Praxis 2020 Analytics & Big Data Expertgroep di. 8 sep 2014
2020: Consument verwacht meer Me-Commerce
Shoppen gaat steeds minder om product en transac2e en meer om oriënta2evoorkeuren en persoonlijke context
Bron: McKinsey & Co. 2014
Huidige plaats van Praxis in customer journey is vooral beschikbaar maken van producten Awareness
Interest
Desire
Ac;on
Folder Winkel Webshop
75% van bezoekers Praxis winkel doen een aankoop: meer/eerder in oriënta2e proces geeB Praxis mogelijkheid poten2ële koper te beïnvloeden
Terwijl begrip van de gehele klus en individuele klant leidt tot ….. …eerder vinden, vasthouden en beïnvloeden van interesse Awareness
Interest
Desire
…up-‐ en cross-‐selling
Ac;on
…te onderscheiden van andere aanbieders
BELEVING
…herhaalaankopen, upgrades, aKer sales services
Want wie wil nu niet…. • • • • • •
Klus- en decoratietips Geen spullen vergeten Minder keuzestress Duidelijke handleiding, instructies of voorbeeldfilmpjes Gerichte aanbiedingen voor je klus Voor later onderhoud weten welke maten schroeven en kleuren verf je moet gebruiken
• Lekker opschieten • Trots zijn op het resultaat
Gericht inzetten Big Data & Analytics impliceert strategische keuzes Eigen en 3rd party kanalen
Awareness Aanwezig in gehele customer journey: Welke capabili:es toevoegen?
Interest
Desire
+ gewenste mix tussen eigen en 3rd party kanalen
Ac;on
Specialist in conversie (naar materialen): hoe blijf je voldoende relevant?
Maar ook: • Wat past in merkbeleving • Verschuiving van inkoop / leveranciers naar behoefte en (individuele) marketing
Begrip (en data) opbouwen van individuele klant en de klus •
Bezoekers instore en online helpen vanaf klus tot alle benodigde materialen: – Alternatieven, advies en aanpak – Volledige boodschappenlijstjes, locatie-aanduidingen – Klaarzetten / bezorgen
• •
360° profielen: klantportaal, instore wifi tracking, etc Meer digitale interactie met klant: – – – – –
•
augmented reality (home use) keuzehulpen Instore on-demand narrow-casting personalized app digitale folder(!)
Meer externe bronnen aanknopen voor context: – Kadastergegevens – Weer – Afspraken over delen van data bijv. met leverancier, denk aan Internet of things – Sociaal, economisch en Demografische gegevens
Klant centraal maken in data-architectuur en iedere interactie • CRM waarin alle interacties met iedere klant wordt opgeslagen • Koppelen data uit verschillende bronnen – App kan helpen om MAC address, user en Airmiles pas te koppelen
• Actief groeperen in profielen (personae] en middels interacties verrijken • Medewerkers bedienen klanten d.m.v. digitale hulpmiddelen zoals tablet
Uitdagingen en belemmeringen (1/2) • Waar wil je dat winkelpersoneel echt waarde toevoegt? Nu nog relatief veel werkzaamheden met lage toegevoegde waarde (kassa, schappen vullen, etc) • Gewenning bij klanten: – Kun je werkelijke relevantie toevoegen – Past het bij winkel / merk / klantbeleving – Waar ligt balans tussen persoonlijk zijn en voldoende neutraal
• Tijdhorizon: – Retail cultuur is omzet vandaag – Investeren vandaag, maar wanneer pay-off?
• Vereist hoge mate van wil en vertrouwen in rationeel en data gebaseerd beslissingen nemen vs. waarnemingen uit eerste hand en onderbuikgevoel
Uitdagingen en belemmeringen (2/2) •
Cultuur: de traditionele retailers zullen de switch moeten gaan maken naar fact-based en datadriven. Elke beslissing zal vanuit essentie gechallenged moeten worden met data. Traditioneel zijn retailers meer gewend om dit vanuit onderbuik/gevoel/ervaring te doen. Volledige etailers hebben vanaf het begin altijd de beschikking gehad over veel meer data. En data-driven zit hierdoor veel meer in de aderen van de organisatie. Dit zie je bijvoorbeeld alleen al aan de effectiviteitsbepaling van de meest gebruikte marketing kanalen. Etailers weten perfect wat de effectiviteit van hun online kanalen (SEA / Prijsvergelijkers) is en weten ook heel goed waar bijgestuurd moet worden. Terwijl dit voor een folder, bij traditionele retailers, nog niet standaard het geval is.
•
Personeel: door deze omslag in cultuur, zal van de werknemers dus ook verwacht veel meer in staat te zijn op beslissingen op basis van data te kunnen maken. En ook hun eigen beslissingen proberen te challengen met data. Dit betekent dat zowel management als marketeers steeds meer feeling met data zullen moeten ontwikkelen. Daarnaast heb je core-intelligence analisten nodig (econometristen, wiskundigen, natuurkundigen etc.). Hier is op dit moment al een onwijze schaarste in de markt. Zodra ook alle traditionele retailers hier nog eens keihard bij gaan komen zal de schaarse en daaruitvoertvloeiend de lonen hoger worden. Ik denk vervolgens binnen de vijver met analytisch talent, dat het voor traditionele retailers een uitdaging gaat worden om het beste talent binnen te halen. Waarom? Helemaal in het begin is het aanbod van data op deze plekken veel kleiner. Historie moet nog opgebouwd worden en tools ontwikkeld. Terwijl je bij veel etailers al direct kan beginnen met de meest gave modellen en data-analyses.