W labiryncie e-commerce. Od wizyty do konwersji: big data w e-sklepie

Big data to nic innego, jak wiedza o osobie po drugiej stronie internetowego kabla. To pewien cyfrowy kapitał czy też zasób informacji, jakim dysponuje branża e-commerce, który może stać się źródłem wzrostu dochodów dla e-sklepu.

Z artykułu dowiesz się m.in.:

  • Jak Big Data wpływa na funkcjonowanie e-sklepu?

  • Gdzie e-sklepy mogą zgłaszać się po dane?

  • Jak funkcjonują narzędzia do marketingu z użyciem danych?

  • Jakie przewagi ma reklama behawioralna nad reklamą masową?

  • Jak analitykę danych wykorzystują zagraniczne e-commerce’y?

Wyobraźmy sobie labirynt. Prosty układ: kilka zawijasów i ślepych uliczek. Nic szczególnie skomplikowanego. Ścieżka wiodąca do wyjścia jest łatwa i zajmuje średnio trzy minuty. Pod warunkiem, że w labiryncie nie panuje ciemność. Mrok sprawia, że wędrowcy odbijają się od ścian, po omacku szukając drogi do wyjścia. Często bezskutecznie. Jak się z niego wydostać tłumaczy Elżbieta Czakon – Head of e-commerce w Cloud Technologies.

Tym mrocznym labiryntem jest oczywiście e-commerce. Wędrowcem – klient e-sklepu. Niezapalone pochodnie to metafora technologii, których sklep internetowy nie zdecydował się wdrożyć. Tymczasem ciemności w labiryncie można rozświetlić sięgając po analitykę big data.

BIG DATA – ŹRÓDŁO WIEDZY O KLIENTACH E-SKLEPU

Dzięki wdrożeniu narzędzi analizujących zachowania i preferencje anonimowych użytkowników, labirynt ścieżki zakupowej okazuje się łatwy do przejścia. Mówi się, że cała procedura - od wizyty do finalizacji zakupów z e-koszyka - nie powinna użytkownikowi zająć dłużej niż trzy minuty.

Odwiedzając e-sklep, klient z reguły już wie, co chce kupić. Im dłuższy czas w nim spędzony, tym większe prawdopodobieństwo, że klient skupi się na przeglądaniu dostępnych towarów, a transakcja nie będzie sfinalizowana. W tym kontekście mówi się o tzw. ROPO, czyli Research Online, Purchase Offline. W wolnym tłumaczeniu oznacza to: „Szukaj w Internecie, kupuj w sklepie”. Wspomniane 3 minuty można skrócić, jeśli e-sklep odpowiednio zoptymalizuje tzw. customer journey, czyli ścieżkę zakupową klienta. Od momentu wizyty do momentu konwersji, klient powinien być prowadzony przez mechanizmy e-sklepu niejako „za rękę”. W intuicyjny sposób powinien przejść wszystkie kroki zakupowe, aż do finalizacji transakcji.

Optymalizacja ścieżki klienta w e-sklepie stanowi oczywiście wycinek działań zmierzających do optymalizacji tzw. user-experience oraz skoncentrowanych wokół customer centricity. W dużym uproszczeniu chodzi w nich o takie zaprojektowanie mechaniki e-sklepu, które do minimum sprowadzi wysiłek klienta i zautomatyzuje proces zakupowy. Jednym z podstawowych komponentów tych dwóch pojęć jest właśnie big data, czyli wielkie zbiory danych, w których zawarte są anonimowe dane o kliencie e-sklepu.

SKĄD CZERPAĆ DANE?

Big data to towar, który e-sklep może kupić w hurtowni danych. Dokładnie tak, jak kupuje się towary w hipermarkecie.

Przykład: e-sklep zgłasza się do hurtowni danych z zapytaniem: interesują nas młodzi, bardzo aktywni użytkownicy, zainteresowani sportem i markami X,Y,Z, którzy kupują w internecie. W odpowiedzi dostaje starannie wyselekcjonowaną pulę internautów, którym może wysłać np. targetowaną kampanię reklamową produktu.

