Pronikněte k jádru zákazníka aneb customizace a personalizace – II. část

V první části o customizaci, tedy cestě jak nejlépe odhadnout zákazníkovi potřeby jsme si nastínili základní podrobnosti o tom, jak k němu přistupovat jako k originálu. Pojďme se nyní podívat na některé praktické příklady a možné problémy.

Personalizace a customizace skrývají i některá další úskalí, než která jsme zmínili v první části. Stejně tak je totiž zapotřebí si realisticky nastavit očekávání na základě informací o klientech, se kterými budeme reálně pracovat.

Je jasné, že když budeme znát pouze e-mailovou adresu, bude náklad na její vytěžení pro získání celistvého obrazu o uživateli řádově vyšší, než v případě, kdy nám klient poskytne jeho kompletní osobní informace například i včetně své transakční historie (ano, tentokrát „recyklujeme“ minulý článek na PSD2).

Záměrně neříkáme, že takovéto dolování informací není nemožné, ale je to podstatně větší investice do implementace a vymýšlení logiky, jak se k informacím dostat a následně je dobře spárovat.

Personalizaci se meze nekladou

Podstatné je si ale uvědomit, že personalizovat jde de facto cokoli a to nejen statický obsah webu, čili jednotlivé informace, které poskytujete návštěvníkům, ale i samotné produkty! A zde se často nachází kámen úrazu, jelikož produktová portfolia jsou velmi rigidní.

Nemluvíme samozřejmě tolik o výrobcích, kde jsou jasně dané a fixované vstupy a existuje vcelku jednotný výstup. (Ač by se i toto dalo celkem obstojně rozporovat díky například automobilovému průmyslu, kde je možné si vybrat z opravdu širokého portfolia příplatkové výbavy a kombinace těchto voleb narůstají do stovek až tisíců variant).

Nicméně ve světě služeb jsou jejich poskytovatelé omezeni primárně vlastní představivostí a schopností jejich systémů zpracovávat na základě rozličných vstupů i také vysokou granularitu (úroveň podrobnosti, pozn. red.) výstupů.

A co výsledky?

Abychom vám poskytli alespoň rámcovou představu o tom, jaký dopad může mít personalizace obsahu v její velmi prosté podobě, ukážeme si několik obecnějších příkladů (samotné klienty bohužel nemůžeme přímo odkrývat).

I tak si ti z vás, co s personalizací nemají ještě žádnou zkušenost, budou moci představit relace, ve kterých se tyto operace a jejich dopady mohou pohybovat.

1. První z příkladů je personalizace hlavního bannerové carouselu (automaticky rotující upoutávky) na hlavní stránce jednoho velkodistributora z oblasti rychloobrátkového zboží.

Výchozím bodem pro personalizaci byla předchozí definice person, čili segmentů návštěvníků webu na základě informací o klientských potřebách. Cílem personalizace bylo díky relevantnější nabídce zlepšit míru prokliku carouselu a následný přechod do odpovídající sekce nebo sezónní nabídky.

Výsledkem byl nárůst míry prokliku (click-through rate nebo CTR) pro všechny skupiny personalizovaných bannerů o 5-10 procent. U stejného klienta se v jiné fázi zasáhlo do usnadnění pohybu po webu (a tím i jednodušší konverzi).

Výchozím bodem bylo v tomto případě chování návštěvníka na webu a jeho průchod registračním trychtýřem, kdy docházelo k odstranění prvního kroku formuláře pro vracející se návštěvníky.
Uživatel, který již registrační trychtýř (tzv. funnel) navštívil, ale samotnou registraci nedokončil, měl v případě opětovného přechodu na registraci lepší výchozí pozici – nemusel znovu procházet shrnutí výhod (které již viděl) a byl rovnou směřován blíže k finální konverzi.

Výsledkem bylo zvýšení konverzního poměru pro personalizovanou variantu v řádu jednotek procent, což je vzhledem ke sledované hodnotě zákazníka (customer lifetime value) podstatné zlepšení.

2. Další jednoduchou možností implementace je personalizovaný e-mailing, který je vzhledem k častému využití vlastní databáze klientů (o kterých toho víme nejvíce a můžeme nejefektivněji segmentovat) v dnešní době asi nejpoužívanější.

