Za big data kryją się ludzie

Niniejszy artykuł stanowi przetłumaczoną transkrypcję wywiadu przeprowadzonego przez Amandę Cromhout w ramach podcastu Let’s Talk Loyalty z Shorfulem Islamem w ramach odcinka #299, który w języku angielskim można odsłuchać pod tym linkiem.

Witam w Let’s Talk Loyalty, branżowym podcaście dla specjalistów od marketingu lojalnościowego. Nazywam się Paula Thomas, jestem założycielką Let’s Talk Loyalty. Gospodarzem dzisiejszego programu jest moja koleżanka Amanda Cromhout, założycielka Truth, międzynarodowej firmy doradczej z siedzibą w Kapsztadzie w RPA.

Amanda Cromhout: Witam i zapraszam do Let’s Talk Loyalty. Dzisiaj mamy wyjątkową rozmowę z dr Shorful Islam. Shorful jest CEO Be Data Solutions, który rozpoczął pracę w tej branży mając doktorat z psychologii. Miałam przyjemność pracować z Shorfulem i jego zespołem w Indonezji wiele lat temu. Byłam absolutnie zafascynowana jakością insightów i możliwościami analityki danych jego ówczesnej firmy o nazwie Stream Intelligence.

Podczas naszej dzisiejszej rozmowy dowiemy się, jak Shorful wykorzystuje swoje doświadczenie w psychologii do pracy nad danymi reprezentującymi ludzkie zachowania, co jak wszyscy wiemy w świecie lojalności jest niezbędne. W naszej dyskusji skupimy się również na tym, jak dane i automatyzacja mogą zajść daleko, gdy współpracujesz z ludźmi. Mówiąc wprost, jest to jeden z tych wywiadów, które mogłyby trwać godzinami.

Shorful, witam w Let’s Talk Loyalty. Bardzo się cieszę, że jesteś z nami.

Shorful Islam: Dziękuję, Amando. To dla mnie zaszczyt.

Amanda Cromhout: Jestem naprawdę podekscytowana dzisiejszą rozmową z kilku powodów. Po pierwsze, znam Cię od wielu lat i zawsze podobała mi się nasza współpraca. Po drugie, wiem co kryje się za dzisiejszą rozmową i jestem zachwycona, że możemy się tym podzielić ze słuchaczami. Myślę więc, że zaczniemy od tradycyjnego pytania Let’s Talk Loyalty. Opowiedz nam, jaki jest Twój ulubiony program lojalnościowy.

Shorful Islam: To naprawdę dobre pytanie. Oczywiście, kiedy pracujesz w branży lojalnościowej, obserwujesz wiele programów lojalnościowych, ale moim ulubionym jest Qatar Airways Privilege Club. Zawsze uwielbiałem programy lojalnościowe linii lotniczych, ale uważam, że ten z Qatar jest całkiem niezły, szczególnie jeśli chodzi o wybór korzyści, jakie można otrzymać za zebrane mile.

Amanda Cromhout: To świetnie. Gdy mi zadano to samo pytanie, moją odpowiedzią również był program z branży linii lotniczych. Znam Cię od wielu lat w środowisku danych i miałam zaszczyt pracować z Twoją firmą. I właśnie dlatego naprawdę chciałam z Tobą porozmawiać. Myślę, że to, co byłoby niezwykle przydatne dla słuchaczy, to dowiedzenie się nieco więcej o CEO i założycielu firmy Be Data Solutions. Opowiedz nam o tej roli i o firmie Be Data Solutions.

Shorful Islam: Be Data Solutions jest firmą zajmującą się danymi. Zajmujemy się wszystkim, począwszy od strategii danych, poprzez inżynierię, analitykę, aż po naukę o danych. Można sobie wyobrazić, że wielu klientów posiadających programy lojalnościowe, mają świetne programy powitalne i programy CRM, ale potrzebują pomocy ze strony danych, czy to w zakresie analizy i dostarczania informacji, czy też w zakresie przenoszenia danych, które łączą dotychczas niepołączone elementy. To właśnie robimy w Be Data, jak już wspomniałem, jesteśmy dostawcą kompleksowych rozwiązań w zakresie danych.

Amanda Cromhout: Świetnie. Działacie inaczej niż rynek. Przyczyną, dla której tak naprawdę chciałam z Tobą porozmawiać, jest Twoje wykształcenie zdobyte w dziedzinie psychologii. Możecie sobie wyobrazić, jak to przemawia do nas, jako praktyków lojalności, ponieważ na koniec dnia, klienci i psychologia to dwie nierozłączne kwestie. Proszę, opowiedz nam trochę o tym, ponieważ Ty także dostrzegasz to powiązanie i w jaki sposób doprowadziło Cię to do miejsca, w którym teraz przewodzisz?

