Czym jest lojalność i jako można zautomatyzować proces budowania lojalności.
Lojalność?
Na pojęcie lojalności składają się następujące elementy*:
zaspokajania oczekiwań ekonomicznych
zaspokajania oczekiwań emocjonalnych
zaspokajania potrzeb wyższych
Przykłady.
zaspokajanie oczekiwań ekonomicznych, na przykład:
– fakt, że ktoś ma atrakcyjny stosunek ceny do jakości
– fakt, że ktoś pamięta twoje preferencje i przyzwyczajenia
zaspokajanie oczekiwań emocjonalnych, na przykład:
– fakt, że ktoś jest moim znajomym
– fakt, że ktoś poleca mi nowe produkty, które mi odpowiadają
zaspokajanie potrzeb wyższych, na przykład:
– fakt, ktoś że wspiera wartości w które wierzę
* to mój własny podział, wynikający z wiedzy, doświadczeń i przemyśleń na temat istoty lojalności.
Przykład
Wyobraź sobie sytuację, że wchodzisz do sklepu i prosisz o wodę, chleb, masło, mleko i jabłka. Obsługa podaje bez zastanowienia sześciopak Cisowianki niegazowanej, chleb orkiszowy, litr mleka łaciatego, i 1 kilogram Renet. Jest to dokładnie to czego oczekujesz.
Dodatkowo okazuje się, że:
- ceny w sklepie są niższe niż u konkurencji.
- osoba, która prowadzi sklep należy do bliskiego kręgu twoich przyjaciół.
- obsługa sklepu ma w zwyczaju proponować ci dodatkowe produkty, których co prawda nie znasz, ale w większości przypadków przypadają Ci do gustu
- przyjaciel prowadzący sklep za zarobione pieniądze dotuje organizacje wspierające wartości, w które wierzysz.
Całość to idealny miks składników, budujących lojalność klienta.
Automatyzacja czyli personalizacja i predykcja
Które z powyższych elementów można zautomatyzować? Z pewnością będzie to znajomość przyzwyczajeń i nawyków oraz proponowanie nowych produktów, które najpewniej przypadną klientowi do gustu.
Przyjmijmy, że personalizacja to znajomość personaliów, preferencji i przyzwyczajeń danej osoby, a predykcją nazwiemy umiejętność przewidywania tego, co może się jej spodobać.
Koszty i zyski – predykcja vs personalizacja
Zastanawialiście się kiedyś dlaczego system bankowy nie pamięta, przelewów które robię w dosyć regularnych odstępach czasu i nie proponuje mi tuż po zalogowaniu 2-3 operacji, które najpewniej chce wykonać? Bez wpisywania wszystkiego od początku – po prostu klikam, precyzuję kwotę i już!
To samo na przykład na platformach takich jak eBay czy Allegro, jeżeli szukam zabawek dla 2 latka, to po co mi reklamy zabawek dla 5 czy 10 latków? Jeżeli raz na jakiś czas kupuję opony do samochodu czy też ubrania o określonych rozmiarach, to myślę, że warto zapamiętać mój rozmiar – drobna rzecz, a cieszy.
Z jakiś powodów tak się nie dzieje.
Słyszałem o sklepach internetowych, w których po wpisaniu generycznej nazwy produktu (np. woda), na pierwszym miejscu pojawia się sugestia wody, którą kupiłem ostatnim razem. Nie zauważyłem tak prostego rozwiązania ani w sklepie TESCO ani Alma24.
Wprowadzenie takiej funkcjonalności nie tylko buduje lojalność ale jest bardzo proste. Z punktu widzenia programistycznego to drobnostka, a jaką dodaje wartość! Jeżeli właściciel sklepu liczy na to, że kupię inny napój (może droższy) tylko dlatego, że system mi wyświetla inną markę, to najzwyczajniej się myli, a już na pewno denerwuje klienta.
Zupełnie inaczej wygląda kwestia predykcji. Netflix, który w roku 2009 chcąc usprawnić swój system poleceń (predykcji tego co spodoba się klientom) zwany Cinematch, uruchomił słynny konkurs, w którym zaoferował 1milion $ w zamian za 10% poprawę. Udało się tego dokonać BellKor’s Pragmatic Chaos, który podniósł efektywność algorytmu o 10,06%.
Aktualny algorytm – co prawda aktuanie został zmodyfikowany z „przewidywania ile gwiazdek otrzyma film” na „jaką kategorię filmów użytkownik lubi najbardziej” – wykorzystuje takie rozwiązania jak:
- regresja liniowa
- regresja logistyczna
- elastyczne mapy
- Rozkład według wartości osobliwych
- Restricted Boltzmann machine
- Łańcuch Markowa
- Latent Dirichlet allocation
- Association rule learning
- Gradient Boosted Decision Trees
- Random Forrest
- Algorytm centroidów
- Affinity Propagation
- Rozkład macierzy
Nawiasem: próbując przebrnąć przez powyższe rozwiązania, postanowiłem, że spróbuje je przełożyć „ludzki język” i opublikować na blogu.
Żeby połączyć (podobno ponad 100) algorytmów wykorzystujących powyższe techniki, należało najpierw zrekrutować solidny zespół doktorantów o praktycznym zacięciu, a potem zapłacić za stworzenie odpowiedniego systemu.
W przypadku Netflix przyniosło to z pewnością niewątpliwą przewagę rynkową. Prawdopodobnie podobne rozwiązania przyniosłyby podobną przewagę każdej innej frmie, na innych polach i w innych branżach. Pytanie tylko o koszty.
Podsumowanie
Zastosowanie prostej personalizacji, zapamiętywania ustawień, sugerowania pewnych dosyć oczywistych rozwiązań – prawie jak w sklepie spożywczym w sąsiedztwie w którym właściciel zna wszystkich klientów z imienia, nazwiska oraz preferencji zakupowych – przyniosłoby szybki wzrost lojalności.
Niewątpliwie stosowanie super zaawansowanych technologii i technik, które wydają się sięgać daleko poza percepcję przeciętnego absolwenta uczelni technicznej, przynosi nieprawdopodobą satysfakcję i jest po prostu na swój sposób seksi.
Jednak w mojej opinii należałoby zacząć od stworzenia i wdrożenia algorytmu „sklep w sąsiedztwie”, a potem dokładać do niego wszystkie elementy związane z predykcją. W ten sposób można osiągnąć szybki wzrost lojalności i satysfakcji klienta.
W pełni jednocześnie rozumiem, że zwiększenie koszyka przez zastosowanie predykcji, jest w pełni uzasadnione, a przypadku takich serwisów jak Netflix wręcz kluczowe, jako że tam nie ogląda się tego samego filmu 3 razy w tygodniu przez 5 lat.