вторник, 20 ноября 2012 г.

Mini MBA in Loyalty. Practika in segmentation

Сегодняшний пост - продолжение теоретической части по занятию Сегментация и клиентская аналитика в рамках программы Mini MBA in Loyalty, состоявшейся в Киеве 15-17 ноября.  
В рамках мероприятия мы провели практическое задание, в котором участники на 60 минут стали аналитиками-маркетологами, которые должны были разработать стратегию работы с клиентским активом по результатам предварительно сделанной кластеризации.

Описание задачи:
Продуктовая сеть, покрытие – 1 регион, 40 магазинов, выдано 500 000 карт
Программа Лояльности действует 3 года
Выполнена сегментация клиентского актива (при помощи кластеризации, 2-х шаговый алгоритм), определены 5 сегментов с отличающимися характеристиками.
Необходимо: описать и назвать сегменты (интерпретировать), определить наиболее приоритетные сегменты с точки зрения развития в ПЛ, разработать схему работы с каждым сегментом. 

Решение:

понедельник, 19 ноября 2012 г.

Mini MBA in Loyalty, Киев 15-17 ноября. Сегментация и клиентская аналитика, теоретическая часть

15-17 ноября состоялась очередная программа "Мини-МБА в СФЕРЕ ЛОЯЛЬНОСТИ". На мероприятии  можно было услышать о трендах в лояльности,  обсудить вопросы с коллегами, узнать мнения специалистов, получить много новой информации о том, как улучшить свою программу при помощи методик и технологий, а также попрактиковаться в решении аналитических задач.

Посетив первый раз мероприятие в качестве преподавателя, сегодня делюсь несколькими слайдами нашего совместного с Юлей Костерной  выступления во второй день программы.

В первой (теоретической) части "Сегментация  и клиентская аналитика" мы рассмотрели важные вопросы аналитической поддержки программы лояльности, а именно - сегментации клиентского актива с целью разработки стратегии и тактики взаимодействия с каждым сегментом.

По структуре занятие выглядело таким образом:



четверг, 15 ноября 2012 г.

Конференция для аналитиков: REQ Labs, 9-10 ноября, Киев. Впечатления и тезисы

На прошлой неделе, 9-10 ноября в Киеве прошла конференция Конференция REQ Labs. Об опыте аналитиков: практично и эмоционально, посвященная дисциплине сбора и анализа требований в проектах разработки и поддержки ПО. 
Девиз конференции, на мой взгляд, может звучать так:
Построение фундамента любой информационной системы сводится к пониманию потребностей заказчика – эффективность этого крайне сложно формализуемого процесса кардинальным образом сказывается на успешности проектов и применимости поставляемых программных продуктов. 
С информацией по конференции можно ознакомиться по ссылкам -  О конференции, Программа.

По сравнению с маркетинговыми и техническими конференциями, мероприятие показалось мне очень демократическим, открытым и "практическим" (максимум опыта и минимум теории).


Конференцию посетили гости и спикеры из разных стран. В сегодняшнем посте делюсь своими впечатлениями и знаниями, полученными на мероприятии.

С организационной точки зрения у организаторов было интересное решение по центрам экспертизы в виде участников конференции, одетых в желтые футболки с указанием определенной "бизнес-аналитической темы", большие перерывы для общения с участниками и спикерами, специальный зал для общения с докладчиками.

Направления, которые обсуждались на конференции и запомнились больше всего, учитывая мой взгляд на тему через призму построения работы аналитического подразделения:
  • кто такой аналитик: бизнес-аналитик, системный, функциональный аналитик
  • анализ и моделирование процессов
  • правила эффективной командной работы 
  • сбор и анализ требований, управление противоречиями 
  • роли и распределение ответственности владельца продукта (product owner), бизнес аналитика (business analyst), системного аналитика, скрам-мастера (SM)
  • Scrum, Kanban, Agile, Business Model Canvas
Конференция проходила в двух залах, далее небольшие заметки о докладах,  которые больше всего запомнились.

Бизнес-аналитик или бизнес-синтетик? Или как сделать бизнес-анализ чуть менее унылымАртём Сердюк (ISM Ukraine, Украина)

вторник, 6 ноября 2012 г.

