Analisi delle Raccomandazioni di Zia

1. Numero di raccomandazioni attive attualmente disponibili. Le raccomandazioni saranno suddivise tra clienti nuovi ed esistenti. Le analisi mostreranno il numero di raccomandazioni disponibili per ciascun tipo di raccomandazione. Vedere anche Tipi di raccomandazioni.
   Nell'immagine seguente, è possibile vedere che ci sono quattro raccomandazioni attive. Due per i clienti esistenti (tipo relazione e sequenza) e due per i nuovi clienti (prima volta e pacchetto).
   
   
2. Il Tasso di successo della raccomandazione indica quanto bene lo strumento è in grado di analizzare i dati e fornire suggerimenti utili. I tassi di successo tengono conto del fatto che una determinata raccomandazione venga utilizzata dal rappresentante di vendita. Ad esempio, se viene creata una trattativa per il prodotto raccomandato al cliente B, significa che il suggerimento di Zia era appropriato.
   Per tassi di successo più elevati, è possibile esaminare il motivo per cui determinate raccomandazioni sono state rifiutate dai clienti e rivedere la configurazione per allinearla alle loro aspettative.
3. Un grafico che mostra la suddivisione del tasso di successo totale per un determinato periodo (questa settimana/mese e la settimana/mese/trimestre scorso). Nell'immagine seguente è possibile vedere che su cinque raccomandazioni, due sono proseguite con la creazione di un contratto di locazione mentre tre sono state rifiutate. Delle due raccomandazioni riuscite, una è parziale e una è esatta.
   Una raccomandazione parziale significa che la proprietà raccomandata è stata considerata insieme ad altri tipi di proprietà, come una villa insieme a una casa indipendente.
   
   
4. Grafico a barre che mostra i prodotti più e meno raccomandati e la loro suddivisione.
   Nell'immagine seguente è possibile vedere le proprietà più raccomandate e per ciascun tipo di proprietà:
1. Il numero di volte in cui è stata raccomandata da Zia.
   
2. Il numero di clienti unici che hanno acquistato quella particolare proprietà.
   
3. Numero totale di transazioni, ovvero trattative chiuse, contratti di locazione creati o pagamenti effettuati per quella proprietà.
   
   Allo stesso modo è possibile filtrare i dati per visualizzare le proprietà più o meno raccomandate.
   
   
   

   Si noti che nel grafico verranno visualizzati solo 10 punti dati.
5. Tendenza delle raccomandazioni nel tempo (questa settimana/mese e la settimana/mese/trimestre scorso) per determinare se c'è stato un aumento costante, una diminuzione o un picco o calo improvviso nelle raccomandazioni.
   Sulla base della tendenza è possibile analizzare il motivo e apportare modifiche alle strategie di vendita o marketing esistenti per soddisfare le proprie aspettative. Ad esempio, se si osserva un picco nelle raccomandazioni durante il periodo festivo, si può dedurre che la maggior parte dei clienti era incline ad acquistare ciò che veniva loro raccomandato. Seguire una strategia simile per le stagioni successive si rivelerebbe fruttuoso per aumentare le vendite.
   
   
6. Le prestazioni di ogni singolo tipo di raccomandazione possono essere analizzate tramite: 
   
1. Il numero di volte in cui è stata effettuata una particolare raccomandazione. Ad esempio, se le raccomandazioni basate sulle relazioni sono più numerose rispetto ad altri tipi, si può dedurre che il sistema identifica le relazioni tra le entità in base agli interessi dei clienti.
   
2. Il numero di trattative create da ciascuna raccomandazione per determinare il tasso di successo. Ad esempio, se Zia ha effettuato dieci raccomandazioni basate sulle relazioni di cui solo quattro hanno generato trattative, sarebbe consigliabile monitorare il funnel di vendita e comprendere il motivo dell'abbandono. 
   
7. I 10 dipendenti principali che utilizzano queste raccomandazioni per creare trattative possono aiutare a identificare il motivo per cui altri membri del team non sono riusciti a procedere con le transazioni o perché i clienti hanno rifiutato il suggerimento, ecc. Se un membro crea un numero inferiore di trattative dalla raccomandazione, un'ulteriore analisi degli interessi dei clienti e dei modelli di acquisto sarebbe utile.                                                            Queste informazioni possono essere utilizzate per migliorare le configurazioni esistenti e ottenere raccomandazioni più accurate. 
   

È possibile visualizzare le raccomandazioni mancate tra i vari segmenti come report tabellare. 

Analisi delle Raccomandazioni basate sul feedback degli utenti

In base alla risposta degli utenti, Zia calcola e visualizza le seguenti informazioni:

1. Analisi complessiva del feedback
   
2. Analisi del feedback basata sul tipo di raccomandazione
   
3. Analisi del feedback basata sul tipo di prodotto
   
4. Contributo al feedback
   
5. Opportunità di cross-sell mancate
   

1. Numero totale di feedback ricevuti
   
2. Numero di feedback positivi
   
3. Numero di feedback negativi
   
   

Ad esempio, se le raccomandazioni di tipo pacchetto hanno un numero maggiore di voti negativi, si può dedurre che Zia necessita di ulteriore affinamento/addestramento per perfezionare le raccomandazioni di tipo pacchetto. Zia calcola il feedback per i prodotti più raccomandati e meno raccomandati. Questo aiuterà ad analizzare quali raccomandazioni di prodotto sono state più accurate e utili. Questa analisi tabulerà tutti gli utenti che hanno partecipato alla valutazione delle raccomandazioni. Può indicare quali utenti utilizzano attivamente le raccomandazioni nelle loro attività quotidiane. Il cross-selling è un aspetto importante delle raccomandazioni di Zia, perché genera strategicamente maggiori ricavi. Perdere una raccomandazione di cross-sell significa perdere un'opportunità e Zia mostrerà tutte le informazioni al riguardo. La tabella mostrerà: Chi ha perso l'opportunità per quale record? Qual è il prodotto raccomandato? Qual è il periodo del suggerimento e la data dell'ultima transazione? 

