Klikni i reći ću ti što želiš

Poslovna analitika

Klikni i reći ću ti što želiš

U početku su Web stranice bile poput brošura na kojima su ljudi mogli pronalaziti dodatne informacije o djelatnosti poduzeća, ponudi, cijenama, lokaciji, kontakt osobama i sl. Popularnost neke stranice izražavala se dnevnim ili mjesečnim brojem hitova, tj. pojedinačnih zahtjeva za datotekama zaprimljenih na strani Web servera. Potom je uslijedila  e-business revolucija čija je osnovna ideja vođenje dijelova poslovanja preko Interneta, a snaga te revolucije najbolje se može pretočiti u brojke. Naime, prema Strategis Group, na kraju 1999. godine 70% korisnika Interneta (njih oko 73 milijuna) pretraživalo je Web stranice u potrazi za proizvodima i uslugama, i mjesečno trošilo 3,6 milijuna dolara. Na prvi pogled može se učiniti da se radi o jako puno ljudi koji su spremni na “online” kupovinu, ali ponudjače sve više zabrinjava činjenica što je konkurencija velika, baš kao i broj propalih online dućana. Stoga su marketinške aktivnosti e-commerce tvrtki sve više okrenute pronalaženju načina kako privući što više posjetitelja na Web stranice i kako “klikove” pretvoriti u stvarnu prodaju. Neki od načina su otimizacija puteva pretraživanja i personalizacija Web stranica, te dinamičko prilagođavanje sadržaja. Pri tome se polazi  od istih postavki upravljanja odnosima sa klijentima (CRM-a), kao i kod svih tradicionalnih kanala prodaje:  “upoznati” klijenta i odgovoriti njegovim željama i potrebama.  Krajnji cilj kojeg dot-com kompanije žele ostvariti je da za svakog posjetitelja koji se vrati na site odmah znaju što mu ponuditi. Brojenje hitova više nije dovoljno jer ne nudi nikakve informacije o tome tko su oni i kako se  ponašaju dok “browsaju”.

Jedan u nizu razloga zbog kojih se Internet smatra vrlo moćnim kanalom komunikacije sa klijentima je što je to praktički jedini komunikacijski kanal koji može zabilježiti svaku akciju posjetitelja sitea, od trenutka kad su došli na site, preko proizvoda ili oglasa koje su razmatrali ili odustali od kupnje i do onih koje su zaista kupili i otišli dalje. Međutim takve je podatke potrebno najprije prikupiti, a zatim i “pametno” upotrijebiti.

Ti su podaci nazvani  click stream podaci, jer odražavaju put kretanja posjetitelja po Web stranicama – njihovo ponašanje. Oni nastaju pod pretpostavkom da je Web server tako konfiguriran da za svaki klik zabilježi novi slog u odgovarajaću datoteku (tzv. log datoteku) sa podacima poput: identifikacije posjetitelja (IP adrese), identitea posjetitelja (na stranicama gdje je implementiran neki oblik sigurnosne autentikacije), datuma i vremena kada je Web server odgovorio na zahtjev, stranice koju je posjetio, akcije koju je obavio i sl. Drugi način njihova prikupljanja je uspostava tzv. kolačića (eng. cookies) – datoteka koje se pohranjuju na računalu koje pristupa nekoj Web stranici i služe primarno za identifikaciju tog računala (a ne korisnika) pri slijedećem spajanju.

No, podaci su samo podaci, a znanje je moć, stoga je nad click stream podacima potrebno izvršiti različite analize kojima će se stvoriti znanje. To novo znanje uključuje mnogo više od spoznaje da li je Web stranica dizajnerski dobro oblikovana. Traže se odgovori na pitanja o ponašanju i motivaciji posjetitelja:

  • tko su oni i kada dolaze;
  • s kojih stranica dolaze i  koliko se dugo zadržavaju;
  • kako su saznali za stranicu i sa kojih stranica najčešće odlaze;
  • je li im moguće u realnom vremenu sugerirati neke proizvode…