Визуальный анализ клиентского актива. Поиск аномалий, фрода и ценных клиентов

Понимание клиентов и особенностей их поведения - это задача, которая все чаще возникает перед маркетологами и специалистами по лояльности. 
Решается она путем анализа данных, с использованием различных методов и технологий (RFM анализ, ранжирование, сегментация и др.)


Аналитика клиентского актива помогает в разработке механики работы с клиентами, является средством поддержки принятия решений в разработке стратегий и концепций программ лояльности. Несмотря на наличие традиционных методов работы с клиентскими данными, все большую популярность получают визуальные способы клиентского актива.
Сегодня делюсь кейсом по визуальному анализу клиентского актива небольшой дрогерийной сети.
Задача/бриф - описать клиентский актив, сделав акцент на определение отклоняющихся в поведении покупателей (возможный фрод с точки зрения частоты и места покупок, а также "широты" корзины).Данные о программе лояльности: выдано 10 000 карт, в сети 12 магазинов.Проанализировано 5 календарных месяцев.

Далее в 5 шагах описан процесс визуализации клиентского актива (включая описание особенностей).


Шаг 1. Визуализация клиентского актива в двух измерениях (чеки и магазины).
Первым шагом в визуализация клиентского актива сети является представление всех клиентов в виде точечной диаграммы в двух измерениях - количестве чеков и количестве посещаемых магазинов (где ось х - qty_checks, ось у - qty_stores).

Каждая точка на рисунке - это один или несколько покупателей, с характеристикой по паре показателей (число чеков и магазинов). Размер точки определяется размером группы (в легенде описаны размеры групп, от самой немногочисленной - до 100 покупателей, до самой большой - до 2000 покупателей).



Для анализа и визуализации использовалось специальное программное обеспечение IBM SPSS Modeler.

среда, 31 октября 2012 г.

Из чего состоит Программа Лояльности. Ключевые элементы и шаги разработки

На вопрос "из чего состоит программа лояльности (ПЛ)" ИТ директор, маркетолог и клиент отвечают обычно по-разному. У маркетолога в этом смысле самая сложная задача, он должен видеть ПЛ глазами клиента, понимать технические особенности внедрения, а также знать,как создать единый механизм поддержки лояльности.

Чтобы программа лояльности заработала, в ней должны присутствовать ключевые элементы, которые могут касаться организационных, психологических или технических аспектов разработки. Как показывают многие проекты по разработке и аудиту ПЛ, очень часто важные составляющие опускаются из виду в начале разработки или же не согласовываются. Это приводит к разному виденью программы, иногда тормозит проект или же может приостановить его на неопределенное время.  

Сегодняшняя статья посвящена методической части - шагам по созданию "каркаса" ПЛ и основы для дальнейшей работы (механики ПЛ, брифа, тендера и автоматизации).
Программа лояльности - это совокупность элементов, работающих в единой системе, которые позволяют сформировать привязанность клиента к бренду или торговой марке.
Шаг 1. Методическая составляющая. Определяем базовые элементы ПЛ

Элементы, которые нужно разработать до начала внедрения ПЛ, описанные на примере одного из последних проектов из банковской сферы:
  • Цель и задачи ПЛ 
  • целевые показатели ПЛ (показатели, сопровождающие и контролирующие процесс управления ПЛ)
  • целевая аудитория - описание клиентов банка, на которых будет распространяться Программа (те, кого есть смысл рекрутировать с точки зрения потенциала)
  • продукты начисления бонусов (те продукты банка, активность/покупка которых позволяет клиенту накапливать бонусы)
  • продукты- материальные привилегии (те продукты, пользоваться которыми клиент может за накопленные бонусы или же ....)
  • нематериальные привилегии (например, особое обслуживание, ...)

Шаг 2. Визуализация. Строим дерево элементов ПЛ

Визуализация обычно помогает увидеть общую картину и перейти от общего к частному. Дерево элементов ПЛ в виде карты ума (mind map) по описанным элементам для банковской ПЛ:

Шаг 3. Детализация и согласование. Уточняем элементы

После принятия решения о базовых элементах ПЛ следует шаг наполнения - подробное описание каждого элемента. Здесь пригодятся как бенчмаркинг, анализ опыта конкурентов (подробней по ссылке) метод "мозгового штурма", статьи в специализированных изданиях.

вторник, 16 октября 2012 г.

