سکان، ابزار تصمیم‌گیری داده‌محور برای مدیران بازاریابی و فروش

سکان، ابزار تصمیم‌گیری داده‌محور برای مدیران بازاریابی و فروش

سکان پلتفرم داده‌محور ایرانی است که با استفاده از ابزارهای علم داده، داده‌کاوی و هوش مصنوعی قصد دارد مدیران ارشد، بازاریابی و فروش کسب‌وکارها را یاری دهد تا به کمک داده‌‌های موجود، سازمان خود را با تصمیماتی داده‌محور و بهینه هدایت کنند. کسب‌وکارها می‌توانند با استفاده از داده‌هایی که تا به امروز جمع‌آوری و ذخیره کرده‌اند، به کمک پلتفرم سکان به تحلیل داده‌ها بپردازند. با تحلیل داده‌ها این امکان برای کسب‌وکار به وجود می‌آید تا بر اساس داده‌ها و اطلاعات مشتریان خود، بهترین تصمیمات را به‌سرعت و با کمترین هزینه در جهت رشد و بهبود بگیرند.

چرا تصمیم‌گیری داده‌محور مهم است؟

سرعت تغییرات در جهان نسبت به گذشته بسیار افزایش یافته است. شاید بتوان گفت، امروزه سرعت یکی از شاخصه‌های اصلی در هر زمینه‌ای برای موفقیت و پیروزی محسوب می‌شود. کسب‌وکارها نیز از این موضوع مستثنا نیستند و نیاز دارند که به سرعت تحلیل کنند، تصمیم بگیرند و با تمام توان و سرعت اجرا کنند. به همین دلیل، کسب‌وکارهای کوچک دیگر رقبایی دست‌وپا بسته نیستند و می‌توانند به کمک سرعت خود در برابر غول‌های هر صنعتی قد علم کنند.

سرعت بالا در فرایند تصمیم‌گیری از طریق استفاده از فناوری می‌تواند در سودآوری و عملکرد کسب‌وکار تأثیرگذار باشد. در اینجاست که نقش داده پررنگ می‌شود تا کسب‌وکارها با تحلیل و بررسی داده‌‌ها و نتیجه‌گیری نهایی، اقداماتی را انجام دهند که در برابر رقبای خود به مزیت‌های رقابتی دست یابند. جمع‌آوری و پاکسازی داده‌ها، اولین مرحله شروع فرایند تحلیل داده است. لازم به ذکر است که بسیاری از کسب‌وکارها از تراکنش‌های مالی و خرید مشتریان خود، حجم انبوهی از داده‌ها را به دست می‌آورند و دیگر دغدغه این موضوع مطرح نیست. مرحله بعدی تحلیل و ارزیابی داده‌هاست که می‌تواند چالش‌برانگیز باشد. به طول کلی می‌توان در چهار سطح به تحلیل داده‌ها پرداخت.

سطوح مختلف تحلیل داده با توجه به مزیت رقابتی و تأثیرگذاری در کسب‌وکار
سطوح مختلف تحلیل داده با توجه به مزیت رقابتی و تأثیرگذاری در کسب‌وکار

تحلیل توصیفی

به معنی بررسی آمار جمع‌آوری شده از گذشته است که در نهایت یک گزارش ساده از داده‌‌ها تهیه می‌شود؛ مانند ثبت ۱۰۰۰ سفارش در هفته گذشته.

تحلیل تشخیصی

به کمک این نوع تحلیل نتایج تحلیل توصیفی مورد بررسی قرار می‌گیرد؛ یعنی به چه دلیل در هفته گذشته ۱۰۰۰ کالا به فروش رسیده است. در این قسمت تحلیلگران، داده‌ها را از دیدگاه‌های مختلف دسته‌بندی می‌کنند تا دلیل افزایش تعداد فروش مشخص شود؛ جنس کالا، مناسبت خاص، ارائه تخفیف و … .

