Juttelin tutun markkinointipäällikön kanssa. Tiesin hänet tarkan markan mieheksi, kuten päälliköt usein ovatkin. Hänen yrityksensä myynti perustuu paljolti suoramarkkinoinnin voimaan, niin kuin vähittäiskaupalla on tapana, massamainonnan ohella. Mainontaan palaa siis iso lovi massia vuosittain.
Kysyin häneltä puolihuolimattomasti: Paljonko teidän suoramarkkinoinnin konversioaste on? Kuinka moni mainoksen saanut, ostaa teiltä?
”En tiedä”.
Anteeksi kuinka?
”En todellakaan tiedä. Emme seuraa kampanjoiden konversiota, meillä ei ole välineitä siihen.”
Saatuani leukani takaisin paikoilleen, tein pienen laskelman:
Yrityksellä on noin 100 000 kanta-asiakasta. Jokainen asiakas saa vähintään kerran kuussa kotiin suoramainoksen. Sanotaan, että mainoksen painatus ja postitus maksaa n. 3 euroa. Eli kuukaudessa suoramainontaan menee 300 000 euroa. Vuodessa tämä tekee 3,6 miljoonaa euroa.
Ja markkinointipäällikkö, tarkan markan kirstunvartija, ei tiedä mitä tämä investointi tuottaa. Häpeäisi.
Miten markkinointipäällikkö voisi säästää 1,8 miljoonaa euroa vuodessa puolen tunnin työllä?
Millä tavoin markkinointipäällikkö voisi säästää markkinointikuluissa, pitäen myynnin ennallaan tai jopa kasvattaen sitä? Aika helposti. Täytyy vain tuntea asiakkaat vähän paremmin. Ja se ei vaadi mitään poppakonsteja.
Hahmottelin alle muutamia yksinkertaisia, maalaisjärkeen perustuvia ratkaisuja. Aluksi ei tarvita edes mitään tiedon louhintaa vaan suurimmat voitot saadaan yksinkertaisella tiedon yhdistämisellä, joka onnistuu millä tahansa raportointisoftalla tai vaikka sql-kyselyillä.
1. Tunnista asiakkaat, ketkä eivät ole asiakkaitasi
Yhdistämällä kampanjadatan (esim. CRM:stä tai markkinoinnin automaatiosoftasta) ja kivijalkapuotien ja verkkokaupan kassadatan, voimme helposti tarkistaa, ketkä asiakkaat ostavat mainoksen saatuaan. Olettaen, että kassalla/verkossa asiakas vilauttaa kanta-asiakaskorttia tai pystytään muuten tunnistamaan.
Ei lähdetä tässä vaiheessa hifistelemään ja laskemaan konversioasteita vaan tehdään parit perustarkastukset. Muutama mutka vedetään suoraksi, tottakai.
Datasta näemme, että n. 80% kanta-asiakkaista, jotka saavat mainoksen, on ylipäätään ostanut viimeisen vuoden aikana.
Toisin sanoen 20% eli 20 000 asiakasta ei osta. Saivat he mainoksen tai ei. He ovat muuttaneet pois kaupan lähettyviltä, heidän elämäntilanteensa on muuttunut tai ovat poistuneet jalat edellä paremmilla ostosmaille.
Joka tapauksessa näille 20 000 ei-asiakkaalle ei kannata lähettää mainosta.
20 000 lähettämätöntä mainosta on 60 000€ rahaa per kuukausi. Vuodessa tämä on 720 000 euroa. Säästöä. Viivan alle.
Ja työnä tämä kaikki oli noin 15 minuuttia. Vaati CRM-datan ja kassadatan yhdistämisen pienellä SQL-kyselyllä.
2. Tunnista asiakkaat, jotka ostavat joka tapauksessa, tuli mainos tai ei
Aivan samalla tavalla markkinointipäällikkö voi tarkistaa ostaako asiakas, vaikka mainosta ei tulisi. Toisin sanoen saneleeko asiakaan käyttäytymistä todellinen tarve vai mainoksen heräte? Tarvepohjaiset kuluttajat tuovat tasaista kassavirtaa, ilman että heistä täytyy taistella joka viikko.