Как разработать программу лояльности банка. Шаблон программы и обзор практики западных банков

Удержание клиентов банка, снижение оттока, расширение перечня продуктов, которые использует клиент - важные задачи для любой компании, в том числе и для банка. Проверенный способ, который помогает решить описанные задачи - разработка программы лояльности ПЛ или программы поощрения/удержания. Для того чтобы разработать "правильную" программу лояльности нужно учитывать как локальные особенности (желательно проанализировать проекты по ПЛ на местных рынках), так и опыт зарубежных коллег для понимания возможностей и перспектив. О "нашем" и зарубежном опыте в разработке ПЛ для банков - сегодняшняя статья.

Во многом цели банковской ПЛ похожи на ПЛ в рознице. Это повышение рентабельности клиентской базы, ценности отдельного клиента, снижение оттока и повышение удовлетворенности. Отличием ПЛ банка от программ в розничной сети является наличие банковской карты - идентификатора клиента, которые вне зависимости от вступления в Программу позволяет еще до ее старта иметь информацию о поведении клиента. Это отличие является серьезным преимуществом, поскольку позволяет банку разрабатывать программу уже с учетом поведенческих особенностей клиентов и выделенных сегментов. 


Шаблон для Программы Лояльности

Анализ рынка действующих программ лояльности в рамках одного из последних проектов для крупного украинского банка показал, что набор продуктов и привилегий в рамках программ поощрений на рынках СНГ является относительно стандартным.

Шаблон, который поможет понять какие варианты программ лояльности реализуются чаще всего на сегодняшний день, т.е. какие составляющие можно положить в основу ПЛ показано ниже (в виде mind map)

среда, 10 октября 2012 г.

Как правильно автоматизировать маркетинг? Комплексный подход и карта функциональности

Для многих компаний полным сюрпризом являются возможности  автоматизации, которые реализованы в специальном программном обеспечении для маркетологов.
Тем не менее, некоторые организации уже перешли от таблиц Excel к использованию   CRM или BI функциональности в интересах маркетинга, и, таким образом, используют отчетность, прогнозирование и сегментацию в "смежных" решениях. Следующий шаг, который дает "свободу" маркетологам и новые возможности компании - это внедрение решения по комплексному управлению маркетингом.

В предыдущих статьях на тему автоматизации маркетинга я уже рассказывала о различных решениях по автоматизации маркетинга, о том, что представляет собой концепция и технология комплексного управления маркетингом и о текущей ситуации на рынке IMM, показанного в отчете Magic Quadrant for Integrated Marketing Management.

Пришло время рассказать о функциональности решений, которые доступны маркетологу в рамках комплексного управления маркетингом.
С технологической точки зрения, продавцы на этом рынке должны обеспечить комплексный набор маркетинговых функций, которые объединяют исполнительские, операционные и аналитические процессы маркетинга. 
Набор этих трех групп функций представляет собой карту функциональности комплексного управления маркетингом (mind map):

пятница, 28 сентября 2012 г.

Magic Quadrant for Integrated Marketing Management. 2010-2011

Движение компаний вперед часто напоминает спортсменов на беговой дорожке. Лидер задает тон, отстающие стремятся догнать и обойти его с применением силы или ума. Чтобы стать лидером в конкурентной гонке, компании используются самые разнообразные способы, и один из этих способов - использование информационных технологий. 
Сегодня, продолжая тему управления маркетингом с использованием автоматизации, расскажу о  рынке программного обеспечения Integrated Marketing Management. Его цель  - позволить компании выйти на новый уровень в управлении  маркетингом и конечно же получить конкурентные преимущества на своей беговой дорожке.

В прошлой статье было описано, что представляет собой комплексное управление маркетингом (IMM). Напомню один из важных тезисов: IMM - это специализированное программное обеспечение, предназначенное для руководителей и специалистов в области маркетинга, позволяющее значительно улучшить работу отдела маркетинга во всех её аспектах.

И если переходить от теории к практике, от после ознакомительного этапа с концепцией IMM  компания должна понимать, какое программное обеспечение в помощь маркетологам представлено сейчас на рынке и заслуживает внедрения в компании для интеграции всех функций и компонентов маркетинга в единое целое.

Компаний на этом рынке на самом деле не так много, их перечень вполне обозрим. Для того, чтобы разобраться в этом вопросе я использовала отчет Gartner "Magic Quadrant for Integrated Marketing Management" 2010, 2011 годов.