تحلیل پیش‌بینی‌کننده

در این تحلیل بر اساس عملکرد گذشته، اتفاقات احتمالی آینده پیش‌بینی می‌شود. به عنوان مثال، با کاهش قیمت کالا از ۵ هزار ریال به ۴ هزار ریال، فروش ۳۰٪ افزایش خواهد یافت. این تحلیل به مدیران کمک می‌کند تا برای آینده کسب‌وکار بودجه‌بندی و تصمیم‌گیری بهتری انجام دهند.

تحلیل‌های تجویزی

در این حالت باید حجم انبوهی از داده‌ها بررسی شود که انجام این کار یا در توان نیروهای انسانی نیست یا به زمان و هزینه بسیار زیادی نیاز دارد. در تحلیل‌های تجویزی با استفاده از داده‌های خام کسب‌وکار، تصمیمات لازم جهت بهبود عملکرد کسب‌وکار توسط سیستم گرفته می‌شود. به عنوان مثال، با توجه به وجود ۱۰۰۰ کالا و احتمال فروش ۱۵۰۰ کالا در هفته بعد، موجودی کالا باید افزایش یابد.

هیرمند لشکری

هیرمند لشکری، مدیر ارشد بازاریابی سکان
هیرمند لشکری، مدیر ارشد بازاریابی سکان

هیرمند لشکری، مدیر ارشد بازاریابی سکان، متولد سال ۱۳۶۱ است. او فارغ‌التحصیل رشته بازاریابی کسب‌وکار از دانشگاه ایالتی کالیفرنیا در نورتریج در مقطع کارشناسی است. او در ۹ سالگی به همراه خانواده به آمریکا مهاجرت کرد و بخش عمده‌ای از عمر خود را در آنجا گذراند. او در آمریکا در شرکت‌های حوزه تجارت الکترونیک مشغول به کار بوده و تجربیات خوبی در حوزه داده و بازاریابی کسب کرده است.

با عقد برجام، فضای فناوری و تکنولوژی ایران مورد توجه هیرمند قرار می‌گیرد و به ایران مهاجرت می‌کند. او درباره دلیل این تصمیم‌گیری می‌گوید:

نهایی شدن برجام، اتفاق بسیار هیجان‌انگیزی برای من بود و کنجکاو بودم، بدانم چشم‌انداز ایران چه خواهد شد؟ به‌خصوص حوزه فناوری و تکنولوژی برای من جذاب و جالب بود. به همین دلیل، از ساحل سیلیکون (Silicon Beach) که در آنجا مشغول به کار بودم، به سیلیکون تهران مهاجرت کردم.

هیرمند سابقه سه سال فعالیت در فضای استارتاپی ایران را دارد و در این مدت با استارتاپ‌های بزرگی همکاری کرده است. شروع کار او در استارتاپ دیجی‌استایل با سمت مدیر ارشد بازاریابی بود. سپس در دیجی‌کالا به عنوان مدیر داده محصول (Data Product Manager) مشغول به کار شد. آخرین فعالیت او قبل از ورود به سکان در استارتاپ الوپیک به عنوان مدیر ارشد بازاریابی بود.

شروع کار سکان

ایده سکان ابتدا در مجموعه سحاب‌پرداز شکل گرفت. مجموعه سحاب‌پرداز در حوزه کلان‌داده و راهکارهای مبتنی بر داده فعالیت می‌کند و حضور سرمایه‌های انسانی متخصص در این حوزه از نقاط قوت این مجموعه است. مجموعه سحاب‌پرداز که در حال پیاده‌سازی ایده پلتفرم سکان بود، از هیرمند لشکری به عنوان مشاور دعوت به همکاری کرد.

در زمان فعالیت هیرمند در دو استارتاپ دیجی‌کالا و الوپیک، دسته‌بندی مشتریان بر اساس عملکرد خرید آن‌ها و پیاده‌سازی استراتژی مناسب بازاریابی برای هر دسته از مشتریان از معضل‌های تیم بازاریابی و او بوده است. هدف از انجام این کار افزایش تعداد مشتریان وفادار بود. چالش‌های متفاوتی که او در این مسیر تجربه کرد، باعث شد تا ایده ساخت پلتفرم سکان از تحلیل داده‌های مکانی به تحلیل داده‌های فروش تغییر مسیر دهد. ایده ساخت چنین پلتفرمی برای هیرمند پروژه‌ای جذاب بود و او درنهایت به صورت تمام‌وقت با این مجموعه در ساخت این پلتفرم شروع به همکاری کرد.

