Pred niečo viac ako mesiacom sa do obehu dostali Úlohy 4.kola CRM hádaniek. Je čas ich vyhodnotiť a ukázať si princípy správnych riešení. Ak si chcete pripomenúť ich zadania, nájdete ich v tomto staršom blogu.
Hneď na začiatok musím kajúcne priznať, že raz to proste muselo prísť a stalo sa to presne v štvrtom kole. Latka náročnosti, podľa vyjadrenia samotných riešiteľov aj tých, čo sa nezapojili, bola tento krát asi postavená veľmi vysoko a náročnosť úloh dokonca niektorých historických riešiteľov odradila od účasti (čo mi je úprimne ľúto). Štvrté kolo si teda do budúcna ponesie zrejme nie zrovna lichotivé označenie Najťažšie kolo CRM hádaniek. Snáď mi úprimne uveríte, že tak intenzívne pritvrdiť nebolo mojim cieľom a tak sa skalným lúštičom, ktorí toto kolo “zložili karty”, preto ospravedlňujem. Sľubujem, že do najbližšieho kola pripravím vyváženejšie úlohy, aby sa mohlo zapojiť aj širšie publikum riešiteľov a rekreační lúštiči.
Než sa pustíme do samotného riešenia, poďme najprv vzdať poctu tým, ktorí aj v týchto ťažkých podmienkach vybojovali svojimi riešeniami zaslúžene odmeny. Na striebornej priečke v celkovom súčte bodov zo 4 úloh sa tento krát umiestnil Šimon Malý, ktorý za svoje riešenia získal 65 z možných 80 bodov. Cenu za najoriginálnejšie riešenie jednej z úloh si vybojovala Kristína Kokošková, za veľmi domyslené riešenie úlohy 4.4. Absolútnym víťazom tohto pekelného kola sa stal Matúš Biescad, ktorý v tomto náročnom kole dokázal získať úctyhodných 70 zo 80 bodov. Všetkým patrí moja poklona a gratulácia k skvelému výkonu! Od portálu Mocné Dáta dostávajú zaujímavé knihy. (prosím výhercov, aby si skontrolovali email schránky, kde nájdu pokyny ako si ich vyzdvihnúť).
Odovzdali sme pocty víťazom, a možeme sa teda spolu pustiť do odhalenia riešení:
4.1 Sušička na prádlo
Takmer všetky riešenia sa držali línie načrtnutej aj v nápovede k hádanke: Triangulácie markerov, ktoré zvyšujú pravdepodobnosť, že daná kampaň bude úspešná. Väčšina riešení vyhotovila markery pre vlastníctvo práčky (najpresnejšie to kvantifikovala K. Kokošková vo svojom riešení), pre typ domácnosti, životné štádium hlavných užívateľov bytu/domu, bonitu domácnosti a mieru zaneprázdnenosti domácich. Už nie každého napadlo pridať aj KO marker, či náhodou sušičku už nemajú (sled po práčke alebo paralelne s ďalšou várkou prania). Najlepšie riešenie tejto úlohy predstavil Šimon Malý, ktorý našiel aj spôsob ako trefne zvoliť správny timing oslovenia v rámci roku a ako zamontovať do KO markerov aj postoj k ekológii (sušička je veľmi neekologický spotrebič). Pre mňa najinšpiratívnejším boli úvahy o tom, že z dát o zapojení odberných miest si elektrárne vedia odvodiť, ktorý byt má akú približnú úžitkovú plochu a dokonca či má balkón alebo nie (čo pre tradičné sušenie prádla zohráva dôležitú rolu). Zaujímavý bol aj pokus na detegovanie prírastku do rodiny sledovaním dlhodobej spotreby elektriny danej domácnosti. Nie som si úplne istý, či by to šlo tak hladko, ako to bolo navrhnté v jednom z riešení, ale je to zaujímavý nápad na overenie.
