Davranış

Posted on 06/04/2018 by Uğur Özmen

CRM dersinin ödevlerinden birisi “Müşteri hakkında en önemli 5 veri” konusundadır.

Şu yazıda yeterli açıklama olduğunu sanıyordum. Ne yazık ki yanılmışım.

2018-2 döneminde birçok e-MBA katılımcısı “en önemli 5 veri”den 3 tanesini (biri 4 tanesini)

Eğilim
Beklenti
Alışkanlık
Davranış

diye yanıtlamış.

Bunları okuyunca VERİLER ve ANLAMLANDIRMA konusuna yeterli zaman ayırmadığımı düşündüm.

Amaç müşterinin eğilim, beklenti, alışkanlık ve davranışını öğrenmektir. Burası DOĞRU.

Ne var ki bunlar VERİ değil YORUM’dur. Veriden yoruma gidene kadar da epey bir yol geçmek gerekir. (Dikkat edin, içgörü demiyorum. İçgörü için yorumun üzerine geleceğe yönelik tahmini de eklemek gerekir.)

Ödev zaten davranış veya eğilim veya alışkanlıkları anlamak için hangi verileri nasıl kullanacağını anlatmak. Dolayısıyla bu 4 kelimeyi yazanlar ödevi yapmış sayılmıyor.

Gelin, yukarıdaki listedekilerin en kolayından DAVRANIŞ’tan başlayalım:

Davranış dediğinizde (en azından)

satın alma davranışı,
ödeme davranışı,
kullanma davranışı

diye ayırmanız gerekir.

Her birini oluşturmak için çok sayıda veriyi kullanmanız ve o verileri bilgiye dönüştürmeniz beklenir.

Satın alma davranışı denildiğinde:

Mevsim başında satın alıyor, ilk kullananlardan biri olmak istiyor.
En pahalı (veya ucuz) ürünleri satın alıyor.
Kombin satın alıyor.
Seyrek geliyor ama bir seferde 2 – 3 giysi almadan gitmiyor.
Aksesuarları ile birlikte satın alıyor.
Hep aynı renklerde satın alıyor.
Başkaları kullanmaya başladıktan sonra satın alıyor. Yaygınlaşmadan denemiyor.
İndirim dönemlerinde satın alıyor.
Vb… (sektöre ve ürüne göre – özellikle B2B’de – değişen, birçok satın alma şekli de var.)

Ödeme davranışı derseniz:

Hepsini peşin ödüyor.
Taksitli ödüyor.
Kredi kartı ile ödüyor.
30 – 60 – 90 gün vadeli senet yapıyor.
Yarısını peşin, yarısını 30 gün vadeli ödüyor.
Vb… (sektöre göre değişen birçok ödeme şekli de var.)

Kullanım davranışı derseniz, B2C’de birçok sektörde anlamak oldukça zor. B2B’de satın alma düzenine bakarak kullanımı – kısmen – anlayabilirsiniz.

Ancak müşterisinden talep gelince hammadde satın alıp üretime geçiyor.
Her zaman stoklu çalışıyor. En ucuz zamanda satın alıp stokluyor.
Ucuz zamanda çok satın alıp, bazı diğer kurumlara (hatta rakiplerine) satış yapıyor. .

Dolayısıyla eğer amacınız satın alma ve ödeme davranışını anlamaksa, giysi sektörü için:

Satın alma zamanı (ilk ürün çıktığında, yaygınlaştığında, sezon sonunda, indirim sezonunda)
Aynı dönemde satın aldıkları (aksesuarlar, kombin ürünler, uyumlu renkte atkı-eldiven gibi ürünler)
Müşterinin renk tercihi (hep aynı – benzer renkleri mi, moda olan renkleri mi tercih ediyor)
Ayrıştırıcı özellikler (moda olmasından bağımsız olarak çok uzun veya çok kısa giysiler, düşük bel veya yüksek bel tercihi, vb.)
Beden ölçüleri
Ödeme biçimi (nakit, kredi kartı tek seferlik ödeme, kredi kartı taksitli işlem, vb.)

gibi bilgiler listelenmeli.

Davranış en kolayı idi.

Eğilimleri veya beklentileri veya alışkanlıkları dediğiniz zaman, ayrıntılı bir liste sunmanız gerekiyor.

“En önemli veriler nelerdir?” diye sorulduğunda “müşteri davranışı, beklentisi, alışkanlıkları, eğilimi” deyip yukarıdaki bilgileri sıralamamışsanız Bernard Shaw’un “Bu söylediğim de dahil olmak üzere, tüm genellemeler yanlıştır” sözünü hatırlatır, ödevin yapılmadığını düşünürüm.

