Analytiikassa tarvitaan tietoa menneestä, sillä historia toistaa aina varioiden itseään.
– Ennakoiva analytiikka on peräpeiliymmärryksen hyödyntämistä tulevaisuuden päätöksenteossa, Keskon digitaalisten palveluiden kehitysjohtaja Arhi Kivilahti tiivistää.
Runsas ja monipuolinen tieto on kaiken perusta. Esimerkiksi Keskon kanta-asiakasjärjestelmän valtava datamäärä on oiva lähtökohta analytiikalle. Se ei kuitenkaan riitä.
– Pitää olla kykyä ja kokemusta nähdä, mikä kerätyssä datassa on arvokasta ja mitä kannattaa analysoida tulevaisuuden päätöksenteon tueksi, Kivilahti painottaa.
Asiakastiedon käyttöä liiketoiminnassa ei vielä osata, vaikka monissa yrityksissä tunnistetaankin sen potentiaali ja liiketoiminnalla on selvä tarve hyödyntää sitä. Sähköisiä asiakashallintajärjestelmiä osataan jo käyttää, mutta niissäkin lähinnä perusraportointia.
– Suomessa ollaan vielä melko varovaisia tämän alueen hankkeissa. Uranuurtajat, kuten teleoperaattorit, mediatalot, pankki- ja vakuutusala sekä vähittäiskaupan toimijat ovat liikkeellä. Datan hyödyntäminen analytiikalla vaatii vielä koulutusta ja herättelyä, tiedolla johtamiseen ja asiakasanalytiikkaan erikoistuneen Louhian osakas Ville Niemijärvi sanoo.
Kyntämätöntä sarkaa
Suuretkin organisaatiot ovat hyödyntäneet asiakastietojaan vasta pinnallisesti, lähinnä sisäiseen käyttöön ja kumppaneiden kesken. Asiakasdataa on analysoitu asiakaskohtaamisten ja -palvelun kehittämiseen vasta muutamissa kokeiluissa. Muutos on kuitenkin menossa.
– Yksittäiset isot kauppiaat ovat jo nähneet valon ja oppineet, kuinka he voivat analysoida ja hyödyntää asiakastietoaan monipuolisesti, Kivilahti sanoo.
Datan keruupisteiden määrä kasvaa ja yhä suurempi osa datasta on reaaliaikaista. Niinpä datavarastot paisuvat eksponentiaalisesti. Koska tallennustila on halpaa, kannattaa kaikki mahdollinen data kerätä talteen.
Analyyseissa on sen sijaan syytä keskittyä laatuun: mikä palvelee parhaiten liiketoiminnan kehittämistä eli esimerkiksi asiakaspalvelun tai tuotevalikoiman parantamista.
– Asiakkaista kannattaa luoda laaja 360 asteen kuva, josta saadaan tietoa monipuolisesti sekä verkkoasioinnista että käyttäytymisestä myymälässä. Minua kiinnostaa esimerkiksi se, johtaako reseptien katsominen ostopäätökseen vai katsotaanko verkosta reseptejä ostosten jälkeen, Kivilahti aprikoi.
Kuraa ja timantteja
Vain pieni osa asiakastiedosta on asiakashallinta- tai kanta-asiakasjärjestelmissä.
– Kanta-asiakasjärjestelmien data on usein ihan kuraa. Tämä johtuu siitä, ettei järjestelmiä perustettaessa ole huomioitu tai tunnettu analytiikan tarpeita, Niemijärvi sanoo.
Timanttisinta asiakastietoa saadaan muun muassa laskutuksesta, tilaus- ja toimitusjärjestelmästä, asiakaspalvelusta, markkinoinnin tietokannoista tai vaikkapa reklamaatioista.
Asiakastietoa voidaan yhdistää julkisiin tietokantoihin, kuten väestötietojärjestelmään ja Trafin tietokantoihin. Näin asiakastietoa voidaan suhteuttaa esimerkiksi demografisiin jakaumiin, päivittää asiakkaiden osoitetietoja tai kohdistaa myynti- ja markkinointitoimenpiteitä tiettyihin väestöryhmiin.
Erilaisten tietojen yhdistäminen onkin varsinainen Graalin malja.
Analytiikkaa auttaa, kun asiakas tunnistetaan eri järjestelmissä ja hänen käyttäytymistään voidaan näin seurata eri toimenpiteiden välillä. Jos tunnistaminen ei ole mahdollista, voidaan analytiikkaa silti tehdä.
– Erilaisen datan perustella voidaan analysoida esimerkiksi minkälaisissa liikkeissä hankitaan minäkin päivänä minkälaisia tuotteita eli miten asiakkaat käyttäytyvät ryhmänä. Näin voidaan suunnitella muun muassa nykyisten liikkeiden tarjontaa ja uusien kauppapaikkoja sijoittamista, Niemijärvi sanoo.
Data kuntoon
Asiakasanalytiikkaa hyödynnetään tehokkaasti myyntityössä käyttämällä niin sanottua konversio-optimointia, jossa myynti kohdistetaan historiatiedon perusteella niille asiakkaille, jotka ovat todennäköisempiä ostajia.
Uuden naistenlehden lanseerauksessa mallinnetaan, minkälaiset ostajat ovat tilanneet aiemmin samantyyppisen lehden. Tämän jälkeen malli konvertoidaan uuteen asiakasmassaan ja näin saadaan parempi myyntitulos kuin soitoilla kylmiin osoitteisiin.
Kuulostaa helpolta. Miksei tätä sitten hyödynnetä?
– Tärkein syy on datan heikko laatu: ei ole kunnollista myyntihistoriaa ja asiakashallintajärjestelmän asiakastieto ei ole ajan tasalla tai se on virheellistä. Datan kerääminen vaatii myös aikaa, työtä ja resursseja, Niemijärvi sanoo.
Asiakastiedon hallinta ja hyödyntäminen on mahdollista vain, jos organisaatiossa on henkilöitä, joiden toimenkuvaan kuuluu koko asiakasrajapinnan hallinta.
– Myynti myy, markkinointi markkinoi ja asiakaspalvelu hoitaa reklamaatiot. Usein joudun kysymään, kuka ottaa kokonaisvastuun asiakkuudesta ja sen elinkaaren arvon kasvattamisesta, prospektoinnista, myynnin organisoinnista, asiakkuuden hoidosta, lisämyynnistä ja poistuman hallinnasta, Niemijärvi päivittelee.
Omaa osaamista ja kumppaneita
Kuinka lähdetään liikkeelle asiakastiedon keruussa ja analytiikassa?
– Pienempien organisaatioiden kannattaa nojata kumppaneihin, joita on hyvin tarjolla. Vähänkin suuremmassa yrityksessä on syytä kehittää omaa osaamista siitä, miten dataa voidaan hyödyntää, Kivilahti neuvoo.
Datan hyödyntämistä on hyvä tehdä esimerkiksi alihankkijoiden ja jakeluketjun kanssa. Näin saadaan laajempaa tietoa asiakkaista ja koko verkosto hyötyy yhdessä kerätystä tiedosta. Samalla kun tiedon tekninen keruu ja analytiikka voidaan ulkoistaa esimerkiksi tietotekniikkakumppanille, pitää huolehtia, että asiakastiedon hallinta ja hyödyntäminen pidetään omissa käsissä.
– Tämä asia pitää osata sisäisesti niin hyvin kuin mahdollista, Kivilahti kannustaa.
Asiakasdata on syytä katsoa monipuolisesti, koko organisaation hyödyksi. Se ei ole pelkästään myynnin ja markkinoinnin aarreaitta.
– Tietoja voidaan hyödyntää sekä oman palvelun kehittämiseen että alihankintaverkoston tuotekehitykseen. Esimerkiksi Keskossa jaetaan analysoitua asiakasdataa monille kumppaneille, Kivilahti kertoo.
Tavoite kirkkaaksi
Ennen analytiikkaprojektin alkua on mietittävä, mitä liiketoiminnan tavoitetta se palvelee. Muuten heinäsuovasta löytyy vääriä neuloja. Motiivi voi olla parempi asiakaskokemus, tuotevalikoiman kehittäminen tai markkinointitoimenpiteiden tehostaminen.
Liiketoimintatavoitteista johdetaan myynnin ja markkinoinnin tavoitteet ja toimenpiteet, joihin analytiikkaa hyödynnetään. Vasta sitten on syytä miettiä, mitä dataa, miten ja mihin järjestelmiin sitä kerätään ja analysoidaan.