Shorful Islam: Jak już wspomniałaś, posiadam doktorat z psychologii. Jedną z pierwszych rzeczy, które zrobiłem w moim doktoracie, było przewidywanie, dlaczego dzieci mają wypadki. Zawsze interesowały mnie dane, jako reprezentacja ludzkiego zachowania. Pomysł był taki, że można spojrzeć na wszystkie te dane i wywnioskować z nich ludzkie zachowanie. Następnie, oczywiście przy użyciu wielu zaawansowanych technik statystycznych, można je przewidzieć. Tak więc mój doktorat dotyczył tego, dlaczego dzieci mają wypadki i jak je przewidzieć? Jeśli jesteś rodzicem, przykro mi to mówić, ale około 60% powodów, dla których dzieci mają wypadki, opiera się na tym, w jaki sposób nadzorujesz swoje dziecko, kiedy jest z tobą. Pracowałem w NHS (brytyjska Narodowa Służba Zdrowia) i rządzie. Na początku zajmowałem się badaniami typu początkowego, gdzie przeprowadza się ankiety, ale byłem bardziej zainteresowany danymi, które zostały już zebrane przez systemy. Tak więc w NHS na przykład, mieli system administracji pacjenta. Więc jeśli przychodziłaś to musiałaś poinformować recepcjonistkę, dlaczego tu jesteś i podać szczegółowe dane personalne. Niesamowicie interesowało mnie analizowanie tych danych.

Potem rozpocząłem pracę w administracji rządowej, gdzie patrzyłem na dane dotyczące zasiłków, podatku lokalnego, ubezpieczenia społecznego. Potem przeniosłem się do sektora komercyjnego, gdzie zacząłem pracę z danymi z programów lojalnościowych. Z punktu widzenia psychologii, fascynujące było to, że patrzysz na te punkty danych i próbujesz odwzorować zachowania i je przewidzieć, ale także wywnioskować intencje, prawda? Chodzi więc o to, że patrzysz na te zachowania i myślisz: „Dlaczego oni robią takie rzeczy?” To jest genialne dla lojalności, prawda? Bo jeśli zaczniesz obserwować ludzi podejmujących pewne zachowania, zaczniesz myśleć, że jest jakiś cel, dla którego postępują w określony sposób. Weźmy na przykład Starbucks lub McDonald’s, gdzie widzisz ludzi kupujących rano kawę, czy śniadanie idących do pracy. Zdajesz sobie potem sprawę, że zobaczysz to zachowanie konsekwentnie, powiedzmy cztery lub pięć razy w tygodniu, w ciągu dnia powszedniego, bo kupują te rzeczy, jak idą do pracy. Więc jest misja, jest intencja i cel, który za tym stoi. Dlatego właśnie jestem w tej przestrzeni, w której jestem. Ja nie widzę danych, jako celu końcowego, widzę dane, jako reprezentację zachowań, które są podejmowane przez ludzi. Tak jak powiedziałem, w programie lojalnościowym jest to genialne, ponieważ można śledzić kogoś w różnych przedziałach czasowych, w różnych produktach i usługach. Dla mnie, jako psychologa, jest to dość interesujące, ponieważ próbujesz wywnioskować, jakie są różne rodzaje zachowań, które widzisz. Jakie są różne rodzaje grup klientów i ich zachowania konsumenckie. I w końcu jak przewidzieć, co zrobią, aby upewnić się, że program lojalnościowy będzie bardziej efektywny.

Amanda Cromhout: Bardzo podoba mi się fakt, że zacząłeś od przewidywania, dlaczego dzieci mają wypadki, co doprowadziło Cię do wniosku, iż wina w 60% przypadków leży po stronie rodziców. To niesamowite. Pamiętam, jak mówiłeś o zaangażowaniu w NHS. Nie zdawałam sobie sprawy, że potem poszedłeś do sektora publicznego przed środowiskiem komercyjnym. Widzę, jak ta ścieżka doprowadziła Cię do mapowania zachowań dotyczących lojalności klientów, a następnie wnioskowania intencji i opisywania tego. Myślę, że jeśli spojrzymy na naszą bazę danych klientów to zauważymy, że mamy podział konsumentów. Niektórzy z nich są bardzo rentowni, lojalni, a inni są czymś w rodzaju zwykłego opisu tzw. długiego końca bazy danych. Porozmawiajmy o najbardziej lojalnych klientach z Twojego punktu widzenia.

Shorful Islam: To jest naprawdę interesujące. Czy jest to 1% dla produktów luksusowych o wysokiej wartości, czy jest to 5-10% dla produktów masowych to zawsze uważałem, że klienci z najwyższego poziomu generują 25% twoich przychodów. Co ciekawe, zawsze jesteś w stanie ich pozyskać. To pierwsza rzecz. Więc kiedy pracuję z zespołem CRM, zespołem lojalnościowym i rozmawiamy o tym, w którym segmencie powinniśmy spróbować zdobyć więcej udziałów w portfelu, to ta grupa, nawet jeśli wydaje dużo, wydaje się mieć więcej pieniędzy do wydania u ciebie. Uważam, że grupę można zawsze rozwijać. Myślisz, że nie będziesz w stanie ich zatrzymać, bo ile jeszcze mogą kupić? Kiedy po raz pierwszy dostałem się do segmentu lojalności i analityki w lojalności, byłem bardzo sceptyczny. Czy ludzie rzeczywiście mogą być lojalni wobec marki? Jeśli weźmiesz pod uwagę samo zachowanie, to możesz zauważyć, że sugeruje ono to, że ludzie są lojalni. Nawet jeśli nie zachęcasz do aktywności tych najbardziej lojalnych klientów to mimo wszystko oni i tak do ciebie przyjdą. Trzeba tylko przekazać im odpowiednią wiadomość we właściwym czasie. Wiele analiz, które przeprowadzamy, wykorzystuje teraz uczenie maszynowe. Jesteśmy więc w stanie naprawdę dostosować to, co jest wysyłane do danego segmentu w obrębie tych wysoce lojalnych klientów.

