preloader

Miliard dolarów?! Niezły silnik!

Organizacje, które wykorzystują dane dotyczące zachowań klientów odnotowują nawet 85% wzrost sprzedaży będący rezultatem adekwatnej komunikacji z klientem. Dowody?

 

 

W świecie zorientowanym na klienta, w którym dzisiaj żyjemy, samo zrozumienie, „kim” klienci są jest niewystarczające. Nie można założyć, że interesy, potrzeby lub wartości poszczególnych klientów zależą wyłącznie od tego, kim są, lub od „persony” do której zostali zakwalifikowani. Ten fakt uwzględniają w swoich działaniach czołowe firmy takie jak Netflix czy Amazon, które wiedzą, że otwierającym kluczem do zrozumienia swoich klientów mogą być podejmowane (lub niepodejmowane/odrzucane) interakcje.

 

 

Jasna relacja z klientem oparta na transparentności buduje zaufanie. Jeśli klient jest świadomy, że dane o nim i jego zachowaniu służą dostarczaniu mu wartościowego rozwiązania za pośrednictwem rzetelnej komunikacji, jest bardziej skłonny nie buntować się a wręcz podjąć owocną dla obu stron współpracę.

 

 

Myśląc o doświadczeniach klientów Amazon czy Netflix, pierwszą rzeczą, która się ewidentnie nasuwa jest silnik rekomendacyjny, a co za tym idzie – dynamiczne, spersonalizowane rekomendacje bazujące w znacznej mierze właśnie na zachowaniu klientów, dzięki którym firmy te mają dokładniejszy obraz tego czego chcą i potrzebują ich klienci, oraz jak i kiedy najlepiej te produkty/usługi dostarczyć.

 

Adekwatne oferty przekładają się na wyniki. Fakty:

 

=> 1 miliard dolarów – kwota, którą silnik rekomendacyjny Netflix pozwala zaoszczędzić firmie rocznie dzięki redukcji rezygnacji

=> 75% aktywności w przeglądarce Netflix są rezultatem rekomendacj

=> 35% sprzedaży Amazon generowane jest przez ich silnik rekomendacyjny

 

Czas na case study z życia wzięte? Rzut okiem na przykładowe automatycznie realizowane strategie możliwe do implementacji dzięki silnikowi rekomendacyjnemu, które wykorzystuje Amazon (na stronie i w komunikacji mailowej) z klientami.

 

Rekomendacje na stronie:

 

1. Recommended for you

Kliknięcie linku „Twoje rekomendacje” na Amazon.com prowadzi użytkownika do strony pełnej indywidualnie dedykowanych produktów. Amazon poleca całą gamę z różnych kategorii, w obrębie, gdzie klient wykazywał swoje zainteresowanie i jest duże prawdopodobieństwo, że może być tym produktem zainteresowany, doczytać o nim i finalnie zakupić.

 

 

2. Frequently bought together

Rekomendacje „często kupowane razem” zwiększają średnią wartość zamówienia. Sugestie opierają się na produktach zarówno w koszyku jak i szukanych na stronie.

 

 

3. Your recently viewed items and featured recommendations

 

Bazując na produktach, które klient przeglądał, Amazon podpowiada produkty o różnych kształtach, rozmiarach i markach, żeby klient mógł się zainspirować i dopasować produkt do swoich oczekiwań w prosty sposób.

 

 

4. Your browsing history

 

 

Jeśli klient oglądał produkt to znaczy, że wzbudził zainteresowanie, dlatego Amazon pokazuje historię przeglądania na wypadek, gdyby klient chciał szybko do niego wrócić.

 

 

 5. Related to items you’ve viewed

 

Do produktów, które klient obejrzał w przeszłości dobierane są podobne produkty innych marek, z różnymi parametrami (analogicznie do 3)

 

 

6. Customers who bought this item also bought

 

Amazon podpowiada produkty, które zostały zakupione razem w przeszłości, w celu zwiększenia średniej wartości zamówienia poprzez sprzedaż wiązaną i sprzedaż krzyżową. Przedmioty te kupuje się razem trochę rzadziej niż „często kupowane razem” i jest to sposób, w jaki Amazon sprzedaje przedmioty, które nie są tak popularne.

 

 

7. There is a newer version of this item

 

Ludzie lubią ulepszać swój sprzęt do najnowszej wersji i właśnie dla nich dedykowane są te rekomendacji. Jeśli klient spojrzy na stary Kindle kupiony na Amazon.com, pod fakturą znajdzie informację że istnieje nowsza wersja produktu, którą może zakupić.

 

 

8. Recommended for you based on …

 

Po zakupie, przykładowo, Kindle z Amazon.com, klient zostaje przeniesiony do  sekcji „szczegóły zamówienia”, gdzie są mu polecane różne warianty dla Kindle, który został zakupiony, próbując zachęcić do kolejnego zakupu z ofertą cross-sellingową.