V tomto případě bylo u klienta z oblasti cestovního ruchu využito hlavní rozdělení databáze dle bonity klienta a předchozích zájmů o konkrétní destinace pro skutečně personalizovanou e-mailovou komunikaci s cílem zvýšit hodnoty a frekvenci objednávek přicházejících z pravidelných newsletterů.

Oproti výchozí variantě rozesílky, která zohlednila primárně sezónnost a trendy, došlo u personalizovaných variant i k zohlednění předchozích objednávek. Výsledkem byla v první řadě mnohem přesnější propozice, která odpovídala historii zákazníka, v druhé řadě i mnohem lepší kontrola nad poměrem investice a zisku (tzn. lepší prodat jednu exotickou destinaci, než dvě evropské).

Konečným dopadem pak bylo nejenom zlepšení výsledků čísel kampaně o desítky procent, ale hlavně řádové zvýšení návratnosti kampaní.

3. V posledním zde uvedeném případě se jednalo již o razantnější zásah i mimo zobrazovaný obsah a to personalizovanou cenotvorbu – ta je jednou z nejčastějších oblastí, kde k personalizaci v poslední době dochází.

Pro některé (předem vymezené) segmenty zákazníků se totiž z dlouhodobého hlediska vyplatí nabízet i nevýhodnou (dumpingovou) cenu. V tomto případě jsme na základě informace z kampaně (uživatel přišel z konkurenční kampaně, která měla za cíl přetáhnout zákazníky) a opětovného přístupu na web nabízeli výrazně nižší cenu, než konkurence. Cíl byl jasný – zákazníka získat a zvýšit tak tržní podíl (penetraci).

Právě v takovém případě je extrémně důležité pracovat se skutečným cílem kampaně (v tomto případě zvýšit počet zakázek v segmentu, který poptává konkurenční produkty).

Pokud by cílem kampaně byla co nejvyšší ziskovost, tak by bylo nutné mnohem detailněji hlídat dopad poskytované slevy na finální náklad na akci (cost per action) objednávky a klidně nechat nějaké objednávky být.

Technologie je kamarád

Prakticky žádný z uvedených scénářů samozřejmě nejde uskutečnit bez dostatečného technologického „podvozku“, na kterém byste mohli personalizační „vehikl“ rozhýbat.

Vyjma posledního případu se ale jednalo o offline operace, které se dají provádět nad známou množinou informací o uživatelích.

Ty opravdu zajímavé scénáře začínají v okamžiku, kdy se snažíme zpracovávat on-line data o uživatelích, jako je zmíněný případ cenotvorby. Pojďme se ale nejdříve podívat na nějaké mezikroky, než se pustíme do opravdu ambiciózních projektů.

Jedním z nich je velmi povedený formulář operátora T-Mobile na jeho webu a který slouží pro kontakt se zákaznickým centrem.

Jakmile na něj přistoupíte, formulář začíná okamžitě v reálném čase analyzovat vstupy ve všech polích a vyhodnocuje možné příčiny problému, který uživatel řeší. Tím se mu snaží poradit dříve, nežli formulář odešle, čímž snižuje následně počet odbavovaných žádostí a snižuje zatížení klientského centra.

Veřejných informací je víc než dost

Půjdeme-li ale ještě dále, můžeme se v duchu digitálního onboardingu informovat o našich uživatelích na základě veřejně dostupných registrů, jako jsou živnostenský rejstřík, registr neplatných dokladů MVČR, nebo aplikace ARES.

Všechny samozřejmě potřebují nějaký uživatelský vstup v podobě osobní identifikace, rodného čísla, čísla občanského průkazu.

V okamžiku vložení některého z údajů jsme ale schopni pracovat s mnohem širším penzem informací pro utváření speciální nabídky pro klienta. Co když ale chceme být ještě schopnější a rychlejší?

Od velikosti k rychlosti

Velkým buzzwordem v dnešní době již nejsou big data, která spíše inklinují k offline operacím, ale tzv. fast data, která fungují s on-line daty v reálném čase (fakticky se používá termín near real-time, protože k minimální prodlevě dojde vždy).

Díky možnostem, které nabízejí nejen placená řešení, ale i open-source technologie jako jsou třeba Apache Kafka, či Apache Spark je možné zpracovávat nejen velké objemy offline dat, ale i velký počet on-line vstupů. Meze udává primárně (vyjma rozpočtu) lidská představivost.

