Kluczowe wnioski
Przestań oświadczać się przy pierwszym kliknięciu; zacznij rozmowę z klientem
Kliknięcie to nie relacja. Sprzedawca obuwia śledził jedną klientkę przez 262 wizyty, zanim kupiła parę butów za 450 dolarów. Firma przez cały ten czas wyświetlała jej te same reklamy, wydając na pozyskanie sprzedaży tyle, że w efekcie straciła pieniądze. Jej dane rejestrowały interakcje, ale działania marketingowe nie wyciągały z nich wniosków ani nie zmieniały kierunku.
Reaguj na całą ścieżkę klienta. Główna teza książki głosi, że marketing powinien wyjść poza optymalizowanie pojedynczych kliknięć i zakupów. Każdą interakcję należy traktować jako część rozwijającej się relacji: dostrzec, co klient zrobił, wywnioskować, co może mu się przydać w kolejnym kroku, i odpowiednio zmienić przekaz. Rozmowa nie gwarantuje lojalności. To lepszy sposób, by ustalić, czy warto rozwijać relację i jak uczynić ją bardziej korzystną dla obu stron.
Nie chodzi jedynie o przejście od pomiarów krótkoterminowych do długoterminowych. Zmienia się sam przedmiot uwagi: zamiast zdarzenia dostrzegamy osobę poruszającą się w czasie. Dzięki temu marketing może lepiej reagować, pojawia się jednak pytanie o granice: kiedy trafny kontakt uzupełniający staje się inwigilacją? Można rozpoznać klienta, nie śledząc go bez ustanku. Najlepsza wersja tego podejścia łączy użyteczną personalizację z umiarem, tak aby responsywność była odbierana jako obsługa, a nie osaczanie.
Najpierw stwórz rejestr klientów, a dopiero potem katedrę danych
Zacznij od tego, co wiarygodne. Jeden sprzedawca detaliczny planował wydać 70 milionów dolarów na system danych, którego budowa miała potrwać dwa i pół roku; wszelkie działania odłożono do chwili, gdy informacje miały być rzekomo idealne. Plan nie przyniósł żadnych rezultatów. Hoyne zaleca, by zamiast czekać na rozbudowany system, zacząć od niewielkiego, użytecznego rejestru klientów, transakcji i ich wartości.
Spraw, by identyfikacja była użyteczna. Zacznij od otrzymanych płatności, dat i wartości poszczególnych transakcji oraz identyfikatora łączącego zakupy tej samej osoby, na przykład adresu e-mail lub numeru programu lojalnościowego. Nie komplikuj rozwiązania — na początek wystarczy nawet arkusz kalkulacyjny. Dodawaj dane tylko wtedy, gdy mogą pomóc odpowiedzieć na pytanie biznesowe. Imię i nazwisko są ważne, ponieważ firma nie może prowadzić spójnej rozmowy z klientem, jeśli w jej systemach ta sama osoba figuruje jako kilka niepowiązanych rekordów.
To argument za tym, by uczyć się przed budowaniem infrastruktury, a nie przeciwko samej infrastrukturze. Rozbudowane projekty dotyczące danych często zawodzą, bo techniczną kompletność myli się z gotowością organizacji: ujednolicona baza sama z siebie nie tworzy procesu decyzyjnego ani użytecznej reakcji na potrzeby klienta. Rozpoczęcie od małej skali pozwala dostrzec praktyczne braki, póki można je jeszcze łatwo uzupełnić. Trzeba jednak pamiętać, że dane identyfikacyjne wiążą się z obowiązkami w zakresie prywatności i bezpieczeństwa. Lekki system powinien oznaczać mniejsze gromadzenie zbędnych danych, a nie gorszą ochronę tych, które już posiada.
Zadawaj tylko takie pytania, których odpowiedzi zmienią twoje działania
Przekuj ciekawość w działanie. Gościom hotelowym rzadko przydaje się ogólna ankieta po długiej podróży. W jednym hotelu personel zastąpił nieprecyzyjne pytanie zadawane przy wymeldowaniu prośbą o wskazanie, co mogłoby pójść lepiej. Dzięki temu uzyskano bardziej użyteczne informacje, które można było zapisać w profilu gościa. Autor zauważa natomiast, że na ankiety e-mailowe odpowiada mniej niż 3 procent klientów, dlatego coroczny kwestionariusz to kiepski substytut stałego poznawania ich potrzeb.
