Üzleti Intelligencia, Stratégia, BI kategória bejegyzései
Az adatok az alapvető stratégia döntéseidet támogatják. De tudnod kell, hogy miért, hogyan és mihez nyúlj hozzá. Növekedj gyorsan, növekedj adatvezérelten.
“…egy-egy döntéssel nagyon sok ember életére lehet hatással lenni, hiszen nagyon sokan használják a Ustreamet, és nagyon jó szerintem, hogy egy ilyen cégben lehet dolgozni itthon…”
Schmidt Gergely
Gergely mérnökből, szabadúszóból lett termékmenedzser a Ustreamnél, ahol több csapattal dolgozik közösen új és régebbi termékeken. Jelenleg a Ustream Align terméken, amely cégek belső kommunikációját segíti.
Minden terméket és folyamatot szeret lemérni, analizálni és kihozni belőle a lokális maximumot. Viszont az igazán kiugró eredmények eléréséért néha el tud rugaszkodni a mérésektől és analízisektől. Imádja a fake-door és A/B teszteket. Még nem talált igazi megoldást a nagy mennyiségű kvalitatív adat hatékony kiértékelésére. Amikor nem dolgozik, az országúti kerékpárján ül és tekeri azt. I stream U… bővebben… →
“…”szerencsére” jött a válság. Ezt megelőzően a sales terület hasraütés-szerűen mondta meg, hogy mikor és hol mit fog árulni és hogyan. Nem mértek semmit, mert látták, hogy jönnek az új ügyfelek, jön a volumen. Nem volt arra igény, hogy elemezz, jött a pénz és ettől mindenki boldog volt. Aztán minden megváltozott…”
Lindwurm Tamás
A B-DATA2 Konferencia egyik előadója Lindwurm Tamás lesz, akivel egy rövid interjút is készítettünk, hogy jobban megismerjétek.
Tamás 2008 óta foglalkozik adatelemzési, döntéstámogatási és adatvizualizációs feladatokon a pénzügyi és telekommunikációs szektorban. Részt vett többek között CRM-bevezetés, adatpiac-építés, kampányoptimalizálás, ügyfélérték-számítás és szegmentációs projekteken.
Októberben jönnek az új alkalmak!
Mindkét képzés – szokás szerint – max. 12 fővel indul és októberben csak 1-1 alaklom lesz, úgyhogy vigyázz, nehogy lemaradj! : )
Sok cél, sok adat, sok elemzési lehetőség, sok információ… Egy már működő vállalkozás esetében egyik pillanatról a másikra adatokat bevonni a döntési folyamatokba nem is olyan könnyű. Ennek az oka pedig az, hogy rengeteg fajta adatvezérelt projekt létezik. Így kiválasztani az elsőt, ami igazán hasznos, nehéz.
Most felsorolok 3 projektet, amelyek az elmúlt évek tapasztalatai alapján jó első lépések lehetnek az adatvezéreltség rögös útján.
1. Konverzió optimalizálás AB-teszttel
Ez a projekt iszonyatosan egyszerű és rögtön látványos eredményt hoz, ami nem más mint a konverziónövekedés. Azt pedig mindenki szereti. :-) (Az AB-tesztelésről már többször is írtam, úgyhogy most a részletekbe nem mennék bele.) A folyamat az, hogy:
I. Megkeresel egy UX-problémát a honlapodon.
II. Keresel rá alternatív megoldásokat.
III. Teszteled, hogy melyik a legjobb megoldás.
IV. A legjobb megoldást kiteszed élesbe.
V. Újrakezded egy új problémával.
…
Amit sosem szabad kihagyni, az az AB-tesztet megelőző kutatás. Sokszor látom, hogy az emberek elkezdenek csakúgy megérzésből AB-tesztelni. Néha összejön, néha pedig nem… Amit mi szeretünk csinálni: teszt előtt hőtérképes elemzés, Google Analytics elemzés és legalább 3 user-teszt egy adott oldalra. Ez alapján sokkal célzottabb és hatékonyabb AB-teszteket tudunk összerakni.
2. Stratégia adatalapon
A hosszútávú döntésekben segít. Éppen emiatt nem olyan látványos és azonnali az eredménye. Amiért mégis szokták szeretni a döntéshozók, mert konkrét számokat látnak a stratégiáik mögött.
Sokfajta metódus létezik. Én a 4DX módszertant találtam eddig a legjobbnak. Ennek a lényege, hogy van egy főcélod (pl. bevétel?) és keresel ehhez támogató alcélokat (ún. lag-ek) és az alcélokat támogató tevékenységeket (ún. lead-ek). A struktúra akkor működik, ha minden eleme mérhető is.