Jak to działa? Skąd pochodzą te dane? Na witrynach internetowych wdrażane są specjalne skrypty, monitorujące działanie anonimowego użytkownika i gromadzące dane o przeglądanych przez niego treściach oraz poszukiwanych przedmiotach. Dzięki tej wiedzy e-sklep może później precyzyjniej dopasować ofertę reklamową do potrzeb indywidualnego klienta.

Na europejskim rynku funkcjonuje kilka podmiotów zajmujących się działalnością tego typu. Każdego dnia gromadzą one i przetwarzają ogromne ilości danych o internautach, dostarczając precyzyjnych informacji dotyczących np.:

  • ich wieku, płci, pochodzenia, zachowań, zainteresowań

  • informacji o poszukiwanych przedmiotach

  • ulubionych stronach itd.

Na podstawie takich informacji silniki behawioralne systemów tworzą profile klientów, gotowe do wykorzystania przez e-sklep. Narzędzia te w szczególności:

  • śledzą i analizują zachowania klientów na stronie e-sklepusą w stanie „zwabić” go do witryny, ponieważ wiedzą, że poszukiwał on produktu X na innych stronach czy forach internetowych; potrafią rozpoznać, że właśnie włączył swój komputer i w tym momencie pojawia się w świecie online;

  • uczą się zachowań internautów, a następnie pomagają wydawcy witryny wyświetlić spersonalizowaną reklamę dopasowaną do preferencji i potrzeb konkretnego użytkownika.

Ważnym dla sklepu internetowego źródłem danych o zachowaniach i zainteresowaniach internautów są także media społecznościowe, stanowiące olbrzymi silos big data. Badania Divante wskazują, że aż 40% klientów e-sklepów zakupiło produkt, który wcześniej udostępniło, bądź zalajkowało w swoich social mediach. Z kolei 7 na 10 użytkowników portali społecznościowych decyduje się na zakup produktu z uwagi na jego rekomendacje przez innych użytkowników mediów społecznościowych.

Przykład: Wiesz, że klient lubi na Facebooku strony promujące zdrowy styl życia, bieganie, sport. Wiesz także, że dyskutował z innym użytkownikami forum na temat konkretnej marki o butach do joggingu. Wiesz, że wyszukiwał i oglądał te buty w innych e-sklepach. E-sklep, dzięki śladom pozostawionym przez klienta w plikach cookies, może wyświetlić mu spersonalizowaną reklamę na buty które oglądał, ale np. z dodatkowym rabatem 20%. Skonstruowana dzięki takim danym spersonalizowana reklama odsłonowa

Jak wykorzystać dane?

  1. Dane zgromadzone w systemach big data pozwalają: personalizować reklamy w sieci, prowadzić działania remarketingowe (jak np. e-mail retargeting) czy wdrożyć strategię tzw. look-alike modelingu, zwanego też clone-modelingiem. To szczególnie interesująca i efektywna strategia marketingowa. Bazuje na wykorzystaniu profilu zachowań (zwanego również profilem behawioralnym) najlepszego klienta e-sklepu. Dzięki wykorzystaniu analityki big data można taki profil sklonować, wyszukując go pośród pozostałych internautów, którzy nie są jeszcze klientami e-sklepu, ale pod względem zachowań i preferencji są najbliżsi najlepiej konwertującemu profilowi.

  2. Big data wpływa funkcjonalnie na treść ofert w e-sklepie. Dzięki analityce danych możesz się dowiedzieć jakie elementy zachęcą odwiedzającego do dalszego zapoznania się z ofertą i jakim językiem się posługuje. Tę wiedzę można wykorzystać do zoptymalizowania portfolio produktowego e-sklepu, wyświetlając konkretnym grupom internautów (lub nawet konkretnym internautom) specjalnie wybrane dla nich oferty, odpowiadające temu, czego wcześniej szukali – i dodatkowo napisane językiem, którym się posługują. przewidywać przyszłe scenariusze zachowań klientów oraz prognozować trendy w e-shoppingu np. zainteresowanie danymi towarami, dzięki czemu e-sklep może ubezpieczyć się przed sytuacją, w której klienci nagle wykupią produkt X. Przestój w realizacji zamówień może zirytować konsumentów. Przecież nikt z nas nie lubi czekać w nieskończoność na zamówiony towar. Big data pozwala uniknąć takich sytuacji i:przewidzieć obroty e-sklepu i odpowiednio wcześniej uzupełnić asortyment.przewidzieć, jakie towary będą popularne w danym miesiącu.

