داده مشتری چه چیزی را پنهان می‌کند؟

کسب‌وکارهای امروزی بیش از گذشته درباره مشتریان خود داده جمع‌آوری می‌کنند. فروشگاه‌های آنلاین می‌توانند مسیر بازدید کاربران را ببینند، شرکت‌های خدماتی تماس‌های پشتیبانی را ثبت کنند و فروشندگان اطلاعات سفارش‌های قبلی را نگه دارند. با این حال، داشتن داده فراوان الزاماً به معنای شناخت دقیق‌تر مشتری نیست. حتی ممکن است حجم زیاد اطلاعات، مدیر را از پرسش اصلی دور کند: مشتری واقعاً چه ارزشی دریافت می‌کند و چرا یک محصول را به محصول دیگر ترجیح می‌دهد؟

مشکل زمانی آغاز می‌شود که مدیران رفتار قابل مشاهده را مستقیماً با انگیزه مشتری یکی می‌دانند. برای مثال، مشاهده افزایش فروش یک محصول ارزان‌تر ممکن است به این نتیجه منجر شود که مشتریان بیش از هر چیز به قیمت اهمیت می‌دهند. اما احتمال دیگری نیز وجود دارد: شاید محصول گران‌تر موجود نبوده، توضیح کافی درباره ارزش آن ارائه نشده یا خریدار درباره کیفیت تفاوت دو مدل اطمینان نداشته است. داده فروش به‌تنهایی نمی‌تواند میان این توضیح‌ها تمایز قائل شود.

فرق مشاهده با تفسیر

داده به ما می‌گوید چه اتفاقی افتاده است، اما علت آن همیشه روشن نیست. کاهش تعداد سفارش ممکن است نتیجه ضعف تبلیغات، افزایش قیمت، تغییر موجودی، کاهش قدرت خرید یا رفتار رقبا باشد. اگر مدیر بدون بررسی عوامل دیگر یک علت را انتخاب کند، احتمال دارد تصمیمی بگیرد که نه‌تنها مسئله را حل نکند، بلکه هزینه تازه‌ای نیز ایجاد کند.

برای جلوگیری از این خطا باید میان سه سطح تحلیل تمایز گذاشت: توصیف، تبیین و پیش‌بینی. تحلیل توصیفی نشان می‌دهد چه تغییری رخ داده است. تحلیل تبیینی تلاش می‌کند علت‌های محتمل را مشخص کند. تحلیل پیش‌بینی نیز برآورد می‌کند در صورت ادامه شرایط، چه نتیجه‌ای ممکن است رخ دهد. هر سه سطح مفیدند، اما هیچ‌کدام نباید با قطعیت بیشتر از کیفیت داده‌های موجود ارائه شوند.

یک فروشگاه ممکن است بداند نرخ تبدیل صفحه محصول از سه درصد به دو درصد کاهش یافته است. این یک مشاهده است. اگر هم‌زمان قیمت افزایش یافته باشد، نمی‌توان بدون بررسی بیشتر گفت افزایش قیمت علت اصلی کاهش تبدیل بوده است؛ زیرا شاید کیفیت ترافیک ورودی، زمان تحویل یا موجودی مدل‌های محبوب نیز تغییر کرده باشد.

چارچوب پنج‌سؤالی شناخت مشتری

سؤال نخست: کدام مشتری؟ میانگین تمام مشتریان ممکن است تفاوت‌های مهم را پنهان کند. مشتری تازه، مشتری وفادار، خریدار عمده و مشتری حساس به قیمت رفتار یکسانی ندارند. پیش از تحلیل باید مشخص شود داده به کدام گروه مربوط است. تقسیم‌بندی بیش از حد نیز مطلوب نیست؛ گروه‌ها باید آن‌قدر بزرگ و قابل فهم باشند که بتوان بر اساس آنها تصمیم گرفت.

سؤال دوم: در چه موقعیتی؟ خرید کالا در زمان تخفیف، بحران کمبود موجودی یا فصل اوج تقاضا الزاماً رفتار عادی مشتری را نشان نمی‌دهد. تحلیل باید شرایط زمانی و محیطی را در نظر بگیرد. ممکن است افزایش خرید یک محصول فقط ناشی از نگرانی درباره افزایش قیمت آینده باشد و پس از رفع آن نگرانی تکرار نشود.

سؤال سوم: چه گزینه‌هایی در دسترس بوده‌اند؟ مشتری از میان گزینه‌های موجود انتخاب می‌کند، نه از میان تمام محصولات احتمالی بازار. وقتی یک مدل در انبار وجود ندارد، فروش بیشتر مدل دیگر الزاماً نشانه محبوبیت ذاتی آن نیست. برای تحلیل درست، اطلاعات موجودی، قیمت و شرایط نمایش کالا باید کنار آمار فروش قرار گیرد.

سؤال چهارم: مشتری چه گفته است؟ داده رفتاری باید با صدای واقعی مشتری ترکیب شود. تماس‌های پشتیبانی، دلایل بازگشت کالا، پرسش‌های پیش از خرید و مصاحبه‌های کوتاه می‌توانند نشان دهند پشت یک تغییر عددی چه مسئله‌ای قرار دارد. البته پاسخ مشتری نیز همیشه دقیق نیست و بهتر است با رفتار واقعی او مقایسه شود.