تنها پس از ۸ ماه از ایده‌‌پردازی، نسخه اولیه سکان راه‌اندازی شد. در این مدت تیم سکان سعی کردند با گفتگوهای متعدد با مدیران بازاریابی و شناخت نیاز کسب‌وکارها در زمینه بازاریابی بازگشتی (Retention Marketing)، محصولی مطابق با نیاز بازار پیاده‌سازی کنند و آن را توسعه دهند.

مشکل، غرق شدن در داده

در جهانی با سرعتی بسیار بالا در تغییرات، تصمیم‌گیری بسیار سخت و دشوار شده است؛ زیرا در صورتی که سرعت تصمیم‌گیری بالا نباشد، شاید نتیجه نهایی مطلوبی به دست نیاید. به همین دلیل مدیران کسب‌وکارها نیاز به تصمیم‌گیری سریع دارند که از طریق تصمیم‌گیری داده‌محور برای آن‌ها ممکن خواهد شد.

با این حال، پیاده‌سازی زیرساخت لازم برای انجام این کار در فضای کسب‌وکار مشکلات خود را دارد. ایجاد زیرساخت مناسب در ابتدا نیاز به شناخت کسب‌وکارها از فناوری دارد تا بتوانند به کمک آن‌ها داده‌های خود را جمع‌آوری کرده و پاکسازی کنند. سپس باید علم و دانش کافی در اختیار سازمان باشد تا بتوانند داده‌های موجود را تحلیل کرده و بر اساس آن‌ها تصمیم‌گیری نهایی انجام شود. موارد ذکر شده از مشکلات اصلی به‌کار‌گیری علم داده در کسب‌وکارهاست. در ادامه به تعدادی دیگر از مشکلات می‌پردازیم.

حجم انبوهی از داده بدون استفاده

بسیاری از کسب‌وکارهای ایرانی حجم انبوهی از تراکنش‌ها و مشتریان خود را جمع‌آوری کرده‌اند؛ اما هیچ استفاده‌ای از آن‌ها نکرده‌اند. در حال حاضر شاید تعدادی از آن‌ها به کمک ابزارهایی مانند اکسل و هوش کسب‌وکار (Business Intelligence) سعی می‌کنند از این داده‌ها استفاده کنند. ولی این ابزارها تا حدی کارا هستند و تنها تحلیل توصیفی را انجام می‌دهند.

نیاز به سرمایه‌گذاری بلندمدت بر روی تیم تحلیل داده داخلی

یک تیم تحلیل داده از افراد مختلفی تشکیل شده است که در پنج زمینه مهندسی، برنامه‌نویسی، طراحی، تحلیلگر کسب‌وکار و استراتژی مهارت دارند. ساخت چنین تیمی علاوه بر کمبود نیروی انسانی باتجربه و متخصص، بسیار هزینه‌بر و گران است. هزینه یک تیم ۵ نفره و سخت‌افزار موردنیاز برای تحلیل داده، حداقل ۸ میلیارد ریال در سال است. چنین هزینه‌ای برای بسیاری از کسب‌وکارها قابل پرداخت نیست.

از زمان تصمیم به ایجاد یک تیم تحلیل داده داخلی، استخدام افراد مناسب، هماهنگی اعضای تیم و درنهایت ایجاد ارتباط مناسب بین تحلیلگران تجاری با تحلیلگران داده، ۲ سال طول خواهد کشید. پس از این مراحل، کار تیم تحلیل داده با شناسایی مشکلات کسب‌وکار شروع می‌شود. سپس برای هر مشکل، داده و اطلاعات لازم جمع‌آوری و تحلیل می‌شود و در پایان با توجه به تحلیل‌های انجام شده، راه‌حل‌های مناسب ارائه می‌گردد.این فرایند باید برای هر مشکل طی شود؛ در نتیجه به زمان زیادی نیاز است تا کسب‌وکار بتواند از تیم تحلیل داده خود بازدهی مناسب را کسب کند.

