- Přehledy IS
- APS (20)
- BPM - procesní řízení (22)
- Cloud computing (IaaS) (10)
- Cloud computing (SaaS) (33)
- CRM (51)
- DMS/ECM - správa dokumentů (20)
- EAM (17)
- Ekonomické systémy (68)
- ERP (77)
- HRM (27)
- ITSM (6)
- MES (32)
- Řízení výroby (36)
- WMS (29)
- Dodavatelé IT slueb a řeení
- Datová centra (25)
- Dodavatelé CAD/CAM/PLM/BIM... (39)
- Dodavatelé CRM (33)
- Dodavatelé DW-BI (50)
- Dodavatelé ERP (71)
- Informační bezpečnost (50)
- IT řeení pro logistiku (45)
- IT řeení pro stavebnictví (26)
- Řeení pro veřejný a státní sektor (27)
ERP systémy
CRM systémy
Plánování a řízení výroby
AI a Business Intelligence
DMS/ECM - Správa dokumentů
HRM/HCM - Řízení lidských zdrojů
EAM/CMMS - Správa majetku a údrby
Účetní a ekonomické systémy
ITSM (ITIL) - Řízení IT
Cloud a virtualizace IT
IT Security
Logistika, řízení skladů, WMS
IT právo
GIS - geografické informační systémy
Projektové řízení
Trendy ICT
E-commerce B2B/B2C
CAD/CAM/CAE/PLM/3D tisk![]() | |
| Přihlaste se k odběru newsletteru SystemNEWS, který kadý týden přináí výběr článků z oblasti podnikové informatiky | |
![]() | |
Automatizovaný personalizovaný marketing u není sci-fi
V roce 2002 natočil Steven Spielberg film Minority Report s hlavním hrdinou Tomem Cruisem, kde představil personalizovaný marketing v roce 2054. Během filmu se několikrát opakuje scéna, ve které hrdina přichází do obchodu vizionářsky vybaveného kamerami a obrazovkami. Kamery hrdinu sledují a sbírají informace, které se potom vyuívají pro výběr reklamy, která se zobrazí na nejblií obrazovce. Celá scéna trvá pouze několik vteřin. Dnes se nabízí otázka: kdy budou společnosti schopny tuto scénu realizovat a začnou vyuívat personalizovaný marketing jako hlavní způsob komunikace se spotřebitelem?

Co je personalizovaný marketing
Personalizovaný marketing představuje nabízení cíleného obsahu spotřebiteli na základě informací, které společnost můe získat, zpracovat a pouít. V rámci personalizovaného marketingu se často vyuívají následující techniky:
- Personalizované video (personalized video)
- příprava videí s cílem nabídnout zákazníkovi servis, slubu či produkt
- video spotřebitele osloví, poděkuje mu za několik let věrnosti jejich značce a nabídne mu výhodný produkt přímo něj
- video formát staví předevím na emocích a jen naznačené nabídce
- Doporučení produktů/zboí/slueb (product recommendations)
- nabízení produktu nebo sluby podle preferencí, historie nákupu nebo zpětné vazby nebo na základě vzorového chování podobných zákazníků
- nabízení výrobků, které se často prodávají společně, například v zimním období pomeranče a vepřová unka
- Personalizovaná sdělení (personalized messaging)
- posílání cílených notifikací, emailů či zpráv
- v jednoduché podobě například posílání narozeninových nabídek (zejména v e-shopech)
- ve sloitějí podobě podání informací, které usnadní pouívání produktu, např. doporučení pro nastavení mobilního bankovnictví na základě prováděného typu plateb
Personalizovaný marketing umoňuje společnostem prodat více, drá nebo rychleji díky lepí zkuenosti spotřebitele. Společnost si tak také zajistí nebo zvýí loajalitu zákazníků pro dalí nákup zboí nebo sluby. Alternativou je kobercový nálet, kde vem či skupině spotřebitelů nabídnete obsah bez ohledu na jejich preference. Oba dva tyto přístupy se v dnení době kombinují. Co se vak v této době rozvíjí je plně automatizovaný personalizovaný marketing, pro něj platí, e příprava, výběr a pouití je plně automatizováno, stejně jako v případě filmu Minority Report.