Zadawaj pytania z myślą o kolejnym kroku. Formularz zakupu może pytać, czy produkt jest prezentem — to wskazówka, która może świadczyć o głębszym związku z marką. Hotel może zapytać gościa, z jakim konkurencyjnym programem lojalnościowym jest związany, a następnie zaproponować niewielki dodatek, by sprawdzić, czy podróżny mógłby zmienić hotel. Pytania można też zmieniać, testować i zadawać w odpowiednich momentach. Jeśli żadna prawdopodobna odpowiedź nie zmieniłaby działania firmy, zapewne nie warto zadawać tego pytania.
Pytania są interwencjami, a nie neutralnymi oknami. Sposób sformułowania, moment zadania i dostępne odpowiedzi mogą wpływać na to, co ludzie powiedzą, a czasem także na ich późniejsze zachowanie. Może to być cenne, gdy opinie pomagają firmie się doskonalić, komplikuje jednak twierdzenie, że odpowiedzi ankiet po prostu ujawniają wcześniej istniejące preferencje. Warto rozdzielać poznawanie potrzeb od perswazji: jasno określać, czy celem pytania jest zdobycie wiedzy, pomoc czy sprzedaż, i nie zamieniać każdej interakcji z klientem w okazję do wydobycia od niego informacji.
Projektuj z myślą o tym, co dostrzegają klienci, a nie tylko o tym, co mierzą systemy
Ludzkich osądów nie da się zamknąć w arkuszu kalkulacyjnym. Dystrybutor zaopatrzenia dla firm wydał miliony na znaczne przyspieszenie wyszukiwania produktów, a mimo to liczba skarg klientów wzrosła, a ponad 70 procent ankietowanych odwiedzających wolało starszą platformę. Nowy system podawał odpowiedzi tak szybko, że klienci podejrzewali, iż brakuje w nim części produktów. Dodanie krótkiego komunikatu o ładowaniu i widocznego sygnału, że system wykonuje pracę, poprawiło ich reakcje.
Ostrożnie korzystaj ze wskazówek behawioralnych. Książka opisuje kilka sposobów, w jakie prezentacja wpływa na zachowanie: pokazywanie postępów może przybliżać odbiorcy koniec procesu, ograniczona dostępność może zwiększać poczucie pilności, a widoczna aktywność innych osób może dodawać pewności niezdecydowanym kupującym. W jednym teście pokazanie, że inne osoby zarezerwowały część terminów, zwiększyło współczynnik kliknięć o 87 procent. To nie są magiczne przyciski. Działają, ponieważ ludzie interpretują wybory w kontekście i na podstawie sygnałów społecznych, nawet jeśli obiektywnie wydajne rozwiązanie powinno im wystarczyć.
Ten przykład pokazuje różnicę między rzeczywistą skutecznością a skutecznością odczuwaną — kluczową kwestię w projektowaniu usług. Klienci nie mogą bezpośrednio sprawdzić, czy system działa prawidłowo, więc oceniają go na podstawie widocznego przebiegu procesu. Ta obserwacja przemawia za przejrzystością, ale może też zachęcać do sztucznego wprowadzania utrudnień: fałszywy pasek postępu lub zmyślona informacja o ograniczonej dostępności mogą zwiększyć natychmiastową reakcję, a zarazem podkopać zaufanie. Projektowanie behawioralne jest najbardziej uzasadnione wtedy, gdy ujawnia rzeczywistą pracę lub realne ograniczenia, zamiast tworzyć fałszywe wrażenie wysiłku czy popytu.
Traktuj zachowania klientów jak wskazówki, a nie jak wymyślony przez siebie lejek
Podważaj przyjęte założenia o sygnałach. Producent samochodów uznał, że korzystanie z konfiguratora auta świadczy o zamiarze zakupu, i premiował kanały kierujące użytkowników ku drogim wersjom. Testy nie wykazały istotnego związku: wielu użytkowników stanowili nastolatkowie lub entuzjaści wyobrażający sobie kosztowne samochody. Silniejszym sygnałem zbliżającego się zakupu okazało się wyszukiwanie informacji o finansowaniu. Zespół pomylił rozrywkową interakcję z działaniem o znaczeniu komercyjnym.