 

 

9. Best-selling emerging technology

 

Amazon.com poleca “najlepiej sprzedające się” kategorie klientom, którzy chcą wypróbować nowinki. “Najlepiej sprzedające się” z konkretnej kategorii produktów pomagają ludziom znaleźć popularne produkty i kupować je z nowych kategorii, z których być może nigdy wcześniej nie kupili, co z kolei otwiera nowe możliwości do oferty up-sellingowej i cross-sellingowej.

 

 

Rekomendacje mailowe (po zakupie produktu)

 

1. Best sellers with social proof

 

 

Pierwszy e-mail to seria najlepiej sprzedających się modeli z kategorii produktów, które były odwiedzane/ lub włożone do koszyka.

 

 

2. Upsell

 

 

W ciągu 24 godzin po pierwszym mailu klient otrzymuje kolejnego, ale z odmienną ofertą z darmową dostawą na pokaźna pule produktów a do tego możliwość wygrania, np., wysokiej jakości aparatu.

 

 

3. Best sellers with social proof

 

Trzeci mail klient otrzymuje po kolejnych 24 godzinach. Zaproponowana marka aparatu to ta którą przeglądał klient. Amazon pokazuje swoje najpopularniejsze aparaty fotograficzne, ponieważ bazując na danych wie, że większość ludzi kupuje jeden z tych Kodaków i sądzi, że w tym przypadku klient może podobnie się zachować.

 

 

4. Deal of the day and cross-selling

 

 

Kolejny mail to specjalna oferta ze zniżką nawet do 50% na dedykowany produkt powiązany z pierwszym zakupem klienta.

 

 

5. The full product package

Następnie, proponowane są zakupy w komplecie z pasującymi do siebie produktami (np. do aparatu futerał i karta pamięci). Ten e-mail z rekomendacją zawiera często kupowane razem produkty, którego celem jest zainspirowanie klienta do kontynuacji w obrębie cross-sellingu zwiększając tym samym średnią wartości zamówienia i wysokości generowanych przychodów.

 

 

6. Best sellers no specific brand

 

 

 

Ten e-mail z kolei zawiera najlepiej sprzedające się produkty z całej kategorii produktów (aparatów cyfrowych), które przeglądał użytkownik. Nie koncentrujemy się na żadnej konkretnej marce, po prostu wyświetlają bestsellery, które większość osób kupuje.

 

 

7. Father’s Day deals

 

Amazon uwzględnia święta i poleca dedykowane produkty dla swoich klientów. Warto upewnić się z jakiego kraju jest klient i czy na pewno akurat w tym dniu obchodzi się takie święto.

 

 

8. The perfect product for me

 

 

 

 

Czas na podsumowanie.  Co możesz zdziałać i jakie cele osiągnąć z pomocą silnika rekomendacyjnego?

 

Obszary:

 

Pozyskanie klientów:

=> poszerz zasięg w obrębie pozyskiwania klientów

=> obniż koszty związane z pozyskiwaniem

=> popraw konwersję

=> ułatwi wybór/ przyspiesz zakupów

=> podnieś ilość/wartość zakupów

=> zmaksymalizuj zwrotu z inwestycji marketingowych (ROI)

 

Retencja i rozwój:

=> popraw retencję /zapobiegnij rezygnacjom

=> zaproś do kolejnego zakupu

=> rozkręć cross-selling, up-selling

=> obniż koszty obsługi

=> popraw zadowolenie klientów/ zadbaj o lojalność

=> zmaksymalizuj długotrwałą wartość klienta

 

 


Źródła. Więcej informacji znajdziesz na:
 
https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/capturing-value-from-your-customer-data
http://blog.springtab.com/personalization-examples-netflix/https://www.martechadvisor.com/articles/customer-experience-2/recommendation-engines-how-amazon-and-netflix-are-winning-the-personalization-battle/)
https://www.mckinsey.com/industries/retail/our-insights/how-retailers-can-keep-up-with-consumers
http://rejoiner.com/resources/amazon-recommendations-secret-selling-online/
https://kwasi.com/email-marketing-amazon-case-study/
http://rejoiner.com/resources/amazon-recommendations-secret-selling-online/
https://rpubs.com/dhnanjay/286571https://www.infoq.com/presentations/machine-learning-netflix
https://www.slideshare.net/xamat/netflix-recommendations-beyond-the-5-stars
http://customerthink.com/14-visualizations-mapping-the-b2b-buyer-journey/
https://www.pointillist.com/blog/customer-behavior-data/
https://www.pexels.com/photo/landmark-ship-architecture-american-53562/
https://www.pexels.com/photo/grey-metal-case-of-hundred-dollar-bills-164652/