Author Archives: Lucie Žáčková

Z vánočních výzkumů S/M, aneb Češi jsou prostě konzervativní.

Výzkumy na téma Vánoc děláme od roku 2010, pokaždé se na ně snažíme podívat z jiného úhlu, ale některé věci se v nich prostě stále opakují:

Vánoce,_smažený_kapr

 

  1. Vánoce chceme trávit doma s nejbližší rodinou, a trávíme je doma s nejbližší rodinou!
  2. Hodně se navštěvujeme. To už tak moc nechceme, ale jinak to nejde. V průměru navštívíme až 10 příbuzných/blízkých a nacestujeme za nimi 100 km!
  3. Bez opravdového vánočního stromečku z lesa to nejde, umělohmotné náhražky zatím moc nefrčí.
  4. S radostí zapalujeme svíčky a prskavky, i když u každé 10. rodiny hořel stromeček.
  5. Bramborový salát rovná se Vánoce, a naopak. Kapr už to tak jasné nemá. Silně mu konkuruje řízek (kuřecí či vepřový) nebo jiná ryba (losos, filé atp.)
  6. Dárky k Vánocům patří, chceme si je užít. A každý rok si slibujeme, že jich letos konečně rozdáme méně.
  7. Novoroční předsevzetí si nedáváme, stejně bychom je nedodrželi :).

Rádi cestujete, fotíte a hodnotíte? Tak vyzkoušejte naši aplikaci!

Po té, co jsme ve STEM/MARK vybrousili Smaragd[1], je na světě další novinka z naší inovační laboratoře, určená všem uživatelům smartphonů s Androidem.

Vlastními silami vyvinutou mobilní aplikaci „Tracking cestování“ začal STEM/MARK testovat letos v prosinci. Aplikace je primárně zaměřená na hodnocení navštívených míst jak v ČR, tak v zahraničí, a využívá údaje o GPS poloze uživatelů. Jejím prostřednictvím mohou uživatelé zaznamenávat v Google mapě všechna navštívená místa a zároveň hodnotit kvalitu poskytovaných turistických služeb. Kromě toho do ní mohou vkládat fotografie pořízené na svých dobrodružných cestách a inspirovat tak ostatní uživatele.

Například inspiraci z cest zaslal sám ředitel SM, Honza Tuček

reditel_na_cestach 

Aplikace se sama snaží uhodnout, kdy je člověk na výletě/dovolené, a připomíná mu, aby své dojmy zaznamenal. Jedná se tak o další přírůstek do rodiny activity trackingových/experience samplingových aplikací. Právě prostřednictvím této aplikace by měl probíhat výzkum pro Czech Tourism zaměřený na monitoring cestovního ruchu. Nejde o to lidi „sledovat“, výzkum by měl odhalit, kam a s jakým záměrem jezdí lidé na kratší výlety, či kde a jak tráví svoji dovolenou. Jestli jezdí stále na stejná místa, nebo pokaždé jinam. Jestli tráví víkendy prací na chatě, nebo cestují třeba za památkami po republice. A samozřejmě by měl také odkrýt, jak jsou lidé spokojeni s nabízenými službami v navštívené lokalitě.

Aplikace je vytvořena tak, aby uživateli „nežrala baterii“ ani „neplýtvala daty“. Je veřejně dostupná na Google Play a z  https://play.google.com/store/apps/details?id=cz.stemmark.android.czechtourism  si ji může volně stáhnout každý zájemce. Pokud si chcete aplikaci vyzkoušet a do projektu se zapojit, budeme rádi!

[1] Smaragd®  je plnohodnotný internetový prohlížeč, který naši respondenti používají pro výzkumné účely, a psali jsme o něm v našem úplně prvním newsletteru!

Vizualizace vícerozměrných dat ála Chernoff

V minulém newsletteru jsme Vám ukázali, jak lze pomocí jednoduchých ikonek data rozhýbat (statistiky.stemmark.cz/cteni/). Přitom nejde jen o efekt. Díky tomuto zobrazení se může zvídavý uživatel (atypicky klient :)) jednoduše a intuitivně obeznámit s detailní strukturou dat a případně odhalit nečekané souvislosti. Navzdory roztomilým ikonkám a přidané informaci se stále jedná o běžný graf, který zobrazuje jednu nebo dvě proměnné (například pohlaví vs. frekvenci čtení knih).