Amanda Cromhout: Ostatni fragment był niezwykle interesujący. Myślę, że ważną rzeczą jest zrozumienie, że tak naprawdę nie musisz zawsze motywować swoich najbardziej lojalnych klientów, po prostu musisz się dobrze komunikować i angażować w odpowiednim czasie. Ale powiedziałeś też coś zupełnie odmiennego niż słyszałam w innych kręgach, więc miło jest usłyszeć, że nawet w najwyższym segmencie istnieje sposób na rozbudowanie pewnego poziomu wydatków lub wkładu. Odwróćmy to trochę na drugą stronę. Co widzisz na przeciwległym końcu krzywej dystrybucji? Porozmawiajmy o tych mniej lojalnych klientach.

Shorful Islam: To interesująca grupa i zawsze patrzę na nich, jak na najłatwiejszy sposób do uzyskania większych przychodów w programie lojalnościowym. Są oni naprawdę rzadko spotykani, prawda? Więc patrzymy na program lojalnościowy np. dom towarowy, w którym wizyty mogą być raz na 3, 4, 5 miesięcy. Albo czy jest to w kategoriach rodzaju żywności i restauracji, gdzie można zobaczyć klienta raz w miesiącu. Możemy tu wyróżnić kilka podgrup. Pierwsza z nich, która dołączy tylko dlatego, że dany program był promowany w tym czasie, ale nie mają oni lojalności wobec marki. Więc po prostu tak wyszło, że trafili na twoją markę, zobaczyli, że istnieje program lojalnościowy i postanowili do niego dołączyć. Odkryłem, że możesz zidentyfikować tę grupę. Bez względu na to, co im zaoferujesz to oni i tak nie wrócą, bo to nie jest część ich naturalnego zachowania. Widzisz tych ludzi, którzy są mniej częstymi klientami, co sugeruje, że prawdopodobnie kupują podobne produkty gdzieś indziej, bo ktoś potrafi ich odpowiednio zachęcić. Zawsze jestem ostrożny w dostarczaniu zbyt wielu bodźców, ponieważ wtedy klienci stają się tzw. łowcami kuponów i okazji, którzy przychodzą, tylko dlatego, że mają kupon. Ale jest też grupa, którą z odpowiednim rodzajem wyczucia czasu wysłania wiadomości, możesz zaktywizować. Odkryliśmy to u niektórych naszych klientów. Jednym z naszych klientów jest fast food i zauważyliśmy, że ludzie zachowują się w sposób charakterystyczny. Po pewnym czasie przychodzą sporadycznie i wtedy nadchodzi czas na przypomnienie im, dlaczego wcześniej przychodzili. Uważam, że ta grupa może być naprawdę duża. W niektórych programach lojalnościowych mogą stanowić nawet 60% użytkowników, gdzie zobaczysz ich tylko raz, w ramach aktywnego okna, czymkolwiek to aktywne okno jest. Prawdopodobnie będziesz w stanie zaktywizować około 50% z nich, nawet bez wprowadzania atrakcyjnej oferty.

Amanda Cromhout: Ale to wciąż jest strata. Jednak myślę, że każdy z nas byłby bardzo podekscytowany widząc 50% odsetek odpowiedzi na kampanię.

Shorful Islam: Wiem. To znaczy, to nie musi być koniecznie kampania, jest to pewien czas aktywności, kiedy staramy się ich odzyskać. Ilekroć robimy, modeling nasi klienci zawsze pytają : „Do kogo powinniśmy się zwrócić i w jaki sposób?”. Wydaje się, że są to osoby które najłatwiej jest modelować pod kątem przychodów. Bo jeśli masz ogromną liczbę osób typu beta, które widzisz tylko raz w swoim punkcie sprzedaży i mówisz sobie, że jeśli mogę sprawić, że 20% z nich wróci jeszcze raz, to jest to wzrost o X kwoty w przychodach. Jest to dość duży 5, 6% wzrost przychodów na niektórych z tych klientów. Ale oni są naprawdę trudni do odzyskania. Także z analitycznego punktu widzenia, ponieważ dokonują transakcji bardzo rzadko, więc liczba punktów danych jest bardzo mała. Dlatego jest naprawdę trudno modelować ich zachowanie i zrozumieć, jakie są ich intencje lub cel, kiedy robią zakupy u ciebie.

Amanda Cromhout: Oczywiście. W rzeczywistości widzimy wielu naszych klientów, którzy wydają dużo na budżet marketingu bezpośredniego bez odpowiedniej analityki, aby w rzeczywistości wysłać identycznego SMS-a do każdej osoby w bazie danych. I jak powiedziałeś na początku tego pytania, wielu klientów rzeczywiście zapisuje się raz i tak naprawdę potem nie wykazuje już żadnego zainteresowania marką. Można zmarnować wiele pieniędzy marketingowych na te kampanie. Wspomniałeś o nieaktywnych użytkownikach, jakie są Twoje sposoby na ich aktywizację?

