Analisis pelanggan mengacu pada teknologi dan strategi yang digunakan bisnis untuk mendapatkan wawasan tentang perilaku pelanggan mereka dan membuat keputusan bisnis yang lebih baik, di sisi lain analisis ini juga dapat disampaikan kepada pelanggan mereka sendiri. Analisis prediktif, visualisasi data, manajemen informasi, dan segmentasi adalah contoh teknik yang biasa digunakan dalam pemasaran langsung, pemilihan lokasi, dan manajemen hubungan pelanggan. Tujuan utama analisis pelanggan adalah untuk meningkatkan pengalaman pelanggan secara keseluruhan dari sisi bisnis, sementara dari sisi pelanggan dapat membantu pengguna meningkatkan konten atau aktivitas mereka di dalam platform.
Beberapa parameter yang dapat dianalisa dari bisnis ini antara lain: social listening, bounce rate and pages, net promoter score, profile insight, session time, dan masih banyak lagi. Tools yang digunakan dalam analitik perjalanan pelanggan menggunakan platform manajemen hubungan pelanggan, perangkat lunak manajemen layanan pelanggan, platform penjualan, Google Analytics, alat media sosial, platform pemasaran email, perangkat lunak analitik kampanye, platform pengumpulan dan pengolahan data, sistem manajemen konten, dan proprietary map metrics.
Menyediakan customer analytics dapat membantu pelanggan kami untuk tumbuh dan berkembang dalam menggunakan platform kami dalam hal konten, evaluasi, dan sebagainya. Dengan memberikan analisis tentang aktivitas pengguna mereka dapat melihat wawasan yang dilakukan. Mereka akan lebih memahami tentang kebiasaan dan pilihan gaya hidup mereka, semakin akurat sebuah perusahaan dapat memberikan analitik, mereka mungkin mengetahui hal-hal apa yang perlu untuk meningkatkan layanan mereka berdasarkan wawasan pengguna di skenario masa depan. Secara detail, topik ini akan kami bahas bersama Marcel Leonardo selaku Principal Product Manager GLAIR.AI.
Menurut Marcel, dengan memberikan analytics/insights kepada pelanggan berarti kita memberikan informasi yang sebelumnya hanya kita ketahui (sebagai pemilik produk/platform) kepada pelanggan, sehingga mereka memiliki wawasan tambahan tentang apa yang mereka lakukan di produk/platform. Wawasan dapat berupa data deskriptif, atau bahkan data prediktif tergantung pada apa yang dapat kami berikan dan metodologinya. Sebagian besar tentang penggunaan produk yang dimiliki oleh pemilik platform kepada pengguna, yang terdiri dari penggunaan dan kinerja platform.
Contoh use case yang bisa kita lihat dari aktivitas ini seperti ketika YouTube mampu memberikan analytics kepada penggunanya dalam konten yang mereka buat, antara lain channel yang sering ditonton, jumlah jam tayang, penonton, dan nominal fee yang mereka terima. Fitur yang disediakan meliputi pilar-pilar YouTube Analytics, antara lain: General Reports, Watch Time and Audience Reports, Engagement Reports, dan Earnings Reports. Pengguna dapat mengembangkan video berperforma terbaik dalam hal penayangan, waktu tonton, dan pemirsa serta keterlibatan, tema konten yang relevan dengan pemirsa target mereka (pikirkan: petunjuk, tutorial, vlog, webinar), dan bagaimana detail video seperti thumbnail, judul, dan video panjang mempengaruhi kinerja video mereka. Pemilik channel dapat melihat aktivitas konten yang disukai penontonnya serta konten yang memiliki insight dan nilai engagement yang tinggi.
Banyak manfaat yang bisa didapatkan ketika kita memberikan analytics kepada pelanggan, tidak hanya dari sisi pelanggan yang mampu mengembangkan dan mengetahui aktivitasnya. Namun dari sisi perusahaan, mereka juga dapat mengevaluasi layanan bisnis yang mereka berikan kepada pelanggan. Hal ini juga sejalan dengan pendapat Marcel, menurutnya, pelanggan dapat menggunakan analytics untuk mempelajari lebih lanjut tentang apa yang telah mereka lakukan dengan produk/platform kami, dan mereka dapat melacak atau mengambil keputusan tentang fitur mana yang perlu dikembangkan. atau dipertahankan. Pelanggan tahu apa yang telah mereka lakukan secara historis dan hasil apa yang telah mereka capai. Dari apa yang mereka ketahui, mereka dapat memantau dan mengambil keputusan untuk meningkatkan aktivitas mereka. Secara umum, memberikan wawasan pelanggan memberikan banyak manfaat kasus penggunaan termasuk:
Sangat penting bagi pelanggan kami agar mereka dapat mengambil untung darinya dan memiliki pemahaman dan data yang lebih baik untuk membantu mereka merencanakan tindakan mereka di masa mendatang di platform kami.
Marcel juga menambahkan bahwa menyediakan analisis pelanggan dapat mengambil manfaat dari dua perspektif, pemilik/platform bisnis dan pengguna/pelanggan. Bagi pelanggan sendiri, data insight/analytics dapat membantu mereka mengambil keputusan dari insight/data yang mereka dapatkan. Dari segi perusahaan/bisnis, mereka dapat meningkatkan nilainya karena memberikan statistik kepada pengguna, kredibilitas dalam memberikan analisis yang mendalam dari kinerja yang sesuai (kredibel) kepada pengguna, dan juga dapat memberikan umpan balik sebagai fitur potensial yang dapat ditingkatkan dari platform masukan pengguna.