سؤال پنجم: چگونه فرضیه را آزمایش کنیم؟ اگر مدیر تصور می‌کند ارسال سریع‌تر عامل اصلی افزایش فروش است، می‌تواند در یک گروه محدود از سفارش‌ها روش تحویل را تغییر دهد و نتیجه را با گروه مشابه بررسی کند. این روش در صورت طراحی درست، شواهد قابل اتکاتری نسبت به تکیه صرف بر حدس مدیریتی ایجاد می‌کند.

مثال کاربردی از یک فروشگاه

فرض کنید فروشگاه لوازم خانگی متوجه شده فروش یک گروه از محصولات کاهش یافته است. تیم فروش معتقد است قیمت بالا رفته و باید تخفیف بیشتری ارائه شود. اما بررسی تماس‌های مشتریان نشان می‌دهد بسیاری از خریداران پیش از تصمیم درباره نصب، تعمیرات و تأمین قطعات پرسش دارند. در این وضعیت ممکن است مشکل اصلی نه قیمت محصول، بلکه ابهام درباره هزینه مالکیت و خدمات پس از فروش باشد.

شرکت می‌تواند پیش از ارائه تخفیف گسترده، اطلاعات گارانتی، هزینه نصب و دسترسی به خدمات را در صفحه محصول شفاف کند. سپس تغییر نرخ تبدیل را در یک آزمایش کنترل‌شده ارزیابی کند. اگر نتیجه بهتر شد، شرکت بدون کاهش حاشیه سود توانسته مانعی واقعی را برطرف کند. این مثال فرضی نشان می‌دهد چگونه تحلیل دقیق مسئله می‌تواند از تصمیم هزینه‌ساز و غیرضروری جلوگیری کند.

سه خطای تحلیلی مدیران

خطای نخست، توجه بیش از اندازه به میانگین است. ممکن است میانگین رضایت مشتریان مناسب باشد، اما گروه کوچکی از مشتریان ارزشمند شرکت تجربه ضعیفی داشته باشند و در آستانه قطع همکاری قرار گیرند. میانگین خوب نباید تفاوت‌های مهم میان گروه‌ها را پنهان کند.

خطای دوم، اشتباه گرفتن همبستگی با علت است. اگر هم‌زمان با اجرای یک کمپین فروش افزایش یافته باشد، نمی‌توان تمام افزایش فروش را نتیجه تبلیغات دانست. تغییر فصل، رفتار رقبا و وضعیت موجودی ممکن است در نتیجه نقش داشته باشند.

خطای سوم، جمع‌آوری اطلاعاتی است که به تصمیم مشخصی منجر نمی‌شوند. بسیاری از شرکت‌ها ده‌ها شاخص را در داشبورد مدیریتی نگهداری می‌کنند، اما مشخص نیست تغییر هر شاخص چه اقدامی را ضروری می‌کند. داده‌ای که هیچ تصمیمی را بهتر نمی‌کند، ممکن است صرفاً هزینه نگهداری و پیچیدگی سازمانی ایجاد کند.

برنامه عملی برای یک ماه

در هفته نخست، یکی از تصمیم‌های مهم کسب‌وکار را انتخاب کنید؛ مثلاً کاهش ریزش مشتری، اصلاح قیمت یا بهبود نرخ تبدیل. در هفته دوم، داده‌های مرتبط را گردآوری و کیفیت آنها را بررسی کنید. در هفته سوم، سه فرضیه محتمل درباره علت مسئله تدوین کنید و با گفت‌وگوی کوتاه با تعدادی از مشتریان یا بررسی شواهد عملیاتی آنها را ارزیابی کنید. در هفته چهارم، یک تغییر محدود و قابل بازگشت را آزمایش کنید.

برای هر آزمایش، معیار موفقیت باید از ابتدا تعیین شود. اگر هدف افزایش نرخ خرید مجدد است، تعداد بازدید صفحه شاخص اصلی موفقیت نخواهد بود. اگر هدف کاهش شکایت درباره تحویل است، باید زمان واقعی تحویل و نوع شکایات بررسی شود. انتخاب شاخص اشتباه ممکن است باعث شود یک اقدام ناموفق، در ظاهر موفق گزارش شود.

شرکت‌ها همچنین باید در استفاده از اطلاعات مشتریان به حریم خصوصی، رضایت و امنیت داده توجه کنند. هدف شناخت بهتر مشتری است، نه گردآوری بی‌محدودیت اطلاعات شخصی. در بسیاری از تصمیم‌های بازاریابی، تحلیل داده‌های تجمیعی و ناشناس برای شناخت الگوهای رفتاری کفایت می‌کند.

ابزار اجرایی: برای هر تصمیم مدیریتی یک برگه با پنج خانه بسازید: «مشاهده»، «علت‌های احتمالی»، «شواهد موجود»، «آزمایش پیشنهادی» و «معیار موفقیت». هیچ تصمیم پرهزینه‌ای را صرفاً بر اساس یک نمودار اتخاذ نکنید. ارزش واقعی داده در افزایش کیفیت تصمیم است، نه در تعداد گزارش‌هایی که تولید می‌شود.