostały kampanie, które bazują na najlepszych segmentach, przez co udało się również określić ciekawe grupy zainteresowanych wręcz współpracą na zasadach partnerskich ze sklepem – w tym przypadku były to teatry oraz sklepy wędkarskie. 

Epilog 

Przedstawione case study na pewno, można zrealizować w dowolnym sklepie internetowym, który chciałby uzupełnić dane o swoich klientach lub też zbudować mechanizmy profilowania, lub tworzenia segmentów. Należy podkreślić, że jeśli tylko dany sklep internetowy byłby zainteresowany samym wzbogaceniem danych, to na pewno porównanie danych z zasobami platformy dmsales.com może odbywać się całkowicie na podstawie zanonimizowanej formy, gdzie dane można zaszyfrować przy użyciu szyfrowania md5. Więcej na ten temat https://datamakesales.pl/jak-dziala-wzbogacanie-danych-w-platformie-dmsales-com/. Proces ten może spokojnie dotyczyć podmiotów gospodarczych, jak również klientów indywidualnych z twojej bazy CRM.