همه این موارد باعث شده تا کسب‌وکارها از بازدهی تیم تحلیل داده خود راضی نباشند. همچنین با توجه به نوپا بودن تیم تحلیل داده در سازمان و نیاز به زمان طولانی پیاده‌سازی تصمیم‌گیری داده‌محور، تیم‌های تحلیل داده در مسیر خود سردرگم و در داده‌های موجود غرق می‌شوند.

تقاضای بالا برای متخصصین علم داده

در فضای بین‌المللی، متخصصان علم داده خواهان و طرفداران زیادی دارند و کسب‌وکارها برای استخدام آن‌ها پیشنهادهای کاری وسوسه‌انگیزی می‌دهند. این موضوع باعث می‌شود تمایل متخصصان ایرانی به همکاری با کسب‌وکارهای خارجی و مهاجرت بیشتر شود. در نتیجه حفظ این افراد و ایجاد انگیزه در آن‌ها برای کسب‌وکارها بسیار سخت است و امکان قطع همکاری اعضای تیم در میانه راه وجود دارد.

علاوه بر سخت بودن حفظ اعضای تیم تحلیل داده، یافتن نیروی متخصص و باتجربه در این حوزه بسیار سخت است. در حال حاضر تعداد افراد علاقه‌مند به این حوزه زیاد است؛ اما افرادی که بتوانند با ورود به سازمان، بازدهی و عملکرد خوبی داشته باشند، کمیاب هستند.

عدم‌بلوغ کسب‌وکارها در استفاده از علم داده

تشکیل تیم تحلیل داده صرفاً کافی نیست و کسب‌وکارها باید با این موضوع آشنا باشند که تا چه اندازه و چگونه از تیم تحلیل داده خود حمایت کنند. عدم‌بلوغ استارتاپ‌ها باعث می‌شود تا اهداف اصلی از راه‌‌اندازی تیم تحلیل داده در میان دیگر اهداف کسب‌وکار گم شود و درنهایت تیم داده نمی‌تواند به هدف اصلی خود دست یابد.

کسب‌وکارهای ایرانی به جایگاهی نرسیده‌اند که بتوانند از پس مدیریت و هزینه یک تیم مستقل تحلیل داده برآیند. به همین دلیل، اگر تیم بازاریابی به تحلیل داده نیاز پیدا کند، از نیروهای فعال در تیم فناوری و اطلاعات استفاده می‌کند که شاید در حوزه علم داده توانایی و بازدهی مناسبی نداشته باشند.

تغییر سریع رفتار مشتریان

فناوری به مشتریان کمک کرده تا در کمترین زمان ممکن اطلاعات موردنیاز خود را برای خرید کسب کنند. به همین دلیل شناخت مشتریان از محصولات و برندها افزایش یافته و حق انتخاب بسیار زیادی دارند. سؤال اصلی در اینجاست که بازاریابان چگونه می‌توانند با مشتریان ارتباط برقرار کنند و آن‌ها را متقاعد به خرید کنند؟ چگونه می‌توانند تجربه‌ای خوب از خرید برای آن‌ها فراهم کنند تا آن‌ها را به مشتری وفادار تبدیل کنند؟ همچنین از چه راهی می‌توان بازدهی و صحت عملکرد استراتژی‌های بازاریابی فعلی و انجام شده را اندازه گرفت؟

در فضای کسب‌وکار، بازیگرانی موفق خواهند بود که بتوانند هدفمند‌تر و بهینه‌تر هزینه بازاریابی خود را مدیریت کنند. یکی از بخش‌‌هایی که هزینه زیادی را در برمی‌گیرد، هزینه بازاریابی و فروش در این بازارها است. وفادار کردن مشتریان و شناسایی محصولات موردنیاز آن‌ها نیاز به استراتژی مناسب با بودجه بهینه دارد. تبدیل یک مشتری عادی به مشتری وفادار، نیاز به شناخت رفتار مشتریان دارد که این کار تنها از طریق دسته‌بندی مشتریان انجام‌پذیر است. این کار در بسیاری از شرکت‌ها به صورت دستی و مبتدی انجام می‌شود. به همین دلیل شاید چنان که باید بازدهی خوبی ندارد.

