Маркетинг, основанный на данных. 15 показателей, которые должен знать каждый Джеффри Марк
Изобразительная реклама может быть важным элементом вашего маркетинга в интернете, но для этого необходимо оптимизировать ее размещение в сочетании с другими маркетинговыми мероприятиями. Отдельно стоит рассказать о маркетинге в социальных сетях.
Гипертаргетинг[42] изобразительной рекламы в социальных медиа
В широком смысле социальные меда включают весь интернет-контент, создаваемый пользователями. Популярность социальных сетей в последние годы резко выросла. По данным Compete.com, количество уникальных пользователей Facebook выросло с 30 миллионов в апреле 2008 года до 105 миллионов в апреле 2009 года, а всего за 12 месяцев количество уникальных пользователей Twitter увеличилось с 1 миллиона до 20 миллионов (к апрелю 2009 года). Очевидно, что социальные медиа и социальные сети стали главной силой в интернете, однако маркетеры до сих пор не знают, как эффективно использовать этот инструмент.
В 2009 году средний показатель CTR по изобразительной рекламе в социальных сетях был крайне низок (около 0,03 %). Это означало, что подавляющее большинство маркетеров не инвестировало в этот канал и CPC крайне низок (в пределах 5–8 центов) вследствие высокого предложения и низкого спроса на рекламу. Глава направления маркетинга в социальных медиа одной компании из списка Fortune 100 не так давно сказал мне: «В социальных сетях у изобразительной рекламы нет перспектив».
Почему CTR в социальных медиа настолько низок, особенно в сравнении с SEM, где значение показателя может превышать 1 %? Когда люди что-то ищут, то в 46 % случаев они хотят купить какой-то продукт; таким образом, можно ожидать высокого значения показателя CTR. Однако в социальные сети они приходят не за покупками, а за общением и обменом информацией. Здесь есть и проблемы, и возможности.
Маркетинг в социальных медиа вплоть до 2009 года был достаточно типичным. Таргетирование основывалось на пользовательском профиле, содержащем личные данные и информацию об основных интересах. Однако истинная сила социальных медиа заключается в том, что пользователи сами рассказывают о себе. Вот что нам удалось вычитать в сообщениях пользователей социальной сети MySpace:
• «До смерти хочу поехать в Вегас».
• «Я хочу новый ноутбук».
• «Мне уже пора покупать новый мобильный телефон».
• «Я очень, очень, очень хочу iPod».
• «Я всегда хотел увидеть Испанию».
• «Страдаю по пицце».
• «Мне нужно покупать учебники!»
• «Уже хочется какой-то новой музыки».
• «Мне нужно найти подарок на день рождения».
• «Как бы мне найти деньги на новую машину?»
А что если бы каждый из этих людей получал рекламные сообщения, основанные на том, что они хотят, чувствуют или думают в каждый конкретный момент времени?
В табл. 7.6А приведены данные эксперимента, проведенного компанией Opinmind[43]. В рамках эксперимента производилась рассылка запросов на добавление в друзья, основанная на сборе данных из отдельных постов на странице в социальной сети MySpace. В частности, исследователи искали информацию о поиске работы, намерении совершить поездку, выборе автомобиля и т. д., а затем отправляли через MySpace заявку на добавление в друзья, связанную с конкретной темой поиска. Показатель CTR вырос на 439 % с 0,7 % (у контрольной группы) до 3,9 % у тестовой.
Opinmind разработала запатентованный алгоритм сбора данных для гипертаргетинга изобразительной рекламы в социальных сетях. Он анализирует блоги и показывает пользователям изображения, связанные с тем, что те размещают на своих страницах. Учитываются различные параметры, описывающие потребителя. Например, анализ предыдущих сообщений помогает выявить человека, серьезно относящегося к окружающей среде и любящего гольф. Если он размещает сообщение типа «Мне нужна новая машина», вы можете показать ему рекламу Toyota Prius с гибридным двигателем и обратить его внимание на то, что в багажник этой машины помещается два набора клюшек для гольфа.
Табл. 7.6Б отображает результаты теста для гипертаргетинга изобразительной рекламы в социальных сетях. В некоторых случаях прирост, связанный с гипертаргетингом, составлял сотни процентов, а в среднем – 73 %. Как сказал мне Джеймс Ким, CEO компании Opinmind, «традиционные маркетинговые подходы не позволяют получить требуемый уровень ROI при работе в социальных сетях. Единственный способ улучшить этот показатель – оптимизировать релевантность сообщений, направляемых пользователям».
Провести маркетинговую кампанию в социальных сетях очень просто. И Facebook, и MySpace позволяют любому пользователю создавать и проводить кампании, связанные с конкретным профилем пользователя (для MySpace см. advertise.myspace.com, а для Facebook – www.facebook.com/advertising). Эти сайты не используют расширенный гипертаргетинг. Для проведения самостоятельных маркетинговых кампаний рекомендую воспользоваться алгоритмом Opinmind (opinmind.com). Плата за размещение изобразительной рекламы (как и CPC) настолько низка, что за 100 долларов вы можете сделать многое. Относительно недорогая и масштабная площадка дает вам возможность провести ряд тестов и вычислить, какие кампании действительно эффективны.
Табл. 7.6: А – тестирование таргетированной рассылки по электронной почте в социальных медиа; Б – данные теста Opinmind для целевой изобразительной рекламы, проведенного с помощью Right Media
Источник: opinmind.com
Показатель № 15 – личные рекомендации: маркетинг вовлечения в социальных медиа
Поскольку нецелевая изобразительная реклама не достигает своей цели, в маркетинге в социальных медиа все чаще используется новый подход: создание «друзей», отвечающих на вопросы пользователей, страниц для продуктов и услуг в Facebook, а также спонсорство блогов по той или иной тематике. Например, компания Navistar, производящая 18-колесные грузовики, финансирует блог Life on Road («Жизнь на дороге»), ориентированный на водителей-дальнобойщиков и позволяющий им делиться своим опытом.
В чем ценность этих видов маркетинговой деятельности в социальных медиа? Ответить на этот вопрос крайне сложно. Есть несколько сервисов, отслеживающих ключевые слова в социальных сетях и способных посчитать количество их появлений в определенный период и в определенных доменах. Они также могут отличать негативные комментарии от позитивных; иными словами, помогают рассчитать долю и соотношение позитивных и негативных откликов (например, при запуске нового продукта). Однако этот средний показатель имеет ограниченную ценность, поскольку отражает уже произошедшие события и долю позитивного или негативного «шума».
Гораздо более эффективен был бы показатель, позволяющий связать деятельность в социальных сетях с будущими доходами от продаж.
В главах 3 и 4 я уже рассказал об основном показателе № 4, CSAT, измеряемом с помощью вопроса «Готовы ли вы рекомендовать другу?..» Я назвал его «золотым», потому что он позволяет связывать между собой брендинг и маркетинг осведомленности, с одной стороны, и лояльность – с другой. Это ведущий индикатор будущих продаж. Технологии интернета позволяют нам перевести этот показатель на новый уровень: пользователи часто делятся рекомендациями с друзьями и коллегами по электронной почте, в блогах, Twitter и т. д.
Я определяю термин «сарафанное радио» для интернет-маркетинга так.
Показатель № 15. Основной показатель для оценки личных рекомендаций в интернетеWOM = Личные рекомендации = (Количество прямых (непосредственных) кликов + Количество кликов по рекомендации) / Количество прямых кликов
Прямые клики – все клики, ведущие прямо на сайт, а не перенаправляющие, включая ссылки на любые показы: корпоративные сайты, изобразительную и контекстную рекламу, записи в блогах, страницу продукта в Facebook и т. д. Во второй части уравнения оценивается влияние «сарафанного радио», то есть количество кликов, полученных благодаря рекомендациям.