3. Triggerek és automation-ök
Ebben a pontban általában e-mail marketing-ről beszélünk. De lehet szó push-notification-ökről, sms-kampányról, in-site pop-up-okról, akármiről.
A lényeg, hogy ha követed a felhasználóid viselkedését, akkor bizonyos viselkedésminta aktiválhat bizonyos üzeneteket. Pl. ha látod, hogy egy felhasználó 100-szor megnézte a landing-edet, de még egyszer sem vásárolt onnan, akkor küldhetsz neki egy levelet, hogy személyes support-ot kínálsz neki, hogy könnyebb legyen a vásárlás.
Ha látod, hogy egy másik felhasználó vásárolt nálad 10 terméket, küldhetsz neki egy e-mail-t, hogy köszönöd a hűségét, itt egy 50%-os kupon, etc…
Ezek az ún. triggerek azonnali és látványos hatást fejtenek ki a lemorzsolódó felhasználók visszatérésére, hiszen személyre szabott üzenetet küld a megfelelő embereknek a megfelelő pillanatban.
Merre tovább?
Ez a 3 projekt (1. kutatás + AB-teszt, 2. Stratégia felépítés, 3. Trigger-ek beállítása) az, ami legjobb első adatvezérelt projektek között van. Látva az eredményességüket pedig könnyebb már továbblépni a saját adatbázisok felépítése és a finomabb (és még hasznosabb) adatos projektek felé.
Az egyik leggyakoribb kérdés, amit AB-teszteléssel kapcsolatban kapni szoktam, hogy ugyan hány felhasználóra van szükség a teszteléshez? Természetesen, mint a kérdések 99%-ra, itt is az a válasz: attól függ!
Mitől függ?
Alapvetően 3 dologtól:
Az alapkonverziós arányodtól (%)
A javulás nagyságától, amit elvársz a teszttől (%)
A szignifikancia-mutatótól, amit elvársz a teszttől (~95%)
Ahogy látod, az adott példában, a 3%-os alapkonverzió, 20%-os növekedésének 95%-os biztonságához: 10170 ember kell verziónként!
Azaz, ha hetente 10.000 látogatód van, akkor egy 2 verziós AB-teszt 2 hét alatt fog kipörögni.
3 egyéb mód a szignifikáns kontra nem szignifikáns kérdés eldöntésére:
Azt tudni kell, hogy az Optimizely motorja elég szigorúan méri, hogy egy eredmény szignifikáns vagy sem.
Ez így jól is van, de én azért 3 egyéb módon szoktam még ellenőrizni, hogy biztonsággal valós eredményeket kaptunk-e. Egyébként ha ez a 3 mérés mind pozitív eredményt hoz, akkor gyakran nem is várom meg az Optimizely szuper-szigorú méréseit. Íme:
1. T-próba:
A legklasszikusabb AB-teszt ellenőrző művelet. Van online elérhető felhasználó-barát, kitölthetős verziója (pl. ITT). Száraz tudomány – ha itt kapsz egy P-value < 0.05, akkor 95%+ eséllyel valóban az lesz a nyertes, akit jelenleg nyerésre áll. De önmagában ez még nem elég.
VWO, AB-teszt szignifikancia kalkulátor
2. Trend chart-ok:
Az Optimizely mutatja azt is, hogy hogyan alakulnak a trendek. Ez nem egy nagy varázslat. Ha 2 héten keresztül végig ugyanazt látod és még a T-próbád is jó eredményt dob, akkor már majdnem biztos lehetsz benne, hogy nyertél.
AB teszt trendek
3. AAB(B) teszt:
Ez egy expert-trükk! ;-)
Már a kísérlet elejétől érdemes az eredeti verziónak egy változtatás nélküli verzióját is elkészíteni. Így lesz 2 A verziód – vagy akár akár 2 B verziód is. Ha a két hasonló verzió között nincs eltérés eredményben, akkor az már jót jelent! Ezt kombinálva a trend-chart és a T-próba módszerrel, padlóra küldted a szignifikáns kontra nem-szignifikáns kérdést!
AABB teszt – konverziók
Azt hiszem, ezzel mindent tudsz, amit az AB-teszt eredményének a biztonságosságáról tudnod kell!
Ha szeretnél hasonló bejegyzéseket olvasni, iratkozz fel a Hírlevélre!
