О поколениях маркетинга. Старые уроки и новые возможности

Технологии, появившиеся в последнее время, существенно повлияли на множество процессов в обществе. Если говорить о маркетинге, то с одной стороны - это спам в почте и телефоне, видео-реклама, от которой не скрыться, тотальный контроль над покупателем. С другой стороны - это более целевые предложения, возможность купить товар в любой момент времени не выходя из дома, это полезные сообщения в рассылках. И это все - новый маркетинг.

Как писали в блоге Hubspot:  «Традиционный маркетинг отвлекает людей от их ужина, семьи, телевизора, он вторгается в их жизнь. Вместо того чтобы отвлекать телевизионных зрителей от их любимых фильмов, представители нового маркетинга создают такие ролики, которые потенциальные клиенты хотят видеть. Вместо того чтобы размещать рекламу на веб-страницах, они создают корпоративные блоги компаний, на которые подписываются пользователи и ждут обновлений. Вместо холодных звонков, они создают полезный контент и используют определенные инструменты для того, чтобы пользователи звонили им и запрашивали дополнительную информацию».

Забывать старое не стоит, опыт, приобретенный за всю историю маркетинга имеет свою ценность. Каждая компания может гибко встроить в существующую систему современные технологии.  В статье Чему традиционный маркетинг научил маркетинг нового поколения описаны уроки, которые традиционный маркетинг может дать новому.

Новый маркетинг – это набор маркетинговых стратегий и методов, которые могут подтолкнуть потенциальных клиентов к бизнесу и покупке товаров. Согласитесь, это главная конечная цель бизнеса любого уровня.Но, несмотря на явную оппозицию традиционного и нового маркетинга, они могут учиться друг у друга.

 Традиционный маркетинг готов дать новому маркетингу следующие уроки:

1. Настойчивость.


2. Таргетирование.


3. Качество VS Количество.


4. Быть человечным.


5. Взаимосвязь.

Каждый из советов заслуживает  внимания, но в силу специфики моего опыта напишу о  таргетировании. 

Таргетинг (от англ. target - цель, употребляется также форма "таргетирование") 

- механизм, позволяющий выделить из всей имеющейся аудитории только ту часть, которая удовлетворяет заданым критериям (целевую аудиторию)

-  выделение из основной аудитории той её группы, которая вероятнее всего может стать вашим клиентом

Сейчас маркетинг позволяет посмотреть на процесс отношений с клиентом под совершенно другим углом. База для этого - накопленные данные о поведении клиентов.  Если говорить о B2С, в частности - о магазинах, розничных сетях, ресторанах - то в каждом конкретном случае база данных из информационной системы компании содержит полное описание поведения клиента. Таргетинг на основе таких данных становится более эффективным.

При необходимости провести инициативу в сети, нацеленную на определенную аудиторию, возможности использования данных из информационных систем сложно переоценить. В них хранится все: момент первой покупки владельцем карты, состав его корзины, динамика среднего чека, предпочитаемые категории товаров.

Поведенческая аналитика, при помощи которой осуществляется таргетирование, позволяет  сырые данные превратить в "готовые рецепты" для каждой группы покупателей. Таргетирование значительно упрощается.

Инструменты для проведения поведенческой аналитики - методы datamining, маркетинг на основе Баз Данных, OLAP, RFM.

Из практики

Опишу иллюстрацию использования поведенческой аналитики для розничной сети в рамках проведения сегментации покупателей по образу жизни.

Вся база покупателей (чеки одного календарного года с привязкой к номеру карты) была разделена на несколько групп в зависимости от предпочитаемых групп товаров.

В результате сегментации покупателей были выявлены такие группы. Первая - "пиво-рыба-колбаса-сухарики", время покупки - после 19.00.

Вторая - "широкая корзина здорового питания" (более 12 категорий товаров - молоко, мясо, хлеб, крупы, др), время покупки - любое.

Третья - "импульсные покупки" (конфеты, жвачки, кофе), время покупки - после 12.00 и до 21.00.

Четвертая -  ("каши быстрого приготовления,чай, сыр, конфеты и печенье", время покупки - с 12.00 до 16.30).

Проведя такую сегментацию, определить какие товары следует предлагать какой группе, достаточно просто, ведь различия между ними - "на лицо".

Важно, что эти сегменты получены без привлечения опроса. А ценность такой сегментации при проведении инициативы может быть измерена через средства маркетингового бюджета, которые сэкономлены путем перехода от массового предложения к индивидуальному подходу. Кроме измеримых показателей, существует еще и "неизмеримый". Это лояльность и отношение покупателя к магазину, который предлагает нужный товар в нужное время.

Методов, позволяющих проводить поведенческую сегментацию достаточно много. Один из наиболее интересных в силу своей "визуалистичности" представлен ниже. Здесь показаны 2 группы покупателей, их любимые категории обозначены красными треугольниками.
Первая - любители пива, сухариков и колбасы, вторая - вероятно офисные работники, покупающие колбасу, кефир и каши быстрого приготовления. Несмотря на наличие общей категории в корзине, несложно понять отличительные особенности в потребностях покупателей. Маркетинговые инициативы, разработанные на основе такой информации, значительно эффективней, чем традиционные.

