13.01.2015Blogi

Ristiinmyynti – älä ammu haulikolla kärpästä

Ristiinmyynnillä tarkoitetaan yrityksen tuotetarjooman myyntiä ristiin yrityksen nykyisille asiakkaille. Markkinatilanteen muutoksen myötä on yhä vaikeampi saada uusia asiakkaita, joten ristiinmyynti nykyasiakkaille on tehokas vaihtoehto ylläpitää jatkuvan kasvun trendiä.

Ristiinmyyntiä toteutetaan kuitenkin usein väärin: tarjotaan mahdollisimman monelle asiakkaalle mahdollisimman paljon tuotteita ja uskotaan, että tällä saadaan myyntiä paremmaksi. Tämä spämmäys on kärpäsen haulikolla ampumista. Samalla aliarvioidaan asiakasta, jolloin sekä myynnin että markkinoinnin tehokkuus kärsivät.

Tänä päivänä oikea tapa lähestyä ristiinmyyntiä on analytiikka.

Analytiikan keinon rakennettu asiakasnäkymä tehostaa markkinointia ja parantaa myyntiä.

Ensimmäiset askeleet analytiikan avulla luotuun ristiinmyyntiin saadaan tarkastelemalla kuittidataa ja havaitsemalla tilastollisten mallien avulla, mitkä tuotteet myyvät yhdessä. Tällä tavoin ryhmiteltyjä tuotteita on testattu lukuisten päivittäistavarakauppojen ristiinmyynnissä erinomaisin tuloksin.

Oletetaan, että analytiikan avulla on päätelty tuotteiden X ja Y myyvän hyvin yhdessä. Tällöin edellä mainitussa yksinkertaisessa tuotteiden ryhmittelyä suosivassa ristiinmyynnissä on kuitenkin ongelma. Ongelma esiintyy varsinkin puhe-linmyyntiä suosivissa yrityksissä, jossa tarjotaan kaikille tuotteen X ostaneille asiakkaille tuotetta Y. Tällöin asiakkaita ärsyttävä spämmäys ei olekaan kokonaan poistunut, vaan sitä on vain hieman siistitty. Tuote X voikin olla yksi yrityksen 2 miljoonan asiakkaan päätuotteista – jolloin siis myös tuotetta Y tarjotaankin lähes kaikille asiakkaille.

Tätä haulikolla ammuntaa voidaan rajata yhdistämällä kanta-asiakasdata ja kuittidata. Näistä luodaan yhtenäinen asiakasnäkymä jokaisesta asiakkaasta. Erilaisilla tilastollisilla segmentointimenetelmillä (esim. K-Means, H-Clust, SOM) voidaan ryhmitellä asiakkaat hyödyntämällä vaikkapa demografiatietoja. Kun kullekin ryhmälle tehdään oma kuittidatan mukainen tuoteryhmittely, saadaan pienenettyä niin tilastollisen mallin virhettä kuin asiakkaalle lähtevän spämmin määrää.

Toinen tapa lähestyä ristiinmyytävää tuotetta on ennustaa kullekin asiakkaalle yksittäisen tuotteen ostotodennäköisyys. Ennuste on työläämpi toteuttaa, mutta antaa puolestaan paremmat edellytykset ristiinmyynnin onnistumiseen, tuotteiden yksilöivään myyntiennusteeseen ja automatisoituun analytiikkaratkaisuun.

Yksittäisten tuotteiden ostotodennäköisyyden ennustaminen voidaan toteuttaa opetus- ja mallinnusaineiston avulla. Opetusaineistolla voidaan opettaa tilastollisia oppimisalgoritmeja huomaamaan eroja ostaneiden ja ei-ostaneiden asiakkaiden välillä. Näin ennusteista saadaan tarkempia ja totuudenmukaisempia.

Myös tehokkaan ristiinmyyntimallin luomisen jälkeen on syytä muistaa, että ihmisten käyttäytyminen ei ole stabiilia.

Jos tammikuussa on tehty toimivat ristiinmyyntisuositukset kaikille kanta-asiakkaille, eivät ne enää kesäkuussa ole käyttökelpoisia. Asiakaspalvelijaa ohjaavien suositusten onkin päivityttävä automaattisesti. Silloin asiakasrajapintaan saadaan mahdollisimman ajankohtaista ja toimivaa tietoa asiakaspalvelijoiden ja etenkin asiakkaiden eduksi.

Käytännön kokemusten perusteella uskallamme sanoa, että perinteinteistä ristiinmyyntiä saadaan tehostettua 10-20 prosenttia seuraamalla seuraavia ohjeita:

  • Älä spämmää asiakkaita!
  • Luota ja usko analytikkaan ja sen tuomiin mahdollisuuksiin.
  • Ymmärrä, mitä analytiikalla halutaan ja mitä käytännössä tehdään – vääränlaisista tavoitteista tai malleista on vain hallaa liiketoiminnalle.
  • Testaa luodut ristiinmyyntimallit ja vie sen jälkeen tuotantoon.
  • Tee lyhyitä, nopeita sprinttejä Always in Beta -periaatteella, jolloin huonot mallit joutavat nopeasti romukoppaan, eikä analytiikkaprojektista tule IT-peikkoa.
  • Uskalla olla tarjoamatta asiakkaalle ristiinmyytävää tuotetta, jos mallin mukaan tuotetta ei kannata tarjota. Näin vältät turhan spämmäyksen ja asiakkaat pysyvät tyytyväisinä.