Existuje mnoho možných scénářů, na které jsou schopni lidé přijít, ale dovolte nám představit jeden z blízké minulosti, kdy jsme s kolegy vyrazili na hory a velká část z nás si zapomněla sjednat s předstihem cestovní pojištění – proč by neměl mít tento faktor vliv na cenu?

Nejsou všude takzvaní early birds vždy oceněni za jejich spořádanost? Neměla by momentální pozice klienta mít vliv na cenotvorbu? Není uživatel, který je systematický a snaží se mít vše v pořádku ještě před odjezdem méně rizikový než ten, co si na to vzpomene až v okamžiku, kdy si koupí permanentku na vlek?

Nebojme se však fantazírovat, protože technologie vždy slouží nějakému účelu, či myšlence – není-li potřeba, není důvod pro to se „přetrhnout“.

Nákup předchází poptávku?

V rámci již zmiňovaného článku o PSD2 jsme diskutovali možnost přístupu k transakční historii daného uživatele pro obchodníky. Tento vstup bude velmi cenným aktivem, jelikož poodkryje další vzorce v nákupním chování pro již i tak obsáhlé machine learning rozhraní.

Ta jsou již dnes schopná odhadnout co kdy potřebujete a v blízké budoucnosti budou schopny přinejmenším užšímu okruhu fanoušků vykonávat nákupy plně automatizovaně. Již delší dobu umí algoritmy Amazonu předvídat co si budete chtít koupit ještě dřív, než samotnou objednávku odešlete.

Samozřejmě čím více vstupů, tím přesnější budou modely a tím širší portfolio služeb toto může zasáhnout.

V chytrosti je síla

Představte si například chytrou aplikaci, jež bude napojena on-line burzu elektřiny a bude schopná na základě informací z vaší chytré domácnosti on-line optimalizovat nákup energií. Ať už podle dne v týdnu, kdy bude vědět, kdy obvykle perete prádlo, kdy máte nejvíce času se dívat na televizi, nebo to naopak neřešit o víkendech, jelikož tři ze čtyř stejně trávíte mimo domov.

Anebo si představte, že díky poskytnutí byť jen několika základních osobních údajů budete schopni si sjednat například hypotéku on-line během 15 minut.

Že se vám to zdá absurdní? A nestačilo by jen dát svolení „sjednávací“ aplikaci, aby se podívala na stav vašeho konta v posledních třech letech sama, prolustrovala registry dlužníků, trestní rejstřík, zároveň si zjistila a vypočítala vaše mandatorní výdaje a provedla kompletní scoring?

Vy byste si v klidu domova zatím mohli připravit kávu či čaj. A jen co si poprvé usrknete, už víte, že máte nárok na úrok 2,643 procenta na následujících 10 let.

Nekonečný závod

Byť mohou některé případy zavánět až moc přídechem „velkého bratra“, je potřeba mít na vědomí hlavní cíl personalizace – větší užitek zákazníka.

Personalizace má vždy dopomoci uživateli dosáhnout přesně toho, čeho si žádá. V extrémním případě pak dokonce být schopný odhadnout, co si žádá ještě dříve než to sám vyřkne, protože to je to co ocení a pro vás vytvoří velmi podstatnou konkurenční výhodu.

Stejně tak mějte na paměti, že pokud zaujímáte pozici uživatele a bojíte se o své soukromí, existuje zde dobrý systém protivah (neboli checks and balances, pokud se inspirujeme politickým systémem USA). Ty zabraňují zneužívání osobních dat a naopak posilují uživatelská práva v této dynamické době (ano, jde o GDPR).

Posledním doporučením, které vám pak dáme, je článek ohledně budoucnosti prediktivní umělé inteligence, která je logickým krokem či vyústěním kompletní adopce personalizace.

Zákazník je…, no prostě zákazník-člověk

Vracíme se de facto na začátek první části příspěvku o personalizaci a vlastně i ke středobodu našeho seriálu, kterým je zákazník.

Zákazník není abstraktní entita, je to člověk, respektive nespočet individuí. A proto je zapotřebí k nim přistupovat jako k lidem, dávno pominuly doby, kdy spotřeba mohla být do zákazníků „huštěna“, zákazníci si vybírají.

Přijměte proto tuto premisu, orientujte se přímo na něj a stavte svůj byznys okolo něj.

Příští díl vám poodhalí jednu z metod, jak tohoto dosáhnout, a tou je human-centered design.

PARTNEREM SERIÁLU O DIGITÁLNÍ TRANSFORMACI JE SPOLEČNOST