Вот пример вирусной рекламы, связанной с «сарафанным радио». Компания Palm[44] запустила в декабре 2008 года кампанию с участием персонажа, напоминающего молодого и продвинутого Санта-Клауса, который без ума от Centro. Бюджет кампании (составивший 12 миллионов долларов) был потрачен на создание вирусного видео и других элементов социальных медиа, направленных на посев контента и более широкое вовлечение сообщества. Кампания состояла из двух элементов. Первый из них представлял собой интерфейс для отправки «сообщений Санте», который воспроизводил переписку с Санта-Клаусом – например, отвечал на вопросы о желаемых подарках на Рождество (подобный интерфейс для работы предлагают несколько компаний, см., например, www.chacha.com или www.kgb.com). Вторым важным элементом была страница Санты в Facebook.
Кампания Palm Centro иллюстрирует основные шаги в процессе создания и реализации интегрированной маркетинговой кампании в социальных медиа:
• Шаг 1. Повышение вовлеченности онлайн на Facebook и других площадках с помощью отправки текстовых сообщений на адреса, указанные в платной рекламе (телевидение, печатная реклама, реклама онлайн и уличные растяжки).
• Шаг 2. Предоставление пользователям контента для обмена (возможность бесплатной закачки музыки, видео и «живой» контент, например Санта-Клаус, разговаривающий с посетителями сайта в режиме реального времени).
• Шаг 3. Измерение результатов с помощью оценки количества уникальных текстовых сообщений, заявок на добавление в друзья Санты и обмена информацией.
Как сказал мне Робсон Грив, управляющий директор брендингового агентства Creature, координировавшего кампанию, «чтобы маркетинг в социальных медиа работал, вам, как и прежде, нужна традиционная изобразительная реклама. Она позволяет начать общение, затем предложить пользователям контент, которым имеет смысл поделиться, а затем провести необходимые измерения и понять, сработал ваш план или нет».
Как можно измерить эффективность подобных каналов? Сначала маркетинговая команда Creature изучила данные о сопоставимых страницах знаменитостей в Facebook и взяла в качестве образца для сравнения страницу известного актера Джорджа Клуни. Традиционная реклама Palm Centro транслировалась всего в течение недели, однако к моменту завершения кампании у страницы Санты в Facebook имелось свыше 98 тысяч заявок на добавление в друзья (примерно в три раза больше, чем у страницы Клуни). На адрес, указанный в рекламе, было отправлено свыше 400 тысяч уникальных текстовых сообщений. Количество таких сообщений и заявок на добавление в друзья помогает четко измерить степень вовлечения аудитории, а с точки зрения финансов кампания обеспечила 20 % прироста доходов.
Рис. 7.6. Пример «сарафанного радио» для кампании Palm Centro в социальных медиа
Источник: Creature и Meteor Solutions
Методы изучения WOM, связанного с кампанией Santa’s Gone Centro, отображены на рис. 7.6. Обмен информацией с помощью «сарафанного радио» на Facebook можно отследить с помощью имеющихся на сайте аналитических инструментов, а компания Meteor Solutions[45] разработала систему оценки WOM на основе дальнейшего распространения ссылок в интернете. На рис. 7.6 показано, как Джейн следует по рекламной ссылке на страницу Centro Santa в Facebook, где может изучить специальные предложения и интересный контент. Затем она рассылает ссылку своим друзьям через различные каналы: Facebook, электронные письма, текстовые сообщения или твиты.
Meteor Solutions присваивает каждой ссылке уникальный идентификационный код. Затем друзья Джейн идут по ссылке и возвращаются на Facebook. Кто-то принимает предложение, кто-то пересылает его дальше. Когда друзья Джейн нажимают на ссылку, выложенную ею в Facebook, то уникальный идентификатор отслеживает это действие, а когда они пересылают ссылку, создаются новые идентификаторы, позволяющие четко определить, сколько раз и каким образом использовалась ссылка, размещенная Джейн и каждым из ее друзей.
Вот еще один пример. Индустрия видеоигр США имеет оборот в 3,8 миллиарда долларов, а коллекция игр Resident Evil производства компании Capcom[46] считается одной из самых коммерчески успешных в истории (валовой доход от ее продаж составил около 600 миллионов долларов). При запуске в марте 2009 года нового продукта – игры Resident Evil 5 (RE5) – Capcom активно пользовалась вирусным маркетингом и «сарафанным радио».
На рис. 7.7 приведен скриншот сайта RE5 с вирусным видео. Видеоматериалы были сняты на уровне, сопоставимом с голливудским, а концепция сайта заключалась в том, что для получения доступа к эксклюзивному контенту пользователям необходимо поделиться видео с друзьями. После того как первый видеофрагмент посмотрели 100 тысяч человек, открывался доступ к следующему.
Рис. 7.7. Целевая страница сайта для запуска новой игры Resident Evil 5 компании Capcom
Источник: www.meteorsolutions.com
Люди, которым удавалось побудить к просмотру видео не менее пяти других человек, получали доступ к специальному разделу с эксклюзивным контентом. Вирусная модель поощряла рассылку друзьям ссылки на страницу с видео и обеспечивала высокую степень вовлечения: для получения доступа к дополнительному контенту пользователям нужно было найти несколько подсказок, разбросанных по сайту.
В табл. 7.7 приведены данные по кликам из различных источников, проранжированные по доле прямого трафика. Прямой трафик – ссылки, ведущие непосредственно на сайт RE5 (а не посредством распространения пользователями). Обратите внимание, что вторая и третья строки – это оплаченные показы рекламы через AdLegend и DoubleClick. Колонка «Клики по рекомендации» – результат распространения ссылок среди друзей.
Табл. 7.7. Данные по кликам, приводящим на сайт RE5
Точные цифры были изменены из соображений конфиденциальности, однако общая тенденция сохранена. Шаблон можно загрузить на странице www.agileinsights.com/ROMI
Источник: Бен Стрейли, Meteor Solutions; Марк Джеффри, AgileInsights LLC.
В некоторых случаях рекомендации оказались значительно более результативными, чем оплаченные рекламные ссылки. Поэтому, если вы добавите в свою кампанию «сарафанное радио», вам придется по-новому ранжировать важность сайтов. Иными словами, оплаченная реклама может иметь меньший рейтинг, чем некоторые сайты, которые по обеспечению прямого трафика ближе к концу списка. Колонка «Прирост за счет рекомендаций» показывает влияние вирусного маркетинга – благодаря ему прирост составил 93 %.
WOM, показатель № 15, рассчитывается в последней колонке табл. 7.7. Он четко показывает уровень влияния подобного информационного обмена и то, какие именно сайты обеспечивают максимум прямых и опосредованных кликов. В частности, сайты с рейтингом от 19 до 23 по показателю прямых кликов обеспечивают максимум кликов по рекомендации, а фан-сайт на 20-м месте и Xbox 360 Achievements (21-е место) занимают, соответственно, 2-е и 3-е место по показателю общего трафика.
Я называю «сарафанное радио» средством умножения эффективности социальных медиа. Оно отражает истинную ценность показа или клика по рекомендации в интернете. Таким образом, в социальных сетях количество кликов рассчитывается так:
Общее количество кликов = WOM Прямые клики.
Например, в табл. 7.7 ценность клика на изображение Xbox 360 Achievements равна не одному клику, а 21 (с учетом WOM), а ценность одного клика на es.youtube.com – 36 обычным кликам. Можно представить ту же самую картину в терминах CPC. Реальные расходы на клик с учетом WOM составляют:
CPCWOM = CPC / WOM.
Поэтому для кампании, побуждающей пользвателей рассылать рекомендации друзьям, величина CPC будет меньше, чем в случае оплаты прямых кликов (традиционный CPC). Насколько меньше? Разделите величину CPC на величину WOM. Разумеется, WOM-эффект возникает лишь тогда, когда маркетинг направлен на стимулирование обмена информацией и рекомендациями по «сарафанному радио». В противном случае WOM никак не повлияет на результаты.
Выводы
• Традиционный поисковый маркетинг (SEM) обусловливает почти 50 % расходов на онлайн-маркетинг и представляет собой покупку ключевых слов поиска для конкретной кампании. Основные его показатели: цена за клик (CPC), конверсия по транзакциям (TCR), возврат на инвестиции в рекламу (ROA). В связке с CTR они позволяют провести оптимизацию SEM-кампаний.
