Čím více informací využíváte, tím více prodáte

Způsob prodeje se za posledních několik desítek let velmi proměnil, role obchodníka ale zůstává stále stejná. Jeho cílem je prodávat.

Čím více informací využíváte, tím více prodáte


← Předchozí díl

Hlavní je porozumět

Můžete získat obrovské množství dat z e-shopu, webových stránek, sociálních sítí, call center, pošty, od kurýrů. Ale to nestačí. Musíte těm datům porozumět. Potřebujete vědět, proč se lidé tak chovají a hlavně – jako obchodník musíte předvídat. Zajímají vás odpovědi na otázky typu: Kdo u vás nakupuje? Proč zrovna u vás? Zda přijdou znovu? Proč? Kdy? Co budou u vás hledat? Co dalšího jim můžete nabídnout? Kdy a jak je nabídkou oslovit? Kdo jsou jejich přátelé? Doporučí vás svým známým? Proč?

Odpovědi na tyto otázky jsou ukryté v datech. Poznatky z velkých dat získáte pomocí pokročilých matematických metod. Zásadními předpoklady úspěchu jsou správná formulace zadání a vhodná kombinace použitých metod.

Běžně se na různých prodejních portálech setkáváme s čistou statistikou ve formě označování produktů jako „bestseller“ nebo „top 3 nejprodávanější produkty“. Podobné označení pomůže zákazníkům rychleji se zorientovat a nasměruje jejich pozornost primárně na označený produkt. Ten pak funguje jako „trhák“.

Základním přístupem pro výběr produktů zajímavých pro zákazníka jsou metody doporučování obsahu. Tato skupina metod vybírá pro klienty potenciálně zajímavé zboží na základě zakoupených nebo oblíbených položek a podobnosti s ostatními zákazníky. Může se jednat o komplementární produkty, ale stejně tak dobře o výrobky na první pohled nesouvisející.

Dostáváme se do bodu, kde velká část e-shopů a prodejních portálů prozatím končí s matematickými metodami. Touha po hlubším pochopení například toho, proč významná skupina lidí kupuje zdánlivě nesouvisející produkty, vede ke klasifikačním metodám, shlukování, segmentaci a mikrosegmentaci. Vydáváme se na cestu poznávání zákazníka, jeho potřeb, chování a způsobu života, což vyžaduje komplexní analýzu všech dostupných dat. Na konci obsáhlých rozborů však budeme mnohem dál v porozumění vyprofilovaným skupinám vlastních zákazníků, a dokážeme tak mnohem lépe reagovat na jejich potřeby. Načerpáme tedy potřebné znalosti, které měl vesnický prodavač o svých klientech v hlavě.

Na těchto znalostech pak můžeme vystavět prodejní strategie pro konkrétní skupiny zákazníků, založené na vhodné kombinaci matematických metod (sekvencí, asociací, k-means…).
Podobně jako vesnický prodavač odvozoval, co by se kterému sousedovi mohlo hodit a co mu nabídnout.

S dostatečným množstvím a historií dat o reakcích zákazníků na doporučené produkty se nám otevírá ještě další příležitost, kterou vesnický prodejce neměl – prediktivní modelování. Prediktivní metody při použití dostatku kvalitních dat dokážou rozpoznat i nezřetelné souvislosti a korelace v datech a s určitou pravděpodobností předvídat reakce klienta. Jejich výhodou je také schopnost učení se, zpřesňování odhadů, a tím zlepšování úspěšnosti prodeje doporučovaných produktů v čase.

> Čím více informací využíváte, tím více prodáte!

Autorka pracuje jako Senior business consultant ve společnosti Profinit


Úvodní foto: © olly - Fotolia.com

Vyšlo v CIO Business World 2/2013
Časopis lze koupit se slevou 20 %





Komentáře