راه‌حل، شنا در داده

با افزایش سرعت تغییر رفتار مشتریان، کسب‌وکارها نیاز دارند تا بتوانند با سرعت بالا رفتار آن‌ها را تحلیل و بر اساس آن تصمیمات لازم را اتخاذ کنند. انجام چنین کاری تنها از طریق فناوری ممکن است. فناوری‌های تحلیل داده می‌تواند یاری‌دهنده کسب‌وکارها در این مسیر باشد.

پلتفرم سکان به کمک داده‌های موجود کسب‌وکارها، تحلیل‌های پیشرفته‌ای بر روی داده انجام می‌دهد و نتایج را در یک پنل شخصی‌سازی شده بر اساس نیازهای کسب‌وکار نمایش می‌دهد. سکان این امکان را در اختیار کسب‌وکارها قرار می‌دهد تا به‌سرعت رفتار مشتریان خود را بدون نیاز به تیم تحلیل داده داخلی، بررسی کرده و تصمیمات داده‌محور اتخاذ کنند.

شخصی‌سازی پنل بر اساس نیاز کسب‌وکار

هر کسب‌وکار با توجه به نیازهایی که دارد، می‌تواند شاخص کلیدی عملکرد (KIP – Key Performance Indicator) و تحلیل‌های موردنیاز خود را در سکان پیاده‌سازی کند. سکان با مطالعه ساختار صنعت ایران و بهره‌گیری از نمونه‌های خارجی سعی کرده شاخص‌های کلیدی عملکرد موردنیاز برای بازاریابی در ایران را در خود جای دهد. هر کسب‌وکار با توجه به ماهیت فعالیت خود می‌تواند شاخص‌های کلیدی عملکرد موردنیاز خود را انتخاب کند تا بر اساس آن‌‌ها تحلیل و ارزیابی داده انجام شود. در زمان یکپارچه‌سازی سکان با کسب‌وکار، در صورتی که شاخص‌های کلیدی عملکرد دیگری نیاز باشد، شناسایی شده و در پلتفرم پیاده‌سازی می‌شود.

هزینه کمتر در نسبت با استفاده از تیم تحلیل داده داخلی

پلتفرم سکان با استفاده از ابزارهای علم داده و نیروی انسانی متخصص خود، کسب‌وکارها را از نیاز به تیم تحلیل داده داخلی بی‌نیاز می‌کند و با هزینه مالی و زمانی کمتر، زمینه تصمیم‌گیری داده‌محور را فراهم می‌کند. نمونه‌های مشابه خارجی سکان علاوه بر اینکه با ساختار صنعت ایران همخوانی ندارند، برای کسب‌وکارهای ایرانی گران هستند. سکان با هزینه پایین و هماهنگ با نیازهای بازار ایران می‌تواند گزینه مناسبی برای کسب‌وکارهای ایرانی در استفاده از علم داده باشد.

رابط کاربری آسان

سکان در زمان مطالعه و تحقیق بازار سعی کرده تا شاخص‌های کلیدی عملکرد اصلی را در پلتفرم خود جای دهد. تجربه کاربری آسان در کنار توصیف هر کدام از شاخص‌های کلیدی عملکرد به زبان ساده، به مدیران ارشد کمک می‌کند تا دیگر دغدغه تحلیل داده و نیاز به علم بالا در فناوری نداشته باشند و بتوانند به کمک پلتفرم سکان، تصمیم‌گیری داده‌محور را انجام دهند.