Ниже проиллюстрирован пример RFM - анализа, сделанного для сети бытовой и компьютерной техники. Он также получен при помощи поведенческой аналитики на основе данных чеков. R - давность покупки (вертикальная ось), F - частота покупки (горизонтальная ось). Каждая точка - покупатель. Такая диаграмма рассеивания позволяет легко увидеть общую картину ситуации в магазине - оценить количество, % покупателей из группы оттока (с большой давностью покупки). Такие покупатели  (давность покупки более 820 дней) раскрашены на диаграмме красным цветом. При этом легко определить их частоту покупок - она находится а интервале  от 1 до 32 покупок за период.

Группа покупателей, которые обозначены синим и зеленым цветом, имеют наименьшую давность покупки (до 280 дней), количество чеков для некоторых покупателей превышает 180.

С использованием RFM-анализа в сети была реализована стратегия коммуникации с покупателями (с учетом давности, частоты и ценности покупателя) для возврата и удержания наиболее ценных.

Успешных примеров реализации поведенческого подхода для повышения эффективности  деятельности компаний немало. Пионером во внедрении методов поведенческой аналитики на благо повышения лояльности покупателей была сеть Tescо. Подробно о истории программы можно прочитать здесь "Tesco - эпоха возрождения и процветания"

Золотоискатели и маркетологи: что общего?

Несколько лет назад я перешла из сферы "информационных технологий ради информационных технологий" в сферу "ИТ для маркетинга".  

Тогда для меня начался процесс поиска маркетинговых закономерностей с применением аналитических технологий, в том числе, интереснейших методов, которые объединяются названием datamining. 

Какие закономерности можно найти в БД розницы, сети ресторанов или туристических агентств - тема для отдельной статьи, а возможно и целого учебника. Сегодня речь пойдет о более общих понятиях.

Многие маркетологи - сотрудники и клиенты - часто задают мне вопросы о том, что же такое datamining и какое отношение эта технология имеет к маркетингу. Ведь дословный перевод понятия ставит в тупик.

Чтобы ответить на эти вопросы я написала простую статью о технологии datamining, которую  опубликовала на портале E-xecutive. Название статьи - "Золотоискатели и маркетологи: что общего?".  На данный момент по статистике портала ее прочитали 1230 читателей. Надеюсь, что статья оказалась интересной и полезной.

 

В статье я решила описать технологию datamining простыми и понятными словами, без математических и технических подробностей, ассоциируя маркетолога и золотоискателя времен Джека Лондона.  

Сейчас любая компания может попробовать свои силы в роли золотоискателя на своем прииске. Прииском выступают данные, накопленные в базах данных компании. Поиск "золота" в данных становится возможным благодаря большому количеству программных продуктов, которые реализуют методы datamining. Многие из них распространяются бесплатно, так что попробовать силы может каждый. Следует сказать, что некоторые методы достаточно просты в реализации, и их применение возможно без специальных знаний. Требуется лишь желание освоить новое, терпение и неспешное прочтение документации к программе. Часть методов требуют основательной подготовки и освоения специального и часто непростого программного обеспечения.

Вот несколько выдержек из статьи

Датамайнинг – технология, которую объединяет с добычей горной руды то, что современный менеджер, подобно золотоискателю, хочет найти в огромных массивах данных ценную информацию. И такой «клад» способен увеличить прибыль и направить бизнес в нужное русло...

Во времена Джека Лондона «самые отчаянные и рисковые устремлялись на золотые прииски в поисках богатства и приключений, тогда человек оставался один на один с величественной, суровой природой». Так же и сегодня маркетолог остается один на один с горами отчетов, списков и таблиц в надежде найти ответы на вопросы «что?», «почему?» и «как быть?».
...
Сродни раскопкам золота, датамайнинг позволяет разглядеть в данных ценное и невидимое для управления бизнесом, процессом, инициативой. Ценными и невидимыми являются закономерности, которые таятся в данных, накопленных компанией за долгие годы, но скрытых от обывательского взгляда.  
...
Датамайнинг вовсе не маркетинговое понятие. Эту технологию применяют в госбезопасности, биологии, медицине, а в последнее время – в розничном и финансовом бизнесе… В общем, везде, где можно «копать». Для этого все данные должны храниться в структурированном электронном виде (например, таблицы Excel, базы данных).

Технология «раскопок»

«Киркой» для поиска ценных закономерностей являются программные продукты, в которых реализованы кибернетические и статистические методы (например, нейронные сети, методы кластеризации, методы поиска ассоциативных связей). Найденные «сокровища» становятся знаниями, то есть конкурентным преимуществом компании...

Полную версию статьи читайте на портале E-executive