Vse našteto skupaj z opravljanjem funkcije generalnega sekretarja Francoske zveze direktorjev marketinga na področju informacijske tehnologije ter kontinuiranim pisanjem besedil za specializirane spletne strani e-marketing.fr, actionco.fr, relationclientmag.fr in številne druge predstavlja precej nevsakdanjo kombinacijo dosežkov nekega »geeka«, ki je pristal v trženju ter si pozneje na tem področju v velikem tehnološkem podjetju ustvaril tudi kariero.

Kako to, da ste se kljub svojemu »strojnemu« ozadju odločili za premik v smer trženja?
Bil sem v IT-ju, konec osemdesetih sem delal v podjetju, ki se je ukvarjalo s programsko opremo, in bil prodajalec. Ampak videti je, da sem imel nekaj predstavitvenih veščin, saj sem kmalu začel delati v trženjskem oddelku omenjenega podjetja, nato pa v trženjskem oddelku izdelkov. V IT-industriji več kot polovica direktorjev trženja prihaja iz produktnega trženja. Ljudje, ki delajo v produktnem trženju, pa so večinoma tehnično usmerjeni posamezniki. Z drugimi besedami, ko se enkrat lotiš produktnega trženja, po navadi pristaneš v trženju. To je precej naravna pot, saj si tehnik, poznaš izdelek, veš, katere težave rešuje, in torej tudi, kako ga prodajati.

Ali mislite, da mora imeti vodja trženja v IT-podjetju torej IT-ozadje?
Ne. Približno polovica sicer je takšnih, ne bi pa rekel, da je to prvi pogoj. Kadar se pogovarjam z IT-novinarji, ni dobro za tvojo kredibilnost, če si mislijo, da si neki tržnik, ki pač opravlja svojo predstavitev in ne razume izdelka, o katerem govori. Če pa tehnologijo poznaš, bo tvoja kredibilnost gotovo večja, tako pri novinarjih kot pri občinstvu. Ko se srečujem z direktorji IT, se z njimi lahko pogovarjam o infrastrukturi. Razumeli bodo, da imam nekaj znanja na to temo, in verjetno bom kmalu v tem pogovoru povedal, da pravzaprav prihajam z IT-oddelka. A ko se pogovarjam z nekom z oddelka za trženje, na primer vodjo marketinga velike banke ali zavarovalnice, bom tej osebi povedal, da se z marketingom ukvarjam zadnjih dvajset let, saj si želim, da ima občutek povezanosti, kot da pravzaprav delava isto stvar.

Kaj pravzaprav je Cercle du Marketing Predictif?
Ta tako imenovani think tank sem ustanovil leta 2007 skupaj s še dvema prijateljema. Eden od njiju je direktor trženja v trženjski agenciji, drugi pa profesor in raziskovalec na področju trženja – prihaja torej iz akademske sfere. Na francoskem trgu namreč nismo našli nobene primerne ustanove ali kraja, kjer bi se lahko pogovarjali o novih tehnologijah, ne da bi nam nekdo skušal kaj prodati. Vsi dogodki, na katerih smo bili lahko prisotni, so bili narejeni po istem vzorcu: PowerPoint in vprašanja ter odgovori na koncu. Če je cilj deljenje izkušenj, to ni prava pot, saj ima svojo izkušnjo v takšnih okvirih le predavatelj. Zato smo se odločili ustanoviti lastno združenje, imenovano Cercle du Marketing Predictif (združenje za prediktivno trženje), kjer razpravljamo o novih smernicah v trženju in o tem, kako lahko za učinkovitejše trženje uporabimo nove tehnologije. Vendar ne tako, kot to počnejo IBM, SAS ali Oracle. Izberemo namreč temo, omenjeni profesor in trženjski raziskovalec jo raziščeta in sta tudi edina, ki imata potem dvajsetminutno predstavitev. Potem je predstavitve konec in začne se pogovor z udeleženci. Sam predstavljam nove tehnologije, vendar pri tem nikoli ne omenjam IBM in ne izdajam imen izdelkov.

