Asiakasdata insightin lähteenä

Dagmar
DagmarDagmar
Copyright © Dagmar Oy 
Asiakasdata insightin lähteenä 
Miten valjastaa asiakaskohtaamisista syntyvä data hyötykäyttöön 
Otto Olsson, 23.10.2014
Copyright © Dagmar Oy 
Asiakasdatasta syntyvä näkemys toimii asiakkuuksien johtamisen tukena.
Copyright © Dagmar Oy 
Asiakkuuksien johtaminen 
Asiakkuuksien johtamisen (CRM) keskeiset tehtävät ovat: 
1) tunnistaa ja valita strategisesti tärkeät asiakkuudet 
2) asettaa tavoitteita ja laatia toimintastrategioita asiakkuuksien 
kehittämiseksi 
3) toteuttaa suunnitellut toimenpiteet ja 
4) kehittää toimintaa edelleen siitä saatujen tulosten ja palautteen 
perusteella 
- Wikipedia
Yrityksen ja asiakkaan välisistä kohtaamisista syntyy dataa 
Copyright © Dagmar Oy 
moniin eri järjestelmiin. 
DATA 
DATA SOURCE 
INTEGRATED ANALYTICS AND INSIGHTS 
Social and 
Search 
CRM 
Display and 
mobile 
Surveys 
Site and 
apps 
Interests Product or Behavioral Satisfaction 
service 
”What I like” 
Expressed through 
social graph and 
searches 
”What I have 
or use” 
Expressed through 
customer profile 
and CRM history 
”Where have I 
been” 
Expressed through 
browsing history 
cookies, mobile 
location 
”How happy I 
am” 
Expressed through 
survey answers 
”What I have 
done” 
Expressed via 
my actions on site 
Mukailee: Accenture study, feb 2013 
Web Analytics
Copyright © Dagmar Oy 
B2B-puolella etuna on, että data voidaan helposti ostaa ulkopuolelta. 
Analyysimenetelmät ovat samankaltaiset, mutta tärkeimmät muuttujat eroavat.
Copyright © Dagmar Oy 
Asiakasymmärrystä CRM-järjestelmästä 
Case 1
Copyright © Dagmar Oy 
Asiakaskannan läpikäynnillä yleisymmärrys kannasta 
Minkälaisia asiakkaita yrityksellä on? Mitkä ovat pahimmat kipukohdat asiakaskannassamme? 
Case 1 
45% 
45% asiakkaista 
omistaa kanta-asiakaskortin 
Sukupuolijakauma 
60% 40% 
20% 
20% asiakkaista 
rekisteröitynyt 
nettisivuilla 
10% 
10% asiakkaista 
tilaa uutiskirjettä 
Myynti alueittain Ostofrekvenssi 
Brändi 1 
Brändi 2 
xxx 
Brändi 3 
Brändi 4 
xxx 
xxx 
xxx 
Keskiostos 
Brändi 1 
Brändi 2 
xx € 
Brändi 3 
Brändi 4 
xx € 
xx € 
xx € 
Ikäjakauma 
Syntymävuosi
Perusanalyysin jälkeen tiedetään, mihin kannattaa syventyä 
Copyright © Dagmar Oy 
POISTUMAN ENNAKOINTI 
Klusterin arvo 
Klusterien koko ja arvo yritykselle 
Klusterin koko 
Arvokkaat 
Säännölliset 
Arvokkaimpien asiakasryhmien tunnistaminen. Poistumassa olevien asiakkaiden 
tunnistaminen. 
Case 1 
ERI ASIAKASRYHMIEN TUNNISTAMINEN
Copyright © Dagmar Oy 
Asiakasymmärrystä sähköpostijärjestelmästä 
Case 2
Copyright © Dagmar Oy 
Asiakasdatan lähteenä sähköpostirekisteri 
Analyysin tarkoituksena oli selvittää, toimisiko sähköposti maksetun median korvaajana PT-kaupassa 
toimivalle asiakkaalle. 
Case 2
Copyright © Dagmar Oy 
Sähköpostijärjestelmän data asiakasymmärrykseksi 
Vain 11% kannasta luki viestejä aktiivisesti, ja suurin osa rekisteristä oli passivoitumassa tai passiivisia. 
Hiipuneet 
34% kannasta 
11% arvosta 
Poistuneet 
30% kannasta 
14% arvosta 
Aktiiviset 
11% kannasta 
45% arvosta 
Satunnaiset 
25% kannasta 
30% arvosta 
Nähty edellisen 
kerran 
Reagointi 
Uudet 
Viim. kk aikana tulleet 
Arvo 
Case 2
Copyright © Dagmar Oy 
Kohdennettua viestintää ja tarkempaa mittausta 
Toimenpiteiden 
suunnittelu 
Asiakasdatan analyysi Jatkuva seuranta 
Muodostetaan ymmärrys 
asiakaskunnan rakenteesta. 
Tunnistetaan segmentit ja viedään 
tieto takaisin rekisteriin. 
Aktiivisille myyntitoimenpiteitä. 
Hiipuville aktivointia tai muita 
kommunikointikanavia. 
Kampanjoita uusien saamiseksi. 
Miten eri segmenttien 
asiakasmäärät ovat kehittyneet? 
Miten asiakkaat ovat siirtyneet 
segmenttien välillä? 
Case 2
Copyright © Dagmar Oy 
Asiakasymmärrystä tunnistamattomista 
asiakkaista mainonnanhallintajärjestelmän avulla 
Case 3
Asiakkaiden segmentointia tunnistamattomilla asiakkailla 
Copyright © Dagmar Oy 
A 
C 
B 
Case 3
Copyright © Dagmar Oy 
Analyysin tulokset personoinnin pohjana 
Analyysi 
Tunnistetaan erilaiset 
kävijäryhmä ja heidän 
kiinnostuksenkohteensa. 
Tarjotaan eri asiakasryhmille 
erilaista mainontaa ja erilaisia 
sisältöjä verkkosivuilla. 
Mitkä säännöt parantavat 
konversiota? 
Mitä uusia sääntöjä 
datasta löytyy? 
B 
B 
Sisällön personointi Mittaus ja optimointi 
Case 3
Copyright © Dagmar Oy 
Yhteenveto 
• Asiakasdataa kertyy moniin 
eri lähteisiin. 
• Dataa analysoimalla 
muodostetaan näkemystä. 
• Näkemys on edellytyksenä 
asiakkuuksien johtamiselle. 
Analyysi 
Toimenpiteet Asiakkuusstrategia
Copyright © Dagmar Oy 
Kiitos 
Otto Olsson 
Business analyst 
otto.olsson@dagmar.fi 
+358 40 839 7609
1 sur 17