Łącz wskazówki wokół konkretnego wyniku. Powtarzające się wizyty klienta, oglądane strony, czas spędzony w serwisie i to, czy zaprasza współpracowników do bezpłatnego okresu próbnego, mogą łącznie pozwalać przewidywać jego przyszłą wartość. Zespół marketingowy Google Workspace wykorzystał takie wzorce, skracając optymalizację kampanii z 45 dni do dwóch. Uczenie maszynowe może pomóc wykryć kombinacje sygnałów, ale model wymaga czystych danych, mierzalnego wyniku i ponawianych testów. Jego przewidywania odzwierciedlają wcześniejsze zachowania klientów oraz wcześniejsze sposoby, w jakie firma do nich docierała, dlatego należy je regularnie podważać.
Kluczowa zasada to określić wynik, zanim zacznie się szukać czynników, które go przewidują. W przeciwnym razie zespoły mogą pomylić wygodny wskaźnik zastępczy z rzeczywistym zamiarem, a potem optymalizować go tak długo, aż zacznie wyglądać na sukces. Modele predykcyjne nie dowodzą też, że dane zachowanie powoduje zakup; wskazują wzorce przydatne do prognozowania. To rozróżnienie ma znaczenie przy podejmowaniu decyzji o zmianie kampanii. Równie ważne jest wykraczanie poza znane grupy odbiorców, ponieważ dane historyczne nie pozwalają wiarygodnie opisać ludzi, do których firma nigdy nie próbowała dotrzeć.
Oceniaj relacje według przewidywanej przyszłej wartości, a nie dzisiejszej transakcji
Oszacuj wartość relacji. Wartość klienta w całym okresie relacji (customer lifetime value, CLV) to prognoza wartości, jaką klient może przynieść dzięki przyszłym transakcjom. Praktyczny zestaw danych, od którego radzi zacząć Hoyne, jest prosty: identyfikator klienta, daty transakcji i ich wartości. Model szacuje przyszłą częstotliwość zakupów i średnią wartość zakupu, a następnie sprawdza prognozy na danych z wyodrębnionego okresu. Jeśli łączny błąd prognozy przekracza 10 procent, wynik nie jest wystarczająco wiarygodny, by bez obaw z niego korzystać.
Spójrz poza średnie. W jednym przykładzie jedna piąta klientów przynosiła 81 procent przychodów, a dolna jedna piąta — zaledwie 2 procent. Ten wzorzec nie jest uniwersalny: w niektórych kategoriach wartość klientów rozkłada się bardziej równomiernie, a w aplikacjach mobilnych może być jeszcze bardziej skoncentrowana. Sumę prognozowanej wartości wszystkich klientów firmy nazywa się kapitałem klientów. CLV jest szacunkiem na potrzeby planowania, a nie obietnicą; jego użyteczność zależy od jakości danych i bieżącej weryfikacji.
CLV wydłuża horyzont działań marketingowych i tworzy wspólny język, dzięki któremu dział finansowy może porównywać koszty pozyskiwania i utrzymania klientów. Precyzja tej miary może jednak sprawiać wrażenie większej pewności, niż uzasadnia to zmienność ludzkich zachowań. Prognoza zakłada, że rynek, produkt i historia klienta nadal będą miarodajne. Może też przesłaniać koszty niefinansowe, takie jak zła obsługa czy natarczywe targetowanie. Praktyczna wartość CLV nie polega na uznawaniu liczby przypisanej każdemu klientowi za prawdę, lecz na wykorzystywaniu zweryfikowanych segmentów do podejmowania lepszych decyzji, które można zmieniać.
