понедельник, 31 октября 2011 г.

Выступление на Customer Management Forum: Аналитика для Программ лояльности и маркетинга.

На прошлой неделе, а точнее 25-26 октября в Москве состоялся восьмой ежегодный форум "Управление отношениями с клиентами".
Программу форума можно посмотреть здесь
Во второй день  на форуме прошли две параллельные сессии: Customer service и «Программы лояльности».

Сессия  "Программы лояльности" была посвящена различным аспектам Программ лояльности, исследованиям и опыту в различных сферах. В своем выступлении в сессии "Программы лояльности" я рассказывала о методологии проведения аналитического проекта и нескольких кейсах.

Сегодня публикую несколько "картинок" из презентации своего выступления.

Целью доклада было рассказать:
  • о том, как строится аналитический процесс (для того чтобы все запланированное  могло реализоваться)
  • о некоторых примерах применения различных аналитических методов в программах лояльности и инициативах в розничных сетях России и Украины в 2010-11 годах

CRISP
Любой аналитический проект, а тем более тот, что содержит в себе элементы data mining следует проводить по стандартам. Наиболее распространенный стандарт для подобных проектов - это  методология Cross-industry standard process for data mining  (CRISP).




Достаточно часто для того, чтобы наладить аналитический процесс с использованием математических методов (вкл. data mining) компаниям не хватает ресурсов, например, квалифицированного персонала с математическим или статистическим образованием. В этом случае аналитика возможна на основе знания эксперта. Классический вариант такой аналитики - это RFM сегментация (подробней), которая позволяет определить клиентов, наиболее склонных к отклику (с наибольшими значениями F и M, и наименьшими R). Знания и опыт эксперта здесь пригодятся для определения числа интервалов по R, F и M, а также для уточнения модели и построения рейтинга покупателей (на самом деле при реализации модели возникает множество вопросов, которые требуют некоторого опыта). 
Однако, экспертный вариант создания  все чаще требует объективного и математического подтверждения, что возможно только при использовании специальных аналитических методов.



Любая аналитическая задача является описательной или прогнозирующей.
Примеры аналитики для маркетинга на практике показаны на карте ума. Сегментация, профилирование, определение фрода - это задачи описательной аналитики
В таких задачах осуществляется обработка данных, их агрегация, систематизация и визуализация.
Вторая группа задач - прогнозирующая аналитика (подробней). В маркетинге такие задачи применяют в основном для поиска покупателей, склонных к оттоку и к покупке определенных товаров.
Основное отличие прогнозирующей аналитики от описательной состоит в том, что здесь генерируется новое знание о покупателе на основе определенных методов. Например, покупателю присваивается определенный класс (купит/не купит товар).

Применение аналитических методов имеет смысл на всех этапах жизненного цикла Программы лояльности: на этапе разработки концепции, при запуске программы и отдельных инициатив, а также на этапе анализа эффективности. Два вида работ (в зависимости от наличия воздействия на покупателя) показаны на карте ума. 
Первый блок - это разработка концепций и механик (не предусматривают прямое воздействие на покупателя). 
Второй блок - разработка инициатив (предусматривают обязательное воздействие на покупателя).
После нескольких кейсов я рассказала о важности расчета экономики в Программах Лояльности и о том, что при использовании аналитики и накопленных данных бюджеты маркетинговых инициатив могут быть оптимизированы за счет изменения/сокращения выборок потенциальных участников целевых или массовых рассылок. 

Иллюстрация примера - список покупателей для рассылки в 24% показывает максимальную прибыль и максимальный ROI (подробней о MROI - 5 шагов к расчету MROI: формула, инструмент, расчет, проблемы и способы их решения)

При включении в инициативу более 24%, прибыльности инициативы начинает уменьшаться.


Интерес к возможностям аналитики в Программах лояльности и маркетингу возрастает с каждым годом, это подтверждают выступления представителей из различных сфер ритейла, которые говорили о сегментации и аналитике, которую они проводят или же планируют внедрять. 

Интересным элементом  форума этого года было интерактивное голосование. В конце выступления мой вопрос к залу звучал так:

Оцените, пожалуйста, связь между маркетингом и поведенческими данными (о покупках клиентов, посещениях персональных кабинетов, звонках на ГЛ, переходах по ссылкам из социальных сетей) в Вашей практической деятельности:

1.       Максимально используем накопленные данные о поведении покупателей при формировании маркетинговых решений

2.       Используем данные о поведении покупателей при формировании маркетинговых решений, однако, понимаем, что перечень анализируемых данных можно значительно расширить


3.       Пока не используем поведенческие данные, но планируем делать это в ближайшее время


4.       Не планируем использовать, поскольку не считаем это эффективным инструментом


5.       Не собираем данные о поведении покупателя и не планируем использовать


6.       Другое


Основные ответы распределились между 2 и 3 вариантами (50% и 46%), и небольшой процент (4%)  - 4-й вариант.

Похожие статьи:

Для получения обновлений блога не забудьте подписаться на рассылку RSS.

Прочитать похожие статьи из этой рубрики можно прочитать здесь

О других мероприятиях и докладах на эту тему можно прочитать здесь

Комментариев нет:

Отправить комментарий

Related Posts Plugin for WordPress, Blogger...