Úspěšní jsou ti, kdo umí číst v datech dobře a rychle. A k tomu jim pomůže, když každému člověku ve své firmě najdou ten správný údaj, kterého se má držet a od něhož může odvíjet hodnocení své úspěšnosti či neúspěšnosti. Big data jsou pak vlastně milá, srozumitelná věc. Důležité ale je vybrat tři, maximálně čtyři základní hodnoty, které o něčem vypovídají. Zhruba tak znělo nejčastější doporučení účastníků odborné konference Primetime for... Big Data, která ve středu 15. dubna v Národní technické knihovně v Praze. Konferenci pořádala společnost Blue Events.
Jak big data formují svět kolem nás
„Můžete měřit napříč všemi formáty, obrazovkami a mediálními kanály, ideálně s využitím sdílené kreativy, ale zejména s využitím stejných publik – jste schopni zacílit správně konkrétního člověka, kterého potřebujete,“ uvedl David Špinar, head of performance Googlu, který sám sebe označil nikoli za datového analytika, ale za marketéra, a zaměřil se na to, jak data změnila ekosystém reklamy a online mediálního plánování a marketingu. „Dřív jsem měl dojem, že plánování a nákup reklamy není úplně úplně košer a spíš je to tak trochu šméčko, stavěné na základě osobních vazeb a subjektivních kšeftů. Ale změnilo se to, když do tohoto oboru vstoupila data, analytika a matematika. Marketér teď už může plánovat na základě dat a racia. Tato data dokážou najít člověka podle toho, v jaké fázi nákupního rozhodování je, a zároveň ho přesně oslovit na místě, kde se nachází, s relevantním příběhem ve správný čas. A zároveň díky tomu využívat správné rozhodování, tedy správné rozpočty a správná publika,“ uvedl Špinar. Online data o návštěvnících a zákaznících podle něj umožňují zobrazit rekamu člověku s přesným profilem, jehož lze najít, zacílit a vytěžit.
„Známe data prvních stran a data třetích stran. Ta první můžete vygenerovat ve svém vlastním prostoru, který ovládáte. Mohou to být například CRM data, která nasbíráte o své klientské bázi. Vím, jak se lidé chovali ve vašich kampaních, víte díky Analytics, co dělají na vašem webu, a můžete zjistit kompletní profil jejich chování na mém webu. Zároveň máte data třetích stran, která si můžete pronajmout či koupit – je to profilace lidí či cookies na webu, popřípadě reálných identit propojených s cookies – obvykle se tomu říká remarketing či retargeting, byť je to trochu zavádějící. Jde o to, že si ve své platformě tvoříte segmenty publik podle toho, co děláte ve svém prostoru. Často se zapomíná, že existují online i offline data třetích stran, přičemž i offline data lze propojit s cookies na základě CRM. Jste-li pojišťovna a chcete-li cílit na lidi, co nebyli na pobočce šest měsíců, je to možné,“ popisoval Špinar.
Propojování dat prvních a třetích stran se nazývá look-a-like. V podstatě jde o to, že skupinu s určitým vzorcem chování propojujete s dalšími lidmi, kteří mají podobný vzorec chování. „Je to schopnost oslovit jinou podobnou skupinu. Platformy sbírají signály z chování populace, které po sobě každý zanechává. Na Google najdete stránku, kde zjistíte, co si o vás Google myslí, za koho vás má, kolik vám je, kam chodíte, na jak dlouho, co vyhledáváte. Tyto signály jsou k dispozici inzerentům, kteří na ně mohou cílit. Clustery se anonymizují, ale můžete je využít – family status, purchase frequency, co jste vyhledávali a tak dále,“ uvedl Špinar.
Klíčové podle něj je umět datové zdroje a signály dobře poskládat, abyste oslovovali správné lidi ve správný čas podle toho, v jaké fázi nákupního rozhodování se právě nacházejí. „Díky datům mluvíte k reálným lidem, nevíte, kdo to přesně je, ale platforma vám umožňuje na ně zacílit. Nejžádanější cílová skupina je opuštěný košík do dvou minut [jinými slovy zacílení na člověka, který právě nakupoval v online shopu a svůj nákup nedokončil - pozn. red.]. Tam máte mnohonásobnější šanci oslovit potenciálního zákazníka,“ řekl Špinar.