Pozyskuj więcej klientów podobnych do najlepszych, zamiast próbować przerabiać wszystkich
Podążaj za wartościowymi zachowaniami. Wczesna strategia Amazonu traktowała książki jako sposób na przyciągnięcie wykształconych, zamożnych kupujących i poznanie innych produktów, które mogliby nabyć. Pierwsza transakcja miała mniejsze znaczenie niż potencjał relacji. Hoyne zaleca, by na podstawie własnej historii transakcji firmy ustalić, które kanały, pierwsze zakupy lub zachowania wiążą się z wyższym CLV, a następnie ostrożnie przesunąć działania akwizycyjne w stronę takich sygnałów.
Nie ufaj średnim. Pewien startup posłużył się średnią wartością klienta wynoszącą 550 dolarów, by uzasadnić wydatki na pozyskanie klientów, które w końcu zbliżyły się do 200 dolarów na osobę. Niewielka grupa klientów była warta znacznie więcej niż średnia, ale większość nie. Firma przestała pozyskiwać nowe osoby i próbowała zmienić klientów o niskiej wartości w lojalnych, wydających więcej kupujących. Większość z nich nie wróciła. Trudna jest też sprzedaż krzyżowa: w jednym z przytoczonych badań średni odsetek odpowiedzi wynosił około 2 procent. Rozwijanie istniejącej relacji może pomóc, ale nie zastąpi znalezienia klientów lepiej dopasowanych do oferty.
Segmentacja pozwala firmie przestać utożsamiać liczbę klientów z ich jakością, ale nie powinna prowadzić do wydawania nieodwołalnych sądów o konkretnych osobach. Niska dotychczasowa wartość może wynikać z ograniczonego dostępu, źle dopasowanej oferty albo zbyt krótkiego okresu obserwacji. Najlepiej stosować to podejście probabilistycznie i z gotowością do korekt: przeznaczać więcej środków na obiecujące wzorce, nadal je testować i pozwalać klientom zaskoczyć model. Strategiczny wniosek pozostaje jasny: ekonomika pozyskania klientów powinna uwzględniać przyszłą wartość relacji, a nie tylko pierwszy paragon.
Ratuj relacje z klientami, gdy uzasadniają to ich wartość i szansa na odzyskanie
Utrzymanie klienta ma swoją cenę. Amazon zwracał niektórym klientom pieniądze za wypożyczenie filmu, gdy wrażenia z oglądania nie spełniały oczekiwań. Godził się w ten sposób na niewielką bieżącą stratę, by chronić wartościową relację. Linie lotnicze również biorą pod uwagę zarówno prawdopodobną przyszłą wartość klienta, jak i ryzyko jego utraty, decydując, czy zrezygnować z naliczenia opłaty. Przykłady te zastępują powszechne traktowanie lojalności oceną tego, co jest stawką.
Działaj, zanim pojawi się kryzys. Spadek aktywności, rzadsze wizyty lub dłuższe przerwy między zakupami mogą sygnalizować osłabienie relacji. Model może połączyć takie sygnały i oszacować prawdopodobieństwo kolejnej transakcji. Firma powinna następnie testować różne reakcje, takie jak niewielka nagroda lub lepsze wsparcie, na grupach klientów o różnym poziomie ryzyka. Próby ratowania wszystkich marnują zasoby, a czekanie, aż klient faktycznie odejdzie, może podnieść koszty odzyskania relacji. Niektóre relacje po prostu dobiegają końca.
Model utrzymania klientów jest najbardziej przydatny, gdy pozwala rozdzielić trzy pytania: kto może odejść, kogo firmie zależy zatrzymać i jaka interwencja może rzeczywiście zmienić wynik. Bez takiego rozróżnienia firmy mogą nagradzać klientów, którzy i tak by zostali, albo wydawać dużo na osoby, które prawdopodobnie nie wrócą. Losowe grupy kontrolne pozwalają ustalić, czy oferta spowodowała ponowną aktywność, a nie tylko zbiegła się z nią w czasie. Potrzebna jest też granica wyznaczana przez szacunek dla ludzi: wartość finansowa powinna pomagać ustalać priorytety obsługi, a nie usprawiedliwiać lekceważenie klientów wydających mniej.