Jak automatický personalizovaný marketing funguje
Pro praktickou ukázku si uvedeme příklad na fiktivní společnosti, která prodává oblečení. Tato společnost má ve městě několik poboček a umoňuje spotřebitelům registrovat se a dát souhlas k pouívání jejich dat výměnou za monost nákupu oblečení se slevou a přístupu ke speciálním akcím. Registrovaným zákazníkům pak často zasílá personalizované zprávy nebo videa. Kromě toho má tato společnost ve svých pobočkách nainstalováno několik chytrých obrazovek, které spotřebiteli umoňují vybrat si produkt přesně pro sebe (dostupná/správná velikost oblečení, preferovaný materiál, oblíbená barva). Mohou slouit i k zobrazování reklamy, sběru zpětné vazby/reakcí od zákazníků, registracím dalích nových zákazníků i jako prostředek přímé komunikace.
Pokud se vrátíme k naemu příkladu, pak do pobočky můe přijít spotřebitel, který se rozhodne, e vyuije jednu z těchto obrazovek, aby mu poradila, kde najde lněné koile. Na obrazovce si vimne monosti nechte si doporučit produkt právě pro vás a rozhodne se ji vyzkouet. Zapne tak několik chytrých zařízení vedle obrazovky, která ho naskenují a nabídnou mu z nové kolekce pánských kalhot právě ty kousky, které mu padnou. Spotřebitel můe také rovnou reagovat, zda ho kolekce zaujala, popřípadě se můe zaregistrovat a získávat akční nabídky. Tohle ve na jednom místě.
Co tedy společnost potřebuje zajistit?
Pokud bychom chtěli vyuívat automatizovaný personalizovaný marketing, tak se musíme zaměřit na tři oblasti rozvoje. První oblastí je Data Capture, která představuje způsoby sběru dat. Data mohou mít různé formy, například historie nákupů, video záznamy z návtěvy obchodu, zvukové záznamy hovorů, vyplnění dotazníků, feedbacku nebo registračního formuláře. Tato oblast by měla zajistit, aby byla vechna data připravena pro vyuití v druhé oblasti, a to v co moná nejrychlejím čase.
Druhou oblast představuje Smart DWH, který se zaměřuje na uloení, zpracování a dalí vyuití dat. DWH zkratka označuje pojem Data Warehouse (datový sklad), co je místo, kde dochází k uloení a zpracování dat. Smart označuje nástroje, které data z datového skladu vyuívají a připravují personalizovaný marketing pro Direct Contact. To je oblast, která se vyuívá pro navázání komunikace se spotřebitelem a pro získání jeho feedbacku. Zastřeuje obousměrnou komunikaci klienta, která vyhodnocuje vechny interakce přes vechna komunikační rozhraní (Omnichannel communication).
Obr 1: Automatizovaný personalizovaný marketing proces a oblasti
Kadou oblast bychom měli rozvíjet souběně, kadá vyaduje koncepční přístup a plynulé propojení (integraci). Na co bychom se u kadé z nich měli se konkrétně zaměřit?
Jak řeit Data Capture
Data Capture se zabývá systémy, které sbírají data. Tato data mohou být strukturovaná (osobní údaje, nákupní historie, dotazníky, feedback) či nestrukturovaná (zvukové záznamy telefonní komunikace, video návtěvy pobočky, fotka spotřebitele). Sběr dat se řídí čistě technologicky a pokrývají ho předevím technologie internetu věcí (Internet of Things, IoT), Tyto technologie data sbírají a odesílají do Smart DWH nebo data vyhodnocují rovnou při jejich získání, a pak se jedná o havý trend, kterému se říká Edge Computing. Sběr dat by měl ideálně probíhat v reálném čase (real-time). Na trhu u dnes existují řeení, které lze vyuít. Buďto se jedná o open source technologie, které jsou zdarma, ale je potřeba je upravit na míru, nebo to mohou být placená hotová řeení (okamitě k dispozici).
