INOVATIVNÍ MANAŽER MARKETINGU: INOVATIVNÍ BUSINESS INTELLIGENCE

Transkript

1 INOVATIVNÍ MANAŽER MARKETINGU: INOVATIVNÍ BUSINESS INTELLIGENCE E-LEARNING Jan Novák 15. července 2014

2 Obsah Proč mít data? Zdroje dat (externí a interní) Typy dat tvrdá a měkká Nejčastější chyby při přípravě výzkumů a sběru dat Základní znalosti pro interpretaci dat Nejčastější chyby při práci s daty a jejich interpretaci a prezentaci Získávání zákaznických dat on-line: možnosti a postupy Data z webu a eshopu získání a využití Vlastní výzkumy za využití online technologií (SurveyMonkey, BuzzBoot, Facebook, atd.)

3 Manažer bez dat je jako turista bez mapy

4 Co je doma, to se počítá interní datamining Jaká data máte k dispozici ve vaší firmě? Jak a proč je analyzujete? Prodejní data: Počet uzavřených smluv Hodnota smluv / objem prodejů Počet zákazníků Zákaznická data (CRM) Stížnosti, reklamace Výpovědi smluv Koníčky Spokojenost se službami Marketingová data Návštěvnost webu Počet fanoušků na FB

5 Tvrdá data: Objemy prodejů Počty zákazníků Průměrná hodnota nákupu Počet transakcí Počet reklamací Tvrdá a měkká data Měkká data: Znalost reklamy Preference značky, postoj ke značce Požadované vlastnosti výrobku / služby Očekávaný nákup

6 Zdroje dat Interní CRM systém obchodní oddělení Finanční oddělení Oddělení péče o zákazníka servisní tým E-shop, web, věrnostní systém Externí: Otevřené zdroje trh: asociace a odborné instituce, web, volné studie, konference, regulatorní orgány, atd. Otevřené zdroje konkurence: výroční zprávy, obchodní rejstřík, firemní prezentace, nabídky do VŘ Uzavřené zdroje: vlastní výzkumy

7 Slovníček - základní pojmy N Odchylka vzorek vážení respondent Rekrutace, rekrutační kritéria top-lines Filtr Uzavřená otázka Otevřená otázka

8 Základní pravidla pro presentaci dat z výzkumů Zdroj dat Datum sběru dat Metoda sběru dat Definice respondentů (analyzovaná cílová skupina) Velikost vzorku Příklad: Podle průzkumu mezi zákazníky je náš výrobek příliš drahý, proto ho nekupují. Realita: Obchodní zástupci referují šéfovi prodeje o důvodech, proč se jim nepodařilo uzavřít kontrakt

9 Nejčastější chyby při práci s daty a výzkumy Co nám data skutečně říkají? nejčastější pasti v interpretaci dat Nové výrobky/služby Časové řady/trendy Říkám, co chcete slyšet

10 konkurent 2 10% konkurent 3 8% Tržní podíly Moje firma 40% Časové řady Jsme č. 2 na trhu s malým odstupem za lídrem, na trhu jsou 2 menší konkurenti konkurent 1 42% Tržní podíly Moje firma konkurent konkurent konkurent TOTAL Za posledních 5 let jsme ztratili 18% trhu, náš podíl poklesl o více než 30% Náš hlavní konkurent nás předstihl, ztratili jsme vůči němu 10% trhu Roste podíl menších hráčů na trhu (alternativní produkty, niky, speciální segmenty)

11 Chytit při činu Konfrontovat odpovědi s realitou: K čemu používáte internet (měkká data) vs. Analýza návštěvnosti webových stránek (tvrdá data) Kontrolní otázky: Jakou posloucháte hudbu vs. Jaká posloucháte rádia vs. Jaká CD máte doma, koupil/a jste si v uplynulých 3 měsících? Simulovaný nákup

12 Vlastní výzkum sběr dat Technologie výrazně zlevnily a urychlily sběr dat a jejich analýzu Umožňují i testování, které dříve nebylo možné nebo obtížné (obaly, vizuály, atp.) On-line panely, mobilní panely, on-line výzkumné nástroje Základní problém: struktura dotazníku, definice cílů

13

14

15 Využití dat, která nám zákazníci dají sami E-shopy Věrnostní programy Profil zákazníka: pohlaví, region Profil nákupu, četnost nákupu, cross-selling Reference Dotazníky

16 A/B testování web, eshop Princip A/B testování je velmi jednoduchý a není oproti například uživatelskému testování tak náročný na přípravu. Stačí vytvořit více variant stránky a skutečným návštěvníkům Vašeho webu se náhodně zobrazuje jedna z navržených variant. A/B testování se hodí zejména pro ověření si hypotéz nebo rozhodnutí, které z navrhovaných řešení bude lépe fungovat.

17 Průzkum hrou (Research through Gamification)

18 Od výzkumu k monitoringu Většina spotřebitelů chce participovat na výhodách digitálního světa. Svěří nám svá data výměnou za slevu. Nebo za pohodlí příštího nákupu. Nebo chtějí vyjádřit svůj názor. Digitální svět nám dává sílu pomocí textů, symbolů, hlasování atp. A také umožňuje výrobcům a reklamnímu průmyslu na nás lépe mířit

19 Monitoring jednotlivých serverů Analýzy výskytu klíčových slov v rámci celého internetového prostředí dokládají, že nejčastěji se o vybraných tématech z oblasti bankovnictví diskutuje na Facebooku Grafy ukazují, na kterých doménách v určeném časovém rozmezí lidé nejčastěji o tématech hovoří

20 Podrobné sledování produktů a témat Možnost získání informací o produktu z grafu procentuálního zastoupení jednotlivých témat v komunikacích Možnost podrobnějšího sledování jednoho tématu v daném časovém období

21 Influenceři V rámci monitoringu mohou být nalezeni nejvíce aktivní influenceři (ovlivňovatelé) Ukázka selekce příspěvků jednotlivých autorů

22 Sentiment Grafy sentimentu umožňují monitorovat pozitivní i negativní vnímání značky, produktu atd.

23 Konkrétní příspěvky Sledování jednotlivých příspěvků ve spojení s vybranými tématy v daném časovém období

24

25

26

27 Jak zkoumat konkurenci? Mystery Shopping například modelové výběrové řízení, volání na zákaznickou linku, objednávka v e- shopu, návštěva prodejny Výstavy a veletrhy Trh práce volní zaměstnanci konkurence Zákazníci servisní tým Web a sociální sítě