среда, 26 сентября 2012 г.

Комплексное управление маркетингом (IMM). Стратегия, технология или ПО

В рамках одного из недавних проектов для розницы у меня возникла задача проанализировать рынок программного обеспечения с точки зрения возможностей автоматизации ряда функций отдела маркетинга, в том числе по Программе Лояльности. 

Как оказалось, проект подобного рода сложен не только в части выбора вендоров, но в части выбора класса системы. Часть работ в рамках этого проекта я описала в статье Автоматизация маркетинга или 6 "квадратов", о которых следует знать маркетологу, прочитать которую можно по ссылкеВ этой статье я рассматриваю несколько классов продуктов (MRMMultichannel Campaign Management , др) который помогают маркетологу решать самые разнообразные задачи.

Сегодня речь пойдет о самом сложном и многофункциональном решении  - комплексном управлении маркетингом или Integrated Marketing Management .

Не найдя подробного описания этого класса систем на русскоязычных ресурсах, решила сделать небольшую "шпаргалку", которая расскажет маркетологам и ИТ специалистам о том, что такое IMM, без погружения в функциональность, главная задача - донести идею комплексного управления маркетингом.


Integrated Marketing Management представляет собой совокупность программных продуктов, которые используются в качестве платформы для автоматизации маркетинговых процессов компании с целью повышения эффективности деятельности.

Достаточно понятно рынок IMM описан в отчете "Magic Quadrant for Integrated Marketing Management" (подробней об отчете 2011) от компании Gartner, по которому я сделала очередную карту ума (mind map) про идею и возможности комплексного управления маркетингом.


А теперь о составляющих IMM немного подробней:


четверг, 6 сентября 2012 г.

Автоматизация маркетинга или 6 "квадратов", о которых следует знать маркетологу

Маркетинг уже давно перестал быть той областью, задачи которой не поддаются автоматизации. И если несколько лет назад маркетологи многих компаний были полностью зависимы от ИТ подразделений, то сейчас появляется определенная "свобода" и возможности самостоятельно решать свои задачи. О том, какие системы могут помочь маркетологу в решении повседневных и стратегических задач и будет сегодняшний пост.


Автоматизация маркетинга - тренд №1

Автоматизация маркетинга - уже вполне устоявшееся словосочетание, вот что на эту тему пишет Википедия:
Автоматиза́ция ма́рке́тинга  — использование специализированных компьютерных программ и технических решений для автоматизации маркетинговых процессов предприятия.
Основные области автоматизации — это маркетинговое планирование и бюджетирование, управление маркетинговыми активами, управление маркетинговыми кампаниями, взаимодействие с клиентами, управление потенциальными продажами, интеграция данных о клиентах и их аналитика, и другие аспекты маркетинга. 
Автоматизация маркетинга является трендом № 1 в 2012 по версии Optify, прочитать подробней об этом можно в статье.


Основное предназначение автоматизации маркетинга - это повышение эффективности решения маркетинговых задач, уменьшение времени на рутинные операции, освоение новых возможностей (которые не были доступны в ручном режиме).


В большинстве крупных и средних компаний, которые внедрили средства Business Intelligence, маркетологи имеют доступ к важной информации для принятия решений (например, при разработке и сопровождении программы лояльности, запуске ряда инициатив, проведении опросов). 

Однако в ситуациях, когда маркетинг имеет приоритетное значение в деятельности компании (и особенно в B2C) желательно включить в ИТ архитектуру компании специальные решения, которые позволят автоматизировать основные процессы маркетинга и дать новые возможности для маркетологов.


Автоматизация маркетинга - почему и зачем

Как показывают проекты в рознице 2011-2012 годов, к автоматизации маркетинга компании приходят по разному. 
Примеры стимулов и мотивов при автоматизации маркетинга:
- усложнение внутренних процессов компании, которые невозможно/трудоемко/дорого поддерживать "ручным" способом;
- изменение процессов компании, например, внедрение программы лояльности, которая потребует автоматизации начисления бонусов, сегментации, управление компонентами кампании и откликом;
- накопление больших массивов данных и big data, которые желательно использовать в процессе принятия маркетинговых решений;
- необходимость общения с клиентом по нескольким каналам коммуникации и поддержки этих процессов (как с точки зрения хранения данных, так и с точки зрения автоматизации индивидуально процесса разработки и ведения инициативы)

При автоматизации маркетинга речь идет не только о CRM системах, существуют и другие классы систем, которые могут заменить и/или дополнить возможности CRM решения. 