Prowadź eksperymenty na tyle szybko, by uczyć się przed konkurencją
Uczyń testowanie rutyną. Dwie firmy turystyczne otrzymały tę samą wiedzę o klientach. Jedna spodziewała się rozpocząć test po trzech–czterech tygodniach, druga planowała ruszyć następnego dnia. Pierwsza przeprowadzała trzy lub cztery testy miesięcznie. Druga — od 40 do 60 tygodniowo. Szybkość i skala dawały drugiej firmie znacznie więcej okazji do nauki, pod warunkiem że testy odpowiadały na rzeczywiste pytania.
Usuń wąskie gardła. Zbieraj pomysły od osób mających bezpośredni kontakt z danymi, a od autorów każdej propozycji wymagaj określenia hipotezy, dowodów na jej poparcie, metody testowania i decyzji, jaka zostanie podjęta na podstawie wyniku. Nagradzaj dobre hipotezy, zanim pojawią się rezultaty, zamiast premiować wyłącznie zwycięskie wyniki. W miarę możliwości oddziel eksperymenty od kwartalnych celów wydajnościowych i rozróżniaj decyzje odwracalne od kosztownych i trudnych do cofnięcia. Sama liczba testów może prowadzić do bezcelowej aktywności; celem jest użyteczna wiedza, która zmienia decyzje.
Eksperymentowanie to zdolność organizacji, a nie tylko technika statystyczna. Większa liczba testów pomaga jedynie wtedy, gdy zespoły potrafią interpretować wyniki, wdrażać zmiany i zachowywać zdobytą wiedzę. Pospieszny test oparty na słabych pomiarach może szybciej wytworzyć fałszywą pewność niż powolny proces. Najskuteczniejsze tempo łączy szybkość z zabezpieczeniami: rygor należy dostosować do kosztu błędu, dokumentować, co dany test może wykazać, a czego nie, i zachowywać wyniki nieudanych prób, by organizacja nie płaciła wciąż za ponowne odkrywanie tego samego.
Zakładaj, że każdy wskaźnik będzie manipulowany; sprawdzaj, jakie zachowania nagradza
Rosnąca liczba może maskować porażkę. Jeden zespół sprzedaży B2B wprowadził normę dotyczącą zaangażowania i odnotował o 300 procent więcej interakcji z klientami. Definicja była jednak na tyle nieprecyzyjna, że za zaangażowanie można było uznać e-mail, odpowiedź na niego lub rozmowę telefoniczną. Test porównujący klientów objętych nową formą kontaktu z tymi, których nią nie objęto, nie wykazał różnicy w wydatkach. Wyniki na pulpicie wyglądały lepiej, zachowanie klientów — nie.
Zapraszaj do przedstawiania kontrargumentów. Niezależny zespół krytyczny (red teaming) to praktyka, w której niezależni analitycy próbują znaleźć słabe punkty propozycji lub przedstawić wiarygodną alternatywną interpretację tych samych dowodów. Może to ujawnić założenia, zanim kierownictwo zaangażuje zasoby. Z góry uzgodnij, jakie wyniki testu skłonią do zmiany, i równie uważnie analizuj wyniki mocne i słabe. W przeciwnym razie zespoły mogą akceptować pochlebne wskaźniki, a podważać niekorzystne, chroniąc własne bodźce zamiast wyciągać wnioski.
To praktyczna wersja prawa Goodharta: kiedy miara staje się celem, ludzie mogą optymalizować samą miarę w sposób szkodzący nadrzędnemu celowi. Nie oznacza to, że należy porzucić wskaźniki, lecz że trzeba zestawiać wyniki z dowodami dotyczącymi zachowań i poddawać je niezależnej analizie. Zespoły krytyczne wnoszą wartość, bo analiza wymaga podejmowania decyzji, a nie sprowadza się do arytmetyki. Ważna jest jednak ich niezależność: kontrargument powinien podważać dowody, a nie stawać się kolejnym obozem broniącym z góry upatrzonej odpowiedzi.
