Lead scoring to narzędzie, które często wykorzystywane jest w kanale B2B. Pozwala ono sprawdzić, na którym etapie lejka sprzedażowego znajduje się klient, dzięki czemu możemy dopasować do niego sposób komunikacji oraz kanał, jakim dotrzemy do niego z ofertą. Dzięki scoringowi wiadomo na przykład, do którego leada warto zadzwonić z ofertą, a który potrzebuje jeszcze czasu do namysłu. Oczywiście to bardzo uproszczony schemat, ale mniej-więcej tak właśnie działa lead scoring. System ten sprawdzi się także w e-commerce, w kanale B2C. Wymaga to wprawdzie trochę pracy, a także – na późniejszym etapie – automatyzacji, ale dzięki temu możemy znacząco wpłynąć na sprzedaż naszych produktów.

Partnerem lekcji jest: dddstudio.pl

Dziś dowiesz się:

– dlaczego warto analizować leady w e-sklepie,
– jakimi danymi można się posłużyć,
– dlaczego warto łączyć analizę z segmentacją.

Zbieranie danych o klientach nie jest trudne

Ponieważ lejek sprzedażowy składa się z kilku etapów, warto pokusić się o analizę naszych obecnych oraz przychodzących klientów. Dzięki niej nie tylko sprawdzimy, którzy z nich są najbardziej wartościowi dla naszego biznesu, ale także dużo łatwiej przekonamy tych niezdecydowanych do zakupu towaru. Lead scoring możemy traktować trochę jak segmentację leadów. Krótko mówiąc, wszystkich kupujących, którzy chociaż raz wybrali nasz sklep, możemy podzielić na mniejsze grupy, jakie pozwolą dostosować nasze działania do ich potrzeb. Tych klientów zaś, którzy dopiero nas poznali, szybciej przekonamy do zakupów, np. dzięki odzyskanym koszykom, przy pomocy kodów rabatowych lub rozmowy z naszym konsultantem. Pamiętać należy, że dobry system ERP, czy też system B2B pozwalają na łatwe zbieranie i analizowanie danych klientów.

Jakie informacje trafiają do bazy naszego e-sklepu? Jest ich wiele. Przede wszystkim otrzymujemy dane demograficzne, które tak naprawdę na samym początku wprowadzają nasi klienci. Są one wymagane podczas rejestracji w e-sklepie lub też na potrzeby złożonego zamówienia. Do takich danych zaliczymy:

• imię i nazwisko;
• adres zamieszkania;
• adres dostawy;
• wiek;
• telefon;
• adres e-mail;
• płeć;
• inne informacje, które są niezbędne do realizacji zamówienia.

Kolejny zbiór danych, jaki bardzo łatwo możemy pozyskać, to informacje dotyczące preferencji klientów oraz procesów zakupowych. Tutaj mówimy o osobach, które chociaż raz złożyły zamówienie, gdyż to na bazie tych danych możemy wyciągnąć wnioski. Do takich informacji należą:

• średnia wartość koszyka klienta, a także wartość poszczególnych koszyków;
• częstotliwość zakupów oraz to, czy klient je ponawiał;
• to, jakie produkty zamówił kupujący;
• to, jakie towary dodał do listy życzeń;
• preferowane formy płatności i dostawy;
• to, czy klient składał reklamację;
• to, jakie kategorie produktów przegląda/kupuje najczęściej.

Do powyższych danych, które są bardzo pomocne, możemy zaliczyć też te, które informują, skąd lead trafił do naszego sklepu lub w jaki sposób został naszym klientem. Tutaj na pomoc przychodzą informacje pozyskane np. z Google Analytics lub z serwera sklepu. Jeśli nasze oprogramowanie pozwala na śledzenie zachowań klientów na stronie, możemy otrzymać naprawdę wartościowe informacje. Do tego zbioru zaliczymy:

• sposób, w jaki odwiedzający dotarł do naszego e-sklepu. Mowa tutaj o linkach zewnętrznych, np. z social mediów, sklepowego newslettera, porównywarki cenowej czy też innego źródła. Wśród danych powinny znaleźć się także te informujące nas, czy ścieżka prowadziła z wyszukiwarki i na podstawie jakich stało się to haseł itp.;
• frazy, które zostały wpisane przez odwiedzających w wyszukiwarkę e-sklepu;
• to, jakie towary i kategorie produktów ich zainteresowały;
• to, czy odwiedzający dodał jakiś produkt do koszyka lub listy życzeń;
• informacje o powrotach do sklepu przed finalnym zakupem: czy miały one miejsce i ile razy wystąpiły;
• to, czy kupujący porzucił koszyk, a jeśli tak, to na jakim etapie to nastąpiło i jaki mógł być tego powód.

