Dołącz do czytelników
Brak wyników

Skuteczna sprzedaż

19 listopada 2018

NR 17 (Wrzesień 2018)

Dlaczego dane to nie wszystko?

0 203

Hasło big data całkiem niedawno zaczęło robić furorę również w branży usług B2B i wielu dyrektorów sprzedaży nieomal popadło w kompleksy. Dlaczego? Uświadomili sobie, że go nie stosują. Jednak prawda jest taka, że big data stosowało i nadal stosuje niewiele firm, przede wszystkim dlatego, że jest to zabawa – jak sama nazwa wskazuje – dla dużych graczy.

Big data to ogromne, zróżnicowane i dynamicznie się zmieniające zbiory danych. Algorytmy operujące na zbiorach big data mają wykrywać korelacje, których normalnie nie bierzemy pod uwagę, gdy dysponujemy zdrowym rozsądkiem. Jeżeli w księgarni kupujemy książkę Stephena Kinga, sprzedawca może nam polecić dodatkowo pozycję Deana Koontza, jako bliską gatunkowo. Czy nie będziemy natomiast zaskoczeni, jeżeli poleci nam poradnik o wypaleniu zawodowym, a co gorsza – stwierdzimy, że to jest właśnie to, czego potrzebowaliśmy? Taka jest właśnie „magia” big data w e-commerce, gdzie algorytmy mogą z dość dużym prawdopodobieństwem przewidzieć nasze preferencje na podstawie wzorców powtarzających się w historii setki i tysiące razy. 

Artykuły popularyzatorskie w prasie branżowej pisane są jednak w sposób, który sugeruje, że big data wykonuje pracę za nas – czy to w badaniach laboratoryjnych, ubezpieczeniach, bankowości czy marketingu i sprzedaży właśnie – i że może być swego rodzaju „magią” A zatem: mamy jakieś dane, wrzucamy je „gdzieś”, a wynik po prostu mówi nam, jaka jest prawda. To, co jest między zbieraniem danych a wynikiem operacji, raczej rzadko można wytłumaczyć w zrozumiały sposób. Zresztą trudno to zrobić na poziomie popularnonaukowym. Zostaje wspomnienie, że odpowiedzialne są za to „algorytmy”, często jeszcze (błędnie) z przydomkiem „sztucznej inteligencji”, co tylko tworzy otoczkę tajemniczości wokół całego zjawiska.

Tymczasem sama analiza nigdy nic nie mówi, czy są to „duże”, czy „małe” dane. Kwestia ta nie dotyczy jedynie marketingu, ale wszystkich dziedzin ludzkiego poznania. Nawet w najbardziej ścisłej z nich, fizyce, rola obserwatora interpretującego badanie odgrywa kluczowe znaczenie. To ludzki umysł porządkuje dane według pewnego modelu. Zatem to, czy dane mówią prawdę, czy nie, zależy od interpretacji nadanej przez analityka – twórcę algorytmu. Interpretacja zaś odbywa się na bazie modelu, w którym bierzemy pod uwagę jedne dane, a wyłączamy – jako nieistotne – inne. 

Aby uświadomić sobie konieczność modelowania danych, wystarczy odpowiedzieć na pytanie: jaki jest związek między liczbą utonięć w basenach a liczbą filmów, w których występował Nicholas Cage (wykres 1)?

Ten absurdalny przykład korelacji jest zaczerpnięty ze strony Spurious Correlations (//www.tylervigen.com/spurious-correlations), prowadzonej przez analityka Tylera Vigena: z danych wynika, że między rokiem 1999 a 2009 w im większej liczbie filmów występował Nicholas Cage, tym więcej ludzi utopiło się w przydomowych basenach. Vigen wizualizuje również korelacje pomiędzy spożyciem margaryny w USA a liczbą rozwodów w stanie Maine czy też pomiędzy wiekiem laureatek Miss America a liczbą morderstw przy użyciu gorących obiektów. Świat jest na tyle skomplikowany, że podobnych korelacji moglibyśmy wskazać setki tysięcy. Aby dane uporządkować, potrzebujemy zatem modelu, na podstawie którego ocenimy, czy dana korelacja jest absurdalna, czy też nie. 

Wykres 1. Korelacja między liczbą filmów z Nicolasem Cage'em a liczbą osób, które utonęły w basenach

 

Magia punktacji

Wróćmy jednak do spraw przyziemnych, czyli zarządzania danymi klientów w skali małej firmy. Najbardziej popularnym elementem zarządzania w skali CRM jest scoring, poza marketingiem obecny również w innych obszarach usług, takich jak ubezpieczenia czy finanse. Scoring w marketingu jest wartością liczbową, która przypisywana jest do potencjalnego klienta, na podstawie pewnych danych statystycznych, pozwalając na szybszą ocenę prawdopodobieństwa, czy wejdzie on z nami we współpracę. 

