Ahogy az adatok egyre újabb vállalati területeken kapnak kulcsszerepet, úgy nő a controllerek feladatköre is. A data driven marketing jelentőségéről és a controllinggal való kapcsolatáról Bodnár Viktóriát, az IFUA Horváth & Partners ügyvezető partnerét kérdeztük.

Mi újat hoz a data driven marketing (DDM)? A marketingesek korábban is elemeztek adatokat…

A vállalatok most jutottak oda, hogy nem csak a belső adataikból tudnak tiszta, valós, elemezhető adatbázist létrehozni, de külső forrásból is tudnak ilyen adatokat vásárolni. Így megbízható statisztikai elemzésekre lehet alapozni a döntéseket, például a szegmentálást, az árazást, a promóciókat, az akciókat, az ügyfelek megtalálását, megszerzését stb. Ezért nevezik ezt a fajta marketinget „Data Driven”-nek, vagy másképp „Evidence Based”-nek.

A vállalatok az ezredforduló tájékán kezdték el szisztematikusan gyűjteni az adatokat, ekkor került a középpontba a Customer Relationship Management (CRM). Például, hogy kivel szerződtek, miről szól ez a szerződés, miért, mennyit fizetett a vevő? Az elmúlt évtizedben egyre erősebben az került a fókuszba, hogy a meglévő és a potenciális ügyfelek mit szeretnek, mit vásárolnak, mi alapján döntenek. Már nem csak megvesszük az elemzéseket egy piackutatótól és nézegetjük ezeket, már nem csak stratégiai döntéseket hozunk ezek alapján, hanem ellépünk a belső és a külső adatok állandó, folyamatos elemzése felé.

Bodnár Viktória, IFUA Horváth & Partners

Ezek után van még helye a kérdőíveknek?

Én nem hiszek a kérdőívekben. A vásárlók nem tudnak hitelesen válaszolni, a konkrét helyzet, a körülmények félreviszik őket és nem is emlékeznek pontosan. Például egy kiterjedt benzinkúthálózattal rendelkező ügyfelünk reprezentatív mintán felmérte, hogy a vevői hányszor isznak kávét az üzletükben. Az egyik válaszoló azt mondta, hogy havonta egyszer-kétszer biztosan iszik, ezért azt rögzítették róla, hogy 2 év alatt megivott náluk 24 kávét. Ennek az embernek volt hűségkártyája, s ebből aztán kiderült, hogy összesen 2 kávét ivott. Nem gondolom, hogy az illető hazudott, valószínűbb, hogy nem emlékezett jól arra, melyik kúthálózat boltjában kávézott. Pedig a vállalatnak fontos, hogy nála kávézik-e, vagy másutt.

Azzal is pontosabb adatokhoz jutunk, ha „belehallgatunk” a közösségi médiába – ezt nevezik „social media listening”-nek. Ha mondjuk egy közlekedési vállalat kíváncsi a saját megítélésére, akkor így megismerheti a valós ügyfélélményeket. Mondjuk valaki a végállomáson belebotlott egy nagy kátyúba, lefotózta, és szidalmak kíséretében felnyomta a Facebookra. Ha három hónap múlva felhívják telefonon, s megkérdezik a véleményét, lehet, hogy a frissebb tapasztalatai már elfeledtették vele ezt az incidenst, s nem említi meg.

Mit kell tenni ahhoz, hogy ez a hatalmas adattömeg használható is legyen?

Tudni kell adatot gyűjteni és kiértékelni. Az egyetemen Meszéna György professzor úr sokszor mondta nekem, hogy a jelenség, annak megfogalmazása a szaktudományok dolga, a statisztikus csak elemez. Ez ma már nem egészen így van. Az üzleti oldalnak értenie kell ahhoz, hogy a statisztika nyelvén megfogalmazza a kérdéseit. Kell data scientist, aki elemez, és üzletileg értelmezhető választ ad, továbbá szükség van informatikai eszközökre is. A jövőben azok a szakemberek lesznek a nyerők, akik egyszerre értenek az üzlethez, az elemzéshez és az informatikához is.