1. Andare su Setup > Zia > Recommendations.
2. Fare clic sulla scheda Analytics . 
3. Scorrere fino alle singole analisi per visualizzare i risultati. 
4. Nel rispettivo report, filtrare per visualizzare i risultati desiderati. 
   

1. Numero di raccomandazioni attive attualmente disponibili. Le raccomandazioni saranno suddivise tra clienti nuovi ed esistenti. Le analisi mostreranno il numero di raccomandazioni disponibili per ciascun tipo di raccomandazione. Vedere anche Tipi di raccomandazioni.
   Nell'immagine seguente, è possibile vedere che ci sono quattro raccomandazioni attive. Due per i clienti esistenti (tipo relazione e sequenza) e due per i nuovi clienti (prima volta e pacchetto).
   
   
2. Il Tasso di successo della raccomandazione indica quanto bene lo strumento è in grado di analizzare i dati e fornire suggerimenti utili. I tassi di successo tengono conto del fatto che una determinata raccomandazione venga utilizzata dal rappresentante di vendita. Ad esempio, se viene creata una trattativa per il prodotto raccomandato al cliente B, significa che il suggerimento di Zia era appropriato.
   Per tassi di successo più elevati, è possibile esaminare il motivo per cui determinate raccomandazioni sono state rifiutate dai clienti e rivedere la configurazione per allinearla alle loro aspettative.
3. Un grafico che mostra la suddivisione del tasso di successo totale per un determinato periodo (questa settimana/mese e la settimana/mese/trimestre scorso). Nell'immagine seguente è possibile vedere che su cinque raccomandazioni, due sono proseguite con la creazione di un contratto di locazione mentre tre sono state rifiutate. Delle due raccomandazioni riuscite, una è parziale e una è esatta.
   Una raccomandazione parziale significa che la proprietà raccomandata è stata considerata insieme ad altri tipi di proprietà, come una villa insieme a una casa indipendente.
   
   
4. Grafico a barre che mostra i prodotti più e meno raccomandati e la loro suddivisione.
   Nell'immagine seguente è possibile vedere le proprietà più raccomandate e per ciascun tipo di proprietà:
1. Il numero di volte in cui è stata raccomandata da Zia.
   
2. Il numero di clienti unici che hanno acquistato quella particolare proprietà.
   
3. Numero totale di transazioni, ovvero trattative chiuse, contratti di locazione creati o pagamenti effettuati per quella proprietà.
   
   Allo stesso modo è possibile filtrare i dati per visualizzare le proprietà più o meno raccomandate.
   
   
   

   Si noti che nel grafico verranno visualizzati solo 10 punti dati.
5. Tendenza delle raccomandazioni nel tempo (questa settimana/mese e la settimana/mese/trimestre scorso) per determinare se c'è stato un aumento costante, una diminuzione o un picco o calo improvviso nelle raccomandazioni.
   Sulla base della tendenza è possibile analizzare il motivo e apportare modifiche alle strategie di vendita o marketing esistenti per soddisfare le proprie aspettative. Ad esempio, se si osserva un picco nelle raccomandazioni durante il periodo festivo, si può dedurre che la maggior parte dei clienti era incline ad acquistare ciò che veniva loro raccomandato. Seguire una strategia simile per le stagioni successive si rivelerebbe fruttuoso per aumentare le vendite.
   
   
6. Le prestazioni di ogni singolo tipo di raccomandazione possono essere analizzate tramite: 
   
1. Il numero di volte in cui è stata effettuata una particolare raccomandazione. Ad esempio, se le raccomandazioni basate sulle relazioni sono più numerose rispetto ad altri tipi, si può dedurre che il sistema identifica le relazioni tra le entità in base agli interessi dei clienti.
   
2. Il numero di trattative create da ciascuna raccomandazione per determinare il tasso di successo. Ad esempio, se Zia ha effettuato dieci raccomandazioni basate sulle relazioni di cui solo quattro hanno generato trattative, sarebbe consigliabile monitorare il funnel di vendita e comprendere il motivo dell'abbandono. 
   
7. I 10 dipendenti principali che utilizzano queste raccomandazioni per creare trattative possono aiutare a identificare il motivo per cui altri membri del team non sono riusciti a procedere con le transazioni o perché i clienti hanno rifiutato il suggerimento, ecc. Se un membro crea un numero inferiore di trattative dalla raccomandazione, un'ulteriore analisi degli interessi dei clienti e dei modelli di acquisto sarebbe utile.                                                            Queste informazioni possono essere utilizzate per migliorare le configurazioni esistenti e ottenere raccomandazioni più accurate.