Onnistuneen asiakasanalytiikan rakennuspalikat – analyytikon vinkit
Useimpien ellei kaikkien yritysten toiminnan keskiössä on asiakas, ja asiakasanalytiikka pyrkii löytämään vastauksia asiakkaisiin liittyviin kysymyksiin. Nämä kysymykset polttelevat niin myyntiä, markkinointia kuin tuotekehitysosastoakin: Ketkä asiakkaat pitävät tietystä tuotteesta? Miten voimme vähentää asiakaspoistumaa? Onko meillä tavoittamattomia potentiaalisia asiakkaita?
Analytiikka voi vaikuttaa monimutkaiselta kokonaisuudelta, koska se sisältää lukuisia erilaisia malleja ja järjestelmiä, mutta alkuun pääsee helposti. Tässä tekstissä esitellään muutamia käyttötapauksia ja analyytikon näkökulmaa siihen, mitä onnistunut asiakasanalytiikka vaatii.
Millaista dataa tarvitaan?
Tärkeimpiä datalähteitä asiakasanalytiikalle ovat yrityksen CRM, verkkosivuilta kerättävä data sekä sosiaalisen median data. Haaste nykyisen markkinoinnin murroksen keskellä monille yrityksille on näiden datalähteiden tietojen yhdistely. Monikanavaisen tiedon keräämisen mahdollistamiseen kannattaa panostaa. Näin pystytään palvelemaan ja tavoittamaan asiakkaita yhtenäisesti eri kanavissa sekä välttämään turhia markkinointipanostuksia kanavissa, joita tietty asiakas ei käytä.
Asiakasanalytiikan hyödyntämisen voi kuitenkin aloittaa sillä datalla, joka on jo saatavilla. Tarvittavan datan sisältö riippuu kysymyksestä, johon etsitään vastauksia. Tärkeitä tietoja ovat kuitenkin ostohistoriaan liittyvät tiedot, asiakkaan kiinnostuksen kohteet, kulutukseen liittyvä tieto ja demografiset taustatiedot.
Minkälaisia malleja ja järjestelmiä onnistunut asiakasanalytiikka vaatii?
Useimmissa yrityksissä kerätään ainakin jotakin dataa asiakkaista ja myös hyödynnetään sitä esimerkiksi sen selvittämiseksi, keitä ovat yrityksen nykyiset asiakkaat. Asiakkaita voi myös segmentoida esimerkiksi asioinnin tiheyden ja arvon mukaan.
Kun halutaan ottaa askel eteenpäin ja esimerkiksi mallintaa asiakkaan ostotodennäköisyyttä, puhutaan tilastotieteen tai koneoppimisen malleista. Jotta malleista saadaan hyöty irti, niitä täytyy toistaa jatkuvana prosessina: esimerkiksi ostotodennäköisyyttä voidaan päivittää aina uusien tapahtumien yhteydessä ja viedä myynnin ja markkinoinnin käyttöön yrityksen CRM-järjestelmään tai verkkokauppaan.
Järjestelmiä tietovarastointiin ja integraatioihin on monenlaisia. Teknologia on asiakasanalytiikan mahdollistaja, mutta olennaisinta on, että datan avulla voidaan etsiä vastauksia kriittisiin liiketoimintakysymyksiin ja siten saada konkreettisia hyötyjä.
Onnistuneen asiakasanalytiikan rakennuspalikat
Mitkä analyytikon näkökulmasta ovat onnistuneen asiakasanalytiikan rakennuspalikoita? Toimittuani pitkään analyytikkona asiakasdatan parissa kiteytän avaintekijät seuraavasti:
- Liiketoimintaymmärrys: Mitä kysymyksiä halutaan ratkaista asiakasanalytiikan avulla?
- Data: Tietoja asiakkaista – mitä kattavammin ja monikanavaisemmin, sen parempi.
- Teknologia: Tietovarastot ja integraatiot mahdollistavat analytiikan lopputulosten tehokkaan hyödyntämisen – mutta ketterä liikkeellelähtö kannattaa, vaikka kaikki asiat tietojen varastoinnin saralla eivät olisikaan vielä kunnossa.
- Mallit: Osa asiakasanalytiikan malleista on edistyneempiä koneoppimisen malleja, jolloin mallin toteuttajalla pitää olla ymmärrystä soveltuvista malleista, niiden rajoitteista, sekä matematiikasta ja algoritmeista mallien takana.