Классы системы, которые могут быть полезны маркетологу

Ниже рисунок, на котором показаны классы систем, которые могут быть полезны маркетологу как с точки зрения автоматизации уже существующих процессов, так и с точки зрения появления новых возможностей. 

Подборка была сделана в рамках одного из проектов для ритейла. Ее задача заключалась в иллюстрации многообразия систем (и соответственно возможностей), которые маркетологи могут использовать  в своей работе.


На мой взгляд, с этими Magic Quadrant от Gartner (об этой исследовательской компании можно прочитать здесь и здесь) стоит познакомиться как маркетологам, так и ИТ специалистам, которые связаны с внедрением решений по автоматизации маркетинга.




Прочитать информацию про Magic Quadrant и скачать отчеты Gartner 2011-2012 годов можно по соответствующим ссылкам:

  1. Magic Quadrant for Integrated Marketing Management (скачать october 2011 (eng), статья о квадрате IMM (рус.), подробно о том, что такое IMM (рус.))
  2. Magic Quadrant for Marketing Resource Management (скачать jan 2012 (eng), статья о квадрате MRM (рус.))
  3. Magic Quadrant for CRM Multichannel Campaign Management (скачать may 2011may 2012 (eng))
  4. Magic Quadrant for Sales Force Automation ( скачать july 2012)
  5. Magic Quadrant for CRM Service Contact Centers (скачать apr 2012)
  6. Magic Quadrant for Social CRM (скачать july 2012)

Резюме

  • Определиться с классом критически важных для компании приложений бывает непросто, желательно рассмотреть все возможные альтернативы (смотреть за пределы CRM-решений) с привлечением консультантов, интеграторов, вендоров.
  • Выбору системы должно предшествовать предпроектное исследование и аудит (ИТ архитектуры, процессов, потребностей, которые определят приоритеты и оптимальное решение для маркетинга), а также осознание новых возможностей и задач, которые стоят перед компанией.
  • В зависимости от того, какая ключевая функциональность/роль/задача должна быть возложена на решение и должен делаться выбор среди множества автоматизированных решений для маркетинга.


Также может быть интересно:

понедельник, 3 сентября 2012 г.

4 совета по использованию аналитических технологий. Как начать проект



Сегодняшняя статья - ответ на письмо читателя, полученное по электронной почте.

С удовольствием читаю Ваш блог об инструментах Data Mining и business
intelligence. Но хочу все же до конца разобраться со всем этим. Есть
ли какие-то азы? С чего начать читать? С чего начать внедрять эти
инструменты в компании? Спасибо


Вопрос в письме затрагивает несколько разных тем и мне пришлось какое-то время подумать, чтобы составить относительно универсальный ответ, который надеюсь поможет компаниям, которые только планируют внедрять аналитические технологии. В проектной работе часто наблюдаю, что компаниям бывает непросто определиться с внедрением аналитики и выбором технологии.

Для того, чтобы ответить на вопрос "Как начать" предлагаю рассмотреть несколько  отдельных вопросов:
зачем нужна аналитика (какую пользу она может принести компании)
- как анализировать (отличия различных технологий и платформ -  Business Intelligence, Data Mining, др.)
- кто будет анализировать/внедрять аналитическое решение (оценка достаточности собственного ресурса)
- что анализировать (какие данные будут использоваться в аналитике)



1. Зачем нужна аналитика. Или как перейти от данных к знаниям


Любые аналитические инструменты применяются для того, чтобы из необработанных сырых данных, которые накоплены в компании (или приобретены на рынке) получить полезные знания.
Чаще всего потребность в аналитике возникает в следствие таких ситуаций:
- подход от проблемы (снижение значения важных ключевых показателей)
- страх отстать от конкурентов (особенно при наличии информации о том, что у конкурентов уже используются аналитические технологии)
- решение учредителей/руководства

Как правило, чем более "насущной" или "острой" является проблема, которая заставила задуматься об аналитике, тем быстрее идея по использованию аналитики воплощается в жизнь.

пятница, 27 июля 2012 г.