• Показатель № 13 – возврат на инвестиции в рекламу (ROA) – обеспечивает количественную оценку каждого клика в рамках SEM и позволяет спрогнозировать степень влияния на чистый доход маркетинговых расходов на отдельные поисковые системы и кампании.
• Показатель № 14 – доля отказов – представляет собой основной показатель для оценки качества сайта. В сочетании с другими интернет-показателями он дает вам возможность понять, насколько эффективно контент вашего сайта удерживает внимание посетителей и какие маркетинговые каналы (контекстная реклама, рассылки по электронной почте, рекламные баннеры) лучше использовать.
• CTR изобразительной рекламы крайне низок (0,2 % или менее), однако она серьезно влияет на коэффициент отклика (основной показатель № 5), даже если на эти объявления и не кликают в первую очередь. Моделирование атрибуции позволяет отслеживать поиск ключевых слов и цепочку просмотра изобразительной рекламы для конкретных пользователей.
• Таргетирование изобразительной рекламы для конкретных пользователей, основанное на анализе записей в блогах и социальных медиа, повышает CTR в социальных сетях на 100 и более процентов.
• Основной показатель № 15 – личные рекомендации – позволяет количественно оценить удовлетворенность клиентов в интернете. Он помогает усилить эффективность социальных медиа, так как повышает ценность кликов и показов на величину коэффициента WOM.
Часть III. Следующий уровень
Глава 8. Гибкий маркетинг
Использование свежих данных для пятикратного улучшения результатов
Одна B2B-организация из списка Fortune 100 провела масштабную маркетинговую кампанию с бюджетом 35 миллионов долларов, направленную на изменение восприятия со стороны клиентов. Предполагалось, что в рамках кампании на сайтах, созданных для отдельных стран, будут публиковаться данные третьих лиц и экспертные заключения. Реклама была размещена таким образом, чтобы привлечь посетителей. Однако к моменту начала кампании национальные сайты не были готовы: у фирмы возникли проблемы с получением разрешений на публикацию независимых экспертных заключений третьих лиц на иностранных языках. В результате сайты, расположенные в Японии и Германии, направляли клиентов на англоязычный сайт, расположенный в США, что устраняло влияние маркетинга, связанное с географическими особенностями. Кампания была запущена вовремя, продолжалась девять месяцев, а по завершении объявлена успешной.
Почему она считалась успешной? У фирмы не имелось никаких показателей, по которым ее можно было признать неудачной. Основная цель состояла в изменении восприятия со стороны клиентов на 5 % (по данным ежегодного глобального опроса). Кампания была запущена в январе, а опрос проводился в октябре. Он занял три месяца, а еще два месяца ушло на обработку данных. В связи с новогодними праздниками данные не были доступны до января. Сама кампания продолжалась девять месяцев; иными словами, данные опроса стали доступны лишь через четыре месяца после ее окончания. Они никак не могли повлиять на эффективность кампании, а к моменту появления результатов маркетеры уже работали над другими задачами.
Этот пример наглядно показывает особенности традиционных маркетинговых измерений. Если данные собираются и анализируются после окончания кампании, они по определению не могут повлиять на ее исход. Я расскажу об ином подходе – сборе данных о результативности кампании в процессе ее проведения. Этот подход (который я называю «гибким маркетингом») позволяет изменить программу в случае, если что-то пойдет не так. Я уверен, что он помогает улучшить результативность в пять и более раз. Более того, гибкий маркетинг включает в себя создание индивидуализированных маркетинговых предложений, основанных на аналитике и триггерах[47] событий.
Проигрывайте быстро
Некоторые компании широко используют гибкий маркетинг. Они корректируют свои маркетинговые действия в режиме реального времени. Например, QVC – сеть магазинов на диване – отслеживает продажи продуктов в момент трансляции своих информационных роликов. Если продажи вдруг начинают расти после тех или иных слов актеров, компания передает ему по беспроводному наушнику инструкцию о том, как использовать фразы, которые сообщают импульс для покупки. Компании, занимающиеся продажей туров через интернет, ежегодно тратят не менее 100 миллионов долларов на рекламу в сети. Они отслеживают ценообразование на ключевые слова в Google и меняют их набор, исходя из оптимальной цены, каждые 15 минут.
Однако я считаю, что для начала (и для достижения первых успехов) не нужны данные в режиме реального времени – нужно то, что я называю «свежими данными». Суть в том, чтобы собирать данные о результатах маркетинговой работы в сроки, меньшие, чем длительность проведения кампании.
Общее правило таково: собирать данные нужно по крайней мере 10 раз во время кампании. Иными словами, если кампания продолжается 10 месяцев, то в конце первого месяца у вас уже должна быть информация, позволяющая оценить ее результаты и предпринять необходимые действия для исправления ситуации. Если кампания неэффективна, то будьте готовы изменить или даже остановить ее. Лучше быстро потерпеть поражение, чем с треском провалиться и сжечь 35 миллионов долларов на кампанию, как на дирижабль «Гинденбург»[48]. Если же вы сразу понимаете, что кампания эффективна и вам сопутствует успех, то нужно усилить позитивный эффект.
Гибкий маркетинг не предполагает использование метода «научного тыка», принятие скоропалительных решений и изменение плана при появлении первых признаков отклонений. Дело совсем не в этом. Как мы увидим чуть позже, гибкий маркетинг – планомерная и структурированная деятельность. Вы должны заранее создать план сбора данных и заблаговременно продумать, что будете с ними делать.
Пример гибкого маркетинга в действии – кампания Microsoft Security Guidance. В начале 2000-х годов Microsoft столкнулась с целым рядом проблем безопасности своих продуктов. Они были вызваны атаками профессиональных хакеров (в частности, вирусами ILOVEYOU и Blaster, заразившими миллионы компьютеров по всему миру). Еще более опасным оказался вирус SQL Slammer, атаковавший корпоративные базы данных на базе Microsoft SQL{45}.
В ноябре 2002 года Microsoft приняла участие в соревновании OpenHack, организованном журналом eWeek. В ходе конкурса разработчики, например Microsoft, Oracle и IBM, представляли свои системы электронной коммерции, а хакеры – участники соревнования – получали призы, если им удавалось каким-то образом заблокировать работу системы. Джонатан Перера, старший директор по маркетинговым коммуникациям подразделения Microsoft, занимавшегося технологиями обеспечения безопасности, рассказал мне следующее:
За 23 дня система Microsoft столкнулась с 82 500 попытками атаки, однако смогла отразить 100 % из них. При этом мы получили крайне важный урок: это удалось нам лишь потому, что в составе нашей команды были потрясающие эксперты (уровня Шакила О’Нила, Майкла Джордана и Йоды). Мы поняли, что теперь необходимо передать знания экспертов Microsoft в области безопасности конечным пользователям.
Именно эта идея легла в основу маркетинговой кампании, направленной на изменение восприятия со стороны крайне важного сегмента клиентов Microsoft в сфере B2B: профессионалов в области информационных технологий. В ходе небольших тестов маркетеры Microsoft выяснили, что если для IT-специалистов провести бесплатный тренинг об организации защиты продуктов Microsoft, то восприятие продуктов и степени их безопасности может значительно улучшиться.
Таким образом, цель 17-миллионной кампании Security Guidance состояла в том, чтобы побудить профессионалов записаться на тренинги Security Summit. В частности, согласно планам Microsoft, программа должна была охватить примерно 50 тысяч американских IT-специалистов в год (то есть подавляющее большинство профессионалов, работающих в крупных и средних компаниях). Кампания была разработана с учетом необходимости измерений, отслеживалась в СМИ и транслировалась через интернет.
В главе 7 я рассказал об оптимизации веб-кампаний по параметрам кликабельности (CTR) и конверсии по транзакциям (TCR) в применении к поисковому маркетингу (SEM) (см. рис. 7.3). Этот подход применим и к описываемому выше примеру, где транзакцией может считаться запись участника на тренинг. Рекламные показы (более 34 миллионов) обеспечили достаточно высокий трафик, и CTR достиг хороших значений – около 1 %. Однако после первой недели кампании на тренинги записалось всего 439 профессионалов. Маркетеры поняли, что у них есть проблема и что, если подобные результаты сохранятся в будущем, поставленных целей достичь не удастся.