Pokud ale chceme v jednom grafu znázornit skupinu několika proměnných, situace se komplikuje. Například potřebujeme porovnat jednotlivé značky aut podle maximální rychlosti, akcelerace, spotřeby, brzdné dráhy, bezpečnostních prvků a dalších jízdních vlastností. Zobrazit všechny tyto proměnné v jednom grafu pro jednotlivé značky je větší oříšek, ale jde to. Jedním z možných řešení je využití tzv. ikonových/symbolových grafů. Z nich asi nejznámějším reprezentantem jsou Chernoffovy kreslené obličeje. Nejedná se o žádnou metodickou novinku, Herman Chernoff je vymyslel již v roce 1973. Dnešní softwarové možnosti však tuto vizualizaci značně zpřístupnily a není tedy na škodu si připomenout, o co jde.

Chernoffa napadlo, že člověk je naprogramován….

531px-Chernoff_faces_construction.svg

Chernoff vycházel z prostého předpokladu, že člověk je naprogramován tak, aby jednoduše rozpoznával podobnosti nebo odlišnosti tváří. Napadlo ho, že by mohl zobrazit všechny zkoumané proměnné v jednom obličeji. V případě jízdních vlastností aut by to například znamenalo, že velikost uší odpovídá dosahované maximální rychlosti, šířka rtů představuje akceleraci, tvar nosu vypovídá o spotřebě atd. Následně se jen porovnají jednotlivé obličeje (značky aut), což jde podle původního předpokladu intuitivně, bez větší námahy. To celé nám umožňuje snadněji se orientovat ve vícerozměrných datech, odhadovat trendy či rychle vyselektovat odlišné nebo podobné případy.

Jako příklad vizualizace dat pomocí Chernoffových obličejů jsme zvolili výskyt kriminálních činů a přestupků v jednotlivých krajích v roce 2012 přepočtený na 1000 obyvatel (//www.mapakriminality.cz). Pro tvorbu obličejů jsme použili náš oblíbený software R, který navíc barevně vyznačí podobné obličeje na základě statistické kategorizace všech proměnných.

legenda

chernoff_obliceje

A teď co z obličejů vyplývá … zkusme malý kvíz. Najděte kraj/kraje:
1) ve kterém se nejčastěji odehrávají vraždy,
2) ve kterém se nejčastěji odehrávají násilné trestné činy,
3) ve kterém nejčastěji dochází k maření úředního rozhodnutí.

Pro ty, kteří si snad nevědí rady, je tady malá nápověda, jak číst obličejový graf.

praha_chernoff

Určitě jste si poradili! Jestli jste odpověděli správně, se dozvíte zde: http://www.stemmark.cz/downloads/reseni_3.jpg

PS: Možností jak účinně a chytlavě vizualizovat informace je nepřeberně. V tomto směru by se Vám pro novoroční rozjímání mohl hodit speciálně tento typ informace //www.informationisbeautiful.net/visualizations/cocktails/.

Cherchez la femme … ano, i v pánské módě

Motto: „Jestliže nemůžete být lepší než vaše konkurence, jednoduše se lépe oblečte.“ Anna Wintour

Všimli jste si nového módního stylu našeho ředitele? Oslovil vás jeho normcore nebo barevné ponožky? Následující řádky odhalují, jak k tomu došlo.

STEM/MARK spolu s časopisem FORMEN zmapoval potenciál českého trhu v oblasti pánské módy, stylu a image. Výsledkem je inspirativní a prodejně úspěšná FORMEN FASHION BIBLE PRO MUŽE z vydavatelství Mladá Fronta s  podrobným praktickým manuálem moderního pánského oblékání. (//www.formenonline.cz/)

Náš rozsáhlý výzkum verifikoval zlaté pravidlo evoluční biologie, že všechen ten cirkus kolem módy chlapi dělají hlavně kvůli ženám. Jak taky jinak?! Ženy na oplátku podstatně ovlivňují image svého partnera (manžela, milence) – nakupují s ním, radí mu ve výběru a při oblékání, chválí ho nebo kárají, doporučují změnu. Každá žena na to ale jde jinak. Pro představu uvádíme několik autentických výroků: „Máš důležitou schůzku, tak ať tam nejsi za hastroše!“ „Prosím tě, co sis to dnes vylovil za kombinaci?” „Manžel mou připomínku uzná a jde se bez řečí převléknout.“ „Toto ti sluší, ale tam, kam jdeme, se to moc nehodí.“ „No, to snad nemyslíš vážně! Podíval ses do zrcadla?“ „Myslíš, že je dost tma, aby ses mohl takhle oblíknout?“ „Eh… tohle je teda hodně netradiční.“ „Tak buď si dej svetr a nikde se nevysvlíkej, nebo si vem jinou košili!“ Z toho vyplývá, že chce-li někdo měnit styl českého muže, musí na to přes české ženy! Vzdělávejme ženy v mužské módě, říkejme jim, co se nosí, chtějme po nich, ať své muže samy zásobují informacemi.

