Στην προηγούμενη ιστορία αναφέρθηκα στους κινδύνους που εγκυμονεί η προσήλωση σε δείκτες (KPIs) που είναι εύκολα μετρήσιμοι, αντί για δείκτες που είναι οι σωστοί.

Το φαινόμενο αυτό έχει ενταθεί με την αύξηση των ψηφιακών μέσων επηρεάζοντας αναλόγως και τον τρόπο που μετράμε τις διάφορες δραστηριότητες και offline. Το να βασίζεσαι όμως σε λάθος δείκτες, απλά επειδή είναι εύκολα μετρήσιμοι, οδηγεί και σε ένα ακόμη πρόβλημα: να πραγματοποιείς λάθος αναλύσεις, απλά επειδή είναι εύκολες. Ο Τέρυ Λίχι, όταν ήταν επικεφαλής Marketing της Tesco, αποφάσισε να αναλύσει τις πωλήσεις των προϊόντων χωρίς γλουτένη.

Συνειδητοποίησε ότι οι πωλήσεις του συγκεκριμένου τμήματος δεν δικαιολογούσαν τον χώρο που αυτό καταλάμβανε μέσα στα καταστήματα. Πέρα από τη περιορισμένη διείσδυση της κατηγορίας, ανακάλυψε ότι ακόμη κι αυτοί που αγόραζαν την κατηγορία ξόδευαν πολύ λίγα σε κάθε τους ταξίδι. Με μια πρώτη ανάλυση, τα δεδομένα αυτά είναι αρκετά για να καταργήσουμε αρκετούς κωδικούς, αν όχι όλο το τμήμα, ώστε να απελευθερώσουμε πολύτιμο χώρο. Σωστά;

Είμαι σίγουρος ότι πολλοί από σας έχετε έρθει σε αντίστοιχη θέση. Κάτι που δεν φέρνει τα απαιτούμενα αποτελέσματα απλά καταργείται, ώστε να εξοικονομήσουμε πόρους και ενέργεια για κάτι με μεγαλύτερη προοπτική. Αυτό είναι μια απλή και εύλογη απόφαση και ο εγκέφαλός μας λατρεύει τέτοιου είδους αποφάσεις. Ευτυχώς ο Τέρυ Λίχι ήταν αρκετά προβληματισμένος με τα νούμερα και αποφάσισε να συνομιλήσει με αγοραστές του συγκεκριμένου τμήματος.

Τότε κατάλαβε ότι η επιλογή του σούπερ μάρκετ καθορίζονταν από τη διαθεσιμότητα αυτών των προϊόντων. Οι καταναλωτές δεν ήθελαν να κάνουμε πολλά ταξίδια γι’ αυτό και επέλεγαν μόνο καταστήματα που είχαν αυτά τα εξειδικευμένα προϊόντα. Εξάλλου, όλα τα καταστήματα είχαν ψωμί, τυρί και γάλα. Λίγα όμως είχαν ποικιλία και διαθεσιμότητα σε προϊόντα χωρίς γλουτένη. Ο Λίχι χρησιμοποίησε αυτό το insight για να λανσάρει την εξαιρετικά πετυχημένη σειρά προϊόντων «Free From», πολύ πριν τον ανταγωνισμό.

Αυτό φυσικά δεν σημαίνει ότι θα πρέπει να αγνοείτε τα ποσοτικά δεδομένα, ιδιαίτερα όσα προέρχονται από τακτικές μετρήσεις (tracking). Θα πρέπει όμως να θυμάστε ότι καμιά μεθοδολογία δεν είναι τέλεια, χρειάζεται πάντα κριτική αντιμετώπιση. Ζούμε σε μια εποχή όπου η πληροφορία είναι διαθέσιμη εύκολα και σε μεγάλες ποσότητες: στοιχεία πωλήσεων, CRM, Google analytics, για να αναφέρω απλά μερικά. Η εύκολη διαθεσιμότητα όμως των στοιχείων δεν συνεπάγεται και εύκολη διαχείρισή τους. Η εξαγωγή συμπερασμάτων από ανάλυση δεδομένων, ιδιαίτερα αν πρόκειται για μεγάλης κλίμακας (big data analytics), είναι μια τέχνη και όπως κάθε τέχνη, απαιτεί δεξιοτέχνες ειδικούς.