Tudtad, hogy a letöltött mobil app-ok 80%-át az első használat után törlik a felhasználók a telefonjukról? Hogy bent maradj a kellemes 20%-ban, elengedhetetlen, hogy reagálj a user-eid viselkedésére! Ehhez pedig mérned kell. Ugyanúgy, mint desktop-os internetes alkalmazásoknál… habár az elmélet és a gyakorlat is egy kicsit más. Ebben a cikkben leírom azt a néhány best practice-t, amivel már könnyen el tudod kezdeni a mobil app-od mérését!
MIÉRT MÉRJEM A MOBIL APP-OM?
Az egyik legfontosabb kérdés, hogy miért is mérsz? Erről már többször is írtam, de nem győzöm mindig hangsúlyozni, hogy akármit is mérsz: legyen egy jól definiált üzleti célod!
Ezt a célt állapotban két dolog határozza meg (Rajtad kívül). Az egyik, hogy milyen bizniszben vagy, a másik pedig hogy milyen szakaszában a növekedésnek.
Ha pl. egy érett e-commerce bizniszen dolgozol, akkor az egyik legfontosabb célod a Revenue, azaz a bevételed lesz.
Ha egy korai fázisú startup-on, akkor inkább az engagement-re és az activation-re fókuszálj, azaz arra, hogy a felhasználók egyáltalán megértsék a termékedet és elkezdjék használni – no meg persze, hogy elégedettek legyenek vele.
Egy feltörekvő média oldalnak pedig általában a retention-re fekteti a hangsúlyt, tehát a visszatérő látogatók számára és a visszatérések sűrűségére.
Ha megvan a célod, akkor már könnyen választ adhatsz a miért-re. Azért mérsz, hogy ezt a célt minél könnyebben elérd és ha nem sikerül, akkor megértsd, hogy miért nem sikerült. És persze, hogy tudd, hogy hol, mikor, mit és hogyan kell változtatnod.
MIT MÉRJEK A MOBIL APP-OMBAN?
Egy mobil app persze elég speciális biznisz. Van egy-két dolog, amit a legtöbben mérnek és ami gyakorlatilag kikerülhetetlen, ha ezen a területen dolgozol. A 3 leggyakoribb:
1. Onboarding funnel
Mobil App Onboarding Funnel
Ahogy a képen is látszik, az onboarding során lépésről lépésre kiesnek az emberek. pl. 1300-an letöltik az app-ot, 800-an elindítják, 400-an beregisztrálnak, 100-an pedig elkezdik használni tényleg a terméket, stb, stb… A lényeg, hogy lásd, hogy hol esnek ki a legtöbben és, ha ez a szám nagyon nem illik az elképzeléseidbe, akkor tudd, hogy ott valamit változtatnod kell.
A mobil app-oknál a legtöbb onboarding funnel így néz ki.
1. lépés: Letöltések száma (pl. 1000 db)
2. lépés: Launch (pl. 800 db)
3. lépés: Regisztráció (pl. 600 db)
4. lépés: Elkezdik használni a terméket (pl. 400 db)
5. lépés: Végére érnek az első körnek, a tanulási (más néven onboarding) folyamatnak (pl. 200 db)
Az 5. lépés egyébként trükkös, ezért szét szoktuk bontani 3-4 allépésre. Akkor vesszük úgy, hogy egy felhasználó elérte az 5. lépést és “onboarded” lett, ha már tudjuk, hogy minden olyan funkciót használt, ami kell ahhoz, hogy értse a termék előnyeit.
pl. ha egy idegenvezető mobil app-od van, ami a füledre mondja egy városban, hogy merre menj és mit kell tudni a nevezetességekről, akkor valami ilyesmi lehet az onboarding funnel-ed vége:
4. lépés: Kiválaszt a user egy túrát.
5. lépés: Odamegy a túra kezdőpontjára.
6. lépés: Elindítja az audio guide-ot.
7. lépés: Eljut a túra felére.
8. lépés: Végigér a túrán.
Aki végigért a túrán, nagy eséllyel találkozott az app összes főfunkciójával és érti, hogy mi a jó benne. Utána, hogy újra használja-e már, az egy másik kérdés.
2. Retention – visszatérés
Az egyik legütősebb metrika a felhasználó elégedettség vizsgálatára: a visszatérések száma és aránya. Tehát azok közül, akik múlt héten használták az app-odat, hányan használják újra. Itt nem feltétlenül megnyitásról beszélünk, hanem pl. egy core-feature használatáról (mint pl. a spotify-nál a zenelejátszás).