Zdobądź poparcie organizacji, uzgadniając bodźce przed testem
Dane nie rozstrzygają sporów o władzę. Hoyne opisuje zakrojony na dużą skalę projekt transformacji, którego sponsor dostrzegał niewielkie osobiste korzyści i znaczne ryzyko, po czym wycofał się z udziału. Rzetelna analiza nie mogła zrekompensować bodźców, które czyniły zaangażowanie nieatrakcyjnym. Książka przytacza wyniki badania, według którego zaledwie 6 procent decyzji marketingowych opierało się na danych, podczas gdy doświadczenie, osąd i intuicja odpowiadały łącznie za około połowę.
Wypracuj wspólną decyzję. Zanim rozpocznie się eksperyment, zespoły, których dotyczy, powinny uzgodnić, co zrobią, jeśli wyniki przemówią za jednym rozwiązaniem, a nie za innym. Przedstawiaj zmiany jako ograniczone, odwracalne kroki, a nie żądania całościowej transformacji. Dowiedz się, co każdy interesariusz może zyskać lub stracić, i przełóż dowody na język ważny dla finansów, sprzedaży, produktu i operacji. Najbardziej użyteczny zespół składa się również z osób, które potrafią jasno wyjaśniać wyniki i sprawnie doprowadzać do wykonania praktycznych zadań.
Wdrażanie zmian w organizacji to problem projektowy: zanim dowody wpłyną na doświadczenie klienta, muszą przejść przez role, systemy bodźców i utrwalone procedury. Dlatego przekonujący jest nacisk książki na zadawanie pytań, a nie samo przedstawianie wniosków. Pytania pozwalają współpracownikom ujawnić założenia i uczestniczyć w rozumowaniu. Konsensus nie powinien jednak stać się wymówką dla niekończących się opóźnień. Małe projekty pilotażowe z jasno określonymi regułami podejmowania decyzji pomagają rozliczać z odpowiedzialności, a jednocześnie ograniczają ryzyko zawodowe i finansowe, przez które większe zmiany wydają się groźne.
Analiza
Converted najlepiej rozumieć jako biznesowy wywód o tym, na co firmy decydują się zwracać uwagę. Książka przeciwstawia transakcję — widoczne zdarzenie, które łatwo przypisać do konkretnego działania — relacji z klientem, wolniejszemu i mniej uporządkowanemu źródłu wartości. Siła przekonywania bierze się z konkretnego ukazania tego kontrastu: kliknięcie reklamy może wyglądać na skuteczne, podczas gdy dochodowy klient pozostaje niezauważony, a rosnący wskaźnik może maskować brak zaangażowania kupującego. Proponowanym rozwiązaniem nie jest maksymalne gromadzenie danych, lecz cykl obserwacji, zadawania pytań, prognozowania, działania i weryfikacji.
Ramy te są najmocniejsze tam, gdzie łączą pomiar marketingowy z zachowaniami organizacyjnymi. Wartość klienta w całym okresie relacji może zmienić decyzje budżetowe, ale tylko jeśli zespoły ufają szacunkom, zgadzają się co do ich konsekwencji i potrafią je sprawdzić. Dzięki temu marketing oparty na danych okazuje się raczej dyscypliną operacyjną niż projektem technologicznym. Arkusz kalkulacyjny i dobrze zaprojektowany eksperyment mogą sprawdzić się lepiej niż kosztowna platforma, jeśli skrócą drogę od dowodów do działania.
Trzy rozróżnienia pomagają zachować intelektualną rzetelność tego podejścia. Po pierwsze, prognozowanie to nie to samo co ustalanie przyczyn: sygnał związany z wartościowymi klientami może nie przynosić wartości, gdy wykorzysta się go do targetowania. Po drugie, CLV jest prognozą, a nie stałą cechą człowieka. Modele wymagają weryfikacji i pokory, zwłaszcza na zmieniających się rynkach. Po trzecie, świadczenie usług w oparciu o wartość klienta może usprawnić przydział zasobów, ale wartości klienta nie należy traktować jako miary wartości człowieka. To szacunek biznesowy o ograniczonym zastosowaniu.
Najważniejszy praktyczny wkład książki polega więc na wyznaczeniu standardu uczenia się: pytanie powinno mieć znaczenie, należy wykorzystywać najprostsze wiarygodne dowody, z góry ustalić, jakie wyniki zmienią decyzję, i wracać do wniosków, gdy zmieniają się zachowania. Relacje można mierzyć, nie udając, że ludzi da się doskonale przewidzieć. Nie należy zmuszać klientów, by pasowali do modelu, lecz sprawić, by firma lepiej reagowała na to, co klienci ujawniają — pamiętając zarazem o tym, czego dane nie są w stanie powiedzieć.