12+1 вендоров, которых следует рассматривать при построении ИТ архитектуры компании

Редко какая компания при построении ИТ архитектуры обходит возможности business intelligence (бизнес аналитики) и data warehouse (хранилищ данных). Эти решения являются фундаментом, который позволяет управлять компанией обдуманно, принимать взвешенные и объективные решения на основе информации из собственных баз данных.
Продолжая тему выбора поставщиков, решения которых следует рассматривать при внедрении корпоративных решений, привожу список из 13 вендоров, которые предложены в статье "И снова о работе с большими данными" на сайте Компьютерное обозрение.

Рекомендуемый перечень следует учитывать всем компаниям и соотвественно их ИТ-директорам при выборе компонентов ИТ архитектуры компании (Business Intelligence, Data Warehouse, ETL), связанных с хранением, обработкой и аналитикой big data .

В представленный список включены вендоры рынка Business Intelligence из различных категорий с точки зрения  по классификации Gartner:


  • лидеры,  претенденты (Challengers), нишевые игроки (с точки зрения категорий поставщиков business intelligence )


а также поставщики решений в области хранения и обработки данных:

  • DW (Data Warehouse - хранилища данных),
  • ETL  (Extract, Transform, Load — дословно «извлечение, преобразование, загрузка»)
  • DI (Data Integration - интеграция данных).

Для упрощения восприятия список  из статьи представлен в виде mind map (с указанием категории вендора и места в магическом квадрате Gartner).

Сегодняшнюю тему можно считать продолжением "Mind map по Business Intelligence. Лидеры vs мега-вендоры, претенденты vs data discovery" и статьи про "Big Data"

четверг, 19 июля 2012 г.

Как выжать больше из лимона. Часть 3. Аутсорсинг аналитики и организационные решения

Аналитическая поддержка принятия решений уже не является чем-то экзотическим и инновационным. Множество компаний по всему миру доверяют специальному программному обеспечению часть работ, связанных с обработкой и анализом данных. Однако иногда компании не хватает собственных ресурсов для того, чтобы от "интуиции и опыта" перейти к поиску закономерностей в данных и объективным решениям.
Об этом - аутсорсинге аналитики - сегодняшняя часть статьи "Как выжать больше из лимона", начало можно прочитать  по ссылкам  часть 1, часть 2.

Совет третий: не бойтесь аутсорсинга


Реализация принципов поведенческого моделирования возможна в любой розничной сети. Нужно лишь учесть необходимые и достаточные условия. 

К необходимым условиям относится наличие адекватного массива ретроспективных данных. В идеале он должен охватывать покупки не менее 50% клиентов сети. Отсутствие ретроспективных данных не является непреодолимой проблемой: запустить процесс сбора данных можно в любой момент. Единственное требование - возможность идентификации поведения покупателя с помощью дисконтной или бонусной карты.

С достаточными условиями внедрения поведенческого подхода ситуация немного сложнее. Они включают в себя три разновидности: техническое, методологическое и организационное условия. 

Техническое - это возможность использования достижений бизнес-аналитики при работе с накопленными данными. Некоторые крупные сети используют аналитический функционал, встроенный в ERP-систему, или применяют отдельные системы, позволяющие управлять отношениями с покупателями. Для других розничных операторов вопрос решается еще проще: практически все существующее программное обеспечение позволяет формировать массивы данных для передачи их аутсорсинговому провайдеру с целью применения технологии поведенческого моделирования. Иными словами, практически у каждой сети есть возможность периодически арендовать техническую базу для планирования поведенческих инициатив. Более 70% клиентов Prospects использовали эту возможность, избежав необходимости инвестировать в дорогостоящий программный продукт.
Методологическая составляющая напрямую связана с человеческим фактором. Именно человек, владеющий методиками, делает процесс анализа управляемым, определяет его методы, несет ответственность за их уместность, определяет пути повышения эффективности. Получить методические рекомендации можно и у третьих лиц, но все же библиотека методического опыта должна накапливаться в компании. 
Организационное условие обеспечивает возможность соблюдения технического и методологического. Речь идет о том, каким структурным подразделениям компании может вменить в обязанность решение описанных выше задач. Часто это становится краеугольным камнем на пути реализации поведенческого подхода. IT-подразделения первыми попадают под раздачу, и зачастую именно это гасит благие намерения инициаторов поведенческого моделирования.
Сопротивление IT-подразделений естественно по нескольким причинам. 
1. Прежде всего, личностные особенности IT-специалистов не располагают к глубокой поведенческой аналитике: они читают другие книжки и думают о других вещах.
2. Вторая причина - занятость IТ-специалистов регулярными операционными задачами предприятия. В свою очередь, отделы маркетинга зачастую слишком далеки от задач подобного рода. 
Выходом может казаться введение вакансии CRM-менеджера (и даже создание дирекций программ лояльности), но опыт показывает, что ему не дают поднять головы: объем задач, возлагаемых на новое должностное лицо, в большинстве случаев превышает его физические возможности. Тут уж не до аналитики (и тем более не до познания) - не завалить бы дело. Возможно, поэтому у многих компаний воз (с данными) и ныне там (в архиве).