Používejte zdravý rozum
Na používání zdravého rozumu a nutnost správné interpretace dat upozornil ve své přednášce i David Slánský, ředitel management consultingu poradenské společnosti KPMG, který se zabýval aktuálními trendy v jejich využívání.
„Jedna nejmenovaná firma v současnosti predikuje vítězství v mistrovství světa v hokeji na základě sesbírání dat úspěšnosti z minulých let. Došla k závěru, že vyhraje ČR. Pozoruhodné ale je, že přitom vůbec nebrala v potaz, jak týmy hrají dnes, jaké je současné složení hráčů a jak vypadá jejich aktuální osobní statistika. Dá se tedy říct, že jde o predikci vytvořenou optikou: silnice za mnou byla rovná, hurá, jedeme rychle,“ popsal jeden z příkladů podle něj nesprávného nakládání s daty Slánský.
Pak zmínil další příklad z polského trhu: „Velký zahraniční klient z oblasti pivovarnictví chtěl v Polsku nasadit nadlinkovou marketingovou komunikaci a zjišťoval, co si o něm lidé myslí a jak moc sledují pivovarnický trh. Sledoval internetová data a našel kolem čtyř tisíc postů o pivních značkách. Fantastický výsledek. Pak nám ale ta data ukázali a my se museli začít ptát. ‚Pánové, víte, že Lech, kromě toho, že jde o značku piva, je i normální polské jméno?‘ ‚Ne.‘ ‚Víte, že Voják kromě pivního brandu znamená i označení pouhého vojáka?‘ ‚Ne.‘ Navíc celý výzkum probíhal v době nedlouho po pádu letadla s polskou vládní delegací, takže obě slova byla v digitálním prostoru opravdu hodně frekventovaná. Po přehodnocení spadl počet relevantních postů na sedm set. Čísla nikdy nelžou, ovšem to platí jen tehdy, pokud je správně interpretujete,“ uvedl na konferenci Slánský.
Také podle Pavla Doležala, společníka technologické firmy Keboola, je při využívání big data důležité znát správný kontext a zejména klást správné otázky, na které se hledá odpověď. Keboola zpracovává data pro velké internetové hráče typu Economia, Seznam.cz nebo Slevomat a úzce spolupracuje s českou firmou GoodData Romana Staňka. Doležal se ve svém příspěvku zaměřil na příklady správné práce s daty z daleké minulosti i současnosti.
„Kdysi dávno postihla Londýn epidemie cholery. Všichni říkali, že se to šíří vzduchem. Jen jeden lékař chtěl dokázat, že se to šíří vodou. Všichni si ťukali na čelo. Tak onen lékař udělal jednoduchou věc: nakreslil mapu celého Londýna, vyznačil v ní studny, ze kterých lidé čerpali vodu, a potom zaznamenával čárkami, jak v okolí těchto studní umírali lidé na choleru. Výslednou názornou grafiku ukázal starostovi, který mu konečně musel dát za pravdu a zakázal z daných studní čerpat vodu. Tím onen lékař změnil chod Londýna. A to je jeden z prvních příkladů práce s big daty. Věděl, co chce dokázat, a položil si správnou otázku,“ uvedl dávný příklad Doležal.
Současnější příklad podle něj představuje případ virtuálního operátora Gorila Mobil, který se zaměřil na mladé lidi a od vstupu na trh přesně sledoval, kolik utratil, co promoval, jak se zákazníci pohybovali po jeho webu, kde a jak nakoupili, jak využívali svůj datový tarif a kolik lidí si reaktivovalo kartu. „Majitelé Gorila Mobilu si propojili celý datový řetězec. I PNS byla překvapená, že přesně vědí, kolik chtějí na kterou pobočku dodat karet, což zjistili díky datové analýze. Na jejím základě pak mohli dělat predikce a uvědomili si, že lidé klikají, kupují, ale úplně nedobíjejí, protože mladí to nedělají. Tak za den a půl změnili úplně strategii firmy. A vsadili na politiku ‚Gorila Mobil - pět korun za minutu a dat, kolik chcete‘.“ Firma díky tomu prodala víc než padesát tisíc SIM karet za čtyři měsíce a nakonec ji jako úspěšnou koupila O2.