Itt is érdemes Neked definiálnod, hogy mi az ideális visszatérési sűrűség. Pl. ha egy média app-od van (, ahol naponta jelennek meg új cikkek,) vagy egy self-tracker alkalmazásod (, ahova minden reggel beírod, hogy milyen kedved van), akkor érdemes napi retention-t mérned. Egy Uber típusú app-nál a heti retention már logikusabbnak tűnik, egy repülőjárat kereső alkalmazásnál pedig akár a (több-)havi retention is indokoltnak tűnhet, hiszen a legtöbb ember amúgy sem utazgat minden héten vagy hónapban repülővel. (Azért törekedj minél kisebb retention time-ot belőni, mivel ha változtatsz valamit az app-odban és szeretnéd a retention-re gyakorolt hatását látni, mindig annyit kell majd várnod az első adatpontodra, amekkorára a retention definíciód be van állítva.)
Ha ez megvan, akkor nincs más dolgod, minthogy meghatározd a napi, heti vagy havi visszatérő látogatóid számát és arányát. És, hogy próbáld ezt a számot minél magasabbra tolni!
A retention címszó alatt még több dolgot is mérhetsz. Pl. a churn, azaz a lemorzsolódások aránya (pl. hányan uninstall-álták az alkalmazást, vagy hányan nem tértek vissza legalább a retention time-od 10-szereséig.) Vagy idetartozik az active/passive user-ek aránya. Azaz, hogy az összes user-edből hány % aktív.
3. Revenue – bevétel
A bevételt is többféleképpen mérheted. Itt persze attól is függ a dolog, hogy pontosan, hogy monetizálsz (fizetős app? reklámokból? in-app eladásokból? stb…), de a leg fontosabb alapmérések:
Első fizetésig eltelt idő
Fizetős user-ek aránya (hány ingyenes felhasználóra jut egy fizetős)
Havi átlagos bevétel user-enként
CLV – Customer Lifetime Value: Ez már egy összetettebb számítás, ami megmutatja, hogy az adott lemorzsolódási arányok és havi átlagos bevételek mellett egy user kb. mennyi pénzt termel az applikáción keresztül Neked onnantól, hogy beregisztrált, egészen addig, hogy letörli az app-ot.
Ez most csak 3 dolog – onboarding, retention és revenue -, de az alapok lefektetéséhez elég, aztán lehet továbbrészletezni még…
HOGYAN MÉRJEM A MOBIL APP-OM?
A millió dolláros kérdés: milyen eszközzel mérjem a mobil app-omat?
A jó hír hogy rengeteg lehetőség van…
Amit mindenképpen ajánlok az a Google Mobile Analytics. Ingyenes, mindent tud, ami kellhet. A korlátai pedig ugyanazok, mint a Google Analytics-nek. Csak report-olásra jó.
Ha szeretnél eggyel továbblépni, akkor itt is a Mixpanel az egyik legerősebb játékos a piacon. A Mixpanel-lel már viselkedés alapján tudsz szegmentálni, automatizált e-mail marketing-et beállítani, stb…
Ezeken kívül még rengeteg tool létezik, pl. az ingyenes Flurry Analytics vagy a kifejezetten crash-ek mérésére szolgáló Crashlytics – de azt is kevesen tudják, hogy az Optimizely-t is lehet használni mobil app AB-tesztelésre…
Egy szó mint száz
A lehetőségek és az eszközök adottak! Kezdd el mérni az app-odat és meglátod, sokkal tudatosabban, gyorsabban és eredményesebben tudsz majd fejlődni!
Sok sikert!
Ha szeretnél még ilyen cikkeket olvasni, iratkozz fel a hírlevelünkre!
Mostanában több viszonylag korai fázisú – MVP startoltatás előtti pillanatokban levő – startuppal is dolgoztunk 1-2-3 konzultáció erejéig – és mindig ugyanaz volt a kérdés: ha megvan az MVP, akkor hogyan – és főleg mit mérjünk?
Itt 3 főelv van: 1. Az OMTM-elv
One Metric That Matters – azaz egy darab célt jelölj ki! Egyet és ne többet! És ezt az egy célt helyezd a méréseid fókuszába. Hogy ez mi legyen azt iszonyatosan fontos már a startolás előtt, a legelején eldönteni.