Podsumowanie recenzji
Converted zbiera pozytywne recenzje za wnikliwe omówienie marketingu opartego na danych, skoncentrowanego na wartości klienta w całym okresie relacji. Czytelnicy doceniają praktyczne porady, przykłady z życia i przystępny styl. Wielu uważa książkę za pomocną przy przemyśliwaniu strategii marketingowych i maksymalizowaniu korzyści z inwestycji w dane. Niektórzy recenzenci zauważają, że jej zastosowanie wykracza poza marketing. Wśród zarzutów pojawiają się powtarzalność i niewielkie skupienie na mniejszych firmach. Ogólnie książka jest chwalona za podkreślanie znaczenia budowania wartościowych relacji z klientami dzięki analizie danych, choć kilku czytelnikom wydała się zbyt podstawowa lub pozbawiona wystarczającej ilości danych.
Inni czytali również
Słowniczek
wartość klienta w całym okresie relacji (customer lifetime value, CLV)
Przewidywana przyszła wartość klientaWartość klienta w całym okresie relacji szacuje przyszłą wartość, jaką klient może wygenerować dzięki kolejnym transakcjom. W praktycznym podejściu przedstawionym w książce daty i wartości transakcji łączy się z identyfikatorami klientów, a następnie wykorzystuje do przewidywania przyszłej częstotliwości zakupów i średniej wartości transakcji. Szacunek może pomóc w podejmowaniu decyzji dotyczących pozyskiwania klientów, ich utrzymania i marketingu, powinien jednak być weryfikowany na podstawie zaobserwowanych zachowań.
kapitał klientów
Łączna wartość klientówKapitał klientów to suma przewidywanych wartości klientów w całym okresie relacji z firmą. Pozwala oszacować wartość bazy klientów z perspektywy całej firmy, zamiast przypisywać marketingowi zasługi wyłącznie za sprzedaż w jednym okresie sprawozdawczym. Wskaźnik ten może pomóc powiązać długoterminowe inwestycje w relacje z klientami z planowaniem finansowym.
dane własne (first-party data)
Dane gromadzone przez firmęDane własne to informacje, które firma gromadzi dzięki własnym interakcjom i transakcjom z klientami. Ponieważ odzwierciedlają konkretnych klientów, produkty i kanały danej firmy, mogą ujawniać wzorce niewidoczne w ogólnych danych rynkowych. Książka zaleca, by zacząć od wiarygodnych danych własnych dotyczących transakcji, a kolejne informacje dodawać tylko wtedy, gdy pomagają odpowiedzieć na jasno określone pytanie.
udział w wydatkach klienta (share of wallet)
Wydatki klienta przypadające na daną firmęUdział w wydatkach klienta określa, jaka część jego wydatków w danej kategorii trafia do jednej firmy. Dwóch klientów może wydawać w firmie tyle samo, choć jeden może już przeznaczać tam niemal wszystkie dostępne środki, a drugi kupować większość produktów z tej kategorii gdzie indziej. Pytanie o całkowite wydatki w danej kategorii może ujawnić, czy dana relacja ma potencjał rozwoju.
niezależny zespół krytyczny (red teaming)
Niezależna weryfikacja analizyW ramach red teamingu osobom niezwiązanym z daną propozycją powierza się zadanie wyszukania jej słabych punktów i opracowania wiarygodnej alternatywnej interpretacji dowodów. W opisanym w książce zastosowaniu biznesowym zespół złożony z przedstawicieli różnych działów analizuje ważne opracowania przed podjęciem decyzji przez kierownictwo. Jego celem nie jest podejmowanie decyzji, lecz ujawnianie założeń, wyborów analitycznych i zagrożeń, które zespół projektowy może przeoczyć.
Pobierz PDF
Pobierz EPUB
.epub idealnie nadaje się do czytania e-booków na telefonach, tabletach i czytnikach.