خودکاری‌سازی دسته‌بندی مشتریان

سکان به کمک ابزارهای خود، رفتار مشتریان را به کمک داده‌های جمع‌آوری شده‌، تحلیل می‌کند و بر اساس روش (RFM – Recency, Frequency, Monetary) مشتریان را دسته‌بندی می‌کند. این تحلیل به صورت خودکار توسط پلتفرم سکان انجام می‌شود و مدیران کسب‌وکار می‌توانند درلحظه و با آخرین اطلاعات به‌روزرسانی شده مشتریان خود را رصد کنند.

کلمه RFM مخفف سه کلمه Recency به معنای آخرین زمان خرید، Frequency به معنای تعداد تکرار خرید و Monetray به معنای مبلغ کل خرید است که به عنوان یکی از بهترین روش‌های داده‌محور برای دسته‌بندی مشتریان شناخته می‌شود. سکان ابزار دسته‌بندی خودکار مشتریان RFM را ارائه می‌کند که بازاریابان به کمک آن می‌توانند به آسانی به داده‌های مربوط به دسته‌های مختلف مشتریان دسترسی داشته باشند.

تحلیل محصولات

کسب‌وکارهایی که تنوع محصولات بالایی دارند، می‌توانند به کمک پلتفرم سکان، محصولاتی که در نظر مشتریان ارزش بالایی دارند را شناسایی کنند. در این حالت کسب‌وکارها می‌توانند تمرکز خود را بر روی محصولاتی بگذارند که برای مشتریان مهم است. همچنین این امکان را خواهند داشت که به راحتی بتوانند تشخیص دهند که چه محصولی را به چه سبکی به فروش برسانند تا مشتری‌محور شوند.

ارزش پیشنهادی

هیرمند لشکری ارزش پیشنهادی سکان را این‌گونه توصیف می‌کند:

سکان یک پلتفرم تحلیلی است که ابزارهای پیشرفته تحلیلی را در اختیار تصمیم‌گیرندگان کسب‌وکار قرار می‌دهد. این پلتفرم توانایی تحلیلی خود را از علم داده، داده‌کاوی و یادگیری ماشین به دست می‌آورد. ساده‌سازی فرایند تصمیم‌گیری با استفاده از تحلیل‌های پیشرفته در سریع‌ترین زمان و با کمترین هزینه از ارزش‌های پیشنهادی سکان است.

محصول

پلتفرم سکان مشتریان را با روش تحلیلی RFM به ۱۱ دسته مختلف دسته‌بندی می‌کند. هر دسته از مشتریان دارای ویژگی خاصی هستند که تعامل با آن‌ها نیاز به استراتژی‌های متفاوت و منحصربه‌فردی دارد. این استراتژی از تشویق مشتری به افزایش حجم یا تعداد خرید، تشویق به انجام خرید اول تا ارائه کد تخفیف و جایزه متفاوت است.

یکپارچه‌سازی پلتفرم سکان با مرکز داده کسب‌وکار

سکان در حال حاضر دو نوع تحلیل توصیفی و تشخیصی را در اختیار کسب‌وکارها قرار می‌دهد. سکان قابلیت وب سرویس را در اختیار مشتریان خود قرار می‌دهد و در صورتی که خود کسب‌وکار توانایی یکپارچه‌سازی نداشته باشد، تیم سکان این کار را انجام خواهد داد. سکان هم به صورت ابری و به صورت نصبی اختصاصی (On-premise) در دسترس کسب‌وکارها است که با توجه به شرایط خود بتوانند از آن استفاده کنند.

پلتفرم سکان برای کسب‌وکارهایی مناسب است که اطلاعات هر کدام از خرید‌‌های مشتریان را ثبت و جمع‌آوری کرده باشند. برای این کار تنها کافی‌ست که شرکت از یک نرم‌افزار حسابداری استفاده کند تا تمامی تراکنش‌ها ثبت شوند. با جمع‌آوری این اطلاعات، با یکپارچه‌سازی مرکز داده کسب‌وکار و پلتفرم سکان، داده‌ها در پلتفرم سکان جمع‌آوری می‌شود. سپس با پاکسازی داده‌ها و تبدیل به قالبی که برای تحلیل داده کاربرد دارد، تحلیل و ارزیابی می‌شود.

