Czy analityka cyfrowa to sposób na zdobycie przewagi biznesowej

Żyjemy w złotych czasach dla analityki internetowej. Klasyczne metody analityczne w połączeniu z nowoczesnymi technologiami pozwalają na wyciąganie wniosków wpływających na działania firmy. Jakich metod analizy danych użyć i jak właściwa interpretacja wyników może przełożyć się na decyzje biznesowe?

Wykorzystanie analityki i podejmowanie kluczowych decyzji biznesowych na podstawie danych jest stałym elementem strategii większości rozwijających się i konkurujących ze sobą firm. Jak pokazują badania Deloitte z 2013 roku, 55% prezesów firm przyznaje, że analiza danych przyczyniła się do poprawy pozycji wśród konkurencji. Jednocześnie tylko 17% firm miało wówczas dostęp do bardziej zaawansowanych narzędzi pozwalających na analizę predykcyjną i przetwarzanie nieustrukturyzowanych danych (The Analytics Advantage. We’re Just Getting Started, Deloitte, 2013).

Od tego czasu zgodnie z prawem Moore’a moc przetwarzania informacji przez komputery wzrosła 40‑krotnie, zezwalając tym samym na nowe możliwości integracji i analizy danych. Zwiększyła się również liczba danych – 90% danych istniejących na świecie zostało stworzonych w ciągu ostatnich dwóch lat. W przypadku pojedynczej firmy liczba danych rośnie w tempie 60% rocznie, czyli podwaja się co mniej więcej 20 miesięcy. Kombinacja ogromu danych oraz nowych metod analizy przekłada się też na wysnuwanie nowych, niedostrzegalnych do tej pory, zależności i zachowań klientów. Choć na pewno wydaje się to przytłaczające, firmy, które opanowały sztukę analizy danych, uzyskują lepsze wyniki finansowe niż konkurencja.

Opieranie działań na intuicji, a nie na danych, jest zdecydowanie niepożądaną strategią analityczną. Niezależnie od etapu rozwoju firmy nawet najprostsze introspekcje dostarczą wartościowych wniosków.

Metody analizy cyfrowej wykorzystywane w biznesie

Już na samym początku planowania prowadzenia działalności przewagę nad konkurencją można uzyskać dzięki rozważnej analizie. Tego typu klasyczną metodą analizy siły i potencjału przedsiębiorstwa jest chociażby analiza pięciu sił Portera. Opiera się ona na pięciu czynnikach i służy ocenie atrakcyjności sektora i zagrożeń, z którymi wiąże się prowadzenie przedsiębiorstwa. Są to:

  • możliwość pojawienia się nowych konkurentów;
  • siła przetargowa dostawców;
  • możliwość pojawienia się substytutów;
  • siła przetargowa nabywców;
  • rywalizacja wewnątrz sektora.

Źródła danych do takiej analizy są nierzadko powszechnie dostępne. Mogą to być dane z publikacji instytutów rządowych lub udostępnionych raportów agencji badawczych, a nawet informacji prasowych.

Marketing oparty na danych pozwala na nieustanną optymalizację i poprawę efektywności działań marketingowych w toku ich trwania.

Zbliżoną metodą analizy przedsiębiorstw jest metoda PESTEL. Dzięki niej można ocenić środowisko firmy na podstawie wpływu zewnętrznych czynników. Są to – zgodnie z sugestią w nazwie – obszary:

  • polityczny (political);
  • ekonomiczny (economical);
  • społeczny (social);
  • technologiczny (technical);
  • środowiskowy (environmental);
  • prawny (legal).

Inną metodą analizy są mapy percepcji. Ich tworzenie pozwala ulokować przedsiębiorstwo pośród konkurencji i odkryć tym samym niezagospodarowane obszary rynkowe. Mapa percepcji w graficzny sposób przedstawia, jak klienci postrzegają marki, co stanowi cenną informację dotyczącą kierunku rozwoju. Warto dodać, że mapy percepcji zalicza się do poznawczo‑behawioralnych i skoncentrowanych na kliencie linii biznesowych.

Nowoczesne przedsiębiorstwa wykorzystują także metodykę Lean Analytics. Ta forma analityki pozwala na:

  • ulokowanie swojego przedsiębiorstwa w odpowiedniej fazie cyklu rozwoju firmy;
  • dobór celów biznesowych;
  • wybór wskaźników efektywności;
  • dobranie odpowiedniego wskaźnika wyprzedzającego, który pozwala przewidzieć przyszłe zachowania klientów oraz informuje o przejściu do kolejnej fazy cyklu rozwoju firmy.