Для этой кампании общий коэффициент отклика (CTR TCR) был достаточно низким из-за низкого TCR. Из главы 7 мы знаем, что если у кампании приемлемый CTR и низкий TCR, то проблема, скорее всего, вызвана содержанием целевых страниц. Изначально на целевой странице сайта Security Guidance было четыре призыва к действию:
• Записаться на тренинг: три типа мероприятий, в том числе очные, прямая трансляция и запись интернет-конференции.
• Получить необходимые инструменты: Microsoft Baseline Security Analyzer (MBSA) и Software Update Services (SUS).
• Заказать диск с комплектом руководств по безопасности.
• Подписаться на новостные рассылки и бюллетени по вопросам безопасности.
Команде маркетеров Microsoft предстояло выяснить суть проблемы. Поскольку общий показатель TCR был слишком низким, команда решила разобраться, что происходило при промежуточных кликах, выделила отдельные действия на промежуточных и финальных этапах и проанализировала их по отдельности. Этот анализ предполагал изучение CTR со стартовой страницы до страницы, предполагавшей определенное действие: участие в тренингах, получение инструментов, заказ компакт-дисков или подписку на новости. В табл. 8.1 приведены реальные промежуточные данные, которые команда анализировала по итогам первой недели кампании (количество показов рекламы скрыто из соображений конфиденциальности).
При анализе табл. 8.1 обратите внимание на результаты показов различных баннеров на самом видном месте на домашней странице Microsoft.com. Самый высокий показатель обеспечила реклама конференции по безопасности Security Summit – 19,2 % (реклама интернет-конференций – 2,7 %, а тренингов – всего 0,9 %). Что это значит? IT-специалисты действительно обращают внимание на рекламные изображения и жмут на них, чтобы попасть на страницу Security Guidance. Затем они, скорее всего (то есть в 7–10 раз чаще), перейдут по ссылке, ведущей на страницы Security Summit. Однако при этом величина TCR достаточно невелика – иными словами, нажимая по нескольку ссылок для того, чтобы добраться до страницы Summit, посетители постепенно отвлекаются и в результате не записываются на семинар.
Табл. 8.1. Данные о результатах кампании Microsoft Security Guidance после 1-й недели работы
Источник: Microsoft Marketing
Табл. 8.2. Детальное отслеживание эффективности различных медиа в ходе кампании Microsoft Security Guidance
Источник: Microsoft Marketing
Маркетеры Microsoft приняли решение перенаправить все показы рекламы непосредственно на страницу Security Summit, характеризовавшуюся максимальной долей промежуточных действий и предназначенную исключительно для рассказа об очном тренинге. К концу второй недели они существенно переработали кампанию, поскольку поняли, что она неэффективна.
В табл. 8.2 приведена сводка данных за первые 10 недель кампании. Обратите внимание на то, что вся реклама по электронной почте, печатная и интернет-реклама оценивается с помощью кликов за неделю. В строке «Точное число новых зарегистрированных пользователей за неделю» показано количество регистраций на тренинги по вопросам безопасности. Данные показывают, что в конце первой недели зарегистрировалось лишь 434 человека, а в конце второй – 262. После проведения изменений количество регистраций подскочило до 794 на третьей неделе и 1272 и 1528 на четвертой и пятой соответственно. Этот пример показывает, что результативность кампании всего за несколько недель улучшилась более чем на 400 % благодаря гибкому маркетингу, а за девять месяцев – более чем в пять раз.
Больше всего в этой кампании мне нравится то, что она изначально была разработана с учетом возможности измерений. Вся реклама (по электронной почте, печатная и в интернете) отслеживалась, и результаты сводились в еженедельный отчет – это и есть «свежие данные». Сбор информации на еженедельной основе позволил маркетерам получить бесценные знания о кампании, которую они планировали проводить на протяжении 12 месяцев. Как только поступили первые данные, специалисты сразу поняли, что кампания неэффективна. После этого команда применила принципы маркетинга, основанного на данных: она проанализировала показатели CTR и TCR и поняла, что именно необходимо сделать для повышения результативности.
Я знаю, что табл. 8.2 сложна и напоминает таблицу для проверки зрения. Однако она очень важна. В сущности, она показывает, как можно регулярно отслеживать маркетинговую кампанию с бюджетом 17 миллионов долларов с использованием одного-единственного листа в формате Microsoft Excel. Уверен, что и вам это под силу! У вас есть необходимые инструменты – нужно только включить в кампанию элемент, связанный с измерениями, и быть готовым действовать на основании собранных вами «свежих данных».
Кампания Security Guidance дает новую информацию и об использовании интернета для объединения данных опросов о восприятии. После того как пользователи покидали сайт Security Guidance, слева выскакивало окно, в котором им предлагалось оценить степень согласия со следующими утверждениями:
• Microsoft предоставляет инструменты и ресурсы, помогающие обеспечивать безопасность продуктов.
• Microsoft ответственно и внимательно относится к вопросам обеспечения безопасности.
• Microsoft представляет достаточно информации, помогающей обеспечить и сохранить должный уровень безопасности.
• Microsoft стремится обеспечить своих клиентов безопасными продуктами.
Данные опросов за три месяца, показанные на рис. 8.1, позволяют ответить на два вопроса, связанных с восприятием. Стоит отметить, что в среднем около 10 % посетителей сайта за три месяца кардинально изменили свою точку зрения: сначала они были не согласны с приведенными утверждениями, а позже начали выбирать вариант «Полностью согласен». Можно ли считать это хорошим знаком? Не совсем – очевидно, что в данном случае речь идет только о тех, кто посетил сайт. При этом выборку можно считать вполне репрезентативной, хотя количество респондентов ограничивается несколькими сотнями. Помните: лучше быть наполовину правым, чем на 100 % неправым. Показатели меняются в правильном направлении и дают нам основания считать, что маркетинговая кампания способствует изменению восприятия (покрайней мере среди посетителей сайта Microsoft.com).
Рис. 8.1. Данные онлайн-опроса о восприятии
Источник: Microsoft Marketing
Крупные фирмы обычно проводят оценку восприятия бренда раз в год. Масштабные опросы важны, и вряд ли интернет-опрос способен их заменить. Однако масштабное исследование, посвященное бренду, не сможет повлиять на кампанию, проходящую прямо сейчас. Свежие данные, полученные в результате онлайнового опроса, позволяют провести корректировки и отслеживать изменение тенденций в течение нескольких месяцев. Если тенденция негативна, то есть восприятие посетителей сайта ухудшается, разумный менеджер по маркетингу задумается об эффективности своих действий, призванных улучшать восприятие. И это крайне важно: веб-опрос позволяет собрать свежие данные и определить особенности восприятия клиентов, то есть заблаговременно определить вероятность успеха или неудачи (и сообщить об этом руководству).
Разработка кампании с учетом необходимости измерений
В разговорах о гибком маркетинге я часто слышу: «Это нельзя сделать в нашей компании» или: «Я занимаюсь брендингом, и эти идеи мне не подходят». Разумеется, гибкий маркетинг требует нового подхода: нужно заранее «закладывать» определенную степень гибкости и меняться в зависимости от поступающей информации. Это сложная задача для старомодных маркетинговых организаций, привыкших к масштабным и «монолитным» кампаниям. Однако даже они могут научиться новым трюкам.
Например, E.I. du Pont de Nemours and Company, основанная в 1802 году как производитель пороха, – одна из старейших компаний США. DuPont спонсирует Джеффа Гордона, участника гонок NASCAR, и в целом активно использует спонсорство в своей маркетинговой деятельности. В ноябре 2007 года маркетинговая команда решила разместить на бампере автомобиля Джеффа Гордона ссылку на сайт (см. рис. 8.2){46}.