  3. Big data pozwala prowadzić aktywną politykę cenową w czasie rzeczywistym. Dzięki temu e-sklep może dopasować (w domyśle: obniżyć) cenę produktu, którego poszukuje klient. Taka obniżka będzie dla klienta widoczna czy to w postaci specjalnej, dyskretnej reklamy odsłonowej, czy też kodu rabatowego wysłanego z linkiem na adres e-mail.

Big data to nic innego, jak wiedza o osobie po drugiej stronie internetowego kabla. To pewien cyfrowy kapitał czy też zasób informacji, jakim dysponuje branża e-commerce, który może stać się czynnikiem przełomowym i źródłem wzrostu dochodów dla e-sklepu. Dane można spieniężyć i przekształcić w „analogowy” kapitał e-sklepu dzięki platformom DMP (Data Management Platforms – platformy zarządzania danymi). Rachunek jest prosty: im więcej danych o swoich użytkownikach gromadzi e-sklep i im więcej z nich rozumie – tym skuteczniej będzie realizował kolejne kampanie reklamowe czy remarketingowe.

REKLAMA: GWÓŹDŹ DO TRUMNY CZY DŹWIGNIA HANDLU?

W temacie reklamy online w ostatnich latach w branży e-commerce nastąpiły poważne zmiany. Dzisiaj, jak obliczył comScore, na jednego internautę przypada miesięcznie średnio 1707 masowych banerów reklamowych. Żeby nie dostać oczopląsu nasz mózg nauczył się ignorować połowę z nich, a drugą puszczać w niepamięć. Socjologowie internetu określają to zjawisko mianem „ślepoty banerowej” (ang. banner blindness). Świadome kliknięcie w reklamę masową graniczy dziś z cudem. Ten format już nie reklamuje, przeciwnie: dostarcza internautom powodów do sięgnięcia po wtyczki blokujące. Big data przynosi ze sobą całkowicie nowy rodzaj reklamy dla e-sklepu. Mowa o reklamie behawioralnej, czyli wykorzystującej informacje o zachowaniach i zainteresowaniach klientów.

WSKAZÓWKA: W dzisiejszych czasach e-sklep może trafić do internautek rzeczywiście planujących zakup suszarki i to w danym momencie, ponieważ w ich profilu behawioralnym występuje intencja zakupowa związana z suszarką. Na tej podstawie e-sklep nie musi już wykupować powierzchni reklamowej na portalu X, lecz zakupuje pojedyncze odsłony reklamy spersonalizowanej (displayowej), wyświetlającej się tylko u tych konkretnych internautek. Koszt internetowej kampanii reklamowej jest wówczas na bieżąco kontrolowany przez e-sklep, zaś cała kampania trafia tylko do starannie wyselekcjonowanych użytkowniczek.

Zalety reklamy behawioralnej:

  • dyskretna

  • spersonalizowana

  • inteligentna – „uczy się” zachowań internauty

  • „mądrzejsza” od reklamy masowej: „wie”, co jej wolno, a czego nie wolno wyświetlić pomaga w zakupach online – tak twierdzi 70% (badania instytutu Research Now).

Marketing z użyciem big data. Najlepsze przykłady z branży e-commerce

Amazon – gigant sprzedażowy śledzi całą ścieżkę zakupową klienta. Interesuje go nie tylko to, co klient zakupił, ale także:

  • co przykuło uwagę klienta po drodze do zakupu, gdzie klikał

  • jakie segmenty produktów odwiedzał

  • jak poruszał się po witrynie

  • jak reagował na rozmaite promocje,jak przeszedł przez proces finalizacji zakupów itd.