Kakšno pa je občinstvo? So to vedno isti ljudje?
Odvisno od teme. Včasih se dotikajo B2C, včasih B2B. Lani smo se odločili, da bomo skušali zastaviti serijo podobno strukturiranih dogodkov tudi za drugačno občinstvo, in sicer za tiste, ki se ukvarjajo s tveganji. Glede na različne vrste podjetij obstajajo tudi različni pogledi na tveganja. Trenutno sodelujemo s še enim mojim prijateljem, ki je profesor in raziskovalec na področju tveganj, in se veliko učimo. Lahko vam zatrdim, da je občinstvu ta oblika dogodkov zelo pri srcu, saj nima nobenega komercialnega podtona. Pred dogodkom se dogovorimo za temo, nekdo iz akademskega sveta predstavi, kakšne raziskave trenutno potekajo na tem področju, in nato se o tem pogovarjamo. Z drugimi besedami, obe združenji sta način za strokovno izmenjavo mnenj in izkušenj v drugi obliki.

S tem ste do zdaj poskusili le v Franciji, kajne?
Da, saj gre za nekaj takega veliko časa in le stežka bi se tega lotil v drugi državi. Seveda spodbujam svoje kolege, da podobno storijo lokalno. Mislim pa tudi, da bi takšne iniciative morale biti lokalne, če že ne zaradi drugega, zaradi tega, ker gre za precejšnjo osebno vpletenost in časovno zahteven angažma.

Kaj je po vašem mnenju največja prednost prediktivne analitike?
Učinkovitost. Ko si v podjetju zaposlen kot član ali kot vodja trženjske ekipe, ti včasih rečejo, da si plačan za to, da zapravljaš, naložba pa se ne povrne ali pa se povrne v zelo majhni meri. Včasih tržniki delamo kot pred desetimi leti. Koliko nezaželenih sporočil o izdelkih, ki vas ne zanimajo, vas vsako jutro čaka v vašem elektronskem nabiralniku? Ko dobite nekaj takih sporočil, začnete brisati vse po vrsti. To pomeni, da tržniki pri trženju niso učinkoviti. Ni jim do tega, da bi vas (s)poznali, želijo vam le poslati sporočilo.

Morda pa niso dojeli spremembe modela iz »potisni« v »povleci« (push–pull)?
Še vedno lahko uporabljaš »potisno« trženje, toda na pameten način.

Že, a vendarle so se spremenili tako časi kot trženjski model …
Zrelost in prodiranje produktivne analitike sta nizki, čeprav vam tržniki utegnejo govoriti drugače.

Je mogoče iz B2C podatkov pridobiti kaj uporabnega in to potem uporabiti v B2B kontekstu?
Mislim, da osebnih podatkov ni mogoče uporabiti, če se želimo iti B2B poslovanje z določeno osebo. A če ima podjetje svojo stran na Facebooku in izvršni direktor tam nekaj objavi, to potem morda lahko uporabimo. Ostalo nam ne koristi. V predstavitvi sem že dejal, da natančnost narašča s količino podatkov, ki so nam na voljo. Seveda če so te informacije koristne. Analizirati je treba informacije, ki nam lahko pomagajo, ne pa tudi informacij, ki povzročajo napake ali napačne usmeritve. Za nekatere informacije je bolje, da ostanejo tajne, saj so lahko neuporabne, še posebno če ne pomenijo dodane vrednosti za naše poznavanje stranke. Zato včasih iz analiz izvzamemo nekatere podatke, saj lahko popačijo rezultat. Včasih nekaj informacij manjka v sicer zelo dobri analizi, saj ne poznamo vseh podrobnosti o vseh, ki jih obravnavamo. Poznamo pa algoritem, ki nam omogoča izračunavanje in dodajanje manjkajočih vrednosti. Na splošno pa lahko velja, da več podatkov pomeni natančnejšo napoved.

Pa sploh izkoristimo vse zbrane in uporabne podatke?
V splošnem količina zbranih podatkov nezadržno raste. A če se ozremo nazaj v leto 2005, ko je bilo podatkov glede na danes še zelo malo, je bilo takrat analiziranih največ 50 odstotkov podatkov. In le 50 odstotkov od teh 50 odstotkov je bilo uporabljenih za sprejemanje odločitev. Dandanes je poudarek na rešitvah za tako imenovani big data (pri tem mislim na programsko in strojno opremo), s pomočjo katerih analiziramo in obdelamo ogromne količine podatkov.

In katera aplikacija bo imela od te usmeritve največjo korist?
Prav gotovo bo imela od infrastrukture za big data največ koristi analitika, saj uporabnikom omogoča analiziranje podatkov v realnem času.

