 |
| Kliknij na obrazek, aby otworzyć broszurę .pdf |
Znaczenie budowania trwałych relacji wzrasta diametralnie na rynkach dojrzałych, gdzie pozyskiwanie nowych klientów jest znacznie utrudnione. W takiej sytuacji zabiegi mające na celu zwiększenie lojalności już posiadanych klientów stają się nieodzowne.
Popularnymi narzędziami wykorzystywanymi do wzmocnienia relacji z klientami są systemy lojalnościowe. Narzędzia te w swojej istocie mają za zadanie skłaniać aktualnych klientów do częstszych, większych zakupów czy rozszerzenia koszyka zakupowego o inne produkty, oferując w zamian różnego rodzaju korzyści w postaci zniżek, upustów czy prezentów.
Jednak samo wprowadzenie systemu lojalnościowego jest środkiem niewystarczającym by zapewnić lojalność klientów. Nawet atrakcyjny prezent zwykle nie jest wystarczającą motywacją do zakupu, jeśli oferta nie zaspokaja w pełni potrzeb i oczekiwań klienta.
Stąd też poza samym stosowaniem systemów lojalnościowych konieczne jest podjęcie działań mających na celu lepsze rozumienie potrzeb i oczekiwań klientów. Znakomitym źródłem informacji o klientach są dane gromadzone w związku z transakcjami klientów korzystających z systemu lojalnościowego. Wartość tych danych jest wprost nieoceniona. Na ich podstawie możemy zidentyfikować poszczególnych klientów, określić jakiego rodzaju zakupów dokonują i jaka jest ich częstotliwość. Dane te są więc znakomitym źródłem informacji powalającym identyfikować wzorce zachowania klienta, określać jego preferencje i zwyczaje, które mogą z znacznym stopniu wpłynąć na efektywność naszych działań marketingowych, zmniejszyć ich koszty, a także lepiej dopasować naszą ofertę do potrzeb naszych klientów.
By na podstawie transakcji zapisanych w bazach danych systemów lojalnościowych można było uzyskać cenną wiedzę na temat klientów, konieczne jest zastosowanie odpowiednich narzędzi eksploracji danych.
Ogromnie przydatnymi do tego celu narzędziami są metody data mining, zaprojektowane specjalnie po to by umożliwić wyszukiwanie ukrytej wiedzy w dużej ilości danych. System Statistica Data Miner zawiera bogaty zestaw narzędzi data mining, które dodatkowo wsparte są narzędziami do statystycznej oraz graficznej analizy danych. System ten jest coraz powszechniej wykorzystywany do zaawansowanych analiz mających wspierać działania marketingowe przez firmy stosujące systemy lojalnościowe.
Przykładem udanego wykorzystania narzędzi zaawansowanej analizy danych (data mining) zawartych w programie Statistica Data Miner jest firma Orlen. Dane pochodzące z systemu lojalnościowego Vitay są regularnie analizowane w celu odkrycia nowej nieznanej wiedzy, która umożliwia wybór odpowiednich strategii marketingowo sprzedażowych.
Koncern naftowy Orlen wykorzystuje program Statistica Data Miner do:
- Segmentacji klientów
- Segmentacji punktów sprzedaży
- Wykrywania reguł sprzedażowych
- Wspierania kampanii cross-sellingowych i up-sellingowych
- Wykrywania nadużyć związanych z nielegalnym naliczaniem punktów
- Prognozowania
Więcej szczegółów na temat wdrożenia systemu lojalnościowego w firmie Orlen
BP Polska to inny przykład z branży paliwowej, gdzie wykorzystywane są informacje uzyskane w wyniku statystycznej analizy danych zgromadzonych dzięki programowi lojalnościowemu. Na podstawie danych gromadzonych w programie lojalnościowym BP partnerclub, konsultanci 
StatSoft wykonali segmentację klientów uczestniczących w programie.
Opinia na temat przeprowadzonej analizy.
Artykuły z przykładami analizy i opisami najczęściej stosowanych metod