Тренинг "Программы лояльности как центр прибыли компании". Коротко о главном: задачи и итоги

Сегодняшний пост - для маркетологов, руководителей и менеджеров  Программ лояльности (ПЛ), а также ИТ специалистов по поддержке и автоматизации ПЛ. В нем - краткий обзор недавно проведенного тренинга по созданию прибыльных Программ  Лояльности.

Приняв участие в программе Мини-МБА в сфере лояльности в ноябре прошлого года, совместно с организатором - компанией  IdeaFirst, мы поняли востребованность озвученных тем (а именно - сегментации клиентов) и решили провести специализированный тренинг о построении прибыльных программ лояльности с использованием поведенческой аналитики. 

Подготовка к тренингу была основательной и серьезной, в двухдневном мероприятии "Программы лояльности как центр прибыли компании" мы с Юлией Костерной постарались максимально использовать опыт проектов, полученный за много лет работы с различными программами лояльности в сферах розницы, банков, торговых центров, аптек и ресторанов.

Формат тренинга: 2 дня, 2 тренера, 30 участников из России и Украины, 21 теоретический блок, 4 практических задания и 3 дискуссии.

Тренинг, организованный компанией IdeaFirst, состоялся 26-27 февраля и собрал 30 руководителей и CRM-менеджеров из Украины и России. 

Задача, которую мы поставили для себя перед тренингом - показать   комплексность проекта по программе лояльности, обсудить с участниками  необходимость связи организационной, методической, технической и экономической составляющих.  

ДЛЯ КОГО

Тренинг позиционировался как мероприятие экспертного уровня и подразумевал знание основ построения Программ Лояльности и наличие у каждого участника опыта в сопровождении или внедрении Программы.

ЗАДАЧА И ИДЕЯ ТРЕНИНГА

В начале мероприятия в режиме диалога мы обсудили основные задачи посещения тренинга, от одного из участников задача прозвучала так - "программа лояльности как бизнес проект", с этим девизом мы и провели два продуктивных и насыщенных дня.

5 useful reports about Predictive Analytics And Data Mining. Mind map and 5 pdf

Участвуя в консалтинговых и технических проектах для розницы и банковской сферы, в последнее время наблюдаю как теоретический интерес к возможностям аналитики постепенно становится реальным. Все больше компаний выбирают, сравнивают и используют решения data mining и прогнозную аналитику.

Одна из задач, часто возникающая, например, перед розничными компаниями - необходимость усиления аналитической составляющей в управлении Программой Лояльности и CRM. Здесь прогнозная аналитика может дополнять возможности простого ранжирования клиентов и решать целый ряд прикладных задач.

Predictive Analytics позволяет компаниям принимать разумные решения, снижать риски, а также создавать дифференцированные, более индивидуальные предложения, основанные на особенностях клиента. 

Data Mining и другие информационные системы
Выбор программного обеспечения data mining становится все более непростой задачей, поскольку функциональность аналитики может пересекаться с Business Intelligence, быть частью CRM, MRM, IMM  и других классов информационных систем.

Факторы, влияющие на выбор
Важными факторами, влияющим на выбор программного обеспечения Data Mining являются:

• функциональность решения, 
• особенности интерфейса (easy-to-use), 
• легкость обучения (easy-to-learn), 
• возможность подключения нужных источников данных. 

В то же время, некоторым компаниям необходимы максимальные возможности для прогнозной аналитики, включая возможности работы с big data, другим вполне достаточно приложения с определенной функциональностью data mining. 

Традиционный путь для знакомства с определенным классом решений и текущей ситуацией на рынке - воспользоваться отчетами  известных исследовательских кампаний. 
Однако, в отличие от Business Intelligence (Gartner и Forrester регулярно публикуют отчеты по  по BI, CRM и др.), ситуация с исследованиями по Data Mining выглядит по-другому. Gartner c 2008 года не проводит исследования по решениям Data Mining как отдельного решения, а Forrester опубликовал 3 отчета,  но они не повторяют друг друга, а "смотрят" на решения по прогнозной аналитике как бы с разных сторон.

Отчеты и исследования. Что почитать, чтобы быть в курсе событий

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:

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:

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 унылым, Артём Сердюк (ISM Ukraine, Украина)

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.

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.