DE CÂND CONSUMATORUL A DEVENIT REGE, tot mai multe companii caută să afle cât se poate de exact ce vrea şi, mai ales, ce şi-ar putea dori clienţii. În acest context, de ajutor se pot dovedi bazele de date inteligente şi analiza predictivă.
În plus, tehnologia a schimbat foarte mult modalitatea de interacţiune cu produsele şi serviciile, foarte multe din aşteptările clienţilor s-au schimbat, iar organizaţiile trebuie să îşi redescopere clienţii, arată Ştefan Baciu, channel partner manager pentru Europa de Sud Est, IBM România. Mai concret spus, dacă în urmă cu zece ani cantitatea de informaţii era relativ limitată la calculatorul fiecăruia şi la media, acum un client poate să acceseze „tone„ de informaţie pentru a-şi cumpăra un telefon, un frigider, o casă sau o vacanţă. Cu toate acestea, punctează reprezentantul IBM, foarte multe organizaţii încă funcţionează cu „blind spots„ – zone neobservabile din punct de vedere al analizei de date. Studii realizate de IBM şi citate de Baciu arată că unul din trei manageri ia decizii critice de business fără informaţia de care are nevoie, unul din doi manageri nu are acces la informaţia necesară pentru a-şi fundamenta deciziile iar unul din patru lideri de business este convins că informaţia predictivă ar putea ajuta în luarea unor decizii mai bune.
Or informaţiile inteligente pot fi la îndemâna oricărei companii, pentru că orice firmă are o bază de date ce se poate dovedi extrem de folositoare în păstrarea, fidelizarea clienţilor dar şi în creşterea vânzărilor. „Instrumentele de analiză predictivă ne ajută să facem o conexiune între volumul de date şi informaţii pe care îl avem astfel încât să putem trage concluzii despre evenimentele care ar putea să se întâmple„, declară Baciu. Mai mult de-atât, companiile pot genera scenarii multiple pentru evoluţia afacerii folosindu-se de acest tip de instrument.
SOLUŢIILE DE ANALIZĂ PREDICTIVĂ DUC LA SCHIMBAREA INTERACŢIUNII CU CLIENTUL, CARE DEVINE MULT MAI PERSONALIZATĂ. Soluţiile SPSS din portofoliul IBM îşi trag rădăcinile din sisteme de lucru ce există pe piaţă de peste 40 de ani. „A început ca produs de statistică, a evoluat către data mining şi evaluare predictivă, a fost cumpărat de IBM în 2009 şi acum este un instrument care conţine foarte multă inteligenţă şi poate identifica tendinţe şi modele în volume mari de date”, declară Ştefan Baciu.
Cu toate acestea, companiile care apelează la soluţiile de analiză predictivă nu trebuie să se aştepte la rezultate imediate, atenţionează Ionel Dinu, şeful departamentului CRM, direcţia managementul segmentelor retail, în cadrul BCR.
ACESTA ESTE UN INSTRUMENT DE LUCRU, ORICE IDEE SE POATE MODELA ATÂT TIMP CÂT EXISTĂ ISTORIC, DATE. E frumos să poţi previziona, dar rezultatele vor veni foarte greu„, spune Dinu. El adaugă că ideea de analiză predictivă, numită şi data mining sau mineriada datelor, a pornit de la un spital, la departamentul de urgenţă, când trebuia să se facă o predicţie astfel încât să se asigure personalul necesar pentru urgenţe. BCR este una dintre companiile care a mizat pe soluţiile pe care le poate oferi analiza predictivă. „Spunea cineva la un moment dat că jumătate din banii cheltuiţi pe marketing sunt aruncaţi. Dar nu se ştia care este jumătatea respectivă. Aşa făceam şi noi”, spune Dinu.
BCR făcea campanii de marketing direct, având o bază de clienţi consistentă, de peste trei milioane de clienţi în retail. Rezultatul a fost redus, povesteşte Dinu: „trimiteam 100.000 de scrisori, cu costuri de circa 100.000 de euro; mai trimiteam încă 20.000 de mesaje scrise celor care nu au primit mesajul cum trebuie şi reuşeam să vindem în jur de 1.000 de produse„. La o primă vedere, procedura putea fi îmbunătăţită, pentru a găsi în baza de date – generoasă, dealtfel – informaţii inteligente. Trebuia „să mă uit în baza de date şi să găsesc clienţi care au cea mai mare probabilitate pentru a cumpăra un anumit produs„, explică reprezentantul BCR. Instituţia financiară a cumpărat SPSS, a dezvoltat modele predictive iar acum „ştim că pentru un anumit produs putem să ne concentrăm pe o anumită bază de date relativ mică, dar cu o rată foarte mare de succes. Nu vom cheltui 100.000 de euro ca să vindem 1.000 de produse, cheltuim 10.000 de euro ca să vindem 3.500 de produse”.