Рис. 8.2. Ссылка на сайт DuPont Performance Alliance, которая размещалась на машине Джеффа Гордона, участвовавшей в гонках NASCAR
Источник: DuPont Marketing
Рис. 8.3. Количество кликов на странице с адресами магазинов
Источник: DuPont Marketing
Пройдя по ссылке, телезрители попадали на сайт Performance Alliance (маркетинговая команда знала, что фанаты NASCAR очень лояльны к компаниям, поддерживающим соревнования). Ссылка вела на сайт мастерской кузовного ремонта, которая имела эксклюзивные права на использование автомобильной краски DuPont в США. На рис. 8.3 показано количество кликов, ведущих в раздел сайта Performance Alliance с указанием адресов магазинов. Эта ссылка транслировалась по телевидению каждый раз, когда во время гонки камера фокусировалась на задней части машины Гордона. Всего за время соревнования зрители видели ее на протяжении 1,5 минуты – и в эти моменты наблюдался всплеск заходов на сайт. Во все маркетинговые действия была изначально заложена возможность измерения. Данные помогли DuPont точнее выстроить кампанию перед очередными гонками NASCAR, а также наглядно показали ценность использования ссылок в спонсорской рекламе.
Обратите внимание на ссылку (www.PA24.DuPont.com) на рис. 8.2. Я спросил маркетеров, для чего они использовали длинное и не очень удобное название страницы: «Люди из IT-отдела сказали, что ничего лучшего предложить не могут». На самом деле перенаправление посетителей с одного адреса на другой требует всего одной строчки кода на сервере, то есть нет никаких проблем с тем, чтобы перенаправлять посетителей с адреса www.dupont.com/Performance на адрес типа www.PA24.DuPont.com и отслеживать количество кликов. Именно так собирались данные о кликах Microsoft, приведенные в табл. 8.2.
Как однажды сказал комик Граучо Маркс, «это понял бы и пятилетний ребенок. Ну-ка, приведите сюда пятилетнего ребенка». Молодое поколение (в том числе и мой шестилетний ребенок) рано овладевает технологиями. Чем серьезнее вы занимаетесь гибким маркетингом, тем больше вынуждены полагаться на технологии и анализ в процессе принятия решений. Поначалу вас может пугать необходимость говорить на техническом языке и осваивать новые аналитические навыки. Однако я считаю, что без этих знаний вы не сможете занять достойное место в компании.
Основной вывод таков: при разработке кампаний необходимо «закладывать» определенную степень гибкости и регулярно собирать свежие данные. Сетевые инструменты (как интернет, так и мобильная связь) могут помочь в организации процесса такой работы. Однако еще до начала кампании маркетинговая команда должна тщательно продумать, что она будет делать с собранными данными. Перед началом кампании задайте себе следующие вопросы: «Каковы возможные исходы кампании?»; «Какие критерии нужно использовать, чтобы принять решение о прекращении кампании?»; «Каким образом мы будем перераспределять ресурсы, если убедимся в том, что кампания действительно эффективна?».
Применять методы гибкого маркетинга в работе несложно. Если ваша кампания длится 9 месяцев, то заранее запланируйте моменты обсуждения текущих результатов (не реже раза в месяц). Если кампания длится 10 недель, то изучайте результаты каждую неделю. Вы должны заранее спланировать, как будете собирать данные и рассчитывать ключевые показатели успеха. Также необходимо продумать критерии для принятия решений о продолжении кампании или ее немедленной остановке.
Например, если вы планировали, что 12-недельная кампания приведет к появлению 1000 качественных лидов в неделю для отдела продаж, а получили только 100, то нужно спросить себя, стоят ли эти лиды потраченных на кампанию денег. Если нет, то имеет смысл хорошенько подумать над улучшением своей работы. Возможно, придется что-то изменить уже на второй неделе. Но если вы все равно не получаете нужных результатов, то прекратите неудачную кампанию и распределите оставшиеся 75 % финансирования на другие цели.
Выводы
• При разработке кампании следует «заложить» определенную степень гибкости и возможность действовать на основании свежих данных. Иными словами, вы должны собирать данные о ходе кампании за период, который меньше длительности кампании, и быть готовыми внести необходимые для ее оптимизации изменения.
• Проигрывайте быстро. Лучше остановиться раньше, чем закончить полным провалом.
• Выигрывайте по-крупному, увеличивая финансирование кампании, показавшей хорошие результаты в самом начале.
• Определите критерии успеха и провала до начала маркетинговой кампании.
• Включите в план реализации кампании точки принятия решений – и будьте готовы действовать в эти моменты.
• Методы гибкого маркетинга помогают повысить результативность работы в пять и более раз.
Глава 9. То, что надо!
Три основных подхода к аналитическому маркетингу
Несколько лет назад я получил по почте небольшую коробку от моих друзей из Procter & Gamble (P&G). До этого я даже не знал, что в этой компании у меня есть друзья. На лицевой стороне был изображен годовалый малыш, а под фотографией – надпись: «Сейчас, когда ты научился стоять, ты больше не хочешь сидеть на месте». Внутри коробки был обычный подгузник. Думаю, большинству читателей такой маркетинг не покажется интересным. Дети носят подгузники только в первые годы жизни. Но меня удивило, что посылка пришла всего через несколько недель после того, как мой сын научился ходить: именно этот короткий временной промежуток был оптимальным для маркетингового обращения к моей семье.
Это типичный пример того, что я называют подходом в стиле «ух ты, это именно то, что мне нужно!». Вы делаете нужное предложение нужным людям в нужный момент. Дети обычно начинают ходить примерно в год, а будущие родители часто подписываются на бесплатные специализированные журналы вскоре после того, как узнают, что у них будет ребенок. Думаю, что именно благодаря подписке компания P&G получила мой почтовый адрес. Триггером события в данном случае выступил тот факт, что мой ребенок начал ходить, а маркетинговым предложением стал образец подгузника (и компания совершенно права: годовалые дети не любят сидеть на месте). Вероятность того, что я приму предложение, была достаточно высока: я получил его в тот самый момент, когда у меня появилась острая потребность.
Вот еще один пример. Компания Lowe’s с годовым оборотом в 48 миллиардов долларов владеет сетью гипермаркетов, торгующих товарами для дома по всей Америке. Она начинала как маленькая скобяная лавка в Северной Каролине. Сейчас сеть выросла до 1640 супермаркетов, но сохранила свою философию обслуживания клиентов. Например, в каждом магазине до сих пор есть специально обученные сотрудники, помогающие клиентам спроектировать террасу для дома и подобрать подходящие материалы.
Проведенный Lowe’s анализ покупок показал, что если кто-то строит террасу, то высока вероятность того, что скоро он купит новый гриль для барбекю. Основные материалы для строительства террасы – обычно недорогие и неприбыльные для продавца: доски, болты и гвозди. Гриль же – высокомаржинальный продукт, но нет никакой гарантии, что покупатель придет за ним именно в Lowe’s, а не в магазин его прямого конкурента (Home Depot) или универсальный магазин типа Sears или Wal-Mart.
Компания решила провести таргетированную рассылку печатной рекламы вскоре после того, как покупатели побывали в ее магазинах. В листовке рассказывалось о разных моделях грилей (либо о дорогих, из нержавеющей стали, за 600 долларов; либо о более дешевых – в зависимости от демографических характеристик получателя). У потребителя возникала реакция: «Ух ты, это именно то, что мне было нужно!» В итоге повышалась вероятность того, что они приобретут гриль именно в Lowe’s.
Для создания такого эффекта требуется аналитическая работа по таргетированию клиента и маркетинговых действий. Вы можете использовать три основных приема, в зависимости от типа вашей маркетинговой деятельности: лестница потребительской приверженности; анализ потребительской корзины; дерево решений. Рассмотрим эти подходы на примере компаний Meredith и EarthLink.
Первый основной прием аналитического маркетинга: предрасположенность
Компания Meredith Corporation с годовым оборотом в 1,6 миллиарда долларов – лидер среди американских маркетинговых компаний и медиаресурсов для женщин. Она владеет несколькими хорошо известными национальными брендами – в том числе журналами Better Homes and Gardens, Parents, Ladies’ Home Journal, Family Circle, American Baby и Fitness, – а также несколькими местными телеканалами на быстрорастущих рынках. Также Meredith обеспечивает корпоративным рекламодателям и их агентствам доступ к своему обширному портфелю медиапродуктов – за это отвечает стратегическое подразделение Meredith 360.