Powyższe przykłady to tylko część informacji na temat klientów, które pozwalają nam przypisać im punkty scoringowe. Każdy sklep powinien tak naprawdę pokusić się o indywidualne analizowanie poszczególnych informacji i wybrać te, jakie mają najważniejszy wpływ na poszczególne etapy lejka sprzedażowego. W górnej jego części pojawią się wszystkie osoby, do których trafił nasz przekaz reklamowy, w dolnej zaś ci, którzy zdecydowali się na zakup oraz jego ponowienie.

Gdy stworzymy poszczególne klastry klientów, bazujące na zebranych danych oraz na przypisanych im punktach scoringowych, dużo łatwiej zauważymy różnice, jakie pojawiają się pomiędzy poszczególnymi grupami.

Co zrobić z zebranymi informacjami?

Załóżmy, że zdecydowaliśmy się na przeanalizowanie danych sprzedażowych oraz informacji o naszych klientach z ostatnich 12 miesięcy. W ten sposób otrzymaliśmy pewne mapy podobnych zachowań, które pokazują nam, jak działają, jak zachowują się i jak kupują nasi konsumenci. Do najważniejszych dla nas informacji należą te, które mówią:

• jak wygląda nasz typowy klient i czy pokrywa się on z naszą personą. Jeśli tak, oznacza to, że dobrze trafiliśmy, wybierając preferencje buyer persony. Jeśli różnice są drastyczne, oznacza to, że błędnie ocenialiśmy, kim jest nasz wymarzony klient. W takim wypadku warto zweryfikować to zagadnienie;
• skąd najczęściej trafiają do nas klienci;
• ile poszczególne grupy wydają na zakupy;
• w jakich miesiącach kupujący wydają najwięcej pieniędzy;
• które kategorie produktów są dla nich najbardziej atrakcyjne;
• jakie preferencje zakupowe wykazuje każda z grup, np. jakie formy płatności wybiera, na jakie opcje dostawy się decyduje.

Mając już pewne grupy, warto przypisać im punkty za różne zachowania. Nadaje się je umownie, a przy dużej liczbie rekordów warto pokusić się o rozwiązania automatyczne, które przyśpieszają i ułatwiają naszą pracę. Ponieważ nie ma odgórnego schematu przypisywania punktacji, warto posłużyć się intuicją i własnym doświadczeniem. Możemy ustalić, że górna granica punktowa, jaką może uzyskać lead, wynosi 50 oczek. Za zapisanie się do newslettera klient zyskuje 10, za wrzucenie produktu do koszyka – 10, a za wypełnienie formularza z zapytaniem – 15. Gdy jakiś lead uzyska 50 punktów, należy rozpocząć zintensyfikowaną kampanię sprzedażową. Segmentacja klientów usprawnia cały proces. Dzieje się tak dlatego, że pozwala ona na:

• przeanalizowanie, które działania mają wpływ na decyzje zakupowe klientów. Dzięki temu dużo łatwiej buduje się relacje na linii sklep-konsument. Badanie doświadczeń klienta powinno być przeprowadzane nieustannie, gdyż dzięki temu można zauważyć każde zmiany, które mają wpływ na ich poziom;
• przypisanie punktów do każdych działań, dzięki czemu oceny stają się bardziej wiarygodne i nie opierają się na danych zmyślonych czy też niepotwierdzonych;
• ustalenie różnych progów punktowych, dzięki którym można analizować różne akcje marketingowe i porównywać ich jakość oraz wpływ na sprzedaż.

Jeszcze o automatyzacji

Dlaczego warto skorzystać z automatycznych rozwiązań, które pozwalają na analizę leadów w e-sklepie? Przede wszystkim dlatego, że wtedy procesy „segmentujące leady” odbywają się w czasie rzeczywistym, co wpływa na czas reakcji naszych sprzedawców. Jeśli nasz klient długo przebywa w karcie produktu, system automatycznie przekaże taką informację do handlowca, który może np. porozumieć się z kupującym poprzez chat lub automatycznie wyśle do odbiorcy maila z kodem rabatowym, gdy ten porzuci koszyk.

System scoringowy stał się popularnym rozwiązaniem w kanale B2B, jego możliwości sprawiają, że handlowcy dużo łatwiej zamykają transakcje, a co za tym idzie, zwiększają sprzedaż. W e-commerce lead scoring działa podobnie, ale cały proces wygląda trochę inaczej. Wymaga od nas analiz danych historycznych oraz ruchu na stronie, ale dzięki niemu łatwiej będzie nam przygotować spersonalizowane oferty dopasowane do zainteresowań odbiorców, a także szybciej zareagujemy, gdy okaże się, że nasz klient jest gotowy do zakupu i potrzebuje jedynie asysty sprzedawcy.