Jakiś czas temu siedziałem na spotkaniu marketingowym u klienta.
Rozmowa dotyczyła działań wokół zestawu produktów, który od lat jest przygotowywany pod sprzedaż w Q4. Typowy prezent dla bliskiej osoby, czasem dla siebie. Produkcja zamknięta, towar jedzie do magazynu, marketing rozważa wszystkie możliwości.
W pewnym momencie pada zdanie: „Ten zestaw co roku kupują w większości ci klienci, którzy kupili go już w zeszłym roku.”
Zapaliła mi się czerwona lampka. Prezent? Ten sam, co roku, dla tej samej osoby?
Trzy pytania do danych
Jakiś czas wcześniej przenieśliśmy zamówienia do osobnej bazy z zanonimizowanymi danymi klientów. Właśnie po to, żeby spokojnie analizować tysiące zamówień, bez ryzyka i bez bólu głowy.
Otworzyłem komputer i zleciłem zadanie naszemu wewnętrznemu modelowi AI. Na przestrzeni ostatnich trzech lat sprawdź zestaw, który zawsze wprowadzamy do sprzedaży w Q4:
- ilu kupujących zestaw było już wcześniej naszymi klientami?
- ilu po zakupie zestawu wróciło na kolejne zakupy?
- ilu kupowało ten zestaw rok po roku?
Rozmowa toczyła się dalej. Decyzje zapadały na bazie doświadczenia i intuicji zespołu. Pomysły były kreatywne i realne w realizacji, bo ci ludzie naprawdę znają swój biznes.
Po chwili analiza była gotowa:
- 29,9% kupujących było wcześniej klientami sklepu,
- 26,5% wróciło na kolejne zakupy,
- 7,7% kupowało zestaw rok po roku.
Przedstawiłem wyniki wszystkim zgromadzonym. Cisza.
Co to oznaczało
7 na 10 kupujących zestaw to nowi klienci. To nie jest produkt dla stałych klientów, tylko produkt, który ich pozyskuje.
26,5% wraca na kolejne zakupy, a średnia retencja sklepu to 22,7%. Zestaw nie tylko przyciąga nowych klientów, ale otwiera ich na resztę oferty.
Tylko 7,7% kupuje go ponownie. Dla jednej osoby to zakup jednorazowy.
Rozmowa zaczęła się od nowa. Zadaliśmy kolejne pytania: co klienci zamawiali przed kupnem zestawu, co kupowali w kolejnych zamówieniach, co jeszcze trafiało z nim do koszyka. Plan na Q4 wyglądał potem zupełnie inaczej niż na początku spotkania.
Doświadczenie + intuicja + dane + AI = decyzje
Możemy mieć ogromne doświadczenie i świetną intuicję. Ale jeśli nie sprawdzamy danych, które mamy w zasięgu ręki, podejmujemy błędne decyzje. Dlatego staram się nie nadużywać wyrażenia „wydaje mi się”. Tego samego uczę firmy, z którymi pracuję.
Każdą współpracę zawsze zaczynałem od zebrania danych i ich analizy. Teraz, gdy praca na dużych bazach jest łatwiejsza, robię to szybciej i dokładniej:
- zbieram dane o biznesie,
- anonimizuję je i wpuszczam do AI,
- zadaję kilka pytań kontrolnych i ręcznie sprawdzam, czy AI dobrze czyta dane,
- dopiero wtedy zaczynamy właściwą pracę.
AI nie jest tu od wyciągania wniosków. Jest od tego, żeby sięgnąć głęboko w dane i znaleźć zależności, których nie widać w raporcie. Wnioski i decyzje zostają po stronie ludzi.
Najczęściej zadawane pytania
Jak wykorzystać AI do analizy danych sprzedażowych?
Zbieram dane o biznesie, anonimizuję je i wpuszczam do AI. Zadaję pytania kontrolne i ręcznie sprawdzam, czy AI dobrze czyta dane. AI szuka zależności, a wnioski i decyzje zostają po stronie ludzi.
Czy dane klientów można bezpiecznie analizować w AI?
Tak, jeśli wcześniej przeniesie się zamówienia do osobnej bazy z zanonimizowanymi danymi klientów. Wtedy można analizować tysiące zamówień bez ryzyka.
Dlaczego intuicja zespołu nie wystarcza przy planowaniu sprzedaży na Q4?
Bo nawet doświadczony zespół może się mylić. W opisanym przypadku produkt uznawany za zakup stałych klientów w 7 na 10 przypadkach kupowali nowi klienci.
Masz podobny problem w swojej firmie?
Pomagam firmom e-commerce podejmować decyzje na danych: analiza zamówień, klientów i retencji, także z wykorzystaniem AI na zanonimizowanych danych. Więcej o mnie.
Dodaj komentarz