(Eller et indlæg om at genkende datamønstre og arbejde med dem)
Der har aldrig været større adgang til data om kundernes adfærd end i dag, hvilket givet store muligheder men også mange faldgruber. De fleste salgs- og marketingsfolk ved at DATA er nødvendige, men har også erfaret at det kan være svært at anvende i praksis.
De færreste vil indrømme det, men snakken om datamønstre og business intelligence opleves af mange som kedelig og en anelse nørdet og så er det sjovere at snakke om det næste salgsfremstød eller kampagneoplæg. Så efter min mening vil det gavne alle hvis man snakkede mere om mønstre, hvordan kan vi finde dem og enten styrke eller svække dem?
Når big data bliver varm luft skal vi snakke datamønstre istedet
Her vil jeg ikke komme ind på hvad big data er, for det flyver alligevel hen over hovedet på de fleste af os, men jeg vil gerne snakke om hvad datamønstre virkelig kan bruges til uanset hvilken afdeling man arbejder i.
Det kan bruges til at tegne mønstre for brugernes og kundernes adfærd samt behov, meget tydeligt op for os alle.
Uanset branche og type af website har du muligheden for at finde datamønstre der kan give flere salg og leads
For ved at samle data om brugernes adfærd på website, nyhedsbrev, Facebook, LinkedIn m.m. finder vi frem til såvel gode som dårlige mønstre, men det er her at skoven bliver dækket til af træerne … men så må vi igang med motorsaven….
Med en motorsav skærer man også tingene ud i små bidder og det er den samme metode vi skal bruge.
Scenarie fra det virkelige liv
En butik med fysisk adresse har en webshop med mange besøgende, som på mange måder klarer sig OK. Men både salg og marketing synes at salget og konverteringsraten kunne være højere. Gentagne gange har kunder i butikken dog fortalt at de har været på hjemmesiden, så hvorfor kommer de ind i butikken istedet for at handle online?
De er dog enige om at det er positivt med de mange besøg, men hvordan bliver det brugt til flere salg?
Svaret er ganske simpelt – vi skal kigge efter mønstre – hvor er det vi ikke får solgt noget?
Vi skal gå fra de store datasæt til “spørgsmålsdata” og kigge på hvilke svar vi kan få på relevante spørgsmål. Så der er to spørgsmål som data kan hjælpe med at svare på, hvis man ved hvor man skal lede:
- Salg kan med rette spørge om pris og udvalget er det rette
- Marketing bør spørge om vi tiltrækker de rigtige kunder
Når salget kan lukkes ved at kigge på kundens behov og intentioner
Hvis vi først kan få kunderne til at gøre noget på vores website er vi nået langt, hvilket gør at vi kan kigge på hvad de gør. Så når de eksempelvis bruger vores søgefelt på sitet har de allerede “sladret” og det kan vi bruge til at opfange mønstre. Her ser vi et eksempel på en “Nul-salgs” søgning fra en omni channel butik, der sælger plakater og den liste fortæller os en hel masse, som både salg- og marketing kan arbejde videre med.
Listen er alle de ord som brugerne har brugt på sitet, men hvor de ikke har købt noget. Det er synd og skam at marketing har trukket kunder til, men nu er vi ikke i stand til at lukke salget. Søgningerne er meget specifikke og ville normalt i den fysiske butik lukke en ordre og er en fantastisk datakilde for alle der arbejder med salg.
Listen kan bruges til at konkludere følgende ting for salg- og marketing:
- Udvalget af en bestemt type plakater er mangelfuldt eller for dårligt listet.
- Pris og kvalitet kan muligvis optimeres og der bør kigges på konkurrenceparametre
- De forskellige USPér kan og bør fremhæves kraftigere og der bør kigges på målgruppen
Kort sagt er der et mønster der viser at bestemte typer af søgninger ikke gør noget godt for salget, så vi skal arbejde med at få brudt det mønster. Løsningen er næppe svær at implementere og det positive er at der ikke længere gættes på hvor det går galt, men nu kan der arbejdes med konkrete tiltag fra både salg- og marketing.
Alle websites har lavthængende analysefrugter
Det er mit bud at alle websites har 8-10 lavthængende analysefrugter der kan plukkes, hvis man blot ved hvor frugten hænger. Det handler om at brække de store datasæt ned i spørgsmål som alle forstår.
Ovenstående finding tog 4 minutter i Google Analytics og har en guldgrube af informationer, som nemt kan brækkes ned i konkrete handlinger.
Moralen er at svaret mange gange er lige for øjnene af os, men det kan kræve friske øjne at se tingene på en ny måde.
Nu dækker “skoven” ikke længere og vi kan komme videre til de næste træer der skal fældes ….