Analogicznie jak mapy percepcji również ta metoda jest skoncentrowanych na kliencie – kolejne etapy rozwoju zależne są od wskaźników konsumenckich, działań i relacji wiążących firmę z klientem. Metoda Lean Analytics zakłada kilka etapów rozwoju biznesu. Są to:

1. Empatia

Początkowy proces zbierania informacji od potencjalnej grupy docelowej: potrzeb, problemów oraz sposobów ich rozwiązywania. Produkt na tym etapie jeszcze nie istnieje fizycznie, powstaje na podstawie pozyskanych danych ilościowych i jakościowych pochodzących z wywiadów, ankiet i obserwacji.

2. Chwytliwość

Dzięki zebranym w poprzednim etapie danym powstaje produkt, który powinien być jak najbardziej atrakcyjny dla klientów. Dotyczy to zarówno oferty, jak i całości doświadczenia związanego z użytkowaniem produktu. Satysfakcję klientów należy weryfikować w toku badań i wywiadów z konsumentami.

3. Wirusowość

Na tym etapie kluczowe są wskaźniki pozyskiwania klientów. W szacowaniu szans na wirusowość produktów czy usług przydatne okazują się badania NPS. Wirusowość może być sztuczna (wspomagana przez stosowanie programów partnerskich, benefitów za zaproszenia znajomych lub współpracowników), jak i naturalna (do korzystania z aplikacji użytkownicy potrzebują innych, ponieważ wartość aplikacji rośnie wraz ze wzrostem liczby użytkowników – tak działa większość portali społecznościowych).

4. Generowanie przychodów

W momencie pozyskania dużej liczby regularnych użytkowników należy skupić się na optymalizacji wskaźników, takich jak: koszt pozyskania jednego klienta (lub aktywnego użytkownika w przypadku aplikacji mobilnych), życiowa wartość klienta, zysk z jednego klienta.

5. Skalowanie

Ten etap rozumie się jako zwiększanie rozmiaru biznesu poprzez wchodzenie na nowe rynki i docieranie do nowych klientów.

Czy opłaca się nie korzystać z analityki biznesowej

Zaskakujące jest, jak niewiele firm opiera działania marketingowe na danych. Mark Jeffery w książce Marketing analityczny. 15 wskaźników, które powinien znać każdy marketer przytacza wyniki przeprowadzonego przez siebie badania na próbie 252 firm, których wydatki marketingowe sięgają 53 miliardów dolarów rocznie. Okazuje się, że:

  • 53% badanych firm nie przygotowało prognoz zwrotu z inwestycji w działania marketingowe;
  • 57% firm nie stosuje uzasadnień projektów w ramach oceny kampanii marketingowych pod kątem ich finansowania;
  • 61% firm nie dysponuje zdefiniowanym i udokumentowanym procesem selekcji i oceny kampanii marketingowych;
  • 69% firm nie przeprowadza eksperymentów z grupą kontrolną – testowane nie są ani kreacje, ani sposób komunikacji, ani strony docelowe.

Te same badania wykazały również, że 20% firm uzyskujących najwyższe wyniki finansowe realizuje wszystkie powyższe techniki analizy. Mimo powszechnego dostępu do danych efektywnie wykorzystują je tylko liderzy. Firmy te mają ustalone procesy marketingowe i analityczne, dane są rozpowszechniane pomiędzy wszystkimi działami tychże firm, co ułatwia współpracę, klaruje i nadaje priorytety działań zrozumiałe dla wszystkich członków organizacji. Remedium dla pozostałych firm jest wykorzystanie systemów DMP 7– Data Management Platform. W systemach DMP są przechowywane wszystkie dane pozwalające na przeprowadzenie kampanii marketingowej: począwszy od zakupu mediów, przez targetowanie, po analizę.

Marketing oparty na danych – dzięki możliwości ich zbierania w czasie rzeczywistym – pozwala także na nieustanną optymalizację i poprawę efektywności działań marketingowych w toku ich trwania. Możliwa jest szybka reakcja na mało wydajne kampanie, optymalizacja lub w skrajnych przypadkach wyłączenie kampanii, która zamiast przychodów może zacząć przynosić straty. Dzięki gromadzeniu danych z całego ekosystemu przedsiębiorstwa można uzyskać wgląd w czasie rzeczywistym w finanse i sprzedaż, marketing i rozwój produktów oraz wiele innych obszarów. Te dane umożliwiają każdemu zespołowi efektywniejszą współpracę, osiąganie lepszych wyników i wyprzedzanie konkurencyjnych firm. Pracownicy, znając kontekst dla danych, mogą podejmować trafne decyzje biznesowe, tak by uzyskać udoskonalone produkty i usługi.