  • w ten sposób e-sklep może wykryć przeszkody na ścieżce zakupowej klienta i usprawnić swoje mechanizmy.

Fab.com – Sklep w ramach działań remarketingowych, wysyła swoim użytkownikom e-maile „przypominajki”, zawierające zdjęcie i krótki opis porzuconego produktu wraz z rabatem na niego i dopiskiem: „Głowa do góry, to wciąż jest na sprzedaż!”.

Black Milk Clothing – Marka stawia na emocje i załącza zdjęcie rozkosznego pieska z dużymi oczami i z podpisem: „Dlaczego mnie zostawiłeś”? Kontrowersyjne? Z pewnością tak, za to niezwykle skuteczne. Takie działania podnoszą zysk ze sprzedaży nawet o kilkadziesiąt procent.

Według naszych statystyk z targetowanych kampanii reklamowych z wykorzystaniem danych w Cloud Technologies, wzrosty sprzedaży – w zależności od specyfiki poszczególnych kampanii wykorzystujących metodę retargetingu behawioralnego – sięgają od 20% do nawet 120%. Górna granica jest osiągalna w przypadku sprzężenia big data z systemem CRM e-sklepu, monitorującym np. historię zakupową klienta.

Kombinacja systemów CRM z big data pozwala rozszerzyć zdolności marketingowe branży e-commerce, w tym przede wszystkim umożliwia emitowanie bardziej przemyślanych i rozplanowanych kampanii. Tyczy się to również technik związanych z bardziej precyzyjnym retargetowaniem produktów w przypadku porzuconych koszyków. Zagraniczne e-sklepy już o tym wiedzą i korzystają ze wszystkich jego dobrodziejstw. A jak to wygląda w Polsce?

Główny Urząd Statystyczny podaje, że z podobnych narzędzi nad Wisłą korzysta co piąta firma. Pozostałe rozstają się z klientem w momencie, w którym ten klika na stronie przycisk „zapłać”. Tymczasem gros internetowych klientów, którzy odwiedzili e-sklep i z jakichś powodów nie sfinalizowali transakcji – np. doszli do przekonania, że „kupią później” – pozostaje niezagospodarowany.

Dlatego tak ważne jest podjęcie przez e-sklep działań pod hasłem „zarządzania niezdecydowanym klientem”, czyli np. e-mail remarketingu z użyciem danych.

Nie tylko podtrzymuje on u klienta świadomość marki, lecz także wpływa na jego nastawienie, ponieważ oprócz samej oferty – wysyła również komunikat: „Jesteś dla nas ważny, przygotowaliśmy coś specjalnie dla Ciebie”. Z badania SailThru wynika, że 39%. respondentów ocenia treści przesyłane przez reklamodawców drogą e-mailową jako pozytywne i pomocne, pod warunkiem, że odpowiadają tym, które wcześniej przeglądali w sieci.

ROZŚWIETLAJĄC MROK

Przez zaciemniony labirynt sklepu internetowego przewijają się tysiące internautów, którzy poszukując określonych produktów, przy okazji pozostawiają po sobie wiele cennych, anonimowych danych, zapisanych w plikach cookies. Bez pomocy mechanizmów do analityki big data te dane nie mówią e-sklepom nic. Są one dla nich tak samo ciemne i mroczne, jak labirynt dla klienta. Gdy te „dark data”, jak określa się nieprzetworzone, chaotyczne i surowe dane, trafiają na warsztat badacza danych (tzw. big data scientist) lub platformy DMP – zostają uporządkowane i posegmentowane. Zaczynają coś znaczyć. Stają się „smart data”, czyli danymi, które e-sklep może wykorzystać w zasadzie natychmiastowo w swoich kampaniach.

John McKean w książce o pouczająco brzmiącym tytule „Klienci to też ludzie”, napisał:

70% naszych decyzji zakupowych podejmujemy w oparciu o to, jak jesteśmy traktowani jako ludzie. A tylko 30% bazuje na właściwościach produktu.

