четверг, 30 сентября 2010 г.

Жизнь в таблицах. Искусство в Excel

Оказывается в Excel можно не только считать, но и рисовать...

Вот такой рисунок,186 columns 100 rows, нарисован за несколько дней.




Документ в формате xls, в котором нарисована снежинка можно скачать здесь.
А видео, которое показывает весь процесс - здесь

Рисуют в Excel и в Украине.
Это доказал  Алексей Сай, воплощая в обычных excel-ких таблицах  все то, что обычный пользователь просто видит перед собой.


Алексей Сай является признанным докой рекламного дела. Его заслуги в этом тонком бизнесе не подлежат никаким сомнениям. Это подтверждается его креативными разработками для рекламных кампаний известных в Украине брендов, участием в престижных конкурсах сферы и высокими оценками его профессиональных качеств на страницах рейтинговых изданий. Но, пожалуй, главное, что движет Саем – его вполне осмысленное и устоявшееся стремление творить. 
Возможно, это и звучит банально, но в данном случае как-то неприлично употребить производные от заимствованного “to create”, по поводу которого уже лет десять назад иронизировал великий и циничный Пелевин. Потому что в контексте персональной выставки Сая в галерее ЦЕХ мы рассматриваем его работы именно как произведения «творца», а не «криэйтора».
Подробней можно увидеть и прочитать здесь





Если Вам понравилась статья, подписка на обновления статей блога - здесь 

Прочитать другие статьи из этой и других рубрик можно в каталоге статей

Программы лояльности вопросах и ответах. Часть 1. Для Форума лояльности

На прошлой неделе меня пригласили принять участие в опросе экспертов по вопросам программ лояльности, который проводится компанией ИФАК. Исследование называется «Развитие программ лояльности в Украине». Цель исследования: выделить основные тренды в сфере лояльности с точки зрения экспертов рынка, а также изучить мнение потребителей о существующих программах лояльности. Результаты этого масштабного исследования будут представлены на форуме лояльности.

Публикую часть вопросов и ответов.  Сегодняшняя тема "Отношение к программам лояльности. Программы лояльности в Украине".

1. Изменилось ли ваше понимание потребительской лояльности за последние 3–5 лет? Если да, то как?

Лояльность становится  более требовательной. За эти годы пришло понимание, что воспитывать лояльного потребителя все сложней.

2. Считаете ли вы наличие сегодня у компании любого вида программы лояльности (в том числе – дисконтной программы) фактором ее конкурентноспособности? Если нет, то какая программа (какие инициативы) дают компании конкурентные преимущества?

Не обязательно. Есть такие рынки и такие компании, для которых Программы лояльности не обязательны, иногда экономически не выгодны.
 Программы лояльности в классическом понимании чаще всего не нужны магазину-дискаунтеру.Однако это не означает, что такому магазину не нужны специальные долгосрочные или краткосрочные инициативы, нацеленные на стимулирование покупок определенного товара или бренда, или же нацеленные на определенный сегмент.
И именно такие инициативы являются конкурентным преимуществом компании.

3. Какие программы/инициативы наиболее характерны для украинского рынка?

Для украинского рынка на сегодняшний день характерны Программы лояльности, которые на голову выше тех, что были несколько лет назад.  Но все же, они очень сильно отстают от рынка программ лояльности Европы по ряду критериев. Это и использование персонализации предложений по времени, месту, составу предложения, и использование IT достижений и средств.
Например, использование персональных кабинетов, достаточно популярное в Программах лояльности западных операторов существует у нас в достаточно примитивном виде. В лучшем случае это информирование участника Программы о накопленному ими балансу.
Этот инструмент можно использовать намного более эффективно – в первую очередь для взаимодействия с участником программы, и, конечно же,  для повышения его ценности.
 4. Конкурируют ли компании за счет программ лояльности?

Компании конкурируют всегда, в том числе за счет программ лояльности. Не стоит забывать, что программа лояльности – это всего лишь инструмент, который позволяет компании стать более привлекательным для покупателя.
Учитывая тот факт, что большинство Программ лояльности украинского рынка достаточны просты по своей механике, сравнение двух-трех уровней дисконта доступно любому потребителю.
Чаще всего на нашем рынке так и происходит – конкуренция заключается в  конкуренции по % дисконта, который обеспечивает статус  участника.  Бонусные программы в таком сравнении проигрывают дисконтным. Потребитель все равно пересчитывает полученные подарки в гривни. Как правило, полученный процент скидки ниже, чем при дисконтной системе, отсюда недовольство и неудовлетворенность покупателя.

5. Какие компании, действующие на рынке Украины, Вы могли бы выделить как лидеров по разработке и внедрению программ лояльности?