Shorful Islam: Pierwszym sekretem, jaki chciałbym ujawnić, jest to, że musisz dokonać subsegmentacji w obrębie tej grupy konsumentów. Bardzo często mówimy: „Oto nasi nieaktywni klienci, zróbmy program ratunkowy, aby ich zaktywwizować”. Ale to nie jest jednorodna grupa, ok? Więc nawet przy minimalnych punktach danych, jesteśmy w stanie zidentyfikować w nich wiele podgrup. Jest taka jedna grupa, która po prostu jak gdyby przelatuje, gdybyś nie wysłał do nich SMS-a to zaoszczędziłabyś sporo pieniędzy, bo i tak do ciebie nie wrócą. Jednak możemy wyróżnić także inne grupy. Tak jak powiedziałem, możesz też znaleźć grupę, która chętnie korzysta z ofert konkurencji. Ich zachowanie może przejawiać się w pewnego rodzaju regularnego postępowania, ale nieregularne w zakresie dokonywania transakcji w twojej firmie. Można po prostu wywnioskować, że prawdopodobnie kupują podobny produkt, ale kupują go gdzieś indziej. Zaczynasz się wtedy zastanawiać, jak możesz ich zachęcić do przyjścia? I tu właśnie należy wspomnieć o wysyłaniu wiadomości we właściwym czasie, tak aby upewnić się, że przyjdą. Kolejną grupę możemy wyodrębnić na podstawie kwoty, jaką wydają w sklepie. Jeśli przychodzą do ciebie rzadko, ale dokonują transakcji na duże kwoty, to można założyć, że nie jest to problem braku środków pieniężnych, oni po prostu wydają je gdzieś indziej. Zastanawiasz się wtedy, jak sprawić, by wrócili i wydali je u ciebie. Tak więc, sekretem jest segmentacja, aby naprawdę zrozumieć swoich klientów. Nie traktuj ich, jak jednorodne grupy. Myślę, że w przeszłości istniała tendencja do posiadania szerokich grup, które były dobre, gdy robiłaś coś w rodzaju personaliów marketingowych. Jednak kiedy faktycznie wykonujesz pewnego rodzaju kampanie do CRMów , możesz użyć AI, uczenia maszynowego, aby zobaczyć reakcję danych grup docelowych. Następnie możesz użyć tych danych, aby upewnić się, że uzyskasz optymalne wskaźniki odpowiedzi. Trzeba zrozumieć, że ci konsumenci nie tworzą homogennej grupy.

Amanda Cromhout: Tak, absolutnie. Jak mówisz, jest miejsce dla tych obszerniejszych grup, może w strategicznym pozycjonowaniu w biznesie i marketingowych osobach, aby pomóc firmom zrozumieć rodzaje typologii. Chcę wrócić do dyskusji wokół psychologii. Jest to bardzo fascynujące, ale także istotne, jako kontekst. Czy możesz powiedzieć nam więcej ze swojego doświadczenia, pracując nad tak wieloma różnymi programami lojalnościowymi, o psychologii stojącej za programem lojalnościowym?

Shorful Islam: Jak już mówiłem, nadal jestem nieco sceptyczny co do tego, że ludzie są lojalni wobec marek. Mogą wykazywać zachowania, które uważamy za lojalne, często wracają, wydają więcej angażując się, są ambasadorami, promują markę. Więc mogą wykazywać te zachowania, ale zastanawiam się, czy człowiek, podobnie jak lojalność, jest lojalny wobec innych ludzi? Czy to może być naprawdę przypisane do marki? Ale jeśli spojrzeć szerzej, analizowaliśmy dane dla domów towarowych, supermarketów, linii lotniczych, kawiarni. Możemy z tego wywnioskować, dlaczego ludzie przychodzą do wielu z tych miejsc. Są tam tzw. charakterystyczne dyskretne zachowania. To nie jest tak, że wszyscy konsumenci są przypadkowi, że każdy przychodzi do różnych marek z różnych powodów. Jeśli spojrzysz w obrębie marki lub nawet grupy marek, okaże się, że ludzie mają te spójne grupy zachowań. Przychodzą w jakimś celu, ale zawsze są jakieś wyjątki, prawda? Przykładowo mogę kupować codziennie rano kawę w mojej ulubionej kawiarni, ale raz na jakiś czas mogę mieć spotkanie wcześniej lub później, więc nie pójdę do tej kawiarni i pójdę gdzieś indziej. Więc zawsze są te odchylenia, ale w skali całości i na poziomie grupy, bo to właśnie analizujemy, nie analizujemy pojedynczych jednostek. Okazuje się, że na poziomie grupowym istnieje pewien rodzaj zachowań, które ludzie przejawiają w stosunku do marek. To jest fascynujące, robię ten rodzaj behawioralnego grupowania z różnymi markami już na samym początku współpracy. Nie możesz tak naprawdę wyłapać tych odrębnych grup, są one zazwyczaj dość dobrze odwzorowane przez całą bazę klientów. To co mówi psychologia, to to, że tak, są ludzie, którzy przychodzą do ciebie, a program lojalnościowy prawdopodobnie bardzo w tym pomaga. Ale są też tacy ludzie, którzy przyjdą do ciebie zawsze, których nie musisz motywować. Dla nich program lojalnościowy to tylko dodatek. Chodzi o to, aby być na tyle inteligentny, żeby zidentyfikować te osoby, które, są z tobą z powodu programu lojalnościowego lub innych powodów i te, które są z tobą z powodu siły marki. Jeśli można to zrobić, to oznacza, że sposób komunikacji będzie musiał to odzwierciedlać. Jeśli zaczniesz dostarczać oferty do ludzi, którzy rzeczywiście lubią Twoją markę, to może pojawić się trochę niesmaku, ponieważ myślą „dobrze, dziękuję, ale i tak bym odwiedził twój sklep, nie potrzebowałem tej oferty”. Więc, kiedy robisz analizę programu to po to, aby zrozumieć, jaka jest prawdziwa motywacja konsumentów. Powodem, dla którego nakłaniam moich analityków do takiego myślenia jest to, że mówię: nie zapominaj, że dane na końcu programu lojalnościowego to osoba a nie maszyna, która to robi. Konsumenci mieli powód, żeby wybrać akurat twoją markę a ty powinieneś wiedzieć, dlaczego to zrobili, co ich motywowało. To pomaga klientowi lepiej zrozumieć swoich klientów, ale także zrozumieć cel swojego programu lojalnościowego.