Sejalan dengan itu, memberikan analytics/insight kepada pelanggan berperan dalam mengembangkan bisnis. Dari perspektif Marcel, dapat:
Menurut Marcel, waktu yang tepat untuk menjalankan bisnis tergantung pada industrinya. “Saya akan mengatakan sebagian besar organisasi menyediakan weekly insight hingga monthly insight. Namun, beberapa bisnis yang melacak dan berhubungan dengan konsumsi finansial biasanya akan memberikan daily insight. Rata-rata, yang paling optimal adalah mingguan. Misalnya, perangkat lunak manajemen proyek yang memberikan ulasan mingguan tentang milestone yang diselesaikan. Bisa juga monthly untuk melihat peningkatan kinerja platform antar bulan. Anda juga dapat melacak setiap hari, misalnya untuk iklan.
Banyak tim yang terlibat dalam mengembangkan analitik/wawasan dalam perusahaan untuk pelanggan. Akses data tergantung pada perusahaan. Dari pengalaman Marcel, itu tergantung pada akses kredensial dan pemangku kepentingan yang terlibat.
Ada beberapa data use case yang bisa diolah untuk menghasilkan insight bagi pelanggan. Yang pertama untuk mengembangkan insight, data ini diproses secara normal jika misalnya hanya data visual. Namun untuk rekomendasi umumnya menggunakan Artificial Intelligence. Contoh kasus penggunaan adalah.
Balik lagi ke bisnis apa. Misalnya, untuk platform konten, yang pasti adalah performa, mana yang paling banyak disukai dan engagement.
Menurut Marcel ada dua tantangan yang dihadapi saat menyediakan analisis pelanggan, yang pertama tantangannya adalah budaya dan pola pikir berbasis data, yang belum dimiliki setiap perusahaan. Sebagian besar bisnis masih tidak menyadari betapa berharganya insight data bagi bisnis dan konsumen. Yang kedua adalah bahwa struktur dan dokumentasi data belum cukup matang, meskipun kita menawarkan layanan untuk membantu organisasi dalam menyiapkan saluran data yang otomatis dan bersih untuk analitik dan tujuan lain, seperti implementasi AI.
Untuk mengatasi tantangan tersebut tentunya diperlukan kesadaran dan tindakan nyata dalam menyikapinya. Yang pertama adalah menanamkan pola pikir data-driven, bahwa semua strategi yang kita ambil didasarkan pada data. Dari bisnis ini kita bisa menentukan fitur mana yang dilanjutkan dan dihentikan, dan tentunya bukan hanya asumsi. Intinya adalah bahwa data berbicara bukan hanya perkiraan. Kedua, setidaknya ada data yang diarsipkan meski masih mentah. Jadi kita bisa memperkirakan insight apa yang ingin kita kembangkan. Sekarang dalam strategi ini kita dapat menggunakan layanan dari perusahaan pihak ketiga untuk membantu analisis data untuk integrasi (pihak ketiga), termasuk GLAIR.AI.
“GLAIR.AI menyediakan layanan terkelola secara end to end untuk membantu upaya ketika pelanggan ingin memberikan analitik. Mulai dari memahami data, pra-processing dan pemrosesan data (query yang efektif dan efisien) hingga memvisualisasikan wawasan dan menyediakan dashboard, serta opsi integrasi.” tambah Marcel. Prosesnya menggunakan layanan dan solusi cloud yang GLAIR.AI kembangkan sendiri. Pelanggan biasanya diberikan survei terlebih dahulu untuk membantu memahami situasi mereka dan metode mana yang mungkin GLAIR ambil untuk memberikan analitik. Layanan GLAIR terdiri dari layanan leverage di cloud, yang dapat membantu ekstraksi data, alat yang dikembangkan sendiri untuk memahami, memproses, dan visualisasi data, di sisi pelanggan, mereka dapat memberikan kuesioner, dan melihat pendekatan mana yang ingin mereka berikan untuk pelanggan yang mudah beradaptasi.
Di sesi terakhir, Marcel menyarankan kepada pembaca bahwa analitik dan wawasan biasanya bukan prioritas utama, tetapi jika melihat tren global, itu mungkin menjadi game changer selain penyediaan fitur, karena akan menguntungkan kedua belah pihak (kita dan pelanggan kita). Jika kita tidak menganggap analitik sebagai prioritas utama saat ini, kita setidaknya dapat mengadopsi pendekatan berbasis data dan mempersiapkan struktur data perusahaan ketika kita ingin menggunakan analitik, sebelum menjadi mainstream dan tertinggal. Jika Anda yakin analitik sangat penting tetapi Anda masih perlu mengikuti fitur-fitur utama, jangan takut untuk menggunakan jasa pihak ketiga dalam pekerjaan analitik, karena mengembangkan staf analitik dari bawah ke atas dalam bisnis tidak murah dan tidak mudah.
Saat ini memberikan wawasan kepada pelanggan mampu membawa manfaat dari sisi pelanggan maupun dari sisi perusahaan. Manfaatnya bersifat dua sisi dan mampu memudahkan masyarakat dalam mengembangkan layanan yang digunakan.