4.2 Lieky na pumpe
Táto úloha pôsobí zrejme jednoduchým dojmom na prvý pohľad, ale v skutočnosti ide o pomerne ťažkú úlohu. V princípe sa dá riešiť dvoma spôsobmi: a) pomocou markerov, podobne ako 4.1 úlohu ALEBO b) pomocou konkrétnych cieľových skupín. Všetci riešitelia okrem jedného sa vydali prvou cestou, aj keď pre spoľahlivé vymedzenie je treba naozaj pomerne veľa markerov (čo riešitelia hojne podceňovali). Najlepšie riešenie tejto úlohy predstavila Beáta Mišová , ktorá okrem markerov, ktoré napadli veľa riešiteľom (frekvencia nákupov na pumpe, dokupovanie vecí k benzínu, bonita človeka, healthy nápoje a strava, …), zapojila do hry nielen dosť KO kritérií (nezdravé items, timing nákupu, kombinácia pohlavie a vek klienta, …) ale aj niekoľko netypických markerov (nákup časopisov o zdraví, profilácia typického healthy person, …). Z iných ako Beatiných riešení ma zaujali pokusy o segmenty (kamionisti, rodičia, …) ako aj snaha o využitie customer stated preference informácii pri registrácii (používa napr. Shell alebo OMV). Vo všeobecnosti však na riešení tejto úlohy strácali súťažiaci najviac bodov. Ono je to skutočne komplikovanejšie, ako sa na prvý pohľad môže zdať.
4.3 Vlastná sieť reštaurácií
Úloha s vlastnou BIO reštauráciou je typickým príkladom toho, ako si dátový analytik môže skomplikovať svôj život. Vo svojej podstate k úspechu vedie pomerne jednoduchá cesta: Zoberiem klientov, ktorí chodia do konkurenčných BIO reštaurácií a z ich správania si vytvorím typizovaný profil BIO food zákazníka a následne hľadám, kto sa na týchto zákazníkov najviac podobá z ostatných klientov. Pridáte zopár KO kritérii a máte viac menej hotovo. Touto cestou sa však nevybral nik z riešiteľov, aj keď viacerí to, že klient bol v konkurenčnej BIO reštaurácii navrhli ako jeden (z cca 10) markerov svojich riešení. Všetci súťažiaci sa však pustili do zháňania viac-či-menej sľubných NEPRIAMYCH príznakov, ktoré by mohli zvýšiť pravdepodobnosť záujmu o BIO Food. Často sa tak v riešeniach objavovali snahy identifikovať potenciálnych klientov cez: Športovanie, záujem o BIO veci na webe, bonitnosť klienta, mieru návštevy reštaurácií vo všeobecnosti, ochotu stolovať s viacerými priateľmi, až po hmlistejšie parametre ako: chodí do prírody (teda má rád BIO), chodí radšej na Wifi (nepoužíva data prenosy, je skôr šetrný), či dostáva SMSky a telefonáty z Fitka, od služieb ako Debničkári, či priamo geolokácia na Biofarme. V honbe za čo najviac markermi sa však objavilo aj niekoľko celkom zaujímavých a hodných zmienky: Blízkosť cez obed (väčší osoh máte z klienta, ktorý má blízko k Vašej reštaurácii z práce cez obed, ako večer z domu), Cestuje do exotických krajín (je tolerantnejší k nekonvenčným kuchyniam), sťahuje si Appky súvisiace s BIO food a zdravým životným štýlom. Nakoniec najlepším riešením tejto úlohy sa predviedol Matúš Biescad. Pre ďalšie kolá CRM hádaniek by však táto úloha mohla byť mementom, že snažiť sa sám triafať do nepriamych príznakov môže byť tricky až zbytočné. Hlavne ak si ich viem priamo odvodiť z dát, ktoré už mám. Vymýšlať koleso, nás analytikov, proste vzrušuje. Ale často je to medvedia služba pre naše okolie.