Amanda Cromhout: Bardzo podoba mi się to, co właśnie powiedziałeś, na przykład o punkcie danych na koniec dnia, jako prawdziwym żywym człowieku. Niedawno wróciłam z konferencji Comarch User Group w Paryżu, z kilkoma fenomenalnymi mówcami. Jednym z moich ulubionych wniosków było to, że AI nie jest sztuczną inteligencją, tylko rozszerzoną inteligencją. Mówiłeś o konsumencie, jako osobie ludzkiej, a nie tylko jako punkcie danych. Analitycy są również ludźmi i pracują z nauczaniem maszynowym. Myślę, że to jest właśnie nauka i istota tego, co robisz, ponieważ to Ty jesteś duszą tego, co robisz – wyczuwasz psychologię i ludzkie zachowanie w przeciwieństwie do nauki, która polega na kodowaniu i patrzeniu tylko na punkty danych. Co sądzisz o tym, że jest to raczej rozszerzona inteligencja niż sztuczna inteligencja?

Shorful Islam: Całkowicie się z tym zgadzam. Myślę, że istnieje niebezpieczeństwo, kiedy wierzymy, że możemy zostawić wszystko sztucznej inteligencji. Myślę, że kiedy masz do czynienia z ludźmi, potrzebujesz ludzi, aby zrozumieć, czego chcą inni. To część procesu twórczego w marketingu, prawda? Jeśli tworzysz wiadomość lub nawet ofertę, sposób, w jaki ją pozycjonujesz – trudno jest pozostawić to maszynie. Myślę, że dane i analizy mogą być przydatne, ale ta inteligencja musi być wzmocniona przez ludzi, przez nasz proces myślenia. Jedną z rzeczy, które zawsze powtarzam moim analitykom, a także klientom, jest to, że definicja sukcesu jest określana przez nas. To nie maszyna może ci powiedzieć, jak wygląda dobro. Podobnie jest z twoim programem lojalnościowym, musisz zdefiniować, jak wygląda sukces. Czy chcesz mieć przyrost przychodów, czy chcesz powtarzalności zachowań? My to definiujemy, a następnie maszyna jest szkolona na tej podstawie. Dane mogą nas zaprowadzić tylko do pewnego stopnia i nazywam to opisowym i wnioskowym rodzajem analityki, gdzie opisują rzeczy i mogą przewidzieć i wywnioskować, co się stanie dalej. Ale jak to się stanie, dlaczego to się stanie i czy powinno się to stać, to musi zależeć od nas jako ludzi. Z drugiej strony, kiedy dostarczamy naszym klientom analizy i dane, zawsze podkreślam, że to jest punkt wyjścia. Fakty, z których buduje się kreację, plan CRM, to nie jest cel końcowy. Dane nie są celem końcowym, to element fundamentu, na którym budujesz program lojalnościowy i wszystkie jego części składowe. Inną rzeczą, którą chciałbym dodać jest to, że jeśli pójdziesz drogą AI i ludzie mówią, że możemy wysyłać miliony e-maili na minutę, to co tak naprawdę optymalizujesz? Ponieważ nie zapominaj, że wiele AI i innych rzeczy naprawdę opiera się na wcześniejszych zachowaniach. Weźmy np. dom towarowy, gdzie przychodzę i dotychczas kupowałem ubrania robocze. Jednak z czasem się zmieniam, staję się ojcem, mężem. Mogę kupować inne rzeczy, ale jeśli używasz danych archiwalnych, żeby przewidzieć, co zrobię, to będziesz optymalizować mnie pod kątem przeszłego mnie, a nie przyszłego mnie. Myślę, że tutaj właśnie wkraczają ludzie, bo my mamy to zrozumienie. Patrzymy na to i myślimy, że ten mężczyzna osiągnął trzydziestkę, prawdopodobnie będzie miał dziecko, może powinniśmy coś przetestować, np. sprzedaż w ubrankach dla dzieci. Kto wie? Widać, że nie jestem kreatywny, więc nie mam dobrych pomysłów, ale właśnie dlatego uważam, że powinno być to rozszerzone. Potrzebujesz ludzi w tym równaniu. Nie można tego wszystkiego zostawić maszynom.

Amanda Cromhout: Absolutnie. W UK wykonałeś bardzo dużo pracy charytatywnej. Nie chodzi mi o działalność charytatywną rozumianą w sposób tradycyjny, ale o to, że wiele z Twoich przemyśleń ma na celu pomóc sektorowi charytatywnemu, co mnie absolutnie fascynuje. Proszę opowiedz nam o tym, bo myślę, że jest to zupełnie nowy punkt widzenia.

Shorful Islam: Chcieliśmy pomóc organizacjom charytatywnym. Jednym z pomysłów, który nam się nasunął, było wykorzystanie umiejętności, które posiadamy, aby pomóc firmom i organizacjom charytatywnym zarabiać więcej pieniędzy. Chodzi o dane i analitykę. Zwróciliśmy się więc do organizacji charytatywnych i powiedzieliśmy: wykorzystajcie umiejętności, które posiadamy. Jestem pewien, że moglibyśmy przenieść te umiejętności i zdaję sobie sprawę, że są pewne niedociągnięcia. Oczywiście nie są to firmy nastawione na zysk, są to darczyńcy, którzy przekazują darowizny. Istnieje cały wizerunek korporacyjny, który muszą utrzymać. Ale myślę, że zasady są wciąż takie same. Jeżeli pomyślisz o tym, że szukają darczyńców, którzy przekazują pieniądze, po czym używają analityki, aby to zrozumieć, tak jak powiedziałem, dane są czymś, co zrobił człowiek. Więc jeśli darczyńca przekazał darowiznę z powodu jakiegoś powodu i widzisz, że te zachowania są powtarzalne, wtedy możesz zacząć wyciągać wnioski na temat ich intencji, to jest psychologia, która za tym stoi. Możesz powiedzieć, że akurat ten typ darczyńcy przekazuje darowiznę, kiedy jest kryzys. Wtedy możesz znaleźć inny typ darczyńcy, który przekazuje darowiznę, kiedy pomaga dzieciom lub inny typ, który pomaga w określonym czasie w roku. Można więc wziąć dane zebrane przez organizacje charytatywne i zacząć budować podobne typy analiz, jak w przypadku sektora komercyjnego. To właśnie zrobiliśmy z organizacjami charytatywnymi.

Staraliśmy się im pomóc nie tylko w przeprowadzaniu analiz, ale także w budowaniu podobnych zespołów. Tak więc analitycy danych patrzą na dane, jako na wartościowy zasób, a nie tylko na to, że mamy dziesięć tysięcy darczyńców w naszej bazie danych i wyślemy do nich maila, bo mamy nową kampanię. Spójrz na to i powiedz: Słuchaj, mamy 10 000 darczyńców w mojej bazie danych. Czy mogę ich pogrupować? Czy mogę ich segmentować? Co mogę o nich wiedzieć? Czy mogę coś przewidzieć? Tak właśnie próbowaliśmy nakłonić organizacje charytatywne do tego. Niektóre organizacje charytatywne są bardzo przyszłościowe i wprowadziły to rozwiązanie, a inne nie. To była dłuższa podróż, ale interesujące jest to, jak się okazuje, że umiejętności lub podejście analityczne są bardzo podobne. Wiesz, zawsze uważałem, że tak, dane mają pewne mankamenty, ale dane to dane. Jeśli zbierasz dobrej jakości dane, a organizacje charytatywne wydają się je zbierać, czy to na potrzeby audytu, czy też jakichkolwiek wymogów regulacyjnych, możesz wykonać na nich całkiem sporo analiz. Myślę, że jest to ogromna szansa dla darczyńców, ponieważ można sobie wyobrazić, że w miarę wzrostu kosztów życia, dochody ludzi są ograniczane. Dlatego też, bycie mądrzejszym w stosunku do tego, do kogo się kierujesz, jak się kierujesz, a nawet jaki rodzaj wiadomości im wysyłasz, może być bardzo znaczące. Tak właśnie próbowaliśmy pomóc w sektorze charytatywnym, w ramach pracy pro bono, którą wykonujemy. Wykorzystujemy umiejętności, które posiadamy w zespole, aby pomóc tym organizacjom.

Amanda Cromhout: Wspaniale. Cudownie jest słyszeć, że wasze firmy robią to dla sektora, który nieczęsto otrzymuje takie wsparcie. Chciałam zapytać, jeśli myślisz o wszystkich swoich klientach odnośnie danych w sektorze komercyjnym, ilu z nich powiedziałbyś, że używa danych efektywnie? Myślę, że to dość interesujące, aby zobaczyć, jak przedstawia się rynek pod względem dobrego wykorzystania danych.

Shorful Islam: Powiedziałbym, że około 15-20% klientów umie efektywnie korzystać z zebranych danych. Ich systemy działają naprawdę dobrze, a praca z tymi klientami jest naprawdę miłym doświadczeniem. Zazwyczaj są to duże firmy, które mają już magazyn danych przedsiębiorstwa. Więc kiedy uruchomili program lojalnościowy lub program CRM, posiadali ten sposób myślenia, byli w stanie go wdrożyć. Kolejne 60% klientów działa w porządku, ale jest tam ogromna przestrzeń do poprawy. To większość klientów, z którymi współpracujemy, mają chaotyczne systemy, które nie są w ogóle połączone. Nie zrobili podstaw w zakresie analityki, a niektórzy z nich zajmują się tylko raportowaniem. Wykorzystują lojalność i przekładają to, co robili w świecie korporacyjnym, czyli informację zarządczą i analitykę biznesową, na program lojalnościowy, gdzie po prostu go raportują, zamiast wykorzystywać te dane w sposób inteligentny. Ale tak jak powiedziałem, to około dwie trzecie z nich. To są klienci, którzy zazwyczaj przychodzą do nas, bo tkwią w miejscu. Mają zespół analityków, ale ponieważ nadal robią to w taki sposób, w jaki robili, nie mogą się z tego wydostać. Kolejną grupę, z jaką miałem styczność, mógłbym podzielić na kilka mniejszych. Wśród nich jest 10%, którzy naprawdę mają swoje dane. Może nie są połączone, ale są entuzjastycznie nastawieni, tylko nie wiedzą co z tym zrobić, jak je wykorzystać. Są to zazwyczaj firmy, w których wszyscy mówili: „zrób program lojalnościowy”. Więc zrobili program, mają dane zapisane w platformie dostawcy usług lojalnościowych, ale nie współpracują oni z innymi systemami. Kiedy zaczynamy z nimi współpracę to naprawdę widać w nich entuzjazm, chcą coś zrobić z danymi. Kolejna podgrupa, stanowiąca mniej niż 10%, wciąż nie wie, co zrobić z danymi. Niektórzy prowadzą program lojalnościowy, mają agencję, która zajmuje się tylko sprawami lojalnościowymi, marketingiem, crm i raportowaniem, ale nie traktują tego poważnie. Współpraca z nimi to głównie podróż edukacyjna, musisz ich nauczyć, dlaczego powinni używać danych. Na początku współpracy, kiedy zaczynamy robić analizy ewidentnie widać zaangażowanie z ich strony, jednak potem to mija, ponieważ nie mają tzw. kultury danych. Kiedy pracuję w tych organizacjach i pytam, co robili wcześniej, gdzie są teraz, to zazwyczaj pokazują mi tylko raporty finansowe i raporty dotyczące wyników. Jak już mówiłem, mają agencje, które je dostarczają, a ja zdaję sobie sprawę, że jeśli wejdziemy i zrobimy cokolwiek, to się nie utrzyma, to będzie jednorazowe. Więc staram się pracować ze starszym kierownictwem, próbując wpoić im kulturę opartą na danych, aby mogli zobaczyć, dlaczego potrzebują tych danych. Tłumaczę im, że to pomoże zespołowi marketingowemu pozyskać więcej osób, pomoże to zespołowi lojalnościowemu w dotarciu do właściwych osób. Istnieje kolejna podgrupa tych klientów, powiedziałbym, że stanowią oni około 15%. Mają naprawdę dobre obszary kompetencji, np. zespół analityków lub zespół produktowy, który wykonuje dobrą robotę, w przeciwieństwie do zespołu lojalnościowego, który sobie nie radzi. To interesujące, ponieważ możesz zobaczyć, że firma potrafi robić rzeczy naprawdę dobrze, ale nie przełożyła tych umiejętności na zewnątrz. Wtedy czuje się zbędny, będąc poproszonym o przyjście i pomoc marketingowi lub zespołowi lojalnościowemu, kiedy wiem, że mają naprawdę zdolny zespół analityczny, który robi te fantastyczne rzeczy w organizacji.

Amanda Cromhout: Słuchając Ciebie, wydaje mi się, że szczególnie w tym 15% podzbiorze, Twoja rola staje się o wiele bardziej rolą zarządzania zmianą. Tak więc, mniejsza o analitykę danych, ale większa o zarządzanie procesem zmian, co w ostatecznym rozrachunku, w moim odczuciu, jest dużą częścią roli, którą musimy odgrywać z klientami, aby naprawdę im w tym pomóc. Bo pomimo posiadania kompetentnego zespołu analityki danych lub nawet zespołu lojalnościowego, pracownicy nie mogą nakłonić go do współpracy się z kierownictwem wyższego szczebla lub grupami zakupowymi. Jeśli mówimy o handlu detalicznym lub o usługach finansowych, to w rzeczywistości nie będzie to długofalowe. Tak więc, całkowicie Cię rozumiem.

Shorful Islam: Tak, masz rację. Jeśli chodzi o zarządzanie zmianą, to jako analityk lub prowadzący firmę analityczną, nie możesz tego lekceważyć. Często wracam do psychologii i wdrażam moją wiedzę nawet wtedy, gdy pracuję z klientami. W przypadku moich klientów patrzę na to z punktu widzenia psychologii, nie zapominając, że sami klienci są ludźmi, prawda? Mają priorytety, są zajęci. Wiesz, że twoja praca może stanowić 1%, 5% tego wszystkiego, co muszą zrobić. Zwłaszcza, jeśli przedstawiasz to C-suite, dyrektorom, CMO, którzy mają inne sprawy na głowie. Nie będą się przejmować tylko tym, jakie analizy przeprowadziłeś w programie lojalnościowym. Musisz więc zrozumieć, że to też ludzie i mają swoje priorytety, mają cele, mają ambicje. Wtedy my zastanawiamy się, jak możemy im pomóc i wchodzimy w zarządzanie zmianą, aby ten proces zrozumieć. Zrozumieć, czy gdybyśmy wykonali tę pracę, to czy ona by wam pomogła? Bo jeśli nie pomoże, to co możemy zrobić, żeby wam pomóc? Bo może być tak, że punktem wyjścia nie jest robienie analityki i lojalności, czy budowanie jakiegoś wyrafinowanego modelu skłonności. Podstawą może być to, że CMO chce po prostu codziennie wiedzieć, ilu klientów korzysta z programu lojalnościowego. To może być tak proste jak to. Może też być tak, że jeśli uzyskam tę liczbę, to przynajmniej będę spokojny, że program lojalnościowy jest wartościowy, zamiast budować jakiś model skłonności, w którym nie widać bezpośredniej korzyści dla firmy.

