Müşteri Bağlılığı İçin Yeni Yaklaşımlar

BANU DAL | COO

Günümüz rekabet koşullarında rakiplerimizin bir adım önüne geçebilmek için müşteri memnuniyetinin önemini biliyoruz. Peter Drucker’ın  “Bir işletmenin amacı müşteri kazanmaktır” sözü de bunu çarpıcı şekilde özetliyor.

Müşteri bağlılığı için müşterilerin tercih ettikleri ürün ve servisi sürekli olarak almayı istemesini sağlamak gerekiyor. Müşteriyi tanımak, davranışlarını tahmin etmek ve buna göre aksiyon almak önemli. Bunun yolu olarak CRM yaklaşımını, araç olarak da Sadakat Kart programını tanıyoruz.

Yaptığım görüşmelerde hala “müşteri bilgisi Sadakat Kartı ile toplanır” kanısının hakim olduğunu görüyorum. Halbuki veritabanlarına kaydedilen veriler, perakendecinin oluşturduğu bir form üzerinden, müşterinin beyan ettiklerinden çok daha fazlasını söylüyor. Uzun zamandır, eldeki bu verilerin kullanımının RFM segmentasyonundan öteye gitmemesi ve sonuçlarının aksiyona çevrilmemesi,  kampanyaların toplu email ya da sms gönderimi ile iletilip, kişiselleştirmenin yine başka bir zamana bırakılması buna sebep olmuş olabilir.

Teknolojinin ucuzlaması ve işlem gücünün artması ile matematiksel modelleri günlük hayatımıza dahil etmemiz kolaylaştı. Müşterimizi müşterinin kendisinden daha çok tanıyoruz. Artık “Veriye Dayalı Davranışsal Segmentleme” sayesinde müşteri bağlılığına hizmet edecek yeni yaklaşımlar geliştirmek mümkün.

Bu konuda son zamanlarda neler yaptığımızdan bahsetmek istiyorum:

  1. Elbette online ve offline verilerin bütünleşmesi şart. Yani fiziksel mağazadan yapılan alışverişler ile internet üzerinden yapılan alışverişlerin ve hatta alışverişe dönüşmemiş tüm web aramaları, şikayetleri gibi iz bıraktığı tüm kayıtların müşteri bazında birleştirilmesi – omnichannel olması – gerekiyor. Müşteri tanımlamada – bugünlerde –  şahit olduğumuz sorun,  online müşterilerde email, offline müşterilerde telefon numarası ile tanımlanan kayıtların müşteri bazında birleşmiyor olması. Detailer müşteri tekilleştirme modelimiz ile yaptığımız uygulamalarda perakendecilerin bu engeli atlamalarını sağlıyoruz.
  2. En ideal veya kazanılması gereken müşterilerin tespitini küme bazında yapıyor, ardından bu ideal tanıma veya davranışa benzeyen/benzemeyen müşteri kümelerini tespit ediyoruz. Elbette, bunu yapmak çok kolay değil ancak Büyük Veri yaklaşımı ile hızlı ve doğru yöntemlerle analiz edebiliyoruz.
  3. Perakendecinin satış dinamiklerini, pazarlama stratejilerini modele girdi olarak almadan, sadece fiş verilerini inceleyerek ürünlerin birbirleriyle olan satış birlikteliklerini veri madenciliği yöntemleri ile ortaya çıkarıyoruz. Bu çalışmanın sonunda kural setlerini belirliyoruz. X ürününü almış olanların Y ürününü satın alma olasılığını, X ürününü satın alanların Z ürününü satın alma şansını ne kadar artırdığı gibi olasılık hesaplarını yapıyoruz.
  4. Müşterilerin satın aldıkları ürünlerin cirosal ağırlığını, hafta içi, haftasonu ve alışveriş saati gibi değişkenlerini kullanarak, sistemin müşterileri önceden tanımlı olmayan segmentlere ayırmasını sağlıyoruz.

Sonuç olarak; Müşteri bağlılığı programları kapsamında, müşteri perakendeci ile ilk tanıştığında alınan, bir formata sığdırılan ve kısmen güncelliğini yitirmiş bilgileri almaya yönelik değil, sadece iletişim bilgilerini alıp kalanını matematiksel modeller ve Büyük Veri & Veri Madenciliği yaklaşımı ile tamamlayabilecek çözümleri değerlendirebilirsiniz.

Bugüne kadar dinlemediğiniz, fakat pek çok şey anlatan, güncel verilerinize kulak verin. Çok büyük verilerin hızlı ve doğru yöntemlerle analiz edilmesi ile ile veriden bilgi edinebilir, geleceği tahmin ederek, hızlı ve doğru kararlar alabilirsiniz.

Bu konu gündeminizde ise, gelin üzerine sohbet edelim.

Verinizi dinleyin, daha akıllı kararlar verin.

 

Please follow and like us:

Bir Cevap Yazın