Sok olyan cég van, aki megérzésből nyomja a dolgokat és adatok nélkül dönt. Aztán vagy bejön nekik vagy nem. De a másik véglet sem jobb – ha az ember 40 dolgot figyel egyszerre, akkor előbb-utóbb azon kapja magát, hogy egész nap csak a chart-okat nézegeti, de értelmes és értékes döntést még nem sikerült hoznia. Ha túl sok mindent mérsz, az összezavarhat. Legyen meg a fókusz: Mérj egy dolgot és határozza meg az, hogy merre mész tovább!
2. Engagement központúság
És hogy mi legyen az a bizonyos “Egy Mérés, Ami Számít”?
Természetesen ez a termékedtől függ, de MVP fázisban az biztos, hogy ez a metrika valahol az engagement, azaz a felhasználói elégedettség környékén keresendő. NEM jó OMTM a regisztrált felhasználók száma. A regisztrált felhasználók száma semmilyen érdembeli visszajelzést nem ad a termékedről, maximum a value proposition-ödről (de azt jó esetben validáltad már eddigre landing page tesztekkel és kvalitatív vizsgálatokkal) vagy a marketing erődről. Egy csomó embert hallok büszkélkedni, hogy elérte a 1.000 (2.000, 5.000, stb…) regisztrált felhasználót. De ha ebből 10-15 aktív felhasználója van, akkor bizony az a 2.000 nem sokat ér. NEM jó OMTM a bevétel nagysága/fizetések száma sem. Ehhez még túl korai szakaszban van a termék – úgyse fog elég pénz bejönni, akkor meg kár ezen stresszelni magadat.
A jó OMTM a termék használatára vonatkozik. Használják-e az emberek a főfunkcióidat? Minden funkciót használnak vagy csak néhányat? Úgy használják, ahogyan tervezted? És a legfontosabb: az első látogatás/regisztráció után visszajönnek mégegyszer használni a termékedet?
Jó mérőszámok lehetnek: – az aktivált felhasználók száma (pl. a Spotify-nál aktivált felhasználó az, aki beregisztrál és meg is hallgat legalább egy számot – a Prezinél aktivált felhasználó, aki beregisztrál, elkészíti és bemutatja az első prezijét, stb…) – az aktivált felhasználók aránya (ugyanaz, mint a fenti, csak %-ban, hogy lásd, hogy a regisztráltak mekkora része aktiválódik) – a visszatérő felhasználók aránya. Hányan döntenek úgy, hogy újra használják a termékedet? – a visszatérés ideje. Mennyi idő után jönnek vissza az emberek? 1 nap, 1 hét, 1 hónap?
És emellett persze folyamatosan monitorozd azt, hogy melyik feature-öket használják az emberek és melyikeket nem.
3. Csináld meg egyszerűen! Ebben a szakaszban az a lényeg, hogy gyorsan tudj mérni – ne tölts vele túl sok időt. Mivel lehet ezt megoldani? Ha csak nincs a kisujjadban a log-gyártás, akkor smart tool-okkal. Tök őszintén: valószínűleg egy jól beállított (konverziók, demográfia, stb.) Google Analytics is elég lesz. Ha pro akarsz lenni, akkor vagy egy Kissmetrics-et vagy egy Mixpanel-t felteszel az Analytics helyett, de ennél többre valószínűleg tényleg nem lesz szükséged ebben a szakaszban.
Mégegyszer összefoglalva: 1. Egy dolgot mérj! 2. Ez az egy dolog a termék használatára és a felhasználói elégedettségre fókuszáljon! 3. A lehető legegyszerűbben valósítsd meg (Analytics, Kissmetrics vagy Mixpanel)
Nemrég hallottam Dr. Mine Cetinkaya-Rundel professzor asszony webináriumán az egyik legjobb esettanulmányt a korreláció vs. kauzalitás problémájának szemléltetésére:
2005-ben volt egy kutatás, ahol több mint 2000 darab 9 és 19 év közötti lányt kérdeztek reggelizési szokásaikról. A felmérés része volt, hogy az év során egyszer véletlenszerűen megkérdezték a lányokat arról, hogy mit ettek az elmúlt 3 napban. Azt találták, hogy azok a lányok, akiknél a válasz az volt, hogy müzlit ettek reggelire, szignifikánsan alacsonyabb testzsír-index-szel rendelkeztek, mint azok, akik valami mást.
A kutatás következtetése: a müzlitől soványabb leszel. Csakhogy ez a következtetés: HIBÁS!