7 Nisan 2018

Analiz – Uygulama – Test – Tekrar Analiz – Tekrar …

Posted on 07/02/2018 by Uğur Özmen

“Bizim Kadınlarımız” yazısında, bankacılıkta ilk yaşam evresine yönelik pazarlama çalışmalarına değinmiş ve bir ürün geliştirme sürecinin başlandıç aşamasından bahsetmiştim.

“Sonra nasıl oldu?” diye merak ediyorsanız, anlatayım.

Çocukları 6 – 11 yaş arasında olan küçük işletme sahipleri ve orta kademe yöneticilerinin, çocukların eğitimi konusunda endişeli olduğu ortaya çıktı. İyi bir eğitim pahalıydı ve çoğunlukla babaların para kazanmasına bağlıydı.

Babalar “Bana bir şey olursa, karım bir şekilde kendini kurtarır ama çocukların eğitimi sekteye uğrar” diyorlardı. Erkeklerle yapılan tüm odak grup çalışmalarında benzer sonuçlar alındı.

Bu öngörüler doğrultusunda “kötü bir şey olursa” çocukların eğitiminin kesintisiz sürmesine yönelik bir yatırım + sigorta ürünü tasarlandı. “Tasarlandı” dedim ama… Türkiye’de olmayan bir sigorta ürünün sıfırdan oluşturulmasının ne kadar zor olduğunu öğrendik. Reasürans kavramı ile tanıştık. Falan, filan…

Bu çalışmanın kolay ve ucuz olmayacağı belli oldu. Ürünü yapıp müşteriye sunduktan sonra başarısız olursa, bedelini ödeyemeyeceğimizi gördük. Tasarladığımız ürünü hayata geçirmeden önce gerçek alıcılarla test etmeye karar verdik.

Bankanın yüzbinlerce müşterisi arasından “bir çocuğu ilkokula giden” birkaç yüz kadın ve erkeğe ürünü teklif ettik.

Erkeklerin %90‘a yakını ürünle ilgilendi. Kadınların ise, %10‘dan azı ürün hakkında bilgi almak istedi.

İlk bulgumuz çok önemliydi: Ürünün hedef kitlede başarılı olacağı belli oldu.

Diğer bulgulara da eğildik. Kadınların %90‘dan fazlası ilgi duymayınca, sonraki aşamada onlara tanıtım yapılmaması gerektiği bile konuşuldu. Bu noktada iyi bir analitik ekibimizin olması araştırmayı derinleştirmemizi sağladı.

EVET diyen kadınların ortak özellikleri araştırıldı. Hepsi bekar annelerdi. Çocuklarının sorumluluklarını üstlendikleri için bu ürüne (diğer annelerden daha fazla) ilgi duyuyorlardı.

HAYIR diyen erkekler de, ya çok yatırımı olan (muhtemelen “bana bir şey olsa da…” diye düşünen) veya boşanmış (muhtemelen “nafaka ödüyorum, gerisi benim sorunum değil” diye düşünen) babalar idi.

“muhtemelen…” diye başlayan ve parantez içinde yazdığım kısımlar, veriler değil anlamlandırma ve yorumlardır. Yanlış da olabilir.

Bu çalışma sayesinde sadece ilk sonuçlarla yetinmemeyi, EVET veya HAYIR diyenlerin ortak yönlerini araştırmayı, yeni mikro segmentler üretmeyi öğrendik.

7 Şubat 2018

Veriye Dayalı Mesleklerin Cazibesi

Posted on 01/01/2017 by Uğur Özmen

Linkedin her sene “en çok talep edilen meslekler” listesini yayınlıyor.

En azından 4 yıldan beri izliyorum. Listeler şu şekilde:

2013

2014

2015

2016

Veriler arttıkça

iş dünyası bunca veriyi anlamlandıracak ve kullanacak kişilere ve yöneticilere ^[1] ihtiyaç duyacak. Üstelik sosyal medya verileri, endüstriyel internetin ^[2] yanında çok az kalacak.

Özetle, sıralama değişse bile veriye dayalı mesleklerin önemi azalmaz, aksine artar.

Bu koşullar altında, dijital pazarlama veya yeni pazarlama veya pazarlama 3.0 eğitimleri içeriğinde

veri analizi,
veri anlamlandırma,
veriye dayalı karar verme

yoksa …

Nesnelerin Interneti
Akıllı Evler
Akıllı Şehirler
Giyilebilir Teknolojiler

anlatılırken, veri akışından ve kullanımından bahsedilmiyorsa…

Yıllardır söylüyorum, yazıyorum. Sonra gelip “Kandırıldık” demeyin.

