Прицельный маркетинг. Новые правила привлечения и удержания клиентов - Джефф Забин

Чтобы повысить эффективность маркетинговых затрат, компании должны использовать собираемые ими данные о потребителях, а это означает, что специалиста по статистике нужно привлекать в начале эксперимента. Как уже было сказано в предыдущих главах, компании должны принять идею непрекращающейся активной экспериментальной деятельности как способ оптимизации ценности данных, которыми располагает компания. А это, в свою очередь, приведет к более высокому уровню принимаемых маркетинговых решений, обеспечив компании неоспоримое конкурентное преимущество на рынке.

Не все, однако, так просто. Несмотря на то, что перед маркетологами стоит множество вопросов, все они, похоже, – результат четырех фундаментальных ошибок.

• Неспособности собрать нужные данные.

• Неспособности интегрировать данные.

• Неспособности понимать данные.

• Неспособности применять данные.

«Для маркетинговых улучшений более серьезное понимание данных – словно фрукт, висящий на нижней ветке», – говорит Майк Даффи, возглавляющий подразделение потребительской аналитики компании Kraft Foods. Его мнение разделяет большинство директоров по анализу потребительских баз данных [1]. В основе лучшего понимания данных лежит использование различных математических аналитических техник. Некоторые из них мы уже упоминали: корреляционный анализ, дискриминантный анализ, кластерный анализ, регрессивный анализ, нейросетевой анализ – список можно продолжать бесконечно. Одни из этих техник являются новыми для потребительского рынка, однако давно используются в других бизнес-процессах и дисциплинах, например в биологических науках и техниках искусственного интеллекта. Другие же давно используются маркетологами, занимающимися прямой рассылкой, в непрекращающихся попытках эффективно интерпретировать и использовать информацию о потребителях для маркетинговых кампаний.

Гартнер определяет аналитику как «область технических и прикладных наук, позволяющих применить математическую интерпретацию к данным и предыдущему знанию, чтобы создать новое знание. С нашей точки зрения, аналитика – это просто один из инструментов интеллектуальных ресурсов компании, который маркетологи могут использовать для поиска ответа на вопрос: «Ну, и что дальше?» Она представляет собой разумную основу, которая может пролить свет на гигабайты потребительских данных компании и сотни скрытых в них переменных. Она указывает на сегментационные схемы, которые этими потребительскими данными могут определяться, и самое важное – на оптимальное маркетинговое обращение (и наиболее приемлемый уровень обслуживания) по отношению к каждому из этих сегментов, которое компания может предложить в рамках поставленных перед ней бизнес-целей.

Успех в маркетинговой аналитике определяется главным образом качеством и количеством данных, в конце концов служащих сырьем, на основе которого формируется новое понимание. «Огромные возможности кроются для нас в повышении качества наших данных, – говорит Билл Мирбах, вице-президент по прямому маркетингу компании Intuit, выражая еще одно общепринятое мнение. – Мы тратим очень много времени на углубление нашего знания клиентов прямо сейчас, контролируя точность наших баз данных» [2].

Под «точностью» Мирбах подразумевает полную интеграцию (желательно в режиме реального времени) источников данных обо всех взаимодействиях и сделках компании, включая данные call-центров[6], систем автоматизации рабочего места продавца, систем планирования и управления ресурсами предприятий, программ отслеживания маршрутов перемещения пользователей сети (электронной коммерции). Кроме того, данные эти должны представляться в совместимом формате и без ошибок, а набор бизнес-правил должен быть одинаковым. Следует учесть и возможность оптимизации данных для проведения анализа так, чтобы он отвечал потребностям проводящей его команды. В конце концов, это всего лишь вопрос реализации принципов правильного управления потребительскими данными.

К сожалению, когда дело доходит до реализации даже самых элементарных принципов правильного управления данными, многие компании оказываются менее просвещенными, чем Intuit, а некоторые и вовсе все еще живут в каменном веке. Причины тому различны. Отчасти дело в ограниченности бюджета. Отчасти в том, что некоторые компании встречают на переполненном и сбивающем с толку рынке потребительских отношений множество препятствий. А всеобщая управленческая близорукость, сопровождающая тысячелетний бум, привела к тому, что многие компании попросту игнорируют вопли и стоны своих провисающих инфраструктур, по крайней мере, до тех пор, пока земля не уйдет из-под ног. Итог тривиален: рынок наполнен плеядой высших менеджеров, не чувствующих твердой почвы под ногами.

Существует множество причин, по которым компании не смогли успешно принять и внедрить технические инфраструктуры, бизнес-процессы и элементы организационного контроля, необходимые для использования своих растущих банков данных. Но у этой дилеммы лишь одно решение: рассматривать уникальную задачу сбора и интеграции важных потребительских данных как предпосылку реализации аналитических маркетинговых решений, способных повысить ценность компании.

Оправданий быть не может. И времени терять нельзя. Вот как это нужно делать.

Взятие Бастилии потребительских данных

Решение поставленной задачи следует начинать с вопроса изолированности банков данных. С этой проблемой в той или иной степени сталкивается практически каждая крупная компания. Говоря в общих чертах, проблема заключается в том, что многие организации создали такие проекты управления данными, которые, скорее, напоминают тюремные лабиринты, изобилующие бесконечными стенами и камерами.

Одна из разделяющих стен – канал, посредством которого потребитель совершает покупку. Другая – канал, по которому потребитель получает информацию или через который решает возникшие у него проблемы. Третья – подразделение или отдел компании, в котором потребитель делает заказ. Зачастую кажется, что данные, хранящиеся за этими стенами, навечно приговорены к заточению и лишены возможности хотя бы раз «обмолвиться словом» друг с другом. Между тем, многие данные, которые нужно было бы получать в результате различных взаимодействий и сделок между компаниями и их клиентами, вообще нигде не собираются и не хранятся.

Налицо организационная несогласованность. Какие-то подразделения компаний могут собирать данные более тщательно, чем остальные. Одни каналы могут обеспечивать лучший сбор данных, чем другие. К примеру, некоторые запросы службы по работе с клиентами, полученные посредством аналоговой связи, скажем по факсу, вряд ли фиксируются в электронном виде. Часто то же самое можно сказать и об информации, получаемой в call-центре компании. Но даже данные, существующие в электронном формате, например электронные или SMS-сообщения, иногда на практике неприменимы.