В данный момент я представляю группу компаний Prospects Group, мы предоставляем все услуги по разработке и внедрению Программ лояльности, начиная от разработки концепции и заканчивая сложными аналитическими решения по поддержке принятия решений для маркетолога. Думаю, что аналогов нашей компании (по спектру предлагаемых продуктов в рамках разработки программ лояльности) на Украине нет.
6. Как вы считаете, какие программы лояльности являются наиболее эффективными и почему?

Программа лояльности является эффективной, если она достигает своих целей.
Как показывает практика, основная проблема наших программ лояльности – это как раз непонимание целей программы. Очень часто программа разрабатывается как дань моде, без четкого понимания Зачем и Для кого.
Иногда эффективной называют Программу, в рамках которой выдано, например 100 000 карт. Часто при этом игнорируется даже простая возможность подсчитать, какой % из этих карт использовали повторно.
Вот и получается, что выдача определенного количества карт считается внутри компании  признаком эффективности программы, а на самом деле, это всего лишь затраты. В эффективность они могут превратиться при правильном управлении Программой.
7. За счет каких факторов формируется потребительская лояльность сейчас?

Потребительская лояльность действительно зависит от сферы деятельности компании. Поскольку среди наших клиентов находятся клиенты из различных сфер, то и разрабатываемые программы опираются на необходимость учета специфики рынка. Если говорить в общем, то это и % скидки, и ценность предложения, удобство программы, коммуникация. Если говорить о сфере услуг, то это уровень обслуживания, дизайн и атмосфера места.
  
 8. Как Вы оцениваете практику использования коалиционных программам лояльности? Считаете ли вы, что коалиция лучше собственной программы?
 Популярность коалиционных программ сейчас возрастает. Однако практика показывает, что помимо ощутимых преимуществ, такое сотрудничество имеет и свои минусы, иногда очевидные, иногда скрытые. Наиболее часто возникающие проблемы в коалиционных программах: право на собственность клиентского актива Программы и схема экономических взаимоотношений.
Эффективными с точки зрения повышения лояльности, имеют так называемые, ко-брендинговые проекты, например, банка и торговой сети.
На мой взгляд, наличие собственной программы лояльности более эффективно, чем классическая коалиционная программа.

9. При каких условиях компаниям выгодно внедрять коалиционные программы лояльности? 

Большая проблема многих коалиционных программы – несовпадение профилей участников Программы. Из практики анализа эффективности таких программ могу сказать, что достаточно часто профили участников не совпадают насколько, что синергетический эффект от сотрудничества имеет скорее не положительный, а отрицательный знак.
Поэтому правило номер один при вступлении в коалиционную программу - необходимо понять целевую аудиторию потенциальных партнеров и оценить, насколько она совпадает с вашей, действительно ли покупатели партнеров могут стать вашими покупателями и принести вам выгоду.
Компании выгодно внедрять коалиционную программу, в первую очередь, когда нет средств на разработку собственной, отсутствует собственная клиентская база или она недостаточна.
Кроме этого, есть несколько вариантов, когда наличие партнера в Программе лояльности – это действительно эффективно и взаимовыгодно.
Как я уже говорила ранее, это ко-брендинговые программы, в которых программа лояльности розничной сети, ресторана, отеля сотрудничает с банком.
Для Программы постоянного посетителя отеля выгодно сотрудничество с железнодорожными компаниями и  Авиа компаниями, туристическими агентствами.
Коалиционные программы так же выгодны для торгово-развлекательных центров. Это не классический формат коалиционной программы, есть определенные особенности, здесь все участники Программы (арендаторы) находятся «под одной крышей». Есть достойные  примеры для подражания, в основном в странах Западной Европы.               
10. Какую коалиционную программу вы бы назвали успешной из действующих на украинском рынке?
Как я уже говорила ранее, успешность программы не определяется количеством ее участников. Чтобы  назвать программу успешной, нужно понимать ее достижения в экономических показателях повышения выручки партнеров Программы, увеличения среднего чека, расширения корзины. Думаю, что «реальная картина» успешности есть только у операторов, которые управляют коалиционными программами.
Другие статьи по этой теме:


 
 Программы лояльности в вопросах и ответах (часть 2): механики и основные задачи

 
Программы лояльности в вопросах и ответах (часть 3): коммуникация с клиентом

 
Программы лояльности и организационная структура. Вопросы и ответы. Часть 4.

 
Программы лояльности вопросах и ответах (часть 5). Проблемы и ошибки программ лояльности

среда, 29 сентября 2010 г.

Возможности снижения оттока из розничной сети: теория и кейс


Лояльность или постоянство покупателя - задача не из простых. Завоевывают постоянство при помощи программ лояльности и других маркетинговых технологий. Однако завоевать - это половина дела, нужно еще удержать, а иногда вернуть покупателя.
Сегодня речь пойдет о тех возможностях, которые позволяют предусмотреть, предвидеть отток покупателей.Решается эта задача при помощи методов так называемого прогностического моделирования.
Прогностическое моделирование (Predictive modelling) направлено на решение задач, в которых необходимо спрогнозировать поведение объекта, например группы покупателей, при помощи некоторой модели.
В маркетинге  прогностическое моделирование  используется для повышения эффективности управления оттоком. Решается эта задача путем определения характеристик потенциального оттока и выявления покупателей, которые соответствуют этим характеристикам.

Методы прогностического моделирования для управления оттоком уже давно используют телекоммуникации и банки. Достаточно популярным методом, решающим классификационную задачу является метод дерева решений (decision tree).

Суть его достаточно проста. Расскажу на примере скоринговой модели для банка, решающей задачу выдавать или не выдавать кредит клиенту.

Все объекты (клиенты) из базы данных на основе ретроспективных данных разделяются на две группы - вернувших и не вернувших кредит. Далее строится модель, которая  ищет разницу в характеристиках этих двух групп. Выделяются наиболее значимые характеристики, определяющие группу клиентов, не вернувших кредит. 
Таким образом на основе ретроспективных данных определяется профиль заемщиков, которые не склонны к возврату кредита. Обычно клиентам с такими характеристиками кредиты не выдают. 
Подобный принцип положен в процесс определения покупателей, склонных к оттоку. 
Нужно сказать, что задача управления оттоком покупателей  в рлознице становится сейчас все более актуальной.  Классификационная модель определяет принадлежность  покупателя по ряду признаков его поведения к одному из классов (вероятный отток или не отток).
 

Из практики
Сегодня я расскажу о задаче,  которая недавно решались для одной из розничных сетей Украины как раз с использованием прогностического моделирования.

Проблема заключалась в снижении выручки сети. Руководство сети решило использовать аналитику для управления оттоком. Нам была поставлена в определения скрытых характеристик покупателей, которые с наибольшей вероятностью станут группой оттока.
Из брифа: в парфюмерной сети зафиксировано падение продаж в период с января по июнь 2010 года на 15% по сравнению с аналогичным периодом прошлого года. Необходимо определить уровень оттока в этом периоде и предложить способы повышения выручки (без задействования внешней рекламы и привлечения новых покупателей).
Способ решения задачи: уменьшение группы оттока из сети через инструменты удержания.

Постановка задачи: определить  характеристики группы, склонной к оттоку и список покупателей, которые с наибольшей вероятностью могут стать группой оттока в ближайший период. Предложить способы удержания покупателей
Решение
При определении группы покупателей, склонных к оттоку использовался метод Дерево решений (decision tree).

Данные для анализа: период с 01.01.2009 по 01.09.2010

В  результате построения классификационной модели на основе данных покупок владельцев карт были определены характеристики покупателей, склонных к оттоку.
Профиль покупателя склонного к оттоку: отсутствие покупок уцененных товаров, количество уникальных магазинов с покупками от 1 до 4, количество уникальных брендов до 30, количество люксовых товаров  в чеке - 1 или 2.
Обобщая, можно сказать что покупатель склонный к оттоку не сенсетивен к предложениям уценки, посещает относительно малое количество магазинов сети, корзина его "не широка" (относительно мало брендов и дорогих товаров).

Именно эти характеристики являются отличительными признаками группы оттока. Покупатели, не склонные к оттоку обычно посещают более 4 магазинов,покупают более 30 брендов в долгосрочном периоде, имеют в корзине более 2 люксовых товаров.

Традиционно, для того чтобы определить покупателей, склонных к оттоку строится несколько моделей, после чего определяется наиболее точная. 
В нашем случае было построено 5 моделей при помощи различных методов и разных вариантов поведенческих характеристик. Каждая из моделей описывала набор поведенческих характеристик склонных к оттоку покупателей.

Следующий этап после построения моделей - это оценка их точности. Проверка точности делается на контрольных выборках и по нескольким критериям. Оценка точности по коэффициенту Джини описана ниже.

Наибольшую точность показывает модель, которая описывает наибольшую площадь многоугольника построенного по параметрам коэффициента Джини. В данном случае наиболее точная модель - это модель 1.

Прикладная ценность данной работы заключается в возможность воздействовать на покупателей, склонных к оттоку. 

Для покупателей с выявленными характеристиками были разработаны специальные предложения, которые имеют индивидуальный характер и учитывают особенности предпочтений покупателей (любимые бренды и категории).
В частности, для покупателей, частота покупок которых достаточно высока, но перечень категорий невелик (соответственно, недостающие категории они приобретают в других магазинах) были разработаны предложения по расширению корзины.
Для покупателей с низкой частотой покупок была предложена механика, повышающая частоту с предложением покупок любимых брендов. 
Важно, что при формировании предложений учитывалась вся история взаимоотношений сети и покупателя, экономическая целесообразность удержания каждого отдельного покупателя.


Для получения обновлений блога не забудьте подписаться на рассылку RSS.

Прочитать другие статьи из этой же рубрики можно прочитать здесь

среда, 22 сентября 2010 г.

Форум IBM: Зробимо планету розумнішою разом

Состоялся традиционный технологичный форум IBM. В этом году он прошел под девизом "Зробимо планету розумнішою". По сравнению с прошлым годом он показался мне более глобальным, решающим более общие стратегические задачи. Если говорить о докладах, то особенно понравился доклад Кирилла Корнельева. Тема доклада "Разумная планета; интеллект, инновации, интеграции".
Мир меняется. Основные признаки: техническая оснащенность, взаимосвязанность, интеллектуальность. Каждый день в мире генерируется 15 ПБ информации. В IBM работает более 700 сотрудников, исследующих и прогнозирующих, как будет развиваться мир в ближайшие годы.В этом году впервые горожан на Земле стало больше, чем сельских жителей.

Рассказывалось о решениях IBM при помощи современных технологий. Приводился пример разработки Системы прогнозирования дорожной обстановки в Сингапуре. На основе статистических и оперативных данных об интенсивности дорожного движения прогнозируются транспортные потоки с точностью 90%.

Практически во всех докладах речь шла о, о том, что аналитика занимает все более важное место в бизнесе. В подтверждение слов приводили опросы как IBM, так и внешних исследовательских компаний.
По опросу более 2500 IT директоров были выделены ключевые области, в которых IT-директора планируют повышать конкурентоспособность бизнеса в ближайшие годы. Первой позицией в этом рейтинге находится аналитика и бизнес аналитика.


Форум работал в трех секциях.
Первая - безопасность данных, вторая - разумная инфраструктура, третья - аналитическая обработка и управление информацией.

Розумна інфраструктура для систем автоматизації та управління ресурсами підприємства
Огляд інноваційних підходів та рішень IBM, здатних забезпечити ІТ-інфраструктурі високий рівень продуктивності, динамічності, гнучкості за умов, що постійно змінюються, враховуючи різнорідне навантаження, що породжується різними прикладними програмами, які використовуються в сучасних системах автоматизації підприємств, у тому числі в системах управління активами та ресурсами. Буде розглядатися програмне забезпечення проміжного шару, що дозволяє інтегрувати різноманітні прикладні програми, які формують систему автоматизації, в єдину композитну програму.

 Безпека даних та забезпечення стабільності бізнесу
Аналіз підходів до побудови інфраструктури систем автоматизації, стійкої до помилок обслуговуючого персоналу, потенційних відмов апаратних та програмних засобів. Ми детально розглянемо функціональні особливості компонентів інфраструктури, операційних систем, програмно-апаратних засобів та сервісні послуги, що забезпечують високу доступність, стійкість до відмов, безперервність функціонування, аутентифікацію, авторизацію та захист інформації.
 Аналітична обробка та раціональне управління зберіганням інформації
Основні особливості компонентів для раціонального зберігання, архівування та резервного копіювання даних. Ви зможете дізнатися, як знизити вартість зберігання й обслуговування даних, а також оптимізувати використання простору зберігання з урахуванням різнорідності даних та інтенсивності доступу до них. Особлива увага буде приділена засобам аналітичної обробки та організації документообігу, тісно інтегрованим з бізнес-процесами підприємства.

В секции по аналитической обработке информации последний доклад назывался "Использование технологии Data Mining для решения задач прогностической аналитики".
Докладчик - Константин Пацера, преподаватель Бизнес-школы. В докладе шла речь о возможностях аналитики для повышения эффективности бизнеса, в частности рассматривался пример сегментации покупателей по предпочтениям. После завершения выступления в секции наблюдалась активная дискуссия о возможностях Data Mining, компаниях, реализующих такие решения, пользе для бизнеса, высказывались сомнения, и даже споры о сути процесса Data Mining.
Наличие вопросов по такой теме не может не радовать - значит рынок постепенно осваивает аналитические технологии, и новый маркетинг на просторах СНГ наверняка оценит то, что уже давно используется в мире.

вторник, 21 сентября 2010 г.

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"

Для получения обновлений блога не забудьте подписаться на рассылку RSS.

Прочитать другие статьи из этой же рубрики можно прочитать здесь

Related Posts Plugin for WordPress, Blogger...