2 Ocak 2017

Watson Sosyal’de – 3

Posted on 10/05/2016 by Uğur Özmen

Şubat ayında Bersay İletişim’in davetiyle IBM’in Türkiye’deki Dijital Dönüşüm Lideri Maja Barel’i (Maja “Maya” okunuyor) dinleme şansım olduğundan bahsetmiştim. Maja Barrel, sunumundan önce ve sonra bana zaman ayırdı ve bazı konuları biraz daha ayrıntıyla dinledim.

IBM Watson’un kognitif bilişim ile sosyal mecraları kullanarak ^[1] ve müşteri deneyimlerini inceleyerek ^[2] gelişimine katkıda bulunduğu projeleri sizinle paylaşmaya çalışıyorum.

Sohbetimize devam edelim. Koyu mavi yazılanlar benim sorularım. “içeride ve eğik yazılı olanlar ise referanslar ve yorumlarım.”

Watson’un sosyal mecralarda kullanılmasının şirketlere yarattığı faydalara da birkaç örnek verebilir misiniz?

Markalaşmak: Bir marka sahibi olmak bitmek bilmeyen bir efor ister. Bir gözünün her zaman müşterilerin yorumlarına, hislerine karşı açık olmasını gerektirir. Markalar müşterileri ile birlikte ürün geliştirmek ve de onlara direkt olarak nasıl bir ürün veya hizmet arzu ettiklerini sormak için sosyal medyayı kullanıyorlar. Şirketler müşterilerini dinliyor ve bir sonraki tecrübelerini birlikte yaratıyorlar.

Müşteri – Şirket birlikte marka yaratımının (co-creation) güzel örnekleri, alkolsüz içeceklerde VitaminWater ve Citibank’in #incredouble cash kampanyası… Bir google’lamaya değer…

Citibank’in #incredouble cash kampanyası hakkında bir reklamcı görüşü ^[3]

Yaşam Evresi Yakalama: Watson, dilsel (lingusitic) analizi kullanarak müşterilen sosyal medya profillerini okuyabilir ve gerçekte kim olduklarını daha iyi anlayabilir. Sonra da bu bilgiyi onlara daha doğru şekilde yaklaşmak için ve en ihtiyaç duyacakları ürünü ya da hizmeti tahmin etmek için kullanabilir. Örneğin başka bir şehre taşınmanızı gerektiren bir iş teklifi aldığınıza dair tweet attınız. Bankanız size bu bilgi üzerinden birçok konuda yaklaşabilir. Hesaplarınızı başka bir şubeye kaydırmaktan, yeni bir ev almak için kredi ihtiyacınıza kadar birçok konuda zamanında ve doğru teklifte bulunabilir.

Rekabet Zekası: Social Command Center şirketlerin sadece kendi sosyal medya hesaplarını, kampanyalarını, ürün lansmanlarını takip etmekle kalmıyor, pazarlama ekiplerine ve üst düzey yöneticilere rakip firmaların aynı ürün grubundaki aktifliğine, sosyal medyadaki payına veya tartışmaların hangi konularda odaklandığına dair gerçek zamanlı geri bildirim sağlıyor.

Örneğin bir telekom firması olarak, tüm telekom firmalarına ait ağ hizmetleri ile ilgili müşteri içgörülerine sahip olabilir, başka firmaların mutsuz müşterilerine yeni teklifler sunabilir ya da tartışılan belli konulardayeni ürünler veya çözümler geliştirip sunabilirsiniz.

Çalışanların marka elçiliği: IBM’de de Social Command Center’ı kullanıyoruz. Her çalışanımızdan, Dijital IBMci olarak IBM ile ilgili haberleri paylaşması ve içerikleri yönetmesi talep edilir. Çalışanların markayı benimsemesine odaklanıp, onların marka iletişiminin bir parçası olmalarını sağlıyoruz. İç sadakat programımız ‘Mavi Noktalar’ sisteminde en etkili IBM’cileri gerçek zamanlı olarak tanımlayabilen özel bir liderler tablomuz mevcut.

Pazarlama Etkinlikleri: Social Command Center genel olarak pazarlama etkinliklerini desteklemek için kullanılıyor ve üyeleri iletişimde tutmak gibi birçok faydaları var. Üyelerin oyunlaştırma taktikleri ile videolar üretip paylaşmaları ve tecrübeleri hakkında yorum yapmaları isteniyor. Bunlar görselleştiriliyor ve çok geniş ekranlı duvarlarda ya da stadyum ekranlarında gösteriliyor.