دسته‌بندی مشتریان

در پلتفرم سکان با انتخاب تاریخ موردنظر، در کمترین زمان داده‌ها تحلیل و رفتار مشتریان بر اساس روش RFM به ۱۱ نوع دسته‌بندی می‌شوند. پس از دسته‌بندی مشتریان، آمار مربوط به تعداد مشتریان، مجموع درآمد، میانگین درآمد، تعداد سفارش، میانگین تعداد سفارش، تعداد مرجوعی و … به تفکیک دسته‌بندی قابل مشاهده است.

دسته‌بندی مشتریان بر اساس روش RFM در پلتفرم سکان
دسته‌بندی مشتریان بر اساس روش RFM در پلتفرم سکان

به کمک ابزار پایه تحلیل می‌توان اطلاعات موجود در مرکز داده را بر اساس منطقه و محصول فیلتر کرد تا بر روی داده‌‌های محدودتر تحلیل انجام شود. این قابلیت برای کسب‌وکارهایی با تنوع محصول بالا یا حوزه گسترده فعالیت در سطح کشور بسیار کاربردی است.

استفاده از ابزار پایه تحلیل برای فیلتر کردن داده‌ها در پلتفرم سکان
استفاده از ابزار پایه تحلیل برای فیلتر کردن داده‌ها در پلتفرم سکان

با توجه به اتصال پلتفرم سکان به مرکز داده کسب‌وکار، به سادگی اطلاعات مشتریان هر دسته قابل دانلود است تا تیم بازاریابی برای هر دسته از مشتریان استراتژی و تصمیم مناسب را انتخاب کنند.

جابه‌جایی مشتریان

سکان این امکان را در اختیار کسب‌وکار قرار می‌دهد تا آمار مربوط به هر دسته از مشتریان را در بازه‌‌‌های زمانی مختلف مقایسه کنند. با مقایسه تعداد مشتریان در دو بازه زمانی مختلف، می‌توان متوجه شد مشتریان بین کدام یک از دسته‌ها جابه‌جا شده‌اند و رفتار خریدشان تغییر کرده است.

نمایش روند جابه‌جایی مشتریان در بازه زمانی تعیین شده در پلتفرم سکان
نمایش روند جابه‌جایی مشتریان در بازه زمانی تعیین شده در پلتفرم سکان

تحلیل سبد مشتریان

با توجه به اطلاعات کسب شده از مشتریان،‌ سبد خرید مشتریان بر اساس محصولاتی که خرید کرده‌اند در پلتفرم سکان تحلیل می‌شود. در این حالت میزان فروش دسته‌بندی‌های کالایی و محصولات از دیدگاه‌های مختلف مانند فروش ریالی و تعداد می‌تواند مورد بررسی قرار گیرد. تحلیل سبد خرید مشتریان این امکان را به کسب‌وکار می‌دهد تا متوجه شود سهم خرید هر دسته از مشتریان از هر محصول چقدر است تا بتواند بر اساس آن به هر دسته از مشتریان پیشنهاد‌های اختصاصی ارسال کند. همچنین مدیریت موجودی و اطلاع از نرخ مرجوعی از دیگر اطلاعاتی است که تحلیل سبد خرید مشتریان سکان در اختیار کسب‌وکار قرار می‌دهد.

تحلیل سبد خرید مشتریان در پلتفرم سکان
تحلیل سبد خرید مشتریان در پلتفرم سکان

اندازه بازار

در تحقیق بازار انجام شده توسط سکان، صنایعی که در آن بازاریابی بازگشتی (Retention Marketing) مهم و حیاتی بود به عنوان مشتریان اصلی سکان انتخاب شدند. شرکت‌های پخش، فروشگاه‌های خرده‌فروشی، برندهای خرده‌فروشی، صنعت کالاهای تندمصرف و تجارت الکترونیک از بازارهایی است که می‌تواند برای شروع کار سکان پتانسیل خوبی داشته باشند.

انتظار می‌رود رشد چندین میلیارد دلاری در زمینه تمایل کسب‌وکار به استفاده از خدمات تخصصی علم داده در جهان ایجاد شود.