Contenu connexe

Similaire à Asiakasdata insightin lähteenä(20)

Paketti kasaan ja liiketoiminta kasvuunPaketti kasaan ja liiketoiminta kasvuun
Paketti kasaan ja liiketoiminta kasvuun
Sakari Forslund591 vues
Myynnin johtaminen ja webCRMMyynnin johtaminen ja webCRM
Myynnin johtaminen ja webCRM
Juhani Lamminmäki180 vues
Asiakkuus2015 raporttiAsiakkuus2015 raportti
Asiakkuus2015 raportti
ASML 2.7K vues
Tyytyvainen asiakas 2009Tyytyvainen asiakas 2009
Tyytyvainen asiakas 2009
Asiakkuusmarkkinointi537 vues
Suosittelun johtaminen ja Net Promoter Score - analyysistä toimenpiteisiinSuosittelun johtaminen ja Net Promoter Score - analyysistä toimenpiteisiin
Suosittelun johtaminen ja Net Promoter Score - analyysistä toimenpiteisiin
Asiakkuusmarkkinointiliitto - Finnish DMA395 vues

Asiakasdata insightin lähteenä

  • 1. Copyright © Dagmar Oy Asiakasdata insightin lähteenä Miten valjastaa asiakaskohtaamisista syntyvä data hyötykäyttöön Otto Olsson, 23.10.2014
  • 2. Copyright © Dagmar Oy Asiakasdatasta syntyvä näkemys toimii asiakkuuksien johtamisen tukena.
  • 3. Copyright © Dagmar Oy Asiakkuuksien johtaminen Asiakkuuksien johtamisen (CRM) keskeiset tehtävät ovat: 1) tunnistaa ja valita strategisesti tärkeät asiakkuudet 2) asettaa tavoitteita ja laatia toimintastrategioita asiakkuuksien kehittämiseksi 3) toteuttaa suunnitellut toimenpiteet ja 4) kehittää toimintaa edelleen siitä saatujen tulosten ja palautteen perusteella - Wikipedia
  • 4. Yrityksen ja asiakkaan välisistä kohtaamisista syntyy dataa Copyright © Dagmar Oy moniin eri järjestelmiin. DATA DATA SOURCE INTEGRATED ANALYTICS AND INSIGHTS Social and Search CRM Display and mobile Surveys Site and apps Interests Product or Behavioral Satisfaction service ”What I like” Expressed through social graph and searches ”What I have or use” Expressed through customer profile and CRM history ”Where have I been” Expressed through browsing history cookies, mobile location ”How happy I am” Expressed through survey answers ”What I have done” Expressed via my actions on site Mukailee: Accenture study, feb 2013 Web Analytics
  • 5. Copyright © Dagmar Oy B2B-puolella etuna on, että data voidaan helposti ostaa ulkopuolelta. Analyysimenetelmät ovat samankaltaiset, mutta tärkeimmät muuttujat eroavat.
  • 6. Copyright © Dagmar Oy Asiakasymmärrystä CRM-järjestelmästä Case 1
  • 7. Copyright © Dagmar Oy Asiakaskannan läpikäynnillä yleisymmärrys kannasta Minkälaisia asiakkaita yrityksellä on? Mitkä ovat pahimmat kipukohdat asiakaskannassamme? Case 1 45% 45% asiakkaista omistaa kanta-asiakaskortin Sukupuolijakauma 60% 40% 20% 20% asiakkaista rekisteröitynyt nettisivuilla 10% 10% asiakkaista tilaa uutiskirjettä Myynti alueittain Ostofrekvenssi Brändi 1 Brändi 2 xxx Brändi 3 Brändi 4 xxx xxx xxx Keskiostos Brändi 1 Brändi 2 xx € Brändi 3 Brändi 4 xx € xx € xx € Ikäjakauma Syntymävuosi