Meredith применяет маркетинг, основанный на данных, уже более 25 лет. Компания активно использовала директ-мейл для организации подписки на свои издания и хотела заняться рассылками по электронной почте. Поначалу она ограничивалась стихийными разовыми рассылками по электронной почте, но знала, что способна на большее. У маркетинга с использованием электронной почты есть одно важное отличие от директ-мейла. Во втором случае потребитель не против трех-четырех различных сообщений по почте (например, четырех разных открыток). Однако когда речь заходит об электронной почте, вы должны сформулировать одно-единственное лаконичное предложение, позволяющее достичь целей и избежать переполнения клиентских почтовых ящиков. Команда Meredith, работавшая над электронным маркетингом, задала себе вопрос: «Какой продукт лучше всего предлагать по электронной почте нашим клиентам?». Для ответа на него требуется создание модели предрасположенности.
Meredith создала 20 различных моделей (с помощью метода логистической регрессии{47}), по одной для каждого журнала. Компания использовала максимально широкий подход и включила в модель все возможные переменные. Анализировались не менее 1000 элементов данных, причем все они были признаны статистически важными. К ним относились и регистрация на сайте Meredith, и возраст клиентов, и их хобби и интересы, и возраст их детей, и информация о подписке на другие издания, и тип района проживания, и многое другое. Затем модель оценивала предрасположенность каждого индивидуального клиента к покупке определенного продукта, а самый высокий балл показывал, какой продукт будет товаром недели.
Рис. 9.1. Предрасположенность к покупке того или иного продукта (1–12-я недели)
Источник: Meredith Corporation
На рис. 9.1 изображены разные продукты Meredith и количество клиентов, для которых (по прогнозам модели) велика вероятность покупки товара в конкретную неделю. Иными словами, для каждого клиента создавался личный рейтинг, позволявший понять, какие именно продукты он вероятнее всего купит. Эта иллюстрация – часть панели мониторинга, которую руководители Meredith используют для отслеживания результатов.
Модели обновляются каждые 9–12 месяцев, а также еженедельно тестируются, чтобы определить степень соответствия прогнозов реальности. В некоторых случаях данные о потребителях меняются ежедневно, поэтому для достижения наилучших результатов необходим еженедельный пересчет рейтингов для 14 миллионов клиентов. Электронные письма направляются каждому клиенту не чаще одного раза в неделю, при этом частота контакта основана на реакции клиента на предыдущую кампанию: если он открыл письмо или перешел по ссылке, то он может получить сообщение и на следующей неделе. При отсутствии реакции с его стороны Meredith может выждать четыре недели, а затем направить по электронной почте очередное сообщение.
На рис. 9.2 приведен пример индивидуализированной и таргетированной рекламы по электронной почте с учетом результатов модели. К предложению о подписке на журнал Better Homes and Gardens бесплатно прилагается книга рецептов блюд, приготовляемых на гриле. Эта таргетированная маркетинговая акция, основанная на аналитических моделях, привела к росту коэффициента отклика на предложение с 29 до 50 %. Если сравнить количество подписок после электронной рассылки с результатами предыдущего года (без моделирования таргетинга), то уровень отклика вырос на 20–40 %. Meredith в этом примере (см. рис. 9.2) использовала интересные показатели для дальнейшей сегментации. Иными словами, модели предрасположенности позволяли выбрать продукт, а затем подсказывали, какой бесплатный подарок лучше всего с ним сочетается. Например, если клиенты интересовались приготовлением еды, они получали выгодное предложение на покупку гриля. Те, кто интересовался обустройством дома, получали подарок, связанный с декорированием. То же относилось и к любителям садоводства. Meredith утверждает, что смогла добиться 15 %-ного роста за счет сегментированного предложения подарков (основанного на знании интересов той или иной группы клиентов) – и это не считая среднего 40 %-ного прироста конверсии вследствие применения моделей предрасположенности.
Эрин Хоскинс, директор компании Meredith по вопросам электронной торговли и онлайн-маркетинга, рассказала мне, с чего надо начинать работу и как важно иметь в команде хорошего аналитика:
Я как маркетер знала, что мы можем значительно повысить результативность массовой электронной рассылки. Когда я только пришла в компанию, у меня фактически не было бюджета, баз данных или инструментов для электронного маркетинга. Для начала я подружилась с Келли [Тэгтоу], в то время ведущим аналитиком компании. Когда мы только начинали работать вместе, я часто не понимала, о чем она говорит, но знала, что если нам удастся применить принципы анализа к нашей маркетинговой электронной рассылке, то успех нам обеспечен.
Рис. 9.2. Целевая реклама журнала Better Homes and Gardens с приложением бесплатной кулинарной книги
Источник: Meredith Corporation
Самой сложной задачей для Хоскинс стало проведение более подробной сегментации и таргетирования, связанных с большим количеством продуктов при тех же ресурсах. Этим делом занимались один человек в отделе маркетинга и один сотрудник производственного подразделения (причем не полный день). Однако у Meredith уже была хорошая инфраструктура для работы с данными. Раньше с маркетинговыми базами данных компании работали подрядчики, но руководство всегда признавало стратегическую важность данных и в какой-то момент решило, что эту работу могут выполнять и сотрудники Meredith. Данные о потребителях были сведены в новую корпоративную базу. Meredith собирала электронные адреса своих клиентов, однако не имела нужных инструментов для проведения целевых рассылок по электронной почте.
Келли Тэгтоу, директор Meredith по вопросам бизнес-аналитики, рассказала мне: «Данные для первых целевых кампаний мы собирали вручную – это отнимало много времени. Сначала было сложно. Однако мы доказали, что модели предрасположенности действительно эффективны, и результаты работы позволили оправдать инвестиции в инструменты автоматизированного маркетинга с использованием электронной почты». Эта инвестиция многократно окупилась за счет повышения коэффициента отклика и более чем 20 %-ного прироста количества подписок после получения письма.
Второй основной прием аналитического маркетинга: анализ потребительской корзины
Программа электронных рассылок Meredith – типичный пример использования регрессии для прогнозирования очередной покупки отдельными категориями клиентов с учетом их предыдущих приобретений и демографических характеристик. Такой поход носит название модели предрасположенности («лучшей альтернативы»). Другой распространенный метод – анализ потребительской корзины (он особенно актуален для ретейла). Он подразумевает определение набора продуктов (или услуг), которые потребители приобретают чаще всего. Этим подходом активно пользуется, например, компания Amazon.com – как на своем сайте, так и в электронных рассылках. Когда вы заходите на сайт Amazon как зарегистрированный пользователь, то видите в нижней части экрана обращение: «Вы смотрели [книгу или DVD-диск]. Возможно, вас также заинтересуют [другие книги или DVD]».
Для изучения потребительской корзины чаще всего используется техника сбора данных под названием «Кластерный анализ». В данном случае технические детали не так важны{48}. На основе такого анализа можно разработать практические рекомендации, называемые «ассоциативными правилами». Звучат они примерно так: «Клиенты, покупающие новый персональный компьютер, покупают и новый сетевой провод». Это ассоциативное правило позволяет сразу же перейти к практическим действиям: например, изменить ассортимент или маркетинговые программы. Хоскинс говорит так: «Не нужно бояться данных. Маркетеры часто полагаются на то, что кажется им интуитивно правильным. Однако после анализа картина может оказаться совершенно иной». Поэтому будьте готовы пересмотреть свои интуитивные убеждения и действовать на основе анализа.