Сдвинуть эту задачу в направлении поведенческого моделирования помогут как минимум два варианта действий. 
Первый предполагает назначение ответственных людей (а еще лучше -- выделение этих людей в отдельное подразделение), задачей которых будет интеграция маркетинга, IT и CRM с целью прикладной аналитики и предоставления поведенческих рекомендаций. По совместительству это подразделение может отвечать за систему управления знаниями компании. Второй вариант заключается в том, чтобы поручить поведенческое моделирование компании, специализирующейся на услугах подобного рода (без каких-либо организационных изменений внутри розничного предприятия).

Риски и возможности
Разумеется, оба варианта имеют свои преимущества и недостатки. И, делая выбор, нужно понимать последствия каждой стратегии, а также оценивать сопряженные с ней риски. А они есть. Для первого варианта характерны риски, связанные с отсутствием методологической базы и опытного персонала, а также с возрастанием фиксированных затрат компании (приходится привлекать специалистов из-за рубежа).

Риски второго варианта связаны с ключевой компетенции нанимаемой компании: очень часто в тендер включают провайдеров IT-решений, что в конечном счете выводит розничную компанию на губительный путь операционного CRM. Что касается риска сохранности данных, то в последнее время о нем говорят все реже: прошла эпоха недоверия, усовершенствовали системы безопасности и контроля, а главное, по мере накопления опыта исчезла боязнь злоупотреблений со стороны компании-подрядчика. Всем уже очевидно, что безупречная репутация -- ключевой фактор успеха любой компании, работающей с чужими данными.

Вместо заключения
«Средства бизнес-аналитики как возможность получения конкурентных преимуществ» -- это программа-минимум для отечественных сетей. Правда, на Западе уже давно звучит другой лозунг: «Применение BI -- не конкурентное преимущество, а средство выживания». Пожалуй, это тот случай, когда у компаний есть реальный шанс обогнать или догнать западных коллег, начав простые действия уже сегодня.

Прочитать другие статьи из этой же рубрики можно прочитать здесь

Все статьи блога можно увидеть здесь

Для получения обновлений блога не забудьте подписаться на рассылку RSS.


вторник, 17 июля 2012 г.

Как выжать больше из лимона. Часть 2. Несколько советов о старте работ с поведенческими данными

Продолжение статьи о неиспользованных возможностях розничных данных из журнала Новый маркетинг "Как выжать больше из лимона", часть 1 - можно прочитать по ссылке. В сегодняшней части - два совета о первых шагах использования поведенческих данных и несколько примеров из реальных проектов.


Принципы поведенческого моделирования доказали свою состоятельность во многих крупных сетях, телекоммуникационных компаниях и банках Западной Европы. Однако решение описанных выше задач уже не под силу даже самому совершенному роботу. Психологическая природа поведения потребителей предлагает целую обойму новых вводных, понять и учесть которые может только живой человек - специалист в области потребительской бихевиористики (науки о поведении), оснащенный адекватным программным продуктом. Не секрет, что таких специалистов крайне мало на любом рынке, а задача становится все актуальнее.

Еще одна сложность на пути - недоступность научной базы. Проекты, использующие принципы поведенческого моделирования, пока не обсуждают в широких кругах, по этой теме нельзя найти полноценный учебник или посмотреть готовые кейсы. Освоение не описанной доселе научной области требует одержимости от менеджеров среднего звена, а она, как известно, результат сильной мотивации. Занимаются ли розничные сети мотивированием своих CRM-менеджеров - вопрос риторический. Особенно если вспомнить, что приоритетом для отечественной розницы все еще остается захват территорий. В общем, на пути к заветному поведенческому моделированию гораздо больше препятствий, чем рекомендаций. Впрочем, несколько советов все же можно дать.