4.4 Zaujímavé správanie cestujúcich
Prémiová úloha, ktorú som pridal ako dobrovoľný bonus pre získanie bonusových bodov do súčtu, bola úmyselne zasadená do prostredia relatívne “jednoduchých dát”. Riešenia, ktoré prišli od súťažiacich ma len utvrdili v tom, že oblasť dopravných klientskych dát je v biznise výrazne podceňovaná, hoci v skutočnosti môžu byť oveľa užitočnejšie ako dáta niektorých CRM-heavy odvetví. (čomu je venovaný samostatný blog). Ak teda čitateľ dovolí, nebudem sa venovať typickým parametrom, ktoré charakterizovali len samotné používanie prepravnej služby (koľko km denne, kedy najčastejšie, ktorými spojmi, na koľko prestupov, …), ale dám do popredia charakteristiky klientov, ktoré sú dosť inovatívne a ktoré by ste možno nečakali, že sa dajú odvodiť z dopravných dát: Lenivosť klienta (peknou charakteristikou bolo na akú najmenšiu vzdialenosť a ako často sa klient nechá odviesť), Miera čierneho pasažierstva (ak som študent a nemám predĺženú električenku a nie som chorý, neprestal som chodiť do školy, len chodím na čierno), Zdravotné problémy klienta (presun do/z polikliník a nemocníc), Cezpolní (pravidelné dochádzanie z/na vlakovú či autobusovú stanicu), Obľubený shopping mall. Medzi skutočné drahokamy patrili najmä nápady Kristíny Kokoškovej, ktorá ukázala ako z dát odvodiť Stratu alebo Zmenu zamestnania, Potenciál pre in-vehicle reklamu, Sociálny okruh klienta (s kým pravidelne cestujem v rovnakom čase), či ide o Matku s dieťaťom, či dokonca Postihnutú osobu. A to všetko len z “obyčajných dát” električenky. Nie zlé, nie ?
Ak sa vám niektorá z úloh páči, podporte ju v hlasovaní o najlepšiu úlohu. Vašu cennú spätnú väzbu použijem pri príprave ďalších kôl súťaže.
Keďže po 4. kole mám, čo naprávať, sľubujem že príde aj 5. kolo, na zadaniach ktorého už sa pracuje. Keď si nechcete nechať újsť najbližšie zadania, zaregistrujte sa bezplatne medzi stálych čitateľov Mocné Dáta portálu, príde Vám avízo.
Možno ste nepostrehli niektorú z minulých sérií (I. kolo, II.kolo a III. kolo) CRM hádaniek a chcete sa otestovať na starších kolách.
Autora zastihnete na sieťach LinkedIN, Twitter ako aj na Google+.
PREHĽADNÝ ZOZNAM všetkých starších BLOGOV autora nájdete tu:
Späť na domovskú stránku
WhatsAppu, stelesňujúceho IM hnutie, narástol od za posledné tri roky z 200 miliónov na neuveriteľných 1050 miliónov!! V praxi teda každý 4tý človek, ktorý má na svete prístup k elektrine, je používateľom WhatsAppu. Drsné nie? Okrem toho existujú krajiny, kde je penetrácia IM ešte intenzívnejšia. Spomínaná WhatsApp sieť má v nasledujúcich krajinách dokonca penetráciu prevyšujúcu 50% populácie (pozri graf ). Ak k tomu pripočítate aj ostatné služby ako Viber, FB, WeChat, Line a iné, dostávate sa k penetráciam, ktoré už sú hodné povšimnutia aj pre marketérov.
olil svetový kráľ IM messengerov podobným systémom ako Americký prezident (za každý štát niekoľko voliteľov, ktorí volia celkového víťaza), Donaldom Trumpom celosvetovej IM komunikácie by sa stal WhatsApp. Podľa 
Dôsledná implementácia Big Data prístupov postupne zabije minimálne dve odvetvia. Veľké dáta totiž potláčajú samotnú podstatu týchto odvetví. Pre koho teda budú vrahom? Jednou z obetí BiG Data určite bude odvetvie 
Aby sme však neboli iba v temnom pásme, Big Data budú nielen katom, ale aj katalyzátorom progresu pre niektoré odvetvia. Jedným zo silných benefítorov dostupnosti Big Data už dnes je 