Aynı data farklı bir kitleye de sunulabilir. Örneğin Basın. Yazılarda ve makalelerde kullanılacak malzemelerin belirlenmesi için. (En çok bahsedilen oyuncu, sahanın duygusu, iletişimin en çok geldiği alan, insanların konuştukları konular)

Şunu unutmamalıyız. Netflix, House of Cards’ı oluştururken diziyi yönetecek kişinin ve baş rol oyuncusunun seçiminden, ana karakterlerin oluşumuna kadar her konuda abonelerinin daha önceki tercihlerine dair verileri kullanmıştı.

Bu aşamada, Social Command Center’ın bildiğimiz sosyal medya yönetimi araçlarından farkını vurgularsanız sevinirim.

Social Command Center’ı diğer sosyal medya takip araçlarından ayıran en önemli özellik “iki ekran yaklaşımı”dır.

İçgörü Platformu (Insight Platform) ile derin analitik bilgiye erişim olasılığı vardır.

Görselleştirme Platformu ile verinin görselleştirilebilmesi ve ihtiyaca göre özelleştirilmiş görünüm sağlanıyor. Aynı şirketteki farklı departman ve rollerin ihtiyacı olan bilgileri görmelerini sağlayacak şekilde tasarlanmıştır.

Social Command Center aynı zamanda açık bir API’si olması sayesinde şirketin halihazırda kullandığı farklı yazılım çözümlerine de entegre edilebilinir. Sosyal medya platformlarının ötesinde farklı kanallardan gelen verileri kişinin rolü ile alakalı olarak toplayıp görselleştirebilir.

“Haftanın hangi günü Viyana’ya uçak koyarsam daha iyi olur bilgisini telekom’dan alıp mevcut veriyle birleştirmek”
“Konu (topic) bazında birikmeler olup olmadığının gözlenerek çağrı merkezi önceliklendirmesinin yapılması”
“Sosyal toplulukların bir konuyu kullanarak aleyhte kampanya yaratmaya başlamasını hemen görüp krize dönüştürmeden çare bulunması”

gibi konularda Social Command Center’dan yararlanılabilir.

Watson ile birlikte entegre edildiğinde veri kaynağı olarak bloglar, web siteleri, kişisel sayfalar, iç dokümanlar ve e-mailleri de kullanabilir. Watson yapılandırılmamış verinin en güçlü ve en derin analizini kişinin rolüne ve ihtiyacına göre görselleştirebilir.

Maja Barrel ile sohbetimizin notları bu kadar. İlk 2 yazı ^[1] ve ^[2] linklerinde.

Bir başka toplantıda duyduğum “Artık veri madenciliğini veri biliminden (data science) sayılmıyor. Şimdi veriyi ete kemiğe büründürmek, verinin arkasındaki hikayeyi ^[4] bulmak… kısaca veriyi anlamlandırmak ^[5] , veri bilimi sayılıyor” ^[6] sözünü tekrar hatırladım.

11 Mayıs 2016

Verinin Önemi – Video

Posted on 10/03/2016 by Uğur Özmen

İş dünyasında verilerin önemi her gün daha da artıyor.

Linkedin veriyle ilgili mesleklerin daha çok arandığını ^[1] söylüyor.
Domo.com “Veriler hiç uyumuyor” ^[2] diye bildiriyor.
Mc Kinsey, verilerden anlayacak eleman ihtiyacının artacağından ^[3] bahsediyor.

Bu videoda, neden verinin öneminin hiç azalmayacağı, aksine artacağını anlatmaya çalıştım.

Veriler, sadece şirket içinde değil, dışarıda da pazarlamanın şeklini değiştiriyor. Reklam ajansları ve pazar araştırma şirketlerinin nasıl değişeceği konuşuluyor.

Özetle, artık iş hayatında VERİ var.

Kapak resmi Domo.com’un Data Never Sleeps’den alıntıdır

Bankalarda CRM – 2

Posted on 13/01/2016 by Uğur Özmen

Bir bankada 7 sene önce açılmış ve kullanmadığım bir hesabım kalmış. Yeni bir işlem yapmam gerekti. Eski hesabımı kullanmayı önerdiler.

Başıma geleceği biliyormuş gibi “Şimdi oraya ilgili tutarı yatırırım. Siz de 7 seneden beri tüm hesap işletim ücretlerini çekip beni ödemedi durumuna düşürürsünüz. O hesabı kapatalım. Bana yeni hesap açın” dedim.

Israr ettiler. Böyle olmayacağını söylediler. Eski hesap devam etti. Aynen tahmin ettiğim gibi yaptılar ve ödememiş duruma düştüm.

Sosyal mecralarda durumu yayınladım. Müşteri Hizmetleri Yönetimi’nden aradılar. Çok nazik ve anlayışlı bir yöneticiyle sohbet ettik. Özür dilediler. Parayı iade ettiler. İlişkiyi derinleştirmem için tekliflerde bulundular. Ben de “hesap işletim ücretine dair uygulamanızı yazılı gönderin” dedim.