Amanda Cromhout: Tak, absolutnie. Masz rzadką umiejętność, posiadasz tę naukę i umysł, bo większość analityków nie ma tego wglądu, który wnosisz ze swojego psychologicznego doświadczenia. Co byś poradził naszym słuchaczom, aby mogli wykorzystać swoje dane do maksimum? Podałeś nam kilka tajnych źródeł w tej dyskusji, ale może masz jeszcze jakieś rady, które pozwolą zmaksymalizować wykorzystanie danych?

Shorful Islam: Tak naprawdę, to nie ma jednego złotego środka, ale zawsze należy pamiętać, że jeśli używasz swoich danych, to musisz zrobić ich audyt. Możesz być zaskoczony, że istnieje tak wiele niuansów w danych, że nie jest to uzgodnione w całej działalności. Pracuję obecnie z nowym klientem i bierzemy przychód jako wartości zmiennej w ich bazie danych. Wszystkie są obliczane inaczej, ponieważ są one wykorzystywane przez różne części działalności. Patrząc na swoje dane, spróbuj zrobić coś nieformalnego, może to być ich nieformalne uporządkowanie, ale najpierw upewnij się, że biznes wyraża na to zgodę, bo jeśli tego nie zrobi, to cokolwiek potem stworzysz jest bez znaczenia. Można to łatwo pokazać na przykładzie programu lojalnościowego, gdzie niektórzy chcą zmierzyć dochód przyrostowy. Ale jeśli nie rozumiesz, czym jest dochód to, jak obliczysz przyrost? Co to jest przychód? Czy jest on pomniejszony o zwroty? Czy zawiera zniżki? Musisz to uzgodnić, bo okazuje się, że to są rzeczy, które są naprawdę przeoczone. Jeśli jesteś zespołem analitycznym lub osobą prowadzącą zespół, to zyskujesz dużą wiarygodność i zaufanie, bo ludzie wiedzą, że jesteś dokładny i zwracasz uwagę na szczegóły.

Drugą rzeczą, którą zawsze powtarzam jest to, że wiele firm patrzy na swoje dane z perspektywy produktu, np. ile tego sprzedałem? Ja zawsze powtarzam: „Spójrz, aby zrobić dane, należy zobaczyć je z perspektywy konsumenta”, więc spróbuj połączyć swoje dane w oparciu o klienta, a nie w oparciu o biznesowy pogląd na świat, który jest zazwyczaj produktem lub usługą. Jeśli pójdziesz do firm i spojrzysz na ich raporty, to zauważysz, że wiele z nich skupia się na tym, ile sprzedali produktów. Zawsze mówię: „Nie, spójrz na te dane z perspektywy klienta”. Myślę, że gdy firmy zaczną to robić, to zyskają maksymalną wartość z danych. Bo nie zapominaj, że liczba sprzedanych produktów jest artefaktem klientów kupujących ten produkt. Produkt nie sprzedaje się sam z siebie. Jeśli nie widzisz tego z punktu widzenia klienta, nie wiesz, w jaki sposób ten produkt jest generowany. Analizując dane z tej drugiej perspektywy możesz znaleźć wiele interesujące rzeczy. Na przykład, może się okazać, że istnieje podgrupa klientów, która kupuje tylko ten jeden produkt. Więc nawet jeśli dane pokazują, że ten produkt jest naprawdę wysoko sprzedającym się produktem, to w rzeczywistości może być on kupowany przez małą liczbę klientów. Zdajesz sobie wtedy sprawę, że jest większa grupa klientów, która tego produktu nie kupuje i wtedy musisz zadać sobie pytanie, dlaczego. Po drugie, jeśli ta grupa, która kupuje ten produkt, przejdzie do konkurencji to nie będzie już go kupować u ciebie. Zrozumienie danych z punktu widzenia klienta, pomoże firmie wyciągnąć z nich największą wartość.

Amanda Cromhout: Niesamowite. Pamiętam, że w moich czasach związanych z handlem detalicznym, absolutnym sukcesem było nakłonienie zarządu do uwzględnienia KPI klienta, a nie tylko sprzedaży produktu. Mogłabym z Tobą rozmawiać cały dzień, jednak nasz czas powoli się kończy. Czy jest jeszcze coś, czym chciałbyś się podzielić ze słuchaczami Let’s Talk loyalty?

Shorful Islam: Tak jak mówiłem, prawdopodobnie rozmawiasz z ludźmi, którzy są praktykami lojalności, ja natomiast jestem bardziej z obszaru danych. Tak więc, to co powiedziałbym obu stronom, zarówno tym od danych jak i tym od praktyki, to aby analityk był częścią tego, co robisz z klientami. Czy to przy projektowaniu programu czy przy realizacji komunikacji. Myślę, że często analitycy są wykorzystywani tylko do generowania liczb, a ludzie, którzy są praktykami, wykorzystują te liczby i realizują swoje zadania. Obecność analityka w biurze lub w dyskusji może być bardzo korzystna, jeśli uda im się wziąć udział w tej dyskusji. Zapewniają oni inną perspektywę i myślę, że wiele firm, zwłaszcza jeśli prowadzą program lojalnościowy, mogłoby z tego skorzystać. Więc nie traktuj swojego analityka jako kogoś, kto tylko dostarczy ci dane liczbowe. Spróbuj pomyśleć o analityku jako o kimś, kto może również dostarczyć pomysły i wkład w sam program.

Amanda Cromhout: Zgadzam się. Bardzo Ci dziękuję za dzisiejszą rozmowę i poświęcony czas.

Shorful Islam: Bardzo dziękuję za zaproszenie, rozmowa z Tobą to czysta przyjemność.

 

0