  • 8. Perusanalyysin jälkeen tiedetään, mihin kannattaa syventyä Copyright © Dagmar Oy POISTUMAN ENNAKOINTI Klusterin arvo Klusterien koko ja arvo yritykselle Klusterin koko Arvokkaat Säännölliset Arvokkaimpien asiakasryhmien tunnistaminen. Poistumassa olevien asiakkaiden tunnistaminen. Case 1 ERI ASIAKASRYHMIEN TUNNISTAMINEN
  • 9. Copyright © Dagmar Oy Asiakasymmärrystä sähköpostijärjestelmästä Case 2
  • 10. Copyright © Dagmar Oy Asiakasdatan lähteenä sähköpostirekisteri Analyysin tarkoituksena oli selvittää, toimisiko sähköposti maksetun median korvaajana PT-kaupassa toimivalle asiakkaalle. Case 2
  • 11. Copyright © Dagmar Oy Sähköpostijärjestelmän data asiakasymmärrykseksi Vain 11% kannasta luki viestejä aktiivisesti, ja suurin osa rekisteristä oli passivoitumassa tai passiivisia. Hiipuneet 34% kannasta 11% arvosta Poistuneet 30% kannasta 14% arvosta Aktiiviset 11% kannasta 45% arvosta Satunnaiset 25% kannasta 30% arvosta Nähty edellisen kerran Reagointi Uudet Viim. kk aikana tulleet Arvo Case 2
  • 12. Copyright © Dagmar Oy Kohdennettua viestintää ja tarkempaa mittausta Toimenpiteiden suunnittelu Asiakasdatan analyysi Jatkuva seuranta Muodostetaan ymmärrys asiakaskunnan rakenteesta. Tunnistetaan segmentit ja viedään tieto takaisin rekisteriin. Aktiivisille myyntitoimenpiteitä. Hiipuville aktivointia tai muita kommunikointikanavia. Kampanjoita uusien saamiseksi. Miten eri segmenttien asiakasmäärät ovat kehittyneet? Miten asiakkaat ovat siirtyneet segmenttien välillä? Case 2
  • 13. Copyright © Dagmar Oy Asiakasymmärrystä tunnistamattomista asiakkaista mainonnanhallintajärjestelmän avulla Case 3
  • 14. Asiakkaiden segmentointia tunnistamattomilla asiakkailla Copyright © Dagmar Oy A C B Case 3
  • 15. Copyright © Dagmar Oy Analyysin tulokset personoinnin pohjana Analyysi Tunnistetaan erilaiset kävijäryhmä ja heidän kiinnostuksenkohteensa. Tarjotaan eri asiakasryhmille erilaista mainontaa ja erilaisia sisältöjä verkkosivuilla. Mitkä säännöt parantavat konversiota? Mitä uusia sääntöjä datasta löytyy? B B Sisällön personointi Mittaus ja optimointi Case 3
  • 16. Copyright © Dagmar Oy Yhteenveto • Asiakasdataa kertyy moniin eri lähteisiin. • Dataa analysoimalla muodostetaan näkemystä. • Näkemys on edellytyksenä asiakkuuksien johtamiselle. Analyysi Toimenpiteet Asiakkuusstrategia
  • 17. Copyright © Dagmar Oy Kiitos Otto Olsson Business analyst otto.olsson@dagmar.fi +358 40 839 7609