Třetí případová studie potvrzující důležitost „zdravého rozumu“ a kladení správných otázek představuje podle Doležala síť papírnictví McPen. „McPen založil Milan Petr po návratu ze studií v Americe. Po třech letech činnosti ho začala hodně zajímat data týkající se prodejů a začal se jim aktivně věnovat. Dnes má tato síť v systému nejen data o svých skladových položkách, ale i o tom, co má kdy na jaké poličce. Na základě toho vytváří predikce, kdy nakupovat, kdy objednávat. Nejdřív to dělal Milan Petr sám a nikoho k tomuto systému nepouštěl. Po nějaké době zjistil, že tak to dál nejde, a postoupil celý systém střednímu managementu. A teď už ho poslali na všechny své jednotlivé pobočky. Paní, která prodává v papírnictví McPen na pražském Hlavním nádraží, se každý den ráno po příchodu do práce patnáct minut dívá do dat, kde se dozvídá, co se prodává, co ne a jak, a na místě si tak dělá základní analýzu prodejů. A díky tomu lidé z poboček dokonce pozměnili celou strategii firmy. Ta byla původně nastavená tak, aby se snažili zvýšit nejvyšší nákupy, neboli udržet zákazníka, který dělá v papírnictví největší nákup. Ale na základě datové analýzy prodavači zjistili, že daleko efektivnější je usilovat o zvýšení nákupu u těch, kteří utrácejí nejmíň a kupují si třeba jen drobnost za dvacku. Těm začali nabízet další zboží a zdvojnásobili tím firemní zisky,“ uvedl Doležal.
Doležalův recept na správné využití big data pro úspěšné podnikání? Každý by měl mít své číslo, které je pro něj nejdůležitější, které sleduje každý den a ví, co se na něm děje podobným lidem.
Každý má své důležité číslo
O potřebě „mít své číslo pro každého“ se rozhovořili také účastníci diskusního panelu s tématem prolínání big data a práce marketingových a obchodních manažerů. Panel moderoval executive director agentury Wunderman Karel Duchek a zasedli v něm Luboš Korbelář, obchodní a marketingový ředitel České lékárny, Kamil Demuth, marketingový ředitel CZC, Filip Doušek, SAP solution architect společnosti Mibcon, Tomáš Čupr, zakladatel Slevomat.cz, DámeJídlo.cz a Rohlík.cz a Vendula Mrázová, group business director Wundermanu. Duchek v něm otevřel otázku využití big data - včetně onoho jednoho důležitého čísla - v osobním životě i v práci.
„Pro jeden pivovar jsme dělali výzkum, při němž jsme vzali hodně hubený datový zdroj, a sice Foursquare [geolokační službu, v němž uživatel oznamuje svou polohu a získává za to virtuální odměny, odznaky - pozn. red.]. A sledovali jsme, v jakém pražském baru začínají lidé večer a v jakém končí. Zjistili jsme, že například James Dean nebo Harley’s jsou častá místa poslední štace, a vůbec celý areál pražské Dlouhé ulice, kde se tyto bary nacházejí. Spousta lidí tam i začne a už se odtamtud nehne. Tak jsme přišli na to, že Dlouhá třída je taková černá díra pražského nočního života, do níž kdo vejde, už neodchází, a když do ní lidi přitáhnete, tak tam budou pít, co jim tam dodáváte,“ popsal jeden z úsměvnějších výzkumů a využití dat Karel Duchek.
Podle něj je dnes k dispozici celkem 2,7 zetabytů digitálních dat (27 + 21 nul), a při jejich využívání je důležité se v nich neztratit, ale najít správnou hodnotu, která je pro daný účel důležitá.