Milyen haszna van a DDM-nek a marketing egyes részterületein?

Az, hogy pontosabban megértjük, mi miért történik. Például a szegmenseink valóban egyforma elemekből fognak állni, mert máshova kerül az, aki havonta kétszer iszik nálunk kávét, és máshova az, aki évente kétszer. Sőt, eljutunk oda, hogy egymillió ügyfelet nem 4 szegmensként kezelünk, vagyis nem 250 ezer embert sorolunk egy szegmensbe, hiszen nyilvánvaló, hogy ennyi ember viselkedése nem lehet egyforma. Ezért szükséges, hogy konkrét üzleti kérdéseket tegyünk fel, és ennek mentén célzott mikroszegmenseket képezzünk. Ha arra vagyok kíváncsi, hogy ki, mikor, milyen kávét vásárol és milyen árkategóriában, és ez alapján szeretnék dinamikus árképzést, személyre szabott akciókat, akkor az ügyfelek kávéfogyasztási szokásaira mikroszegmenseket kell képezni, és ezekre a mikroszegmensekre célzott akciókat létrehozni. Képzeljük el, hogy egy éves értékesítési stratégiában 20 ilyen üzleti kérdést fogalmazunk meg, és minden egyes ügyfél a húszféle mikroszegmentálás mentén bekerül 20 konkrét mikroszegmensbe. Ezek ismeretében mikroszegmensenként konkrét akciókkal teremthető meg a személyre szabott marketing. Továbbmegyek, azt is tudni fogjuk, hogy a vevőnk a termék tartalma alapján választ-e vagy a referencia csoport véleménye alapján.

Mármint az alapján, hogy a barátai lájkolták-e az adott terméket?

Így van. Tudni fogjuk, van-e értelme a tévéhirdetésnek, mert kiderül, hogy a mi vevőink nem tévéznek, hanem Netflixen nézik a sorozatokat. Vagy például amikor az egyik ügyfelünk számára megvizsgáltuk a borpiacot, a kezdeti feltételezés az volt, hogy a vásárlói döntésekben nagy szerepet játszik a borszakértők véleménye. Ezzel szemben az derült ki, hogy a szakértők véleményére a vevők 90 százaléka semmit sem ad. Van, akinél az ár dönt, és 600 forintos bort iszik, más meg az édeset vásárolja, és így tovább. Egy multinacionális kávékereskedő pedig rengeteget költött arra, hogy a vevők szemében megkülönböztesse a 2 az 1-ben, a 3 az 1-ben stb. instant kávéit. Ezeket diákok fogyasztották, de számukra nem létezett x az 1-ben. Nekik egyetlen céljuk volt, az, hogy felébredjenek. Ezért ők kávét, instant kávét és energiaitalt vásároltak, s azon belül nem válogattak.

Az effajta tudás a marketingeseknek valóban hasznos lehet, de hol a helye mindebben a controllernek?

Nem is olyan régen még kevés marketing és értékesítési controller volt, ilyeneket csak FMCG és telekom cégeknél alkalmaztak. De az elmúlt két évtizedben más iparágakban is megnőtt az igény ezekre a szakemberekre. A controller az, aki látja az összefüggéseket az egyes vállalati területek között. Ő az, aki tudja, hogy ha jobban tervezzük meg az értékesítést, akkor a termelésben kevesebb gépátállításra lesz szükség, és ez végső soron alacsonyabb termékköltséget és magasabb fedezetet eredményez. A data driven marketing és értékesítés hatása végiggördül a termelésen, a beszerzésen, a logisztikán. Ennek szimulálása a teljes értékláncon a controller feladata.

A data driven marketing pontosan megmondja, hogy a vevőnk hol, miért és mivel iszik kávét.