moda_1

Český muž si pod pojmem módní značka představuje zhruba toto: Baťa, Nike či Adidas. Trend-setterům se z takového postoje ježí chlupy, ženy se tomu smějí. A trend-setteři dále mužům radí, ba téměř je prosí: „Nenoste sportovní a outdoor oblečení vždy a všude! To prostě do města nepatří. Spíše než do sportovní módy investujte do padnoucího obleku a bot ušitých na míru.“ A dodávají „Pánové, nekoukejte jen po ženských, ale i po jiných chlapech, hodnoťte je a nechte se inspirovat.“

moda_2

Pro široké spektrum výrobců módního zboží, prodejců i mediálních titulů je důležitá informace, že muže zmínky o módě již neodrazují. Je tady cílovka, kterou to zajímá. Budou-li své zboží v časopisech vhodnou formou prezentovat, mají šanci na úspěch – jak v prodeji zboží, tak v kultivování vkusu mužů. Z výzkumu vyplynulo, že je třeba hodně ovlivňovat ženy, trochu muže (zbytek udělají ženy) a šance na změnu přístupu Čechů k módě je na dobré cestě, protože muži se v podstatě změnám nebrání. Chybí jen impuls.

Pokud by Vás zajímaly bližší informace, stačí se mi ozvat. ()

Augmentace CRM databáze jako cesta k většímu blahu zákazníků i prodejců

Jste-li B2C firma, máte jistě databázi svých zákazníků. V takové databázi bývá k nalezení řada údajů o interakci zákazníka s vaší firmou a nejspíš tam najdete i adresu, možná věk a pohlaví zákazníka.

V okamžiku, kdy chcete databázi použít a nabídnout svým zákazníkům nějaký nový produkt, doplňkovou službu apod. se můžete dostat do úzkých.  Nejspíš nechcete spamovat všechny, ale jen ty, kteří mají potenciál si váš produkt nebo službu koupit, možná chcete šetřit náklady na telemarketing, direct mailing atd. Asi byste také chtěli svou nabídku učinit způsobem, kterému konkrétní zákazník rozumí a přijme ho. Když se vám to všechno podaří, je to win-win situace (gratulujeme!). Zákazník je rád, že dostal relevantní srozumitelnou nabídku, firma se raduje, že šetří a přitom zvyšuje úspěšnost kampaní. Motivaci máme za sebou, teď jen jak na to.

augmentace1

Naše řešení se opírá o dva pilíře:

  • Obrovský pool dat, který obsahuje odpovědi na otázky, které potřebujete vědět o svých zákaznících – typicky odpovídá na jednu otázku od několika tisíc do několika desítek tisíc lidí, a to buď ve stejném okamžiku, nebo maximálně v průběhu 2 let.
  • Segmentaci těchto dat na malé homogenní kousky, které budou představovat různé typy zákazníků z CRM databáze. Všem lidem stejného typu pak připojíme stejné údaje.

Hlavní problém CRM databází našich klientů představuje poměrně malý počet klíčovacích proměnných, které by umožňovaly „připojit“ do databáze údaje z externího zdroje. Tím připojením nemyslím, že by někdo k historii plateb pana Nožičky jmenovitě přidal údaje o tom, jaké má pan Nožička zájmy a jaký má potenciál pro nový produkt XY. Myslím připojení dat v pravděpodobnostním smyslu. Pokud pan Nožička vykazuje známky chování typické pro rockery, prohlásím o něm, že je rocker s pravděpodobností třeba 85 %. Problém je, jak najít vztah např. mezi platbami za elektřinu a rockerstvím.

augmentace2

Nabízíme minimálně dvě cesty, jak z toho ven:

  • Všimnu si, kde pan Nožička bydlí, a prohlásím o něm, že má stejné zájmy a potřeby produktu XY, jako jeho sousedi. To dává smysl, pokud beru sousedy v blízkém okolí definovaném třeba ZSJ, nebo alespoň PSČ. Pokud k tomu ještě přidám věk a pohlaví (které si například spočítám z rodného čísla pana Nožičky), mám celkem slušnou šanci, že se nespletu v údajích jako společenský status a výše příjmu. Možná se trefím i v mediálním chování, zájmech a politické příslušnosti. Důkazem posledního tvrzení je například mapa „Koho volili vaši sousedi“ připravená týmem datové žurnalistiky Českého rozhlasu.
  • Druhý způsob je více segmentační. Vezmu všechny proměnné, které má společné CRM databáze a náš data pool (případně si mohu do data poolu nějaké proměnné přidat pomocí ad-hoc výzkumu). Na těchto proměnných vyzkouším, nakolik dobře kombinace odpovědí předpovídají údaje, které chci do databáze připojit (třeba zájem o produkt XY, rockerství pana Nožičky). Jednoduchý postup, který dobře vede k cíli, je použití rozhodovacích stromů. Algoritmus sám vyhodnotí, které proměnné jsou pro předpověď relevantní a jak agregovat odpovědi, aby na konci byla co nejlépe diferencovaná příslušnost ke skupině, kterou chci předpovídat. Když budu mít například zákazníka, který platí účty za elektřinu se zpožděním a k holiči chodí 1× ročně, je to s 80% pravděpodobností rocker. Když však platí se zpožděním a nechodí k holiči vůbec, je to na 90 % pankáč.