Stosowanie scoringu w marketingu i sprzedaży jest o tyle użyteczne, że pozwala poświęcić więcej czasu i uwagi klientom, którzy są bardziej prawdopodobnymi partnerami biznesowymi niż inni. Systemy CRM oferują obecnie zautomatyzowane systemy scoringu, możliwe do indywidualnej modyfikacji. Jest to istotne ułatwienie dla sprzedawców i szefów sprzedaży: tym pierwszym pozwala zorganizować pracę, drugim zaś daje dostęp do szczegółowych metryk, pozwalających ocenić jakość leadów trafiających do lejka sprzedażowego. Jeżeli widzimy, że obroty działu handlowego spadają, ale zapytania pochodzą od klientów o niskim scoringu, to przyczyny szukamy np. w realizowanej strategii marketingowej. 

Tak działa to w teorii. Ale… jest jedno „ale”. W znanym wątku książki Autostopem przez Galaktykę Douglasa Adamsa superkomputer Deep Thought udziela odpowiedzi na „Wielkie Pytanie o Życie, Wszechświat i Całą Resztę”. Odpowiedź brzmi... „42”. Wielkiego Pytania nie znamy, niemniej odpowiedź może przypominać wynik procesu przyznawania scoringu. Rzecz jasna, scoring nie musi mieć koniecznie postaci numerycznej, ale jego podstawą są właśnie wyniki operacji liczbowych. Nie ma więc znaczenia, czy scoring będzie miał postać „42”, czy „wysoka szansa sprzedaży” – ostateczna postać zależy od sumy punktów zebranych z każdego źródła. 

Przeanalizujmy przykład. Załóżmy, że w naszym systemie CRM zbieramy następujące dane: 

  1. Źródło leadu;
  2. Liczba wymienionych maili indywidualnych;
  3. Aktywności na stronie (liczba wizyt/konkretne odwiedzane strony/czas na stronie);
  4. Ostatnia transakcja;
  5. Reakcja na wysyłany newsletter. 

Wiele systemów CRM bazuje jednak na skromniejszej ilości danych, np. pozwalając jedynie na wskazanie w systemie scoringu dwóch pierwszych typów – niemniej powyższe dane jesteśmy obecnie w stanie zebrać choćby za pomocą coraz liczniejszych integracji. W punkcie pierwszym i piątym możemy np. stwierdzić, czy klient jest wyedukowany co do możliwości, jakie daje mu nasz produkt lub usługa. W punkcie drugim możemy ocenić zaangażowanie klienta w proces sprzedażowy: długa konwersacja mailowa ze sprzedawcą może wskazywać na zainteresowanie ofertą. Ostatnia transakcja może być ważna przy ocenie potencjału cross-sellingu lub up-sellingu. 

Załóżmy zatem, że chcemy wyselekcjonować najbardziej obiecujących klientów do kontaktu telefonicznego za pomocą scoringu. W kategorii „źródło leadu” dodajemy kategorie: zapytanie ofertowe 
(4 punkty), subskrybent newslettera z ruchu organicznego (3 punkty), kontakt z konferencji (2 punkty), dodany przez handlowca „zimny kontakt” (1 punkt). Wymieniliśmy z kontaktem: ponad dziesięć maili (4 punkty), między dziewięć a pięć (3 punkty), między cztery a dwa (2 punkty) lub wysłaliśmy tylko jeden mail (1 punkt). Ostatnią rozważaną kategorią będą wizyty na stronie: wizyta organiczna na stronie cennika (4 punkty), wizyta organiczna na blogu firmowym (3 punkty), wizyta z newslettera na blogu (2 punkty), wizyta na stronie głównej (1 punkt). 

Najczęstszą praktyką jest sumowanie punktów z poszczególnych kategorii. Jeżeli będziemy chcieli wyniki analizy danych posortować od największego do najmniejszego, to dopuszczamy sytuację, gdy lead „gorący” (który złożył zapytanie ofertowe, ale przez niedopatrzenie ze strony handlowca wysłany był do niego tylko j...

Pozostałe 70% treści dostępne jest tylko dla Prenumeratorów

Co zyskasz, kupując prenumeratę?
  • 6 wydań magazynu "Nowa Sprzedaż"
  • Dodatkowe artykuły niepublikowane w formie papierowej
  • Dostęp do czasopisma w wersji online
  • Dostęp do wszystkich archiwalnych wydań magazynu oraz dodatków specjalnych
  • ...i wiele więcej!
Sprawdź

Przypisy