Co vechno se schová do Smart DWH
Smart DWH představuje vechnu magii, která probíhá v pozadí. Zpracování dat představuje uloení a analýzu dat. Uloení dat se řeí s pomocí technologií Big Data nebo cloudu, pro analýzu dat se vyuívají nástroje umělé inteligence (Artifical Intelligence) nebo pokročilé analytiky (Advanced Analytics). Smart DWH musí zajistit, aby příchozí data byla co nejrychleji roztříděna a přiřazena spotřebiteli, protoe data o jednom spotřebiteli mohou současně přijít z několika Data Capture zdrojů (komunikačních kanálů). Analýza dat se pro jednotlivé datové typy odliuje a kadý datový typ můe obsahovat jiný druh informace:
- Osobní údaje (pohlaví, věk, adresa)
- Zpětná vazba (spokojenost, engagement, stínosti)
- Nákupní historie (produktové preference, společenské postavení)
- Zvuk (obsah, nálada, spokojenost, hovory)
- Video (pohlaví, věk, výka, váha, společenské postavení, rychlost)
- Interakce (pohyb po pobočce/webu, doba na pobočce/webu, preference částí pobočky/webu, frekvence návtěv, geolokace)
- Kontaktní historie (spokojenost, produktové preference, nálada, engagement)
Získané informace se kombinují a automaticky se zjiuje, zda nedojde ke splnění komunikačního scénáře. Komunikační scénář popisuje, co se má odehrát, pokud dojde ke splnění jeho předpokladů. Smart DWH musí vyhodnotit, který scénář se má odehrát. Tyto scénáře mohou mít mnoho variant, například můe dojít k zobrazení nabídky na obrazovce, nebo vygenerování emailu s nabídkou. V kadém případě scénář vygeneruje personalizovaný obsah pro Direct Contact.
Jak zahájit Direct Contact
Direct Contact představuje komunikační kanály, kterými lze zajistit, e se personalizovaný marketing dostane ke spotřebiteli (Omnichannel). Společnosti v tomto ohledu mohou vyuívat běné typy komunikace jako je e-mail a sociální media. Kromě toho lze pro tyto účely vyuívat adaptabilní web, který se přizpůsobuje podle spotřebitele. Adaptabilní web personalizuje část nebo celý vzhled a nabídku produktů a slueb. V neposlední řadě lze k tomuto účelu vyuívat obrazovky a terminály, které mohou být umístěny v prostorách poboček společnosti. Výběr komunikačních kanálů můe záleet na preferencích společnosti nebo na základě osobních preferencí uivatele (či podobných uivatelů). V neposlední řadě je nutné nezapomenout, e tento kanál je dalí zdroj informací pro Data Capture.
Obr 2: Ukázka personalizované komunikace
Personalizovaný marketing má zelenou
Personalizovaný marketing vyaduje, aby společnosti upravily své portfolio slueb a produktů a uměly spotřebitelům na míru nabídnout své zboí. Například internetový obchod s potravinami můe nabízet speciální vzhled pro zaregistrovaného uivatele, který se automaticky upravuje podle toho, co nakupuje a jakou dává zpětnou vazbu (třeba pro vegetariána bude tento obchod zobrazovat hlavně vegetariánské produkty společně se speciálním designem webu). I běné nakupování potravin se tak můe stát pro spotřebitele zajímavým.
Vrame se k příkladu z Minority Report. U dnes společnosti jako Amazon a Alza experimentují s prodejnami budoucnosti a vize z roku 2002 u je technologicky moná. Společnosti, které se touto cestou chtějí vydat, vak nesmí zapomenout, e personalizovaný marketing má přináet benefity nejen jim, ale hlavně jejich zákazníkům.
![]() |
Marcel Vrobel Autor článku je specialistou na Big Data ve společnosti Adastra. |





