Rimaa ei pidä asettaa liian korkealla, sillä analytiikkaa tekemällä siitä oppii koko ajan uutta.
– Kun dataa analysoi, siitä löydetään usein jopa vahingossa uusia läpimurtoja ja liiketoimintaa hyödyntävää tietoa, Kivilahti sanoo.
Kaikkea dataa ei kannata kerätä, eikä ensimmäiseksi kannata miettiä teknistä järjestelmää. Tärkeintä on oivaltaa, mitä liiketoiminnan tavoitetta asiakasdatan keruu, hallinta ja analytiikka palvelevat.
– Eihän viikonloppumatkaakaan varten kerätä säätietoja kymmeneltä vuodelta koko maailmasta vaan pariksi seuraavaksi päiväksi vaikka Tampereelle, Niemijärvi vertaa.
Kun asiakastiedon analytiikkaa rakennetaan, on aika tutkia, mihin organisaation toimiin asiakastieto vaikuttaa. Vaikka myynti ja markkinointi olisivatkin asiakastiedon analytiikan ensisijaiset tarvitsijat, havaitaan useimmissa yrityksissä, että samasta datasta voidaan analysoida arvokasta tietoa vaikkapa tuotekehityksen, logistiikan ja henkilöstön koulutuksen tarpeisiin.
Kun asiakas istuu kuskin paikalla, siitä kerätty ja hyödynnetty tieto ohjaa yrityksen kaikkea toimintaa.
Kohdistettua myyntiä analytiikalla
Digitaalisen liiketoiminnan asiantuntijayritys Solitan johtava konsultti Katriina Kiviluoto sanoo, että ennakoivalla analytiikalla asiakkaan ostoprosessia vauhditetaan tarjoamalla hänelle todennäköisimmin sopivia vaihtoehtoja. Kiviluoto tiivistää analytiikan hyödyntämisprojektin seuraavasti:
1. Tavoitteet. Miten haluamme tehdä asiakkaasta onnellisemman?
2. Analyysi. Mitä tietoa asiakkaasta on jo saatavilla ja miten tietoa kannattaisi rikastaa?
3. Roadmap. Mietitään, missä kohtaamisissa tietoa voidaan hyödyntää ja mitkä ovat vaikutukset organisaatioon?
4. Teknologiat. Valitaan teknologiat, jotka sopivat olemassa oleviin teknologioihin.
5. Kääritään hihat. Kootaan tieto yhteen kaikista digitaalisista ja analogisista lähteistä sekä tarjoillaan se käyttäjille helppokäyttöisenä palveluna.
6. Siirrytään ammattilaiseksi. Personoidaan asiakaskohtaamiset ennakoivalla analytiikalla ja tehdään jokaiseen vuorovaikutustilanteeseen tietomassaa hyödyntävä sovellus.
7. Pidetään kivet vierimässä. Ylläpidetään ja kehitetään ennakoivan analytiikan mallia oppimaan vuorovaikutustilanteista lisää.
Some-tieto haltuun
Sosiaalisen median tietokantojen hyödyntäminen on tehokas tapa mitata muun muassa uusien tuotteiden markkinoinnin tehoa.
Some-tiedon palveluyritys Futusome tarjoaa muun muassa Twitterin, Instagramin, Facebookin ja satojen keskustelualueiden seurantaan asiakaskohtaisesti räätälöitäviä palveluita. Niiden avulla skannataan some-kanavien sisältöjä, joista voidaan hakusanoilla suodattaa halututtu sisältö.
Tämä data analysoidaan erilaisilla analytiikka- tai seurantatyökaluilla, jolloin nähdään esimerkiksi uutta tuotetta koskevien keskustelualueiden positiivisten ja negatiivisten viestien määrät eri aikoina.
– Paras tulos saadaan, kun yhdistetään some-tietoa, yrityksen omissa järjestelmissä olevaa tietoa ja uuden tuotteen lanseerauskampanjan tietoa. Näin saamme erittäin rikkaan tietämyksen siitä, miten markkinointi toimii, mikä tuote kiinnostaa ja aiheuttaako kiinnostus laskutusta, Ville Niemijärvi sanoo.