Menu

Jak zvýšit spokojenost zákazníků? Použijte data o nákupních zvyklostech

Zapomeňte na věk svých zákazníků a další zastaralé metody segmentace. Raději vylepšujte své služby pomocí dat o nákupním chování jako to dělá Amazon nebo Netflix.

Ne všechny cestou vedou do nákupního košíku
Ne všechny cestou vedou do nákupního košíku

Zatímco dříve marketingová analytika fungovala hlavně na vyhodnocování demografických dat, dnes se větší váha přikládá chování zákazníků. Princ Charles a Mick Jagger patří do stejné demografické skupiny, jejich nákupní zvyklosti ale patrně budou dost odlišné. Na druhou stranu, dvacetiletý student se může v mnohém rozhodovat podobně jako zmíněný britský aristokrat, rocková hvězda, a nebo také úplně jinak. Využívání dat o chování zákazníků tedy vede k jejich lepšímu pochopení, což zpravidla znamená lepší obchodní výsledky.

Článek How to Use Customer Behavior Data to Drive Revenue na blogu společnosti Pointlist se inspiroval prací těch největších hráčů na digitálním trhu jako je Netflix, Amazon nebo Google. Spokojenosti zákazníků dosahují mimo jiné díky výborné znalosti jejich nákupního chování. Už samotná čísla stojí za pozornost. Personalizace na základě dat ovlivňuje více než 75 % aktivit diváků Netflixu, dobře mířená doporučení zboží zase generují 35 % prodejů na Amazonu. Data o nákupních zvyklostech uživatelů k dalšímu získávání zákazníků, minimalizaci jejich ztrát a zvyšování počtu opakovaných nákupů se ale nevyplatí vyhodnocovat jen globálním kolosům. Jak je pro svůj byznys můžete využít i vy?

Využití dat k získávání zákazníků

Nákupní cesta 21. století je komplexní a zahrnuje velké množství touchpointů, tedy styčných bodů se zákazníkem. Jedná se o místa, na kterých potenciální i stávající klienti přicházejí do kontaktu s vaší společností, ať už se jedná o přednákupní, nákupní nebo ponákupní fázi. V první jmenované etapě jsou typicky používanými touchpointy reklamní kampaně zaměřené na viditelnost značky a produktu nebo obsah komunikovný skrze sociální sítě. V druhé fázi jde zpravidla o realizaci transakce na webové stránce, v e-shopu, či v kamenné prodejně. Nakonec přichází ke slovu péče o zákazníka, dotazy na spokojenost s nákupem zaslané e-mailem apod.

K získání nových zákazníků je důležité si maximum touchpointů správně vyhodnotit. Z informací o nákupním chování by vás zejména mělo zajímat:

  • Jak se lidé dostali na vaše stránky? (Náhodně při hledání určitého produktu, nebo cíleným zadáním názvu brandu do vyhledávače?)
  • Podle čeho se při nákupu vašich produktů rozhodují? (Cena? Provedení? Značka?)
  • Kolik jsou schopni utratit během jednoho nákupu?
  • Je něco, co jim znepříjemnilo nákup, nebo je od konverze vyloženě odradilo?

Prospěšná data přinesou uživatelská testování a zákaznické průzkumy, které můžete provádět na webu i pomocí papírových dotazníků. Cenné informace získáte také z on-line analytických nástrojů jako Audience Insights na Facebooku, Hotjar nebo Google Analytics.

Na základě získaných dat si lze vyhodnotit typické návyky zákazníka – lépe si představit jeho klíčové vlastnosti a využít je pro tvorbu vlastních person nebo významných prodejních argumentů. Stejně tak můžete tyto informace použít pro UX optimalizaci webu, upravit podle nich nabídku zboží nebo efektivněji rozdělit investice do propagačních kanálů. Vaše snahy by vždy měly vycházet z preferencí publika, ze kterého má vaše podnikání největší užitek. Jako nevýhodné se naopak může ukázat cílení na zákazníky, kteří sice nakoupí, ale pouze zanedbatelný objem produktů.

Využití dat k udržení stávajících zákazníků

Podle výstupů marketingového konzultanta Estebana Kolskyho uvádí 67 % zákazníků špatnou zkušenost jako důvod k přerušení odběru služeb. Jenže jen 1 člověk z 26 vám uvede důvod svého chování. Drtivá většina nespokojených uživatelů jednoduše odejde. Jak pracovat s jejich daty, abyste se podobných ztrát vyvarovali?

Čísla prodejnosti vám napoví, který produkt se prodává dobře a který nikoliv. Díky behaviorálním datům se ale velký prostor nabízí také k tvorbě individualizované nabídky pro jednotlivé uživatele. Například Netflix si udržuje přehled o míře aktivity přihlášených diváků, která vede k dalšímu odběru služby. Jakmile tato statistika klesne pod průměrnou měsíční hranici, Netflix si chování vyhodnotí jako hrozbu a algoritmy začnou divákovi doporučovat pořady nejen během přihlášení k účtu, ale také prostřednictvím e-mailů a push notifikací vycházejích z divákova vkusu. Systém prý společnosti ušetří až 1 miliardu dolarů ročně.

Využití dat k opakovaným nákupům

Výhodnější než získat nové zákazníky je zpravidla přimět k nákupu ty stávající. Mezi oblíbené způsoby patří připomenutí nákupu pomocí SMS, notifikace do telefonu, ale také nabídka souvisejícího zboží. Dobře funguje známé, a přitom jednoduché sdělení „Lidé, kteří koupili X, koupili také Y.“ Typicky se s těmito up-sellovými či cross-sellovými metodami setkáte na děkovné stránce ihned po nákupu nebo s odstupem ve vaší e-mailové schránce.

Aby byly takové techniky efektivní, neobejdete se bez vyhodnocení nasbíraných dat. Například algoritmy Amazonu pracují s nákupní historií zákazníka, obsahem jeho košíku, produkty, které ohodnotil, nebo s těmi, které si alespoň zobrazil. Tedy nic, čeho by se nemohl dopátrat i nepoměrně menší internetový obchod.

Důležitější než kopírovat Amazon je však vycházet ze specifika vlastní značky a nákupní cesty svých zákazníků. A také si udržet dostatek soudnosti ve chvílích, kdy vám lidé dají najevo svou nespokojenost. Pokud vám někdo reklamuje rozbitý smartphone, nabídkou nových sluchátek si jeho přízeň zpět nejspíš nenakloníte. Omluvný e-mail se slevou na další nákup by mohl mít naději na úspěch o něco větší.