Miért?Mert ez a kutatás egyedül azt mutatja meg, hogy van valamilyen összefüggés a müzli és a testzsír-index között, de az ok-okozati kapcsolatot nem lehet belőle megállapítani. Gondolj bele! Valójában 3 jó megoldás is létezik: 1. Lehet, hogy – valóban -, aki müzlit eszik, az soványabb lesz. 2. De az is elképzelhető, hogy az eleve soványabb emberek valamiért jobban szeretik a müzlit. Tehát a soványság következménye a müzlifogyasztás. 3. Vagy esetleg valami külső okból származik mindkét dolog (soványság, müzlifogyasztás) és köztük közvetlen ok-okozati összefüggés nincs is. Pl. aki eleve egészséges életmódot folytat, az szeret müzlit enni és a testzsír-indexe is alacsonyabb, hiszen pl. sportol is. De ez nem azt jelenti, hogy a müzli önmagában soványabbá tesz, jelentheti azt is, hogy a sportos emberek fejében az van, hogy müzlit kell enniük.
Dr. Mine Cetinkaya-Rundel ábrája -korreláció vs. kauzalitás
Mi a tanulság ebből? A fenti probléma egy közismert adatelemzési problémakör része az adatvezérelt üzletek világában is. A neve: korreláció vs. kauzalitás. Az általános megállapítás az, hogy ok-okozati viszonyt (kauzalitást) soha sem lehet megállapítani visszatekintő elemzésekből. Ezekből mindig csak és kizárólag összefüggést (korrelációt) lehet kikövetkeztetni. A kauzalitás tényleges megállapítására egyedül az ún. kontrollcsoportos vizsgálatok valóak. Tehát a fenti példában a korrekt megoldás az lett volna, hogy a lányokat két csoportra szedik és az egyik csoportnak müzlit adnak enni minden reggelire, a másiknak pedig akármi mást. Majd figyelik, hogy hogyan változik a testzsír-indexük. Ha itt nyer a müzlis szegmens, akkor már valóban mondhatjuk, hogy a müzli soványabbá tesz.
Ez a módszertan az offline világban elég nehézkes, habár vannak rá példák…
Az online világban viszont nagyon egyszerűen kivitelezhető: ez az, amit A/B tesztelésnek neveznek. Jellemzően a korreláció vs. kauzalitás problémáját akkor érdemes A/B teszteléssel megoldanod, ha egy új funkciót (új feature-t) vezetsz be az oldaladon. Ilyenkor ugyanis el tudod dönteni, hogy valóban az új feature volt hatással a közönséged elköteleződésére (jó eset) vagy a közönséged eleve elkötelezettebb része érdeklődött az adott funkció iránt (kevésbé jó eset).
Összefoglalva: semmilyen kérdőív eredményből, felmérésből vagy visszatekintő elemzésből ne vonj le elhamarkodott következtetéseket! Próbálj helyettük minél több AB-tesztet és/vagy kontrollcsoportos vizsgálatot végezni!
Mai vendégszakértőnk Lindwurm Tamás. Tamás 2008 óta foglalkozik adatelemzési, döntéstámogatási és adatvizualizációs feladatokon a pénzügyi és telekommunikációs szektorban. Részt vett többek között CRM-bevezetés, adatpiac-építés, kampányoptimalizálás, ügyfélérték-számítás és szegmentációs projekteken. Dióhéjban: Félúton az IT és az üzlet között. :-)
Számtalanszor előfordult már velem, hogy a vásárlási szándékom meghiúsult egy nem túl pozitív első benyomás után. Szerintem Te is éltél már át hasonló élményeket. De vajon figyelsz arra, hogy ügyfeleid mindig maximális kiszolgálást kapjanak és szívesen visszatérjenek hozzád?
Mit kell tenned, hogy új ügyfeleid elégedett, aktív felhasználókká váljanak, akik visszatérnek hozzád?
Tapasztalataim azt mutatják, hogy az első három hónap kiemelkedően fontos a hosszú távú, kölcsönösen jövedelmező kapcsolat kialakításához. Ebben az időszakban van lehetőséged bemutatkozni, megmutatni, hogy miért érdemes téged választani és a későbbiek folyamán is visszatérni hozzád.
Ne akarj mindent eladni az első alkalommal és ezzel elriasztani az ügyfelet, mint teszik azt a középkorú nénikék ránk tapadva a cipőboltban. :-)
Tomi korábbi írásában már kitért arra, hogy az első látogatáskor hanyagold a nyitó pop-up-okat, ne töltess ki oldalas regisztrációs űrlapokat. Ezt én is nagyon fontosnak tartom. Gyűjts be annyi adatot, aminek segítségével ügyfeled a későbbiek folyamán is elérhető lesz, de ne többet! Hagyd, hogy az első alkalommal rád szánt időt az weboldalad átböngészésével töltse, ne kérdőívek kitöltésével!