Gelen yazı – tek kelimeyle – anlamsız idi.

Baştan sona hukuksal önlemler alınmış ama müşteriye hemen hiçbir şey söylemeyen bir yazıydı. “Pazarlamayı Hukuk Departmanına kurban eden şirketler” ^[1] listesine, sadece bu bankayı değil tüm bankaları ekleyebiliriz.

Anlamadığım için açıklama istedim. Birkaç yazışma sonrasında şunu öğrendim. Hesabı yeniden kullanmaya başlamamı sağlayan işlem dışında bir işlem yaparsam, yeniden hesap işletim ücreti kesilecekmiş. Örneğin, taksicide bozuk para çıkmasa ve o hesaba yatırdığım paranın bir kısmını ATM’den çeksem, aylık işletim ücreti ödemeye başlayacağım.

Bir konferansta, henüz müşteri davranışını anlamayan bu bankanın CRM başarı öyküsünü dinledim. CRM Polisi ^[2] gibi davranmak istemiyorum ama konferanslarda anlatılan başarı öykülerinin gerçek müşterideki yansımasını göremiyorum.

Bu banka sürekli olarak yeni teklifler sunuyor. Bir tanesine EVET dersem hesap işletim ücreti nedeniyle ceza öder gibi olacağım. Sizce bu bankayla ilişkim devam eder mi?

Bazı bankalar, sözleşmelerini müşterinin anlayacağı dilde yazdıklarını ilan ediyorlar. Dinleyenler alkışlıyor. Yani zaten yapılması gerekeni yapanlar, BAŞARILI sayılıyor.

Müşteri odaklılık sadece pazarlama, ürün geliştirme ve satış birimlerinin görevi değildir. Tüm şirket, ilgili tüm departmanlarıyla müşteri odaklı olmayı anlamazsa çabalar boşa gider.

13 Ocak 2016

Big Data ve Kişiselleştirme

Posted on 02/01/2016 by Uğur Özmen

İlk bakışta çelişik gibi gelebilir. Bir tarafta big data, diğerinde ise birey.

3 Aralık 2015’de Gelecekhane’nin ^[1] Yaşam 2.0 etkinliği ^[2] vardı. Tuttuğum notların bir kısmı şöyle.

Sağlıkta kişiselleştirme giderek daha fazla uygulanıyor.

Şöyle ki, kişilerin geçmişleri, yaşları, alışkanlıkları hatta sağlık dosyalarında yazanlar neredeyse aynı bile olsa

gen yapıları, çeşitli hastalıklara yakalanma risklerini farklılaştırıyor.

Bitmedi.

Gen özellikleri, ilaçlara da farklı tepkiler vermelerini sağlıyor. Birine iyi gelen ilaç, diğerinde ağır yan etkiler yapabiliyor.

Bir doktor, “Hastayı değil teşhisi tedavi ediyoruz” diye şikayetini belirtmişti. Tıp ilerledikçe, teşhis değil bizzat hasta tedavi edilmeye başlanıyor.

Burada big data nerede derseniz, DNA zaten big data. Bir de işin araştırma boyutu var.

Bir şikayet durumunda daha önce benzer sorunları olan yüzbinlerce bireyin verileri taranıyor. Bireyin gen haritası bulgularla karşılaştırılıyor. Bu konuda yazılmış binlerce makale gözden geçiriliyor. Bireyin hangi koşullarda hangi riskleri taşıdığı saptanıyor.

En iyi sonuç veren tedavi öneriliyor.

Önemli notlar:

Tıp doktoru değilim. Yukarıdaki bilgiler, 3 Aralık 2015’de Gelecekhane‘nin [1] Yaşam 2.0 [2] etkinliğinde tuttuğum notlar.

Uzmanlık alanım tıp olmadığı için farklı veya yanlış anlamış olabilirim. Terminoloji yanlışlarım olabilir. Bu yazının her hangi tıbbi bir önerme veya yönlendirme diye alınmamasını rica ediyorum.

Yazı, big data’nın sağlık alanındaki kullanımlarından sadece birini anlatmaktadır. Bunun dışında, giyilebilir teknolojilerle veya ev aletleriyle entegre çok sayıda sağlık uygulaması var.

Resimler Beykent Üniversitesi’nden Prof. Dr. Nezih Hekim‘den alıntıdır. Etkinlikteki tüm sunumları [2] linkindeki videolardan izleyebilirsiniz.

Çok sayıda teknoloji firması, sağlık konusunda ciddi çalışmalar yapmaktadır. Bunlardan SAP, GE, IBM ve Hitachi’nin sunumlarını çeşitli konferanslarda izledim. Mutlaka bilmediğim başka teknoloji firmaları da vardır.

Bugünlerde yeni doğan çocukların ortalama ömrünün 100 yılın üzerinde olacağı söyleniyor.

Araştırmalar da giderek hızlanacak. Doktorlar, veri bilimcileri birlikte çalışmaya çağırdılar. Çocukların ömrü daha bile uzun olabilir.

İlgilenene: Futbolda big data finali oynar mı?^[3]

31 Aralık 2015

Veriler Müşterinin Sesidir

Posted on 31/07/2015 by Uğur Özmen

GSM operatörleri, bankalar, süpermarket zincirleri gibi çok sayıda verisi olan kurumlar big data toplantılarında sürekli konuşuyorlar ^{[1] , [2]} . Ancak Türkiye’deki büyük kurumların verileri doğru kullanamadığını ^[3] kesinlikle biliyoruz. Bize gelen yanlış veya anlamsız teklifleri ^{[4] , [5]} düşünürsek, veriyi anlayıp anlamadıklarını buluruz.

Geçen hafta SEO ustası sevgili Serbay Arda Ayzıt’ın ^[6] önerisiyle, veri konusunda muhteşem bir blog yazısı ^[7] okudum. Airbnb’nin ilk zamanlarında işe başlayan veri bilimcisi Riley Newman ^[8] yazmış.

3 konuyu özetlemiş:
•   Veri biliminin şirkete katkıları,
•   Verileri yorumlama yöntemi,
•   Veri ekibinin şirketteki yeri

Uzun yazının birkaç satırını tercüme edip yayınlamaya karar verdim. Şöyle:

Geçmişte veriler çoğunlukla soğuk ve nümerik değerlerle anılırlardı. Sadece ölçüm aracı olarak kabul edildikleri için, veri bilimcilerin Mr. Spock gibi istatistikleri ezberden bilen ve sorulduğunda söyleyen karakterlere benzetilmesini sağlardı. Bu yüzden bizimle etkileşim bir gerçeğin talep edilmesi şeklinde olurdu: Paris’teki listemizde kaç yer var? İtalya’da en tercih edilen yöreler nereleridir?

Her ne kadar soruları yanıtlamak ve olguları ölçmek işimizin bir kısmıysa da, Airbnb’de veri insani ışıktır diye niteliyoruz: Veri müşterilerimizin sesidir. Bir veri, bir hareketin veya etkinliğin kaydıdır; çoğunlukla bir kişi tarafından verilen bir kararın yansımasıdır. Eğer bu karara yönlendiren etkinliklerin sırasını oluşturursan, bundan ders alabilirsin; bu müşterilerin neleri sevip nelerden hoşlanmadıklarını söylemlerinin dolaylı yoludur – Bu özelliği diğerinden daha çekicidir…

Benim de raporlama konusunda benzer ^[9] anılarım var. Verinin bir içgörü olduğunu, ürün odaklı klasik yöneticilere anlatmak zaman alıyor ^[10] .

Veri bilimi bir yorumlama işidir – müşterinin sesini karar vermeye daha uygun bir duruma tercüme ederiz.

Biliyorsunuz, bu konunun ^{[11] , [12] , [13]} üzerinde çok duruyorum.

İstatistikleri bireysel deneyimleri anlamak için kullanıyoruz ve toplumsal eğilimlerini saptamak için bu deneyimleri birleştiriyoruz. Bu eğilimler, işi ne yöne götüreceğimize ilişkin kararları şekillendiriyor.

Yıllardan beri söylediklerimin, Dünya’nın sayılı şirketlerinden birinin veri bilimcisi tarafından da tekrarlandığını duymak sevindirdi.

Yazının bazı kısımlarını tercüme edip yayınlayacağım. Ama ingilizce biliyorsanız, yazının aslını ^[7] okuyun.

Migros’un CRM ve Pazarlama İletişimi Direktörü Sayın Kına Demirel de “Veriye ruh kazandırmak” deyimini kullanır. Ben eğitimlerimde “ete, kemiğe büründürmek” derim. Neredeyse, aynı bakış açısı.

Son sözüm biraz sert olacak: Hasbelkader elde edilen müşteri bilgilerini başkalarına satarak ^[14] değil, veriden anlayarak ve müşteri içgörülerini değerlendirerek bilgi çağı şirketi olunur.

31 Temmuz 2015

Kapak resmi şuradan

İzinli Pazarlama Zorlaması

Posted on 05/05/2015 by Uğur Özmen

1 Mayıs tarihinden itibaren Elektronik Ticaretin Düzenlenmesi Hakkında Kanun yürürlüğe girdi.

Avukat Gökhan Ahi’den alıntı yaparsak, kanuna göre:

Telefon, çağrı merkezleri, faks, otomatik arama makineleri, akıllı ses kaydedici sistemler, elektronik posta, kısa mesaj hizmeti gibi vasıtalar kullanılarak elektronik ortamda gerçekleştirilen ve ticari amaçlarla gönderilen veri, ses ve görüntü içerikli iletiler, alıcılara ancak önceden onayları alınmak kaydıyla gönderilebilecek. Kullanıcıların önceden onayı alınmış olsa bile, istedikleri zaman ayrılmaları basit ve ücretsiz bir şekilde sağlanacak.

Bu nedenle bir yerlerden her hangi bir iletişim noktanıza ulaşmış olan tüm firmalar, mesaj yağdırmaya başladılar. İzin isteyen mesajlar hakkında Teakolik (Hamza Şamlıoğlu) görüşlerini yayınladı ^[1] .

Fatmanur Erdoğan ^[2] Facebook’da şöyle yazdı:

Şu yorumu yazmıştım.

Yasaya rağmen öğrenebildiklerine emin değilim.

Listeden çıkmak için… diye “şu numarayı arayın” veya “şuraya haber vermezseniz listeden çıkamazsınız” gibi yaklaşımları olanlar var.

İzinli pazarlama dışında, gerçekten yönetim açısından iletişimin kontrolü için bile yapılmaması gerekenleri sıralıyorlar.

Onlar için bir yazı yayınlamak şart oldu..

Bu doğrultuda, konunun hukuki yönünü incelemeyi avukatlara bırakıp CRM açısından değerlendireceğim.

Türk Telekom’un daha önce konu ettiğim ^[3] mesajı ile başlayalım. Türk Telekom’un bu konudaki ilk mesajı tam bir “sizi taciz edeceğim” mesajıydı.

“Yeniden İzinli Pazarlama ^[4] yazısında bahsettiğim onayı almamak için Turk Telekom’un Hukuk Departmanı tarafından tasarlanmış bir uyarı metni olduğundan kuşkulanıyorum.” diye yazmıştım.

Zamanla (2 ay sonra) hatalarını düzelttiler. Şöyle bir mesaj gönderdiler.

Turk Telekom’un olgunlaşmasını memnuniyetle karşıladım.

Şimdi CRM bakış açısıyla çok sayıda mesajı birkaç grup altında inceleyeceğiz. Birinci grupta zorlamacılar var.

Bunlar yasanın sınırladığı çerçeve içinde davranıyorlar. Taciz mesajı almak istemiyorsanız, sizin bir şey yapmanızı istiyorlar.

İlk bakışta masum gibi görünse de, mesaj gelmemesi için bir tıklama veya mesaj göndermek, taciz mesajlarından bıkmış olanların tercih ettiği bir yöntem değil. Neden derseniz, bu şekilde adres doğrulaması yapmış oluyorlar. Bazı şirketler, bu “doğrulanmış” temas noktalarını başka ürün ve hizmetlerini tanıtırken yine kullanıyorlar. Zaten adres ticaretinde olan şirketler için arayıp da bulamadıkları fırsat yaratılıyor.

Son söyleyeceğimi baştan söyleyeyim. Eğer henüz sosyal CRM’i anlamamışsanız, böyle mesajlar gönderirsiniz.

Olumsuz diye nitelediğim yaklaşımın en olumsuz örneği

Bir tıkla veya SMS ile listeden çıkılmasını değil, bizzat bir telefon numarasını arayıp “derdimizi anlatmamızı” isteyen şirket. Tek tık ile veya SMS ile mesaj almama alt yapısına para yatırmamış olabilir mi? (Üstelik kesinlikle hedef kitlesinde değilim. Hayatım boyunca mücevher almadım. GSM numaramı nereden bulduğunu da merak ediyorum.)

Yasalara uygun olsa bile, neden bu yaklaşıma KÖTÜ dediğimi açıklayayım.

Gelişen teknoloji sayesinde, istenmeyen SMS veya e-posta mesajlarının hiç okunmadan silinmesi kolay. Bu nedenle, adres doğrulaması endişesi nedeniyle arayıp (veya SMS gönderip veya bir link’e tıklayıp) listeden ayrılmayanların size ilgi duyduğunu sanabilirsiniz. Oysa mesajlarınızı taciz listesine ekliyoruz. Üstelik, her mesajınızla sizden soğuyor ve uzaklaşıyoruz. Yasalar nezdinde “izinli pazarlama” yapıyor da olsanız, biz sizi TACİZCİ olarak değerlendiriyoruz.

Bir şey daha var. Ölçemediğin şeyi yönetemezsin. Bizi “ilgi duyuyor” zannederek, kendi ölçümlerini baltalıyorsun. “İlgi duyuyorsan tıkla” diye mesaj göndersen, baştan doğru ölçümle yola çıkacaksın.

Sevgili dostum Murat Ermert bir röportajında “Şirketlerin CRM’i anlama düzeyleri yöneticilerin entellektüel düzeyleriyle doğru orantılıdır” demişti. Dolayısıyla yukarıdaki örnekleri oluşturan şirketlerin öngörülebilir gelecekte “kişiselleştirme” yapmasını ^{[5] , [6] , [7] , [8] , [9]} beklemeyelim.

Yazıyı olumsuz bitirmeyeyim. Bu (bizden tekrar işlem yapmamızı istediği için olumsuz bulduğum) yaklaşımın en hoş örneği ise

Reklamcı değilim. Kelimeler ve cümleler üzerine yorum yapmak istemem. Ama o kadar güzel bir şekilde izin istiyorlar ki… Alkışlıyorum.

Not: Diğer grupları sonraki yazılarda ele alacağız.

5 Mayıs 2015

Hangi veri gerekli?

Posted on 27/01/2014 by Uğur Özmen

Bir şirkette Sosyal CRM workshop’ı ^[1] yapıyorduk.

Eğer yeterli zamanım varsa, önce kısaca CRM’i anlatır ^[2], sonra Sosyal CRM’e geçiş yaparım. Burada da CRM’den giriş yaptık.

İşin veri kısmını anlatırken tahtaya

diye yazdım.

Sonra “Hedef kitlenizdekilerin hangi bilgilerini öğrenmek istersiniz?” diye sordum.

Sektörden bağımsız olarak hemen her zaman yanı yanıtlar gelir. Onlar da aşağıdaki listeyi tekrarladılar.

Adı – Soyadı
Doğum tarihi (veya Yaşı)
Cinsiyeti
Medeni Durumu
Eğitimi (aslında Bitirdiği Okul olması gerekir)
Mesleği
Adresi

Söylenenlerini tahtada Veri’nin altına gelen bölüme yazdım.

Sonra şirketin amaçlarını sordum.

Hangi ürün grupları kime daha iyi satar?
En sık gelen müşterilerim kimler ve ne alıyorlar?
Sunulan teklife cevap verme ihtimali yüksek olan müşteriler kimlerdir?
Hangi müşterilerimi kaybetme ihtimalim var?
Hangi müşterilerime hangi sıklıkta ve nasıl yaklaşmalıyım?

gibi cümleler söylendi.

Hangi şirket olduğu belli olmasın diye daha ayrıntılı yazmıyorum.

Bu sefer söylenilenleri İhtiyaç’ın altına yazdım.

Tahtada şöyle bir görüntü oldu.

– Şimdi, bu ihtiyaçları karşılamak için bahsettiğiniz verileri nasıl kullanacağınızı konuşalım.” dedim. “Birinin ileri finansman teknikleri konusunda ABD’den doktora almış olması sizi ilgilendiriyor mu?”

– Hayır!” dediler.

– Son 3 yıldan beri “en iyi şoför seçilmesi sizi ilgilendiriyor mu?” diye sordum.

– Hayır!” dediler.

Şirketin ana iş konusu dışında birkaç tane daha eğitim ve meslek örneği verdim. Hepsinin yanıtı aynıydı: “Hayır!”

– Demek ki sizin için “Mesleğini bilmek” önemli değil. ”

Nihayet bir “Evet” yanıtı alabildim.

– Şirket olarak Anadolu’ya odaklandığınız için adresi de önemli. Ama sadece şehir ve ilçe düzeyinde…”

– Evet!” dediler.

– Şimdi az önce yazdığımız veri listesine bir de bu gözle bakalım. Bizim ihtiyaçlarımızı karşılamak için gerekli olan verileri yeniden kendimize soralım.”

Bu başlangıçtan sonra, daha faydalı (ve kalıplardan uzak) bir veri sepeti oluşturduk.

Workshop sırasında bir ara verdik. “Hiç bu gözle bakmamıştık. Devasa sosyal veri dağında ne yapacağımızı düşünüp duruyorduk. Şimdi hedefimizi daha kolay saptayabiliriz” dediler.

Daha önce de yazdım. Elinde çoook veri olup kullanamayan (banka, GSM, süpermarket gibi) şirketler ^[3] var. Oysa veri’den başlanmaz, ihtiyaç’tan başlanır.

İhtiyaç → Bilgi → Malumat (info) → Veri

Nereye gideceğini (ihtiyacını) bilmeyene hiç bir rüzgar (veri) yardım etmez.

Kapak resmi şuradan alıntıdır