Совет первый: начните с простых задач

Пожалуй, самая доступная задача на этом пути - оптимизация стимулирующих инициатив (купоны на скидку, специальные цены и пр.). Под оптимизацией имеется в виду получение большей прибыли при меньших затратах.
Массовые рассылки специальных предложений подошли к следующему логическому этапу - специальным предложениям. Об этом свидетельствуют не только периодически появляющиеся статьи и выступления, но и многочисленные вопросы представителей розничных сетей, которые уже давно осознали значимость специального подхода к разным группам своих покупателей. 
Пускай он не так прост в реализации, как массовые скидки и массовый купонинг, -- сравнительная экономическая эффективность целевых предложений очевидна даже скептикам. 

При правильном использовании простейших инструментов моделирования розничный оператор может решить как минимум три важные задачи:
  • уменьшить недовольство покупателя и повысить его удовлетворенность магазином (сетью). Теперь он не будет получать заведомо неинтересных ему предложений -- каждое предложение будет свидетельствовать о его персональной ценности;
  • повысить отклик на предложения. Это главный экономический фактор;
  • оптимизировать маркетинговый бюджет, в частности исходя из ценности покупателя для сети. Здесь речь идет о возможности экономически обоснованного перераспределении маркетингового бюджета: каждый сегмент получает предложение, соответствующее его ценности (в том числе потенциальной) для розничной сети.

понедельник, 16 июля 2012 г.

Как выжать больше из лимона? О неиспользованных возможностях розничных данных. Статья для Нового маркетинга

Несколько лет назад в журнале Новый маркетинг (Россия, № 10, 2008) я опубликовала статью с почти "кулинарным" названием "Как выжать больше из лимона". Несмотря на относительную давность статьи, перечитав ее сейчас, поняла, что большинство вопросов, обсуждаемых в статье, не утратили своей актуальности для розничного бизнеса до теперешнего времени. 
По просьбам нескольких читателей - сегодня первая часть статьи о неиспользованных возможностях розничных данных, рубрика "Маркетинг отношений"

Редкая розничная сеть не имеет сегодня своей дисконтной программы. Некоторые уже успели пройти этот этап: ввели бонусную систему, посчитав ее более совершенной и выгодной, чем дисконт. Штатные специалисты по управлению взаимоотношениями с клиентами явно в цене: своих не хватает, приглашают из ближнего зарубежья. В стремлении освоить непростую науку управления поведением покупателей наши  розничные операторы не уступают своим западным коллегам. Одно лишь озадачивает: стандартная дорожная карта программ лояльности скоро будет пройдена, копировать будет уже не кого, а следующий шаг неочевиден.

Куда ведет эволюция
В контексте развития программ, идентифицирующих потребителя (дисконт это или бонус - не имеет значения), у сети неизбежно появляется потребность в решении двух ключевых задач: в управлении ассортиментом и поведением покупателей. Видимо, именно в этих направлениях будут развиваться современные программы лояльности при условии использовании адекватных программных продуктов.

Задача управления ассортиментом уже не нова для наших рынков. Ее решают, применяя современные технологии и передовые программные средства, многие сети стран СНГ. Вопросы использования бизнес-аналитики, в том числе методов Data Mining, для решения, к примеру, задач прогнозирования становятся предметом обсуждения на многих конференциях и круглых столах. В этом направлении прогресс очевиден, эффективность применения технологий и методик доказана и подсчитана многими компаниями.

Гораздо хуже обстоят дела со второй задачей - управлением поведением покупателей. Попытки решить ее на уровне IT стали предпринимать относительно давно, еще в эпоху создания оперативного CRM. Обезличенному роботу доверили взаимоотношения с человеком, что стало главной ошибкой в истории CRM. Провал многих проектов в этой области еще раз подтвердил несостоятельность строго формализованного подхода к решению задач подобного рода. Вторая волна эволюции робота, названная аналитическим CRM, была призвана исправить все ошибки оперативного CRM. Однако правда заключается в том, что CRM-решениями как инструментом прогнозирования и управления поведением покупателей по-прежнему пользуются единицы.

Related Posts Plugin for WordPress, Blogger...