Voi olla, että markkinointipäällikön analyytikot joutuvat tekemään pari A/B-testiä todentaakseen tämän. Toisin sanoen lähetetään joitakin kertoja puolelle asiakkaista mainos ja toiselle puolelle ei lähetetä. Tutkitaan ketkä ostavat, vaikka mainos ei tullutkaan.
Käytännössä tarkastus tapahtuu siten, että täsmäytämme kampanjaviikot ja asiakkaiden ostoviikot kuten ylempänä kuvassa näytettiin. Jos ne eivät osu kohdalleen, ei asiakas reagoi.
Ja lopuksi tietenkin tieto tallennetaan asiakastietokantaan, jotta se on käytettävissä jatkossa markkinoinnissa (tai siis markkinoimattomuudessa).
Sanotaan esimerkinomaisesti, että 30% asiakkaista ostaa, vaikka mainosta ei tulisi.
Jos markkinointipäällikkö päättää jättää näille mainostamatta, tulee säästöä 30 000 hlö * 3€ * 12kk = 1,08 miljoonaa euroa vuodessa
Näin pienellä A/B-testauksella ja tähän päälle puolen tunnin analysointityöllä saatiin selville kolme asiakassegmenttiä suhteessa suoramainonnan vaikuttavuuteen
a.) Mainoksen uhreja = mainos toimii
b.) Vakioasiakkaita, tuli mainos tai ei
c.) Ei-asiakkaita
Ryhmälle a.) mainos toimii. Silloin kun hän saa mainoksen, hän saapuu asioimaan. Jos hän ei saa mainosta, todennäköisyys tulla asiakkaaksi on pieni. Näille kannattaa mainostaa.
Ryhmä b.) on tyytyväinen asiakas. He tulevat asiakkaaksi satoi tai paistoi. Laitoit mainoksen tai et. Heille ei kannata mainostaa. Koska he tulevat muutenkin.
Ryhmä c.) ei noteeraa mainosta. Heitä ei ole välttämättä edes olemassa. He eivät tule asiakkaaksi vaikka kuinka spämmäisit heitä. Heihin ei kannata käyttää penniäkään.
Eli ainoastaan ryhmälle a.) kannattaa mainostaa. Ja tämä tarkoittaa n. 50% asiakkaista.
Ja tämä tarkoittaa 50% säästöä mainonnassa, tuoden kuitenkin aivan saman tuoton kuin aikaisemmin.
Aikaa käytetty: 30 minuuttia.
Rahaa säästetty: 1,8 miljoonaa euroa
Tämä oli nyt tämmöistä lämmittelyä. Todellisia aseita ei vielä edes otettu käyttöön.
3. Edistyneempiä menetelmiä markkinoinnin optimointiin
Kanavaoptimointi
Tästä eteenpäin voitaisiin lähteä selvittämään miten huomattavasti edullisempi email-mainonta uppoaa. Tämä voidaan tehdä kevyillä A/B -testeillä. Lähettäen saman tuotekatalogin esimerkiksi 50% asiakkaista muutaman kerran maililla ja tutkien mikä on konversioaste.
Niillä asiakkailla kenelle maili uppoaa aivan yhtä hyvin kuin printti, siirrytään halvempaan mediaan ja taas säästetään rahaa.
Tuotekohtainen ostokäyttäytyminen
Edelleen kassadataa tutkimalla, voidaan selvittää mitä tuotteita asiakkaat ostavat, millaisia tuote-eriä kerralla, kuinka usein, mikä on keskiostos (vrt. RFM-analyysi).
Tällöin päästään selville mitä asiakkaat todella haluavat ja miten he todella käyttäytyvät. Ei mitä he sanovat kyselyissään tai kanta-asiakasohjelmaan liittyessään.
Kanta-asiakastietoja ja asiakkaan todellista ostokäyttäytymistä vertailtaessa olemme törmänneet tapauksiin, joissa n. 30% asiakkaiden syöttämistä tiedoista olivat väärin/vanhentuneita.
Riippuen vähän siitä, onko kyseessä erikoiskauppa vai sekatavaramyymälä, voidaan suuret suuntaviivat löytää hyvin pienillä analyyseillä (tarkoittaen taas n. 0,5h SQL-kyselyä).
Asiakaskohtaisten mainosten räätälöinti printissä/emailissa olisi tietenkin turhan raskasta mutta esim. urheiluvälinekauppa voi tunnistaa talviurheilun harrastajat ja kohdentaa heille oman katalogin.
Oma lukunsa on sitten asiakastyytyväisyyskyselyjen, net promoter scoren, gallup-kyselyjen, ostovoimatietojen (postinumeron kautta erittäin kätevästi uudesta Paavo-rajapinnasta) yms. linkittäminen asiakastietoihin ja hyödyntäminen jälleen paremmassa kohdennetussa suoramarkkinoinnissa.
Esimerkki: Korkean ostovoiman virkeille laatutietoisille eläkeläisille, joilla on melko korkea RFM-arvo mutta monetary-value eli ostosten euromääräinen arvo on pieni, voitaisiin tehdä oma kohdennetun mainonnan strategia millä heidän asiakkuuden arvoa vielä korotetaan. Valitaan oikea kanava (esim. printti), oikeat tuotteet, oikea ajankohta ja oikea viesti.
Lisäideoita voit lukaista vähän vanhemmasta blogipostauksesta: 4 keinoa tehostaa mainontaa ja tehdä lisää myyntiä analytiikan avulla.
Jatkuva oppiminen ja toiminnan muuttaminen
Uuden tietämyksen pitää johtaa toiminnan muutokseen. Se on kaiken raportoinnin, business intelligencen ja analytiikan ydin.
Sillä hienolla QlikView-raportilla, johdon dashboardilla tai SQL-kyselyllä, joka hakee suoramarkkinoinnin konversioasteita, ei tee mitään, jollei se johda toimintaan: parempiin päätöksiin, parempaan mainontaan.
Yrityksen toiminta aiheuttaa jonkin reaktion asiakkaissa. Sillä on vaikutus. Tämä vaikutus pitää mitata. Se pitää analysoida ja siitä pitää oppia. Tämän pohjalta muutamme toimintaa.
Alla oleva kuva näyttää miten johtamisprosessi näkyy järjestelmätasolla tässä suoramainonnan esimerkissä.
Hoiti kampanjoinnin CRM, markkinointiautomaation järjestelmä tai vaikka markkinointipäällikkö itse käsipelillä, nuo markkinoinnin aktiviteetit pitää tallentaa ja ne pitää integroida yhteen kassajärjestelmän tietojen kanssa.
Tähän integrointiin erillinen tietovarasto tai analytiikkatietokanta on paras vaihtoehto. Et halua lähteä hilloamaan kuittidataa CRM:ään tai markkinointiautomaation pilvipalveluun.
Olennaisinta on kuitenkin toiminnan muutos ja kaiken aktiviteettien tallennus rakenteiseen, mitattavaan ja raportoitavaan muotoon.
Näin mahdollistat jatkuvan oppimisen. Jokainen kampanja, jokainen asiakkaan ostos lisää asiakastietämystä ja mahdollistaa taas tehokkaammat kampanjat.
Tiedon rikastaminen
Jotta yllämainittu toiminnan muuttaminen ja systemaattinen mittaaminen on mahdollista, pitää asiakastietoa rikastaa.
Lähtökohtana normaalilla suomalaisella vähittäiskaupalla tai itseasiassa millä tahansa yrityksellä, on yllä olevan kuvan kaltainen asiakastietämys. Asiakkaista tiedetään nipinnapin nimi ja osoite. Joskus ei näitäkään.
Kun tiedon kerääminen ja mainonnan ja asiakkuuksien johtaminen on systemaattista, asiakastietoa kertyy em. analytiikkatietokantaan/tietovarastoon jokaisen kampanjan, A/B-testauksen, asiakaskyselyn tai analytiikkaharjoituksen perusteella.
Nyt markkinointipäälliköllä alkaa olemaan sellainen asiakastietopankki, että oksat pois. Sitä voidaan hyödyntää suoramarkkinoinnin lisäksi asiakaspoistuman estämisessä, ristiin- ja lisämyynnissä, tuotevalikoiman suunnittelussa. Taivas on tässä rajana.
Tällaisen asiakastietämyksen rakentaminen on useimmilla yrityksillä jopa triviaalia. Vaikka lähtökohtaisesti CRM:ssä olisi huttua, koska suurin osa datasta johdetaan asiakkaiden käyttäytymisestä.
Lähinnä kyse on siitä, haluaako tehdä sen 1,8 miljoonaa lisää pätäkkää vai onko vain töissä.