Kmalu bomo morali podatke komprimirati, jih odstranjevati in analizirati že pri viru. Kako vidite ta premik?
Naj najprej omenim analizo, ki jo je opravil Watson in je postavila enako diagnozo ter priporočila kot tista, ki jo je pripravil »pravi« zdravnik. Zdaj želimo na tem modelu razviti tehnologijo za klicne centre, ki prejemajo ogromne količine podatkov v realnem času. V večini držav se uporabniki ali potrošniki običajno pritožujejo nad klicnimi centri. Predvsem gre za to, da ob prvem klicu ne dobimo pravega odgovora in moramo čakati vsakič, ko pokličemo tja. Zdaj skuša IBM optimizirati klicne centre s pomočjo tehnologije, uporabljene pri Watsonu. Z drugimi besedami, želimo obdelati vse prejete informacije ter poskusiti dati pravi oziroma najboljši možni odgovor stranki že ob prvem klicu.

In kateri podatki bodo pri tem zanemarjeni oziroma odstranjeni?
Ne vem še. Podatke lahko odstranjuješ, samo če veš, kaj je pomembno in kaj ne.

Računalnik se sam ne more odločiti, kateri podatki bodo odpisani. To odločitev bo moral sprejeti človek, mar ne?
Če je implementiran sistem BRMS (Business Rules Management System), potem to ni res. Odločitev sprejme računalnik, ne človek.

Že, ampak pravila postavljajo ljudje, kajne?
Seveda, ampak kako dandanes postavljamo pravila? Glede na bodisi občutek ali izkušnje odločevalca ali pa temeljijo na analitiki. Vem, da je big data obsežna in zelo vroča tema, o kateri se veliko govori, predvsem o tem, kaj je uporabno in kaj ne. Kaj mislite, koliko informacij, ki jih zbere, danes podjetje uporabi za sprejemanje odločitev?

Odvisno od marsičesa, ampak rekel bi, da okrog deset odstotkov.
Res je. To je tudi razlog, da tržnike, ki se želijo vključiti v nove kanale, kot so družabna omrežja, vedno vprašam, ali imajo otipljiv razlog za to in ali vedo, kaj bodo z zbranimi podatki počeli. Analiziranje podatkov je ključnega pomena.

Mislite, da to daje potrošniku večjo moč?
Ljudje niso več zvesti, postali so lovci na cene. Skušajo pač dobiti najugodnejšo ceno in največ za svoj denar. Tista podjetja, ki najdejo načine, da svoje kupce zadovoljijo z nižjimi cenami, dobijo posel in zaslužijo. Četudi malo manj, kot bi po svojem mnenju morala, a vendar še vedno poslujejo, zadovoljen pa je tudi potrošnik. Temu lovu na cene se morajo torej prilagoditi vsi trženjski oddelki. Ljudje skušajo za določeno vsoto denarja dobiti največ. In če podjetja pri tem ne uporabljajo analitike, izgubljajo stranke. Tega ne govorim le zato, ker je to moj posel. Tudi druge stvari kažejo v tej smeri. Denimo situacija s pomanjkanjem podatkovnih analitikov v ZDA. V bližnji prihodnosti bo primanjkovalo kar sto tisoč analitikov in ti bodo zelo dobro plačani, saj so in bodo nujna delovna sila v vsakem podjetju, ki želi ostati konkurenčno. Tudi v Franciji nekatere poslovne šole že kažejo zanimanje za nove MBA študije s poudarkom na poslovni analitiki. Skupaj s še tremi strokovnjaki sem bil povabljen k sodelovanju pri pripravi vsebin za študij poslovne analitike na eni najboljših poslovnih šol v Franciji. Oktobra bomo vsebine predstavili tudi najboljši šoli, HEC. Lahko vam rečem, da to postaja svetovna usmeritev. Težava, ki jo trenutno imamo v Franciji, je, da šole ne poučujejo tistega, kar trg išče. Poučujejo zgolj osnove statistike, a vedeti morajo, da je na trgu nekaj novega. Videti je, da so sporočilo dojeli in da želijo ponuditi tisto, kar želi trg.

Kakšna je prihodnost prediktivne analitike v trženju?
Če pogledamo stopnjo prodiranja tovrstnih rešitev v trženju, vidimo, da je še precej prostora. Pa tudi vpeljana navadno ni tako, kot bi morala biti. Ko govorimo o integraciji prediktivne analitike v poslovanje ali o uporabi nestrukturiranih podatkov, je to v okviru prediktivne analitike drugi korak, do danes pa še nismo dodobra zaključili niti prvega.

Moj mikro, Julij Avgust 2013 | Boštjan Klajnščak