Klient nie jest anonimowym członkiem bezkształtnej masy internautów. Klient ma swoją twarz, zainteresowania i potrzeby. Big data pozwala e-sklepom rozpoznać, czym interesuje się człowiek po drugiej stronie ekranu.

Nie ma co czekać, aż internauta jakimś cudem znajdzie wyjście z labiryntu i zorientuje się, jaki powinien być kolejny krok stawiany w ciemnościach. Nie wyjmie zapałek z kieszeni i nie zapali pochodni w pojedynkę. To nie jego rola. To zadanie e-sklepu.

Big Data działa tu tylko jak fotokomórka: wykrywając wizytę klienta w labiryncie – zapala światło i strzałki na jego drodze.

Obszary e-sklepu w których warto wdrożyć analitykę big data:

  • Reklama odsłonowa

  • E-mail retargeting

  • Historia zakupowa klienta

  • Customer journey


O Autorze:

Cloud Technologies - warszawska spółka IT działająca w obszarze big data marketingu i największa hurtownia danych w Europie.

image

Komentarze

Debug turned on!

0.18 select * from `eventjuicer_hosts` where `eventjuicer_hosts`.`host` = ? limit 1
0.11 select * from `bob_event_groups` where `bob_event_groups`.`id` = ? and `bob_event_groups`.`id` is not null limit 1
0.08 select * from `bob_organizers` where `bob_organizers`.`id` = ? limit 1
0.1 select * from `eventjuicer_settings` where `eventjuicer_settings`.`settingable_id` = ? and `eventjuicer_settings`.`settingable_id` is not null and `eventjuicer_settings`.`settingable_type` = ?
0.1 select * from `eventjuicer_settings` where `eventjuicer_settings`.`settingable_id` = ? and `eventjuicer_settings`.`settingable_id` is not null and `eventjuicer_settings`.`settingable_type` = ?
0.08 select * from `eventjuicer_texts` where `eventjuicer_texts`.`textable_id` = ? and `eventjuicer_texts`.`textable_id` is not null and `eventjuicer_texts`.`textable_type` = ?
0.07 select * from `eventjuicer_texts` where `eventjuicer_texts`.`textable_id` = ? and `eventjuicer_texts`.`textable_id` is not null and `eventjuicer_texts`.`textable_type` = ?
0.09 select * from `eventjuicer_pages` where `eventjuicer_pages`.`pageable_id` = ? and `eventjuicer_pages`.`pageable_id` is not null and `eventjuicer_pages`.`pageable_type` = ?
0.07 select * from `eventjuicer_pages` where `eventjuicer_pages`.`pageable_id` = ? and `eventjuicer_pages`.`pageable_id` is not null and `eventjuicer_pages`.`pageable_type` = ?
0.08 select * from `editorapp_posts` where `editorapp_posts`.`id` = ? limit 1
0.1 select * from `editorapp_post_meta` where `editorapp_post_meta`.`post_id` in (?)
0.07 select * from `eventjuicer_users` where `eventjuicer_users`.`id` in (?)
0.11 select * from `editorapp_posts` where `group_id` = ? and `is_published` = ? order by `published_at` desc limit 10 offset 0
0.15 select * from `editorapp_post_meta` where `editorapp_post_meta`.`post_id` in (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
0.07 select * from `eventjuicer_users` where `eventjuicer_users`.`id` in (?)
0.12 select `bob_tags`.*, `editorapp_post_tag`.`xref_id` as `pivot_xref_id`, `editorapp_post_tag`.`tag_id` as `pivot_tag_id`, `editorapp_post_tag`.`group_id` as `pivot_group_id`, `editorapp_post_tag`.`organizer_id` as `pivot_organizer_id`, `editorapp_post_tag`.`published_at` as `pivot_published_at`, `editorapp_post_tag`.`is_published` as `pivot_is_published` from `bob_tags` inner join `editorapp_post_tag` on `bob_tags`.`id` = `editorapp_post_tag`.`tag_id` where `editorapp_post_tag`.`xref_id` = ?
1.58