"Tanítsuk meg az üzletet kérdezni…"

babel-szucs-szilvia-centered

„…a többit megoldja a kutatás.”

Bábel-Szücs Szilvia a Tesco Vásárlói Élmény Menedzserével, Szőcs Andrással beszélgetett. Az interjú a 2014. téli Marketingkutató magazinban jelent meg.

*****

Rendelje meg  az NRC ingyenes szakmai magazinját, amelyet vállalati feliratkozóinknak postai úton is eljuttatunk.

*****

Minden piackutatásnak, adatelemzésnek, adatbányászatnak akkor van értelme, ha az nem öncélú, vagyis ha az eredmények támogatják az üzleti célokat. Ezt nagyon könnyű leírni, de megvalósítani nem biztos, hogy ilyen egyszerű. A Tescónál mi a gyakorlat az adatok becsatornázására, illetve a piackutatás és a Big Data hogyan fér meg egymás mellett?

Ez izgalmas kérdés. Az én pozícióm két részterületet foglal magába, amely nem más, mint a piackutatás és a Tesco Clubcard, amelynek keretében Big Data elemzéseket végzünk. Vásárlói Élmény Menedzser a hivatalos megnevezés.
Az eredmények becsatornázásáról annyit, hogy én dolgoztam ezelőtt a Tesco marketing operatív területén és a beszerzésen is. Mindkét terület kellően izgalmas a retail ágazatban. Pontosan láttam, hogy az eredményeket hogyan lehet hasznosítani. Amikor elvállaltam ennek a komplex osztálynak a vezetését, akkor azt mondtam, hogy „közelebb viszlek benneteket a mindennapi üzlethez”. Ezzel kapcsolatban két célkitűzésem van. Az egyik, hogy tanítsuk meg az üzletet kérdezni, ami szerintem elemi szükséglet. „Gyere ide, tedd fel a kérdésedet, hogy átbeszélhessük! Utána mi elvonulunk, és hozunk neked egy javaslatot arra, hogy milyen eszközzel és hogyan tudjuk ezt a kérdést megválaszolni.” A másik pedig az ún. actionable insight. Sokszor előfordul az, hogy a kutatók valamit „nagyon” kutatnak, és ez nem azt jelenti, hogy nem veszik komolyan, amit csinálnak, hanem épp ellenkezőleg: túlbonyolítják, és a végén csak ők értik a végeredményt. Majd csalódottak, amikor a business a prezentáció végén megkérdezi, hogy „ÉS”? A jelenlegi projektjeink lezárása, összefoglalása olyan „nyelven” történik, amit mindenki megért, valamint ott van a következő lépés javaslat is, mi több, a projektek sorsát utókövetjük is.
Visszatérve a Big Data és a piackutatás kapcsolatára: a két terület szorosan egymás mellett mozog, és az adott üzleti szituáció határozza meg, hogy melyik módszerrel lehet megválaszolni a kérdést. Nem árulok el titkot, amikor azt mondom, hogy a kétmillió Clubcard tulajdonos tranzakció-szintű adatait folyamatosan elemezzük, és csak akkor használunk piackutatást, ha a motivációkra vagyunk kiváncsiak.

Tudnál erre mondani egy szemléletes példát a gyakorlatból?

Kedvenc példám a Sauska Rozé, amely egy nagyon népszerű bor. Ezt onnan lehet tudni, hogy gyakran elfogy már azelőtt, mielőtt a következő évjárat megjelenik. Amikor viszont jön az új évjárat, akkor sok embernek elég az az információ, hogy elérhető. Ő azt mondja, hogy szinte mindegy, mennyibe kerül, biztosan megveszi, hiszen ő nem egy árérzékeny vásárló, már ezért az információért –megtudta, hogy kijött az új évjárat – is hálás. Neki azt mondjuk szerdán, hogy péntektől elérhető a polcainkon a Sauska rozé.
Utána a következő szinten van az a vevő, akinek ez az információ nem haszontalan, de ő csak akkor jön be a Tescóba, ha adunk neki valamennyi kedvezményt a rozéra.

Ilyen mélységben használjátok az adatokat, ami már kidolgozott folyamat a rendszerekben?

Még nincs automatizálva, de van arra lehetőség, hogy például ha én „kiszúrok” egy ilyen ikonikus terméket, mint az előbb említett bormárka, vagy egy ikonikus vásárlói csoportot, akkor azt akár félmanuális módon elkezdjük boncolgatni. Itt mindig az az izgalmas tényező – és ezzel visszatérek az első kérdésedre is –, hogy a befektetett energia és pénz, amit a célzásra fordítunk, az megtérül-e. Mire gondolok? Több millió vásárló adataival dolgozunk, akikre nem lehet heti vagy napi rendszerességgel célozni. Nekünk az a feladatunk, hogy felismerjük azt az algoritmust, amit – mint célzási metodológiát – használni lehet. Innentől kezdve a rendszerek tömegeket képesek megcélozni a megfelelő ajánlattal.

Miből tudjátok, hogy mi a megfelelő ajánlat?

Erre van egy nagyon jó példám: ez az ún. kedvenc termékem. Mi a kedvenc terméked a Tescóban? Ezt számtalan módon el lehet kezdeni vizsgálni. Talán az, amit a leggyakrabban vásárolsz?

Az valamilyen pékáru lesz, ami nem biztos, hogy megfelel a kedvenc termék kategóriának.

Pontosan. Akkor talán az, amelyikre a legtöbbet költöd? Ez feltehetőleg egy mosópor vagy egy alkoholos ital, amely relatíve drága, de többször vásárolod az év során. Ez lesz a kedvenc terméked? Vagy az, amelyiken a legtöbbet tudsz „spórolni” és – mint kedvenc termékre – erre kapsz folyamatos kedvezményt tőlünk? Ez is egy megközelítés. A Vásárlói Élmény Menedzser feladata az, hogy a vásárlói szokásaid alapján – egész konkrétan a kosarad tartalma alapján – kikövetkeztesse, hogy melyik a te kedvenc terméked.

Itt most szavadon foglak, mert úgy érzem, hogy itt lehet szerepe a Big Data mellett a piackutatásnak. Az előbbiből megtudtuk a MI-t, a kutatásból viszont megértjük a MIÉRT-et.

Valóban itt releváns a kutatás, bár a Tesco forgalmának 60 százaléka „megy át” a klubkártyákon, amelyek segítségével a cégnél látják, hogy az adott fogyasztó mit, mikor és mivel együtt vásárol meg, ezen információk birtokában pedig a motivációkról is képesek következtetéseket levonni.
Ahol viszont valóban megkerülhetetlen a piackutatás, az a mélyebb okok feltárása. Megkérdezzük a vásárlóinkat, hogyan vélekednek a kedvenc termékről, ők mit neveznének annak, és miért. Ezer válaszadó azt mondja, hogy nekem a kedvenc termékem az, amit legalább tízszer vásárolok egy évben, és több ezer forintot megtakaríthatok azon, ha erre a termékre kedvezményt kapok. Ennek alapján mi kidolgozzuk azt a célzási metodológiát, amit ki lehet vetíteni a kétmillió klubkártya tulajdonosra.

A melyik volt előbb, a tyúk vagy a tojás analógiára felfűzve kérdezném, hogy szerinted mi a sorrend: előbb keletkezik egy üzleti probléma, és annak megoldásaként ti a Big Datához fordultok, vagy az adatok vizsgálata alapján kitaláltok egy hipotézist, és azt bebizonyítva vagy elvetve születnek az üzleti javaslatok?

Attól függ, hogy miről van szó. A kihívás mindig ugyanaz: hogyan tudunk több vásárlót becsábítani a Tescóba. Hogyan tudjuk növelni a vásárlási frekvenciát (shopping frequency), hogy minden vásárlását nálunk intézze, illetve, hogyan tudjuk rávenni arra, hogy egy vásárlás során több áru kerüljön a kosarába (kosárméret). E kettő szorzata a forgalom.
Ami viszont a „tojást” illeti: arra már több mint tíz éve rádöbbent a Tesco, hogy a vásárlói igényekre kell válaszolni. Minden évben készítünk egy nagy kutatást, amely ún. brand review kutatás. Ennek az a célja, hogy megvizsgáljuk azt az egyszerűnek tűnő kérdést, hogy miért választ minket a vásárló. Az eredmény a következő: jó választék, folyamatos elérhetőség, jó minőség és ne legyen drágább, mint a konkurencia. Ezek basic dolgok, de külön-külön nagyon nehéz megvalósítani.

Ez tulajdonképpen a value for money, azaz a jó ár-érték arány, nem? Kérdés az, hogy kinek mit jelent a jó minőség és a kedvező ár. Ez vásárlóként nagyon eltérő.

Igen. A kérdés az, hogy melyik faktor a fontosabb neki. Ez attól függ – például élelmiszer esetén –, hogy mennyire ínyenc, illetve ezzel párhuzamosan a pénztárcája mennyire vastag. Ezzel azt szerettem volna érzékeltetni, hogy mindenkinek a saját value for money-ja a számottevő. Az ár oldalhoz például több tényező is kapcsolódik: mennyi ideig tart megkeresni a kedvező árú terméket, ezért mit kellett tennem, milyen messze kell elutaznom, hány óráig tart kimazsolázni a szóróanyagokból a nekem releváns információkat stb. Mit kapok ezért a befektetésért? Itt is személyenként tér el a reakció.

Ha jól értem, itt jön az a rész, hogy mindenki máshol húzza meg a határt. Valakinek az arckrém a legfontosabb, más pedig csak egyfajta szalvétát szeret vásárolni. Ezt viszont kizárólag vásárlási tranzakciók elemzésével lehet ennyire szofisztikáltan vizsgálni. Gyakorlatilag teljesen mindegy, hogy férfi vagy nő, és az is, hogy hány éves.

Igen. Amikor látjuk és elemezzük az adatokat, akkor mi nem látunk embert. Az adatvédelmet rendkívül komolyan vesszük, hiszen ez egyfajta bizalmi kapcsolat a kártyatulajdonosok és a cég között. Ezek tranzakciószintű vásárlási adatok. Konkrét személyt csak akkor „látunk”, amikor megcímezzük a borítékot neki, amelyben személyre szabott információkat kap tőlünk. Ez nem feltétlenül jelent egyszerű kedvezményt, lehet egy üzenet, egy információ vagy egy kedves gesztus (például az, hogy „boldog névnapot”).

Lassan ott tart ez a személyreszabás, mint amikor online repülőjegyet vagy szállást keresek az adott országba, és ha nem ürítem a cash-t, akkor hetekig kapom a „személyreszabott” ajánlatokat a kiválasztott városba, hiszen a rendszer látja, hogy erre kerestem, ez érdekel engem.

A kasszakupon – amely ősszel indult – hasonló elven működik. Ez a vásárlást igazoló blokk átadását követően kerül kinyomtatásra, és személyre szóló kedvezményeket kínál a kártya tulajdonosának. A kasszakupon kedvezmény például az adott vásárló által leggyakrabban vásárolt termékre vagy a következő vásárlás végösszegére vonatkozó kedvezmény, melyet a Clubcard használatával történő vásárlások alapján generál a rendszer.

Összefoglalva, a kasszakupon egy korreláción alapuló előrejelzés!

Pontosan. Ebből következően a lehetőségek száma gyakorlatilag végtelen, így még inkább személyre szabott kedvezményeket kínálhatunk vásárlóinknak. Mondok erre is egy jó példát. Azt látjuk, hogy valaki megvette élete első pelenkáját – legalábbis a Tescóban. Ebből látjuk, hogy gyereke született, és így belekerül a kismamáknak / kispapáknak szóló klubunkba, ahol releváns ajánlatokkal és kedvezményekkel jutalmazzuk, figyelembe véve, hogy hány hónapos a gyermek.
Visszahívjuk egy olyan alkalommal is vásárolni, amikor egyébként nem biztos, hogy eljött volna a Tescóba, hanem leugrott volna a sarki kisboltba.

Te adatpárti vagy, ezt kimondhatjuk, ugye? A piackutatás csak kiegészítője a Big Datának a Tescónál. Viszont nem olcsó mulatság, tehát a kutatás még mindig jobban elérhető az ügyfelek számára.

Az ár is nagyon fontos, nem akarok kitérni ez elől, de ami még nagyon elriasztja a felhasználókat, az az, hogy folyamatosan rengeteg adat „ömlik be” a rendszerekből, amivel kezdeni kell valamit. Kérdéseket kell feltenni, rendszerezni kell, gondolkodni kell. Mondok erre is egy példát: kijön a meggyes ízű túró rudi. Felteszem azt a kérdést, hogy ki szeretheti a meggyes túró rudit? Hogyan lehet ezt vizsgálni: ki vásárol meggyet, ki iszik meggyes Happy Day italt, ki vesz sima túró rudit. Mekkora a metszete annak a körnek, aki iszik meggylevet és eszik túró rudit. Ez programozást igényel. Mindig arra törekszünk, hogy először kidolgozzunk egy alapelvet – nevezzük típus kérdéskörnek –, amit utána más projektre ugyanúgy le tudunk futtatni. Ebben nagyon nagy versenyelőnyünk a nemzetközi háttér, ami alatt azt értem, hogy az egyes országok folyamatosan megosztják egymással a tapasztalataikat. Az, hogy milyen elven célzol be egy portfóliót, vagy az, hogy hogyan lehet keresztvásárlásokat ösztönözni, országonként nem tér el. Tehát az, hogy hogyan lehet visszacsábítani a vásárlókat egy adott kategóriába – és milyen mintázattal bírnak a potenciális visszacsábítható vásárlók – ugyanúgy működik Magyarországon, mint Angliában.
Ha valamelyik ország kitalál egy jó keresztvásárlási kombinációt, egy jó metódust – olyat, amire nem is gondolnánk –, akkor azt megosztja a többi országgal. Természetesen előfordul olyan, hogy kipróbáljuk egy limitált vásárlói körön, és nem válik be.
Ami az árat illeti: igen, ez egy drága mulatság, elsősorban a belépő fix költség miatt. Ebből a szempontból nem versenytársa a piackutatásnak, ez egyértelmű. Amíg kiváncsiak vagyunk a miértekre, addig a kutatás adekvát módszer marad.

****
Szőcs András
„2006-ban a főiskola elvégzése után (Nemzetközi Üzleti Főiskola – IBS) egyből a Tesco kötelékéhez csatlakoztam, mint Import Ügyintéző. Bár mindig is a marketing érdekelt, úgy gondoltam, egy ilyen nagy nemzetközi vállalat kiváló környezet lehet arra, hogy tanuljak, és biztos voltam benne, hogy nem lesz bonyolult az osztályokon belüli mozgás. Igazam lett. Körülbelül egy éven belül sikerült átpályáznom a trade marketing területre, ahol 2012-ig több különböző pozíciót is betöltöttem. Kihelyezési specialistaként kezdtem, majd évről évre bejártam a különböző akciótervezéssel kapcsolatos pozíciókat. 2009 végén kaptam meg a lehetőséget és a kinevezést, hogy vezessem a Kereskedelmi és Akció Tervezési csapatot. 2012-ben lehetőségem nyílt csatlakozni a beszerzési osztályhoz, ami nagyon jó lehetőséget jelentett, hogy megismerjem „az érem másik oldalát”, és teljesen rálássak a kereskedelmi folyamatra. Több mint egy évet töltöttem el a beszerzésben, kezdetben mint beszerző, majd mint Kereskedelmi Üzletág Igazgató a csemege területen.
Idén márciusban tértem vissza a marketingre a jelenlegi pozíciómba (Vásárlói Élmény Menedzser), mely egy teljesen új feladat, és új kihívásokat jelent.”

***
Még több interjút olvashat piackutatás témában itt.

Facebook
Twitter
LinkedIn

Hasonló témájú cikkeink

Válogass az NRC letölthető infkgrafiká között, használd fel az adatokat, amelyeket találsz, de kérlek mindig hivatkozz ránk.
Beszélgessünk!

Írj vagy hívj fel és választ adok kérdéseidre

Segítünk abban, hogy a piackutatás egy gyorsan megtérülő befektetés legyen!
Klenovszki János további cikkei
Új kollégát keresünk: piackutatási projektkoordinátor, online kérdőívszerkesztő

Piackutató

Magyarország legnagyobb online piackutató cége, az NRC keresi piackutató, elemző kollégáját!  Munkakörhöz tartozó feladatok: Akkor jelentkezz, ha  És mit kínálunk cserébe?  Ha magadra ismertél

A piackutatás 2024-es trendjei

A piackutatás 2024-es trendjei

Piackutatás 2024. Mega-, és mikrotrendek, szakértői beszélgetés Falus Tamással és Géczi Tamással a piackutatás jelenéről és jövőjéről az NRC friss podcastjében.

hu_HUHU