Használd fel az első három hónapot arra, hogy megismerd őt, megtudd az igényeit! Építs fel egy olyan kapcsolatot, amely segítségével a következő alkalommal is Te jutsz eszébe, ha releváns terméket/szolgáltatást keres! Ne engedd, hogy az ügyfél megszerzésébe fektetett rengeteg energia egy rosszul kialakított beillesztési (onboarding) folyamat miatt vesszen kárba! Egy jól megszervezett folyamattal komoly versenyelőnyre tehetsz szert. Nem csak az ügyfeleid értékének növekedését gyorsítod fel, de elégedett ügyfeleid céged hírnökévé is válnak.
Amiket fontosnak tartok, hogy megtegyél az első 3 hónapban annak érdekében, hogy sikeres ügyfélkapcsolatokat alakíts ki:
Készíts oktatóanyagokat (email, videó), amik segítséget nyújtanak az első lépésekben:
Helyezz el az anyagokban releváns ajánlatokat/akciókat
Segítsd ügyfeled, ha elakad egy lépésnél. (Ha sokan akadnak el ugyanannál a lépésnél, fontold meg folyamatod átalakítását!)
Ezt a célállapotot fordítsd le jól mérhető ügyféljellemzőkké (definiálj KPI-okat):
Havi X db vásárlás
Havi X ezer Ft feletti költés
Heti X óra böngészés az oldaladon
X db termék birtoklása/rendszeres használata
…
Határozd meg az elérni kívánt célállapotot, hova jusson el ügyfeled 3 hónap után!
Küldj “welcome e-mail-t” az ügyféllé válás/első vásárlás után – nagy hatással tud lenni, ha az első levél a cég vezetőjétől érkezik!
Vásárlások után küldj ügyfél elégedettségi (rövid, akár csak egy szám visszaküldése is elegendő egy 0-10-es skálán) kérdőívet! Ha negatív visszajelzés érkezik, vedd fel vele a kapcsolatot (Itt is a vezetőtől érkező megkeresést javaslom.)
Tereld ügyfeleid az optimális csatorna felé (személyes vagy telefonos kapcsolattartás helyett online lehetőségek népszerűsítése)! Mutasd meg nekik az online csatorna lehetőségeit!
Említettem, hogy az első alkalommal ne támadd le ügyfeled a legrészletesebb kérdőívvel, a későbbiek folyamán ezt ütemezetten megteheted:
Törekedj arra, hogy csak a legrelevánsabb információkat gyűjtsd be, amit a későbbiek folyamán fel is fogsz használni!
Az itt kapott információkat építsd be a későbbiek folyamán a személyre szabott ajánlatokba!
Nagyon fontos az ütemezés. Ügyelj arra, hogy egyenletesen elosztva a releváns időpontokban kommunikálj. Ne zaklasd őket túl gyakran.
Tárold le, hogy kinek/mikor/mit/milyen csatornán küldtél! Segít abban, hogy egyfélét kommunikálj és be tudd tartani a megkeresések közötti szüneteket.
A 90 napos időablak végéhez érve csinálj még egy elégedettség mérést
Ha ez pozitív – (akár bizonyos kedvezményért cserébe) kérd meg, hogy ajánljon ismeretségi köréből potenciális ügyfeleket
Ha ez negatív – keresd meg és használd fel a kapott választ folyamataid/termékeid javításához
Lássuk ezt egy idődiagramon:
az ügyfél első 90 napja egy ábrán
Néhány ötlet a visszamérésekhez:
Tesztelj! Alkoss kontroll csoportokat, legyenek olyan ügyfelek:
Kristó Zoltánnal, a Riport csapat egyik oszlopos tagjával beszélgettünk. Kicsit mesélt arról, hogy mit is tud az applikáció jelenleg, mik a jövőbeli tervek és, hogy milyen nagy mérföldkövek vannak kilátásban.
Tomi: Az első kérdésem, hogy tulajdonképpen mi is a “Riport”?
Zoli: Ha nagyon tömören kellene megválaszolnom, akkor a Riport magja egy üzleti jelentésvarázsló, mely főkönyvi adatokat vizualizál. Ha bővebben kellene válaszolnom rá, akkor valószínűleg órákat tudnék beszélni a Riport edukációs jelentőségéről és a kommunikációnkban is többször megjelenő “Értem a cégem” koncepcióról, vagy arról, hogy, hogyan képes a Riport száraz számvitel adatokat hatékonyan „lefordítani”. De most maradjunk az elsőnél.