Redovni kupci Amazon.com vjerojatno vrlo dobro poznaju kako funkcionira njihov Recommodation Center. “Krivac” za njegovo postojanje su upravo click stream analize. U zadnje vrijeme sve su glasniji pokušaji, prvenstveno od strane dobavljača aplikativnih rješenja, da se click stream analize preimenuje u eCRM (e-customer relationship management) ili e-intelligence. Aplikativna rješenja koja se nude na tržištu za takve analize uobičajeno se nazivaju  Alati za analize prometa na Web stranicama (eng. Web site traffic analysis tools). Njihovi dobavljači većinom su male specijalizirane tvrtke koje sklapaju partnerske ugovore sa velikim i poznatim BI dobavljačima (Accure/MicroStrategy ili WebTrends/Hyperion). Iako postoji nekoliko oblika takvih alata, za marketinško i prodajno osoblje tvrtke najinteresantniji su oni najnapredniji, u koje je ugrađena funkcionalnost kopanja podataka (eng. Web mining), za pronalaženje skrivenih pravilnosti u podacima, poput uzoraka ili trendova u ponašanju Web posjetitelja.

Najjednostavniji oblik korištenja click stream podataka je analiza korisnosti i kvalitete Web stranice, jer svaka poteškoća s kojom se potencijalni “online” kupci susreću, može ih lako motivirati da odustanu od planirane kupnje.  Identificiraju se stranice koje je najteže pronaći, koje se predugo učitavaju, na koje se posjetitelji ne vraćaju, ili koje iz nekog razloga ne mogu proći. Ali istodobno se gleda koje su stranice najposjećenije, i izvode neki generalni zaključci o interesima svih posjetitelja.

Potom se analizira put do kupovine (eng. purchase path) – koliko je “klikova” potrebno učiniti do proizvoda koji se najbolje prodaju i zatim se taj put skraćuje, čime se indirektno smanjuje kupčeva frustracija.

Malo složeniji oblik analiza click stream podataka je prepoznavanje profila posjetitelja (eng. online profiling). Posjetitelji ispunjavaju Web forme sa specifičnim pitanjima, a svakom od njih pridjeljuje se jedinstveni identifikator (na temelju “kolačića” spremeljnog na računalu,  bookmark-a ili korisničkog imena i lozinke. Na temelju unesenih podataka generira se personalizirana Web stranica s različitim informacijama poput preporučenih proizvoda i oglasnih poruka.  Kako posjetitelj pretražuje stranicu,  bilježe se “klikovi” i dodaju već poznatim podacima, a svaki slijedeći put kad se posjetitelj vrati na stranicu, njen je sadržaj usklađen sa  njegovim profilom.  Personalizacija stranica obično se vrši na temelju pravila, npr. ako je posjetiteljev hobi biciklizam, na “njegovu” stranicu dodat će se oglas za dućan sa biciklističkom opremom. Srodan oblik ovakim analizama su i prikupljanje feedbacka klijenata, tj. razna istraživanja iz kojih se direktno može saznati koliko je zadovoljstvo kupaca o proizvodima ili uslugama.

Najnapredniji oblik analiza je kombiniranje podataka iz log datoteka Web servera sa transakcijskim podacima o “online” obavljenim akcijama, poput narudžbe, kupovine i plaćanja. U transakcijskim bazama sačuvana je cijela povijest odnosa sa kupcem: što je kupovao, koliko često i sl. Ako se takvi podaci neprestano obogaćuju novima podacima o ponašanju kupca iz log datoteka pri svakom slijedećem povratku na site, kompanije mogu predviđati njegovo ponašanje, aktivno i kontinuirano usavršavati svoje proizvode i ponudu, do razine one-to-one marketinga.

Što gledati i analizirati iz log datoteka ovisi o specifičnim poslovnim potrebama poduzeća, koja trebaju definirati skup pokazatelja za mjerenje performansi njihove Web stranice u privlačenju i interakciji sa klijentima. No, zajednička potreba svih koji žele opstati na e-tržištu može se sažeti u tvrdnju: Misliti kao kupac. Stoga je za očekivati da će se alati koji podržavaju ovakve analize dalje razvijati u pravcu podrške za reakciju u realnom vremenu – u toku interakcije, na temelju ne samo Web podataka, nego i integriranih podataka iz svih ostalih komunikacijih kanala. (L.I.)