Notes de l'éditeur

  1. Mihin tätä insightia hyödynnetään?
  2. Asiakaskontakteista kertyy dataa jo hyvin aikaisessa vaiheessa. Perinteisesti ajateltu, että asiakkuus syntyy oston yhteydessä. Sitä ennen mitään tunnistautumista ei ole syntynyt. CRM-järjestelmän lisäksi asiakasdataa löytyy esimerkiksi hakukäyttäytymisestä, somesta Toisaalta vaikkapa mainonnanhallinnan cookie-tiedoista näemme mitä mainontaa on nähnyt. Nämä saamme linkitettyä verkkosivujen analytiikkaan, ja näemme miten ihmiset käyttäytyvät sivustolla. Pystymme linkittämään tiedot myös vaikkapa sähköpostijärjestelmään Kyselyihin verkkosivulla Asiakkuuden alun ja toisaalta tunnistetun ja tunnistamattoman käyttäjän raja hämärtyy Ei tarvitse tietää nimeä, kun tiedetään mistä on kiinnostunut ja mitä haluaa. Voidaan kohdentaa viestintää remarkkinoinnilla.
  3. Karkeasti voidaan ajatella, että b2c-puolella asiakkaasta nähdään demot, ostouseus ja lojaalisuus ja toisaalta mistä tuotteista ollaan kiinnostuttu
  4. Liikevaihto Henkilöstömäärä Toimiala Tuotekäyttö Sijainti
  5. Parin sadan tuhannen asiakkaan rekisteri, joka selkeästi alihyödynnetty Asiakas heräsi ajatukseen, että myyntitavoitteet voisivat täyttyä paitsi uusien hankkimisella, myös nykyasiakkaiden avulla Tämä näkyy siinä, ettei osattu esimerkiksi listata tavoitteita tai tiedetty mit
  6. Millä oman median kanavilla voidaan tavoittaa? Mitkä ovat demografiat Miten alueellisesti jakautunut? Onko toistuvaa ostosta? Onko haaste sittenkin keskiostoksen kasvattaminen Haastetaan hypoteeseja Mikä on oikeasti tärkein asiakasryhmämme? Usein ei ymmärretä massan tärkeyttä Fokus uusien hankkimiseen vai poistuman hallintaan? Päälöydökset Asiakkaat ostavat vain yhtä tuotetta Poistuma suurta
  7. Päivittäistavarakaupassa toimiva asiakas halusi siirtää painopistettä omien kanavien markkinointiin ja etenkin sähköpostisuoraan. Analyysin päätavoite oli selvittää, miten tehokas väline sähköposti kyseiselle yritykselle on. Asiakkaalla ei ollut CRM-järjestelmää, vaan kolme sähköpostirekisteriä, joiden tiedot oli kerätty kilpailujen avulla. Rekisterissä oli 100 000 yhteystietoa. Tutkimme yrityksen Yhdistimme eri rekisterit ja yksittäiset sähköpostijärjestelmästä löytyvät raportit viikkokirjeiden avausprosenteista, ja lähdimme selvittämään kuinka suuri osuus asiakkaista on aktiivisia viestien lukijoita ja tavoitettavissa nykymuotoisella asiakasviestinnällä hiipuvia ja tarvitsee erilaista viestintää passivoituneita ja vaatii muita toimenpiteitä
  8. Vain 11% kannasta luki viestejä aktiivisesti, ja suurin osa kannasta oli passivoitumassa tai passiivisia. Aktiivisille jatkettiin nykymuotoista viestintää, ja lähdimme keräämään tarkempia tietoja erilaisten kilpailujen avulla. Hiipuneille lähdettiin tekemään uudenlaisia aktivointeja. Uusien yhteystietojen määrä näytti laskevan merkittävästi viime aikoina, ja lähdimme kehittämään kampanjoita asiakkaiden. Samanaikaisesti lähdimme keräämään demografiatieoja aktiivisista asiakkaista kilpailujen avulla.
  9. Analyysi on turha, jos se ei johda toimenpiteisiin
  10. Tunnistami