Riport infografika
Van egy konrét példád a használatára?
Sokan nem tudják (tudatosan titkoljuk marketing okokból), de a Riport nem egy mesterkélt piaci igényre adott válasz. A Riport szülőhelye egy könyvelőiroda, a saját könyvelőirodánk, ahol sok külföldi ügyfelet szolgálunk ki. A külföldi anyavállalatok általában erős havi riportolási követelményeket diktálnak, melyeknek Excelek-ben nagyon nehéz volt megfelelni, főleg az ügyfélszám növekedésével. A Riportot tehát elsősorban belső terméknek szántuk. Később döntöttünk a piacosítás mellett. Fentiek miatt rengeteget esettanulmányt tudnék hozni. Mégis, amit kiemelnék az a pénzügyi átvilágítások területe. Meggyőződésem, illetve más partnereink visszajelzése is ezt tükrözi hogy mondjuk egy cégvásárlás előtti számviteli átvilágítás során a Riport használatával a munkaórák számát akár 80%-al lehet csökkenteni. Havi főkönyvek feltöltése után egy idegen cég teljes számviteli megismerése a Riporton keresztül sokkal gyorsabb mint a hagyományos átvilágítási módszerekkel. Az adatok vizualizálásával illetve az appon keresztüli eléréssel pedig a valódi döntéshozók is – akik általában nem pénzügyesek – azonnal internalizáhatóak.
Riport Dashboard
És a könyvelők mindig kiadják az adatokat? Ezt a problémát hogyan oldjátok meg?
Ez egy nagyon jó kérdés, bár nem is feltétlenül az adatok kiadásával van itt a probléma.
A termék hajnalán úgy gondoltuk, hogy kommunikációnk központjában a könyvelők lesznek. Üzleti modellünk rájuk, mint nagykereskedőkre épített. Nem mondom, hogy óriási hadrendet állítottunk a marketing területére első évünkben, de már a korai tapasztalatok alapján is elmondható, hogy a könyvelők nem igazán szeretik a terméket. Vagyis mindenki azt mondja, hogy szuper, csak mikor el kellene kezdeni használni mégis lepattannak.
Ennek az az oka, hogy rövid távon többletmunkát jelent nekik egyrészt egy cég naprakész (lásd: havi) könyvelése, másrészt a termék ügyfél igényei szerinti paraméterezése. A magyar könyvelési szakma – tisztelet a kivételnek- nem feltétlenül jártas a kontrolling területén. Ennek hiánya pedig általában a Riport paraméterezését is hátráltatja. Enélkül az app ugyan működik, de mégsem az mintha az ügyfél igényei szerint paraméterezés megtörtént volna.
Ennek az utóbbi problémának az áthidalására vezetjük be a napokban „planning” modulunkat. A planning-gel az ügyfelek üzleti tervezésük során a program paraméterezését is indirekt megoldják. Ezzel ezt a feladatot levettük a könyvelők válláról. A planning vagy üzleti tervező persze nemcsak ezért van. Egy ilyen modul nagyon jól illeszkedik a Riportba, de kommunikációs szempontból is sokat várunk tőle főleg ebben a felpörgött startup világban. A tervezővel bárki ingyen összeállíthatja büdzséjét, megtervezheti eredményét. Ahol sok az adat, ott mindig felmerül az adatvizualizáció kérdése… Milyen adatvizualizációs eszközöket használtok?
Nagyon hagyományos eszköztárral dolgozunk, barchartok, kördiagrammok, színes indexek, stb. Nekem a kedvencem, bár nem adatvizualizációs eszköz a “Sztori”, mellyel a pénzügyes minden egyes havi jelentéshez megírhatja irányitott sztoriját az adott hónapról. Ez egy kicsit előszele majd a későbbi beépített prezentációs moduluknak.
Riport Dashboard
Egyébként hányan dolgoztok a RIPORT-on, hogy néz ki a csapat?
Csoda csapatunk van. Bár alvállalkozónként vannak jelen a projektben, mégis nagyon baráti és szoros a kapcsolat a feljesztőkkel, ahonnan Vehmann Fecót és Füredi Gábort (ZenHeads) emelném ki. A grafikáért és UX design-ért Bátor Tomi a felelős. Ők mindhárman szívügyüknek tekintik a Riportot. Szakmai befektetőként dr. Dobos Mátét, Bagyinszki Gábort illetve a Meyer&Levinson-t emelném ki.
