Historia analizy danych o klientach - droga ku sztucznej inteligencji

Analizy zachowań użytkowników na stronach WWW — od statystyk dotyczących liczby wejść po zrozumienie potrzeb użytkowników

W latach 90. firmy funkcjonujące w Internecie należały do swoistej awangardy, a zaledwie garstka z nich analizowała zachowania użytkowników na stronach WWW. Mowa o przyszłościowo myślących przedsiębiorstwach, które pragnęły lepiej zrozumieć ruch przychodzący na ich stronę. Początkowo zliczano tylko połączenia z serwerem WWW, jednak dalej sprawy potoczyły się już błyskawicznie: statystyki zaczęły uwzględniać liczbę odsłon witryny czy sesji, a nawet pozwalały odpowiadać na pytania takie jak „Co robią użytkownicy odwiedzający moją stronę?”. To był pierwszy krok na drodze ku ograniczeniu roli intuicji i zastąpieniu jej przez pomiary i poparte danymi wyniki mające stanowić podstawę decyzji związanych z aktywnością cyfrową.

Pod koniec lat 90. analizy zachowań użytkowników na stronach WWW obejmowały bardziej wyrafinowane metody, takie jak znakowanie stron i użycie cookies stosowane w celu pozyskania pogłębionych informacji o osobach odwiedzających witrynę. A już pod koniec pierwszej dekady XXI wieku — gdy cyfrowe przedsiębiorstwa zaznaczyły swoją obecność także w sferach innych niż tradycyjna strona internetowa — obserwowaliśmy stopniowe przekształcanie się analiz tak, by dotrzymywały kroku interakcjom konsumentów z marką.

Analiza danych z mediów społecznościowych — jak zrozumieć nastroje klientów

Na przestrzeni pierwszej dekady nowego stulecia media społecznościowe, takie jak Facebook i Twitter, zmieniły charakter interakcji, w jakie użytkownicy wchodzili z marką i między sobą. Aby utrzymać wysoką pozycję na rynku, przedsiębiorstwa musiały być obecne w największych serwisach społecznościowych. Czerpały przy tym korzyści z generowanych przez nie zewnętrznych danych, których używały w praktyce na wiele sposobów. Dane te z pewnością nadawały analizie dodatkowy wymiar, pozwalając jeszcze lepiej zrozumieć potrzeby użytkowników dzięki informacjom na temat ich interakcji społecznościowych oraz profili jako klientów. Ponadto umożliwiły nowe, prowadzone na wczesnym etapie analizy trendów w ramach badania sentymentu. Oprócz pozyskania informacji o liczbie osób śledzących firmę w poszczególnych serwisach i wchodzących z nią w interakcje można było ocenić sentyment rynkowy klientów wobec marki i produktów.

Analiza zachowań klientów —  doświadczenie klienta pod lupą

Wkrótce na rynku zadebiutowała analiza zachowań klientów, która do dziś dynamicznie się rozwija. Analiza ta rejestruje wszystkie szczegóły dotyczące sesji, funkcjonując zdecydowanie precyzyjniej niż analizy zachowań użytkowników. Pozwala przedsiębiorstwom otrzymywać alerty o odnotowaniu określonych zachowań, odtwarzać sesje i wyświetlać mapy cieplne w celu pozyskania informacji o łatwości używania stron. Podczas gdy analizy zachowań użytkowników odpowiadały na pytania o sam przebieg zdarzeń, analiza zachowań klientów zaczęła wyjaśniać dodatkowe kwestie — jak i dlaczego klienci podjęli taką, a nie inną decyzję? Dlaczego jednych stosunkowo łatwo nakłonić do zakupu, a inni porzucają koszyk?

Analiza predykcyjna — usprawnianie procesów decyzyjnych

Od pewnego czasu na rynku obecna jest, wciąż ewoluująca analiza predykcyjna. Wykorzystuje ona zaawansowane algorytmy ekonometryczne i metody statystyczne, na przykład analizę skupień, aby przyjrzeć się danym z bliska i wykorzystać je do podejmowania lepszych decyzji. W miarę rosnącej ilości danych o klientach analiza predykcyjna okazuje się być naturalnym wyborem. Zastosowanie technik predykcyjnych do analizy danych klientów pozwala przedsiębiorstwom trafnie alokować ograniczoną ilość zasobów marketingowych, wybierać oferty najbardziej przemawiające do odbiorców i rozpoznawać wśród klientów tych, którzy mogą odejść.

Analiza i wizualizacja ścieżki zakupowej

Jednym z najnowszych dostępnych rozwiązań jest analiza ścieżki zakupowej. Rozwój środowisk mobilnych, stanowiących dodatkowy kanał sprzedaży oraz błyskawicznie pojawiające się kolejne innowacje w dziedzinie technologii marketingowych sprawiają, że marketerzy śledzą coraz bardziej pofragmentowaną ścieżkę klienta. Analiza ścieżki zakupowej w nowatorski sposób integruje punkty kontaktu na poszczególnych etapach we wszystkich kanałach. Dzięki możliwości wskazania najkrótszej i najdłuższej ścieżki prowadzącej do konwersji oraz zlokalizowania potencjalnie korzystnych lub problematycznych obszarów organizacje mogą dokonywać korekt i pomagać większej liczbie osób sfinalizować decyzję o zakupie.

Analiza ścieżki zakupowej to jedna z kluczowych możliwości oferowanego przez nas rozwiązania IBM Customer Experience Analytics. Obejrzyj wideo i dowiedz się, w jaki sposób przedsiębiorstwa mogą lepiej zrozumieć interakcje z klientami.

Unifikacja analiz — najlepsze narzędzia w ramach jednego kokpitu

A jednak mimo tych wszystkich zachodzących od lat przemian niektóre aspekty obsługi klienta nadal wymagają udoskonalenia. Analiza danych jest zwykle przeprowadzana w wielu działach przedsiębiorstwa, co utrudnia sporządzenie spójnego raportu. Czasem sprawozdania dotyczące środowiska WWW i mobilnego znacznie się od siebie różnią. A przez to organizacja skupia się na porządkowaniu danych, zamiast na ich analizie. Z kolei menedżerowie często narzekają na zbyt długie oczekiwanie na odpowiedzi na palące pytania.

Dostrzegliśmy zapotrzebowanie na pojedyncze, ujednolicone rozwiązanie, które łączyłoby w sobie wszystko to, co najlepsze w analizach środowisk, drogi wiodącej do zakupu i zachowań klienta. To dzięki niemu przedsiębiorstwa mogłyby patrzeć na interakcje z klientami holistycznie. Uruchom interaktywne demo i zobacz, jak udało nam się połączyć te wszystkie możliwości.

Sztuczna inteligencja, czyli przyszłość rozwiązań analitycznych

Co jeszcze czeka nas w dziedzinie analiz? Mówiąc krótko — sztuczna inteligencja. Analizy wspierane sztuczną inteligencję są już dostępne za sprawą rozwiązania IBM Watson Analytics. Możliwości kognitywne to fundament stworzonego przez IBM systemu Watson Marketing. Sztuczna inteligencja wyznacza początek nowej ery w świecie analiz i stanowi istotny krok naprzód w stosunku do rozwiązań funkcjonujących od lat 90. Dzięki technologiom kognitywnym zaawansowane systemy mogą skanować duże ilości nieustrukturyzowanych danych w języku naturalnym, poszukując w nich wzorców, ucząc się trendów i prognozując przyszłe zachowania klientów. Dzięki możliwościom kognitywnym ułatwiamy marketerom i specjalistom ds. handlu elektronicznego dostęp do wyrafinowanych analiz tak, by nie musieli sięgać po pomoc analityków. Demokratyzacja danych po raz pierwszy na taką skalę ma miejsce właśnie w erze kognitywnej.

Obejrzyj demo CX Analytics
Dowiedz się więcej o systemie Watson Marketing