Tomáš Čupr zmínil jedno osobní číslo, které je důležité pro něj: „Před dvěma lety jsem byl v Německu na kolečkových bruslích a ujel na nich sto kilometrů. A to je číslo, na které se dodnes rád dívám na svém sporttrackeru. Používám ho na to, abych se podíval, co jsem dělal před dvěma lety. Moc záznamů jsem tam totiž od té doby nepřidal. Respektive nulu.“
Důležitost sledování dat ve správném kontextu a nespoléhání na klamné predikce zmínila ve vtipné osobní historce Vendula Mrázová. „Můj muž je dokonalý blázen do veškerých úspor. Máme dvanáct kreditních karet a přesně víme, kdy a kde kterou využít. Víme, jak platí kde jaký leták, a víme přesně, kam přijet, protože je tam levněji. Proto vím, že člověk nesmí spoléhat na stereotypy. Na první pohled by mělo platit, že má rodina jako cílová skupina s dostatkem peněz a jenom s jedním dítětem nebude patřit mezi ty cenově citlivé. A ejhle, patří mezi ně, ale jen proto, že můj manžel je blázen.“
„Právě proto jsou potřeba big data, aby správně popsala konkrétního člověka. Kdybych použil obecné sociodemografické segmentace, tak bych na Mrázovy cílil úplně jinou nabídkou, než jaká je osloví ve skutečnosti,“ reagoval na to Luboš Korbelář. I ten se doznal k osobní náchylnosti k některým číslům. „Kontroluji každé ráno, jestli jsem na tom v počítačových hrách na mobilu líp než syn. Druhá má datová úchylka je, že jsem si koupil tenisovou raketu, která měří, kde a jak se trefuji do míčku. Pak bývám rozmrzelý z výsledku, byť ze hry samé jsem měl do té chvíle příjemný pocit. Má dcera má zase jediný cíl, mít na raketě lepší score než já se synem. A přemlouvá kvůli tomu svého trenéra k dalším tréninkům. Což je na druhé straně příjemné zjištění, že i k tomuhle mohou data někoho dovést.“
Cinkátko přináší radost
Pokud jde o využití datových čísel v práci, zmínil Korbelář otevření datového skladu v jejich firmě. „Vždy se po zapnutí mobilu podívám na tržby z předchozího dne a těším, že to číslo bude větší. A ve 12.00 a ve 22.05 mi chodí počet registrací a na to se dívám třeba i v kině.“
Jeden z nejzajímavějších příkladů pracovního využití big data pak popsal Tomáš Čupr: „V každé naší pobočce máme umístěné cinkátko. Když vyděláte peníze, cinkne a všichni mají radost. Sledujeme tržby, počty registrovaných zákazníků, procento kladných recenzí, sledujeme ale i zpoždění v procentech, kdy nestihneme dojet k zákazníkovi na čas, a protože stavíme celou firmu na datech, chceme maximální vizibilitu pro reálné věci, které všechny zajímají. A právě to je případ cinkátka,“ uvedl Čupr. „Mám v době zakořeněné datové řízení, když nebudu mít vizualizaci, nevěděl bych, jak ukázat lidem výsledky,“ dodal.
Pro každého zaměstnance ve firmě přitom je na jeho pozici důležité jiné číslo. „Prodeje bude sledovat nový byznys, marketingový pracovník třeba traffic nebo konverzní poměr, já zisk, zákaznický servis třeba počet kvalitně zodpovězených dotazů atd.,“ uvedl Čupr.
. Je důležité, aby se data relevantně zobrazovala lidem, kterým se mají zobrazovat,“ potvrdil Korbelář. Správné využití big data podle něj představuje aplikaci dat na prodejní cíle společnosti. „Česká lékárna funguje osm let a myslím, že se nám za tu dobu podařilo posunout u lékárníků vnímání zákazníka lékárny z pacienta na někoho, kdo není jen pacient, ale i klient. A můj cíl je, aby ho brali jako pana Voříška. Jinými slovy, aby se lékárník, pokud mu poskytnu správnou pacientovu historii, správné doporučení pro terapii a pro prodej, postaral o klienta tak, že příště půjde opět k vám. Protože z big data máme naměřeno, že sedmdesát procent našich příjmů pochází od nejloajálnějších klientů. Důležité ale je dávat správné informace správným lidem. Lékárníci byli u nás třeba vedeni k tomu, aby si ke konkrétním pacientům psali poznámky, podle kterých si je mohli pamatovat a charakterizovat. Nějakou dobu psali tyto poznámky na účtenky, což nebylo dobré. Z Frýdku–Místku mi pak jednou přišel rozzlobený dotaz od jednoho pána, proč má na účtence napsáno prudič. Takže data jsou i riskantní. Jde o to, jak je dokážeme využít pro každého jednotlivého člověka v poli.“
„Jde o umění vybrat správné informace a servírovat je ve správný čas jak zákazníkům, tak svým lidem,“ uzavřela diskusi kolem big data Vendula Mrázová.