Jak sobie poradzić z nieustrukturyzowanymi danymi

Do tej pory w większości przypadków mieliśmy do czynienia z danymi ustrukturyzowanymi, które nie wymagają unikalnych umiejętności. Powyższe analizy można przeprowadzić z wykorzystaniem powszechnie dostępnych danych. Również badania ankietowe nie zawsze muszą wymagać znajomości narzędzi do analiz społecznych, jak SPSS, lub narzędzi analizy danych typu SAS Enterprise GUIDE. Z niektórymi z nich można poradzić sobie, wykorzystując najprostszy arkusz kalkulacyjny.

Oprócz danych ustrukturyzowanych (jak raporty instytucji rządowych, agencji badawczych, dane z narzędzi Web Analytics) są one dostępne także w postaci nieustrukturyzowanej (dane z komentarzy for internetowych, dane dostępne w logach serwera). Analiza wymaga zastosowania nowoczesnych metod, specyficznych umiejętności analitycznych na pograniczu statystyki, programowania i wiedzy biznesowej. Konieczne jest nie tylko precyzyjne przetwarzanie danych, ale umiejętność poruszania się między różnymi systemami – narzędziami Web Analytics, narzędziami CRM i e‑CRM, bazami danych SQL, środowiskami big data, jak Hadoop, Spark. Niezbędna jest umiejętność wizualizacji olbrzymich zbiorów danych w atrakcyjny i przystępny sposób.

Według IBM, dziennie powstaje prawie 2,5 kwintyliona bajtów danych (czyli 2,5 × 10^30). Szacuje się, że 80% wszystkich dostępnych bajtów danych to dane nieustrukturyzowane. Nie ma zatem możliwości, aby dokonywać takich analiz samodzielnie. Z pomocą przychodzą algorytmy uczenia maszynowego, naturalnego przetwarzania języka, wykrywania wzorców, klasyfikacji językowej oraz boty filtrujące internet. Analiza danych z wykorzystaniem inteligentnych algorytmów może pomóc firmom m.in.:

  • prowadzić innowacyjne badania rynku – na przykład uczenie maszynowe pozwala w szybkim czasie przeszukiwać sieć, analizując tematykę publikacji, recenzji i opinii na temat produktów bądź marek, i szacować towarzyszący im wydźwięk emocjonalny. Daje to bardziej wiarygodne wyniki niż sterowane badania ankietowe, ponieważ sam fakt realizacji nie wpływa na odpowiedzi bądź zachowanie respondenta;
  • prognozować z wysoką skutecznością wyniki planowanych kampanii i działań marketingowych, a także przyszłych zachowań konsumentów, dzięki zastosowaniu analizy predykcyjnej;
  • wprowadzać innowacje produktowe i procesowe – polegające chociażby na wyborze odpowiedniej struktury i liczebności działów w organizacji, uwzględniając przy tym takie czynniki, jak: umiejętności, przeszłe doświadczenia, a nawet osobowość poszczególnych pracowników;
  • wykorzystywać inteligentne chatboty w działaniach marketingowych, zwiększając tym samym zaangażowanie klientów;
  • wprowadzać radykalną personalizację na każdym kroku procesu zakupowego klienta. Pozwala ona z kolei przewidywać jego potrzeby oraz plany i tym samym odpowiednio dobierać komunikaty.

Tego typu kompleksowa analityka cyfrowa pozwala wyciągać wnioski z nowych i wciąż pojawiających się typów danych i treści. Tym samym przełoży się na większą elastyczność firmy (rozumianą jako tempo odpowiedzi na potrzeby rynku), która zoptymalizuje prowadzone działania i stanie w jednym rzędzie z liderami, pozostawiając daleko w tyle dotychczasową konkurencję. Aż do chwili obecnej brakowało sposobów na korzystanie z tego ogromu danych.

Krzysztof Nowakowski
Digital Analyst w agencji marketingu online They.pl, gdzie zajmuje się szeroko rozumianą analityką, badaniami online oraz optymalizacją e-commerce.


Napisz do nas

Używamy plików cookies, by ułatwić korzystanie z serwisu www. Jeśli nie życzysz sobie, aby pliki cookies były zapisywane na Twoim dysku, zmień ustawienia swojej przeglądarki. Kontynuując przeglądanie tej witryny, zgadzasz się na używanie plików cookie w celu gromadzenia danych analitycznych oraz wyświetlania reklam i zawartości dostosowanych do preferencji użytkownika. Więcej informacji