Nakonec příslušnost ke skupinám připojíme do CRM databáze klienta, který může tuto informaci využít třeba k nabídce benefitů (když budeš, rockere, platit účty včas, dostaneš na konci roku lístky na koncert kapely AC/DC). Nebo ji může využít k predikci zákazníků, které se vyplatí oslovit s nějakou kampaní, protože má největší pravděpodobnost, že zákazník nabídku akceptuje. Tahle úloha však velmi často vyžaduje realizaci samostatného výzkumu, který změří profily zájemců.

Jiný zajímavý příklad použití je nastavení komunikace s klientem na základě jeho psychologického profilu. Na někoho lépe fungují racionální argumenty, na někoho zase emoční… Vzhledem k tomu, že v CRM databázi na 100 % nebudou proměnné, které by umožnily psychologický profil připojit, řeší se to kombinací postupů. Psycho profil si připravíme pro každého zákazníka nahrubo (věk a pohlaví do jisté malé míry fungují) a pak vybereme z rozsáhlejší baterie výzkumných otázek co nejmenší počet, který predikuje emoční profil např. v různých věkových pásmech. Tyto otázky (je jich typicky 1-5) položí operátor zákazníkovi na začátku telemarketingového hovoru a call script na základě odpovědí vyhodnotí správnou rétoriku a argumentaci.

Těch možností jak augmentovat data (zvyšovat jejich vytěžitelnost) je opravdu mnoho a každá se musí dělat na míru. Máte-li chuť to vyzkoušet, dejte vědět ().

Také jste ve Zlaté kleci?

Ti, kteří nebyli na předminulé klientské snídani, nebo ti, kteří si chtějí osvěžit paměť, mají možnost ochutnat, případně si znovu vychutnat, tématiku Zlaté klece – co nám brání v odchodu z firmy, kde léta spokojeně pracujeme.

zalata_klec_obr_3

Pro prohlédnutí prezentace klikněte na obrázek.

Big brother vás sleduje (a my jsme u toho)

Snad každá výzkumná agentura dělá pro své klienty, co jim na očích vidí, a tak chca nechca musí rozšiřovat své portfolio za hranice klasického výzkumu. Efektivní způsob, jak toho docílit, spočívá v navazování technologických partnerství. I STEM/MARK absorbuje a adaptuje nové aplikace. Právě teď díky spolupráci s partnerskou firmou posouváme možnosti klasického face trackingu. V dnešní době už není třeba posadit respondenta před kameru a snímat a snímat, zatímco další respondenti stojí ve frontě a čas i peníze utíkají. Nabízí se totiž řada rychlejších (a levnějších) řešení, stačí je jen správně uchopit.

kamera

FacePrint dokáže zkontrolovat identitu respondenta. Pomocí obyčejné web kamery nebo mobilu ověří před každým vstupem do dotazníku totožnost respondenta na základě rozpoznání věku a pohlaví. V dnešní onlinové době a virtuálních identit najednou víme, kdo odpovídá. Emoskop zase umožňuje měření emocí webovou kamerou. Funguje na počítači připojeném k internetu nebo na mobilu. Snímkuje a měří emocionální odezvy na otázky dotazníku v průběhu vyplňování, při hodnocení videa, vizuálů atp. Woční kamera dobře poslouží jako náhrada klasické oční kamery. Pomocí běžně rozšířené webkamery připojené na internet můžeme testovat více respondentů najednou. Šetříme čas i peníze. I když není tak přesná jako klasická oční kamera, podstatné informace získáme rychle a dostatečně kvalitně. A nakonec je tu aplikace Face Recognition technologií. Ta dokáže všechno možné (i nemožné): monitoring pohybu osob v obchodě, určení poměru štamgastů a nových návštěvníků restaurace, měření míry pozornosti věnované vystavenému zboží / reklamě, monitoring front na pobočkách bank (vč. zachycení negativních emocí z výrazu tváře), změření demografického složení návštěvníků akce atd.

Technologie a data jsou samozřejmě jen vstupním předpokladem, zásadní je jejich správná interpretace. Skromně říkáme, že tu dodáme my. ()