Третий основной прием аналитического маркетинга: дерево решений
Как же использовать события при принятии маркетинговых решений? Главное – правильно применять аналитические данные. Они помогают определить, какие события или покупки взаимосвязаны. Затем на основании данных можно определить таргетированные маркетинговые действия, активирующиеся триггером события для определенных потребителей. Иными словами, нужны модели прогнозирования, позволяющие понять поведение и характеристики потребителя, а также план маркетинговых действий, основанных на данных прогнозов. Благодаря моделям вы можете оценить маркетинговый эффект с помощью таких показателей, как коэффициент отклика, прибыль и/или коэффициент оттока. Ниже приведен подробный пример, показывающий, как проводить такого рода анализ.
Компания EarthLink, расположенная в Атланте, – интернет-провайдер среднего размера. Ее оборот за 2008 год составил 956 миллионов долларов. Компания обеспечивает интернет-соединение миллионам частных потребителей и ряду мелких и средних компаний. Примерно четверти клиентов EarthLink предоставляет высокоскоростной доступ в интернет (с участием компаний Time Warner Cable и Comcast Cable) и предлагает такие услуги, как веб-хостинг и онлайн-реклама. DSL-соединение обеспечивают операторы BellSouth, Covad, AT&T и др.
EarthLink активно использует данные, аналитические инструменты и маркетинг, основанный на событиях. Но ей пришлось пройти сложный путь. Стюарт Роузел, директор по исследованиям клиентов, аналитике и стратегии компании EarthLink, рассказал мне:
Чтобы в компании применялся маркетинг, основанный на данных, команда аналитиков должна была привлечь на свою сторону и менеджмент, и маркетеров. Однако всем им было сложно понять наши принципы регрессионного моделирования. Многим маркетерам такой анализ казался неудобным, и поэтому они им не пользовались. Чтобы все начали пользоваться этим инструментом, нужно его упростить.
Сэм Макфол, старший менеджер EarthLink по вопросам бизнес-аналитики, добавил:
Более ранние модели прогнозов, основанные на логистической регрессии, не получили признания в организации, потому что маркетерам и менеджерам по продукту было сложно визуализировать полученные результаты. Когда же мы перешли к моделированию с помощью дерева решений, идеи сразу стали более наглядными, а после нескольких внутренних обучающих семинаров и запуска пилотных программ сотрудники начали активно использовать наши модели.
Дерево решений – один из трех основных методов анализа данных. Два других – кластерный анализ и нейронные сети{49}. Детали этих алгоритмов интересны «ботаникам» вроде меня, но большинству маркетеров они покажутся очень скучными. Однако для использования самих моделей все подробности не нужны.
Что же такое дерево решений с точки зрения анализа данных? Суть его в том, чтобы последовательно разделять набор данных на более «чистые» подгруппы, имеющие четко определенные характеристики. По сути, мы хотим просеять данные сквозь сито; в результате образуются две группы{50} – прошедшие и не прошедшие отбор.
Представьте себе кучу зеленых и синих шариков. Если ваш фильтр разделяет эти два цвета, то в итоге вы получите две кучки шариков – синие отдельно, зеленые отдельно. Каждая из них будет более «чистой» с точки зрения цвета, чем изначальный набор. Затем мы можем повторить тот же процесс с использованием других переменных и т. д. В итоге набор данных превратится в своеобразное дерево с «листьями» (синими и зелеными), соединенными ветвями (связями).
Поясню на примере. На рис. 9.3 показано, как компания EarthLink произвела первое разделение данных при создании дерева решений в программе SAS Enterprise Miner{51}. Общее множество – клиенты, пользующиеся DSL, и для начала компания разделила их на группы позвонивших в колл-центр и задавших вопрос «Можете ли вы подключить мне широкополосный доступ?» (левая ветвь) и не сделавших этого (правая ветвь). Обратите внимание, что триггером события выступает звонок в сервисный центр с вопросом «Можете ли вы подключить мне услугу?».
В верхней части дерева решений приведены данные о двух группах клиентов: 5,2 % клиентов, пользующихся коммутируемым доступом, отказываются от услуг в течение 60 дней, а 94,9 % остаются. Однако среди тех, кто звонил в компанию (первое разветвление в левой части дерева), зметна большая разница в показателе оттока: 12,8 % (по сравнению с 42 % не звонивших, см. второй набор ячеек на рис. 9.3). Иными словами, клиенты, звонящие в компанию и узнающие, могут ли они пользоваться широкополосным доступом, имеют в 2,5 раза больше шансов отказаться от услуг компании, чем вся совокупность клиентов (для расчета этого показателя достаточно разделить 12,8 % на 5,2 %) – это ветвь с «высоким коэффициентом оттока». Правая ветвь – ветвь с «низким коэффициентом оттока»: клиенты, которые не обращались с запросом о предоставлении услуг широкополосного доступа, на 20 % (4,2 % / 5,2 %) реже склонны расставаться с компанией (по сравнению со всей клиентской базой).
Дерево решений можно рассматривать и как способ подробной сегментации клиентов, основанной на широком наборе переменных, включая события. Самый важный вопрос для маркетинга в данном случае – «Почему коэффициент оттока для этих двух групп так различается?». Иными словами, почему коэффициент оттока в левой части дерева настолько выше, чем в правой? Ответ прост: клиенты, интересующиеся возможностью широкополосного доступа, активно ищут возможность получить более продвинутые услуги.
На третьем уровне клиенты подразделяются на еще более мелкие группы: правая (не обращавшиеся с запросом) делится на подгруппы в зависимости от использования сервиса WebMail, а именно количества почтовых ящиков на WebMail. Группа, расположенная слева (клиенты, обращавшиеся с запросом, в том числе и несколько раз), делится в зависимости от переменной, связанной с частотой использования услуг: количеством сеансов связи за месяц. Алгоритм создания дерева показал, что именно количество ящиков WebMail – лучший критерий для разделения на группы клиентов, относительно удовлетворенных коммутируемым доступом, а количество сессий лучше всего подходит для разделения на подгруппы клиентов, планирующих переход на широкополосный доступ.
Вторая развилка позволяет нам лучше понять причины оттока. Слева – клиенты, обращавшиеся с запросом, но редко пользующиеся услугами (менее 9,5 сеансов связи в месяц), на 338 % (17,6 % / 5,2 %) чаще склонны расстаться с компанией, чем основная масса клиентов. Они прицениваются к разным предложениям на рынке и не удовлетворены услугами коммутируемого доступа; именно на них надо нацеливать кампании маркетинга вовлеченности и лояльности. Для клиентов в той же ветви (обратившиеся с запросом), пользующихся услугами чаще (более 9,5 сеансов связи в месяц), вероятность расставания только на 160 % (8,3 % / 5,2 %) выше, чем в среднем по выборке.
Рис. 9.3. Дерево решений SAS Enterprise Miner для компании EarthLink
В каждой ячейке приведена доля клиентов, которые остаются с компанией (0) и расстаются с ней (1) в течение 60 дней, а N – количество клиентов в каждой группе
Источник: Сэм Макфол, EarthLink
Для клиентов, не обращавшихся с запросом о предоставлении услуг широкополосного доступа (правое ответвление на рис. 9.3), самая важная переменная – количество почтовых ящиков на WebMail. Клиенты, у которых нет ящиков (один ящик на двоих или более пользователей не считается), больше склонны к уходу по сравнению с общей базой (5,7 % против 5,2 %). Низкая вовлеченность приводит к высокому оттоку. Для клиентов с одним или несколькими ящиками на WebMail вероятность ухода практически наполовину ниже показателя для клиентской базы в целом (2,8 % в сравнении с 5,2 %). Они не ищут услуги широкополосного доступа на рынке и «привязаны» к электронной почте.
Дерево позволяет понять, на чем стоит сосредоточить маркетинговые усилия по удержанию клиентов: клиенты, которые обращаются с запросом и при этом редко пользуются услугами компании (мало сеансов связи в месяц), имеют самый высокий показатель оттока. По словам Стюарта Роузела: «Не стоит ждать, что клиенты перестанут размышлять о переходе на широкополосный доступ, однако вы можете снизить отток за счет нацеленных маркетинговых усилий, побуждающих их чаще пользоваться EarthLink и электронной почтой».
Каждые несколько недель EarthLink создает подобное дерево и выявляет конкретные группы клиентов с высоким риском ухода (модель подсказывает конкретные характеристики таких клиентов). Им EarthLink предлагает приятные и неожиданные решения: карты особо ценных клиентов, позволяющие получать скидки (например в Starbucks), приоритетный доступ к службе поддержки или даже предложение широкополосного доступа со скидкой. На рис. 9.4 показано влияние этих маркетинговых инициатив на уровень оттока для одной программы, направленной на клиентов, которые пользовались коммутируемым доступом. Отток за 30 дней сократился на 44 %, а за 120 дней – почти на 20 % в сравнении с контрольной группой, не получавшей маркетинговых предложений.
EarthLink также количественно оценивает влияние снижения оттока на финансы компании, в основном на текущую прибыль и пожизненную ценность клиента. В краткосрочной перспективе влияние от снижения оттока примерно на 30 % невелико, однако со временем и с учетом всех сегментов удержание клиентов приведет к 20-кратному повышению прибыльности. Иными словами, влияние маркетинга со временем станет еще более важным, будет приносить компании миллионы долларов чистой прибыли каждый месяц (и куда больше с точки зрения репутации как основы лояльности).
Рис. 9.4. Данные об оттоке за 30 и 120 дней в EarthLink для маркетинговой кампании по удержанию клиентов, пользовавшихся коммутируемым доступом
Источник: EarthLink
Затратная по времени регрессионная модель была заменена в EarthLink интуитивно более понятным методом дерева решений. Теперь создание десятков новых моделей занимает не недели, а считаные дни. Иными словами, у компании есть больше времени на анализ и интерпретацию данных, создание инноваций в области целевого маркетинга, разработку и реализацию стратегий в составе универсальных команд.
Однако кое-что в этом процессе заслуживает пристального внимания. Вот что рассказал мне Роузел:
Многие маркетеры при проведении подобного анализа часто совершают ошибку. В качестве контрольной группы для анализа эффективности своих мероприятий они берут всю клиентскую базу. Но она по своим характеристикам может довольно сильно отличаться от группы, на которую направлены ваши усилия, поэтому влияние может показаться незначительным. Чтобы оценить реальное влияние, нужно сравнивать клиентов, получивших предложение, с клиентами со схожими характеристиками, не получившими его. И тогда вы поймете, насколько велико влияние маркетинга.
С чего начала EarthLink? «Четыре года назад у нас уже была система показателей, однако измерения проводились для малой доли маркетинговых программ. Очевидно, что у нас отсутствовала культура маркетинга, основанного на данных. Вместо того чтобы проводить анализ и вникать в ситуацию, мы создавали кучу отчетов, на которые маркетеры не обращали внимания. Поэтому мы запустили процесс с нуля и применили более комплексный подход», – сказал Роузел. В EarthLink новая инициатива получила название TIAD: Today Is Another Day («Сегодня – новый день»). Суть ее была разъяснена сотрудникам всех подразделений. Программа позволила понять, каковы реальные потребности клиентов. Компания наняла талантливых аналитиков, чтобы решить проблему недостаточной квалификации, а кроме того, создала инструменты и инфраструктуру для поддержки аналитического маркетинга.
С помощью новых инструментов, позволявших изучать информационные массивы, аналитическая команда EarthLink смогла достичь хороших результатов. Маркетинг, направленный на удержание клиентов, позволил снизить отток более чем на 30 % по сравнению с контрольной группой. Анализ прибыльности показал, что использовавшиеся компанией каналы телемаркетинга дороги и низкоэффективны, поэтому EarthLink переключилась на общение по электронной почте, что привело к значительному снижению затрат. Более того, значительно выросла доля отклика на предложения, поскольку компания направляла нужные предложения нжным клиентам в нужный момент. В совокупности операционные расходы на маркетинг снизились на 60 %, а его эффективность, соответственно, повысилась.
Эти победы привели к серьезным изменениям в организации маркетинга. В результате компания смогла от вопросов, основанных на данных («Какая доля потребителей от нас ушла?»), перейти к вопросам, связанным с сутью бизнеса: «Почему ушли клиенты этого типа?»; «Что мы можем сделать для снижения оттока?» и «Каким будет финансовый эффект от маркетинговых усилий?».
Крайне важным моментом для развития в EarthLink культуры маркетинга, основанного на данных, стало создание Совета по потребительскому опыту. Им управляет исполнительный комитет, состоящий из Роузела и других ведущих маркетеров и менеджеров по продукту, а также рабочей группы из 40 маркетеров компании. Совет устраивает ежемесячные совещания для обсуждения результатов предыдущих мероприятий, успешных примеров и новых моделей. «Работа Совета помогает нам регулярно проводить пилотные тесты, запускать кампании, измерять результаты и постоянно учиться чему-то новому», – сообщил Роузел.
Подводя итог, можно сказать, что дерево решений – отличный способ сегментировать клиентов и определять план дальнейших действий. Оно позволяет вам отвечать на массу вопросов, например: «Какие еще продукты и услуги покупают клиенты, приобретающие у нас данный продукт или услугу?»; «Какие события могут послужить для нас индикатором того, что потребитель купит новые продукты или услуги?»; «Какие события или действия клиента показывают, что он может уйти?». Затем начинаются расчеты. На основании данных, полученных от аналитиков, можно создать маркетинговые программы, нацеленные на конкретные группы клиентов с определенными характеристиками, или планы действий при наступлении определенных событий. Расчет моделей может производиться ежедневно, еженедельно, ежемесячно или в режиме реального времени при каждом взаимодействии клиента с вашей компанией (об этом я подробнее расскажу в следующем разделе).
Однако у большинства маркетеров нет навыков, необходимых для того, чтобы заниматься сбором данных и создавать запросы в программе типа SAS. Поэтому, скорее всего, придется нанять специалиста. Важно понять, в чем главные преимущества того или иного аналитического инструмента, как нужно интерпретировать данные и какие действия предпринимать. Сам процесс кажется сложным, но результаты просты и понятны. Я считаю, что экономический кризис – лучшее время для найма аналитика!
Сроки превыше всего: примеры маркетинга, основанного на событиях
Грамотное маркетинговое предложение, направленное нужным клиентам, может оказать на них серьезное воздействие. Модели предрасположенности, анализ потребительской корзины и дерево решений – инструменты, позволяющие провести гиперсегментацию и таргетинг. Однако главное начинается тогда, когда вы совмещаете аналитическое таргетирование и временную привязку: клиент, у которого только что сломалась стиральная машина, будет куда более восприимчив (согласно измерениям уровня отклика и прибыльности) к предложениям о покупке нового аппарата, чем другой потенциальный клиент, только что купивший стиральную машину. Приведенные ниже кейсы наглядно покажут, как можно значительно улучшить свои результаты с помощью грамотно внедренного маркетинга, основанного на событиях.
Отступление: регрессия или дерево решенийРегрессионному анализу уделяется очень много внимания на программах MBA, посвященных методам принятия решений. Почему я о них умалчиваю? Суть регрессии состоит в выстраивании линейной модели для предсказания продаж – например, как производной функции от маркетинга и других входных параметров. Это отличный инструмент, если у вас есть много «чистых» данных и при этом вам несложно дать интерпретацию большому количеству переменных. Однако нехватка данных или их сильный разброс опасны для регрессии. Фактически в подобных случаях приходится отбрасывать значительную долю информации. В этом смысле деревья решений более гибкие, и их можно создавать и при недостаточности данных, и при большом их разбросе. Помимо прочего, регрессия предполагает наличие простой линейной модели, элементы которой не коррелируют между собой. Деревья же можно считать «непараметрическими». Данные четко не следуют математическому распределению, поэтому можно выделить степень взаимодействия между различными переменными и выбрать те из них, по которым лучше всего строить дерево, – то есть преодолеть две основные проблемы, присущие таким прогнозным моделям, как регрессия.
Разумеется, ограничения есть и у деревьев. Дерево может быть эффективным для анализа тестового набора данных, однако при введении нового набора данных смысл и логика теряются. Чтобы решить эту проблему, нужно провести некоторое количество тестов (с небольшими и крупными массивами данных). С этой задачей справляются многие алