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

4 комментария:

  1. Ирина, добрый день,
    кейс с RFM-сегментацией интересен, но чувствуется некая недосказанность, Monetary не учтен.
    И все-таки общая сегментация для бытовой и компьютерной техники от лукавого, процессоры и видеокарты устаревают за год, а крупная бытовая техника служит годами.

    С уважением, fsecrets.ru
    Секреты прогнозирования и анализа данных

    ОтветитьУдалить
  2. Алексей, спасибо за комментарий
    Несмотря на все достоинства RFM сегментации, все же для человеческого взгляда легче всего воспринимать 2 измерения.
    Все варианты RFM сегментации, которые я видела, являются слишком сложными для простого (не аналитического) восприятия, имею в виду например сотрудника сети, который должен сделать правильные выводы по рисунку. Если Вы встречали доступные (с этой точки зрения), пришлите пожалуйста ссылку, с радостью включим в планы применения
    Поэтому часто используем варианты RF, FM, .... Первый как раз в статье.
    Третье измерение, например в виде цвета, также часто используем.
    В данном кейсе как раз использовали еще одно измерение, обозначенное в виде цвета. Однако предпочли, чтобы это было не M, а комплексный критерий.
    Сегментация может и "от лукавого", однако сети бытовой техники не хотят быть позади планеты всей :-), и тоже сегментируют покупателей.
    Отдельные товары устаревают, отдельные покупаются каждый месяц, мы просто строим модели, которые опираются не на конкретный товар или группу, а на поведение покупателей.

    ОтветитьУдалить
  3. В таком случае ценность такой сегментации для заказчика минимальна, как я ранее и говорил, если Вы не учитываете Monetary и товарную категорию.
    Глупо клиенту звонить через год и предлагать новый холодильник, с вероятностью 99% он откажется, а вот вероятность отказа на новый гаджет или новую видеокарту уже не столь высока.
    Не видно пока на Вашем примере как они смогут оказаться впереди планеты всей. Ведь их задача либо кросс-сейл либо апсейл, а на этот вопрос Вы предпочли не отвечать.

    С уважением,fsecrets.ru
    Секреты прогнозирования и анализа данных

    ОтветитьУдалить
  4. Алексей, прочитайте пожалуйста еще раз мой ответ, я пишу :"Однако предпочли, чтобы это было не M, а комплексный критерий." Мы используем вариации RFM, часто вместо одного параметра используем комплексные. Например, вместо M некоторую комбинацию.
    Обратимся к теории RFM, очередность параметров в названии модели не случайна, она определяет приоритетность параметров. Критерий M является третьим, наименее влиятельным на отклик.
    Однако теория может ошибаться, поэтому мы опираемся на внутреннюю базу знаний откликов, в которой накоплены отклики по инициативам крупных и средних сетей СНГ за почти 5 лет. И всегда учитываем правила, уже установленные для категории,территории, ... при решении маркетинговых задач.
    Задача о которой я писала уже успешно реализована, и могу сказать, что оклик по некоторым сегментам превысил 30%, по остальным сегментам 10-20%. так что позволю себе не согласиться с первой частью Вашего комментария. А по второй части - умалчивать о некоторых элементах методик считаю вполне целесообразным. если бы Вы были клиентом, то с радостью на встрече рассказала Вам о большем.

    ОтветитьУдалить

Related Posts Plugin for WordPress, Blogger...