رقبا و شرکا

در بازار ایران، سکان رقیب خاصی ندارد و هیرمند دراین‌باره می‌گوید:

در ایران رقیب خاصی نداریم و اگر هم شرکتی که مانند ما وجود داشته باشد، ما آن را شناسایی نکردیم. بزرگ‌ترین رقیب ما تیم‌های تحلیل داده داخلی سازمان‌ها هستند.

هیرمند درباره رقبا می‌افزاید:

ما در سکان از رقبای خارجی خود الهام گرفتیم و سپس پلتفرم را بومی‌سازی کردیم. زیرا اساساً مسائل و مشکلات کسب‌وکارهای ایرانی با کسب‌وکارهای بین‌المللی بسیار متفاوت است. شرکت EXPONEA الهام‌بخش ما در تولید سکان بوده‌اند. این شرکت‌ها بیشتر در تجارت الکترونیک تمرکز دارند؛ در حالی که به نظر ما در ایران صنعت کالاهای تندمصرف به تصمیم‌گیری مبتنی بر داده نیاز دارد.

چشم‌انداز، توسعه پلتفرم و فعالیت در بازار بین‌المللی

در حال حاضر دو بخش دسته‌بندی مشتریان و تحلیل محصولات در پلتفرم سکان وجود دارد. سکان قصد دارد در آینده به کمک دانش علم داده و پلتفرم خود، تحلیل‌های پیش‌بینی‌کننده و تجویزی را به کسب‌وکارها نیز ارائه دهد. سکان در حال حاضر در مرحله تطابق محصول و بازار است و سعی دارد با توجه به نیاز شرکای تجاری استراتژیک خود قابلیت‌های جدید زیر را در پلتفرم خود توسعه دهد:

  • پیش‌بینی فروش
  • پیش‌بینی اثر قیمت‌گذاری‌های مختلف
  • پیش‌بینی طول عمر مشتری
  • پیش‌بینی محصول‌های پیشنهادی
  • تحلیل عملکرد فروش
  • پیش‌بینی تقاضا
  • تحلیل نوسانات ارزی
  • مدیریت دسترسی‌ها و سطح تحلیل‌‌ها

پلتفرم سکان به گونه‌ای طراحی شده است که می‌تواند نیاز کسب‌وکارهای بین‌المللی را نیز برطرف کند. ورود به بازارهای بین‌المللی از چشم‌اندازهای سکان نیز هست. منابع انسانی کافی که سحاب‌پرداز در اختیار سکان قرار می‌دهد، کمک می‌کند تا این پلتفرم توانایی رقابت در بازارهای بین‌المللی و ارائه فناوری‌های روز را داشته باشد.

چالش

سکان بیشتر بر روی کسب‌وکارهای سنتی ایرانی تمرکز دارد و اقتباس از نمونه‌های خارجی کارا نیست. سکان با الهام از نمونه‌‌های خارجی سعی دارد در فضای سنتی ایران مانند صنعت خرده‌فروشی و کالاهای تندمصرف شروع به فعالیت کند که می‌تواند مشکلاتی مانند یکپارچه‌سازی داده، عدم‌تمایل مدیران به این کار و … داشته باشد.

فعالین صنعت در ایران اطلاعات خوبی از قابلیت‌های داده‌کاوی و علم داده ندارند و با این موضوع به صورت کامل آشنا نیستند که این ابزارها چه گزینه‌هایی در اختیار آن‌ها قرار می‌دهد. یکی از چالش‌های اصلی سکان در پیاده‌سازی پلتفرم خود، آموزش مدیران ارشد و بازاریابی با این سبک از تحلیل داده است.

علاوه بر آموزش، جلب اعتماد مدیران در یکپارچه‌سازی مراکز داده کسب‌وکار با پلتفرم سکان نیز می‌تواند از چالش‌های دیگر سکان باشد. زیرا که حفظ امنیت داده از اولویت‌های اصلی هر کسب‌وکاری است و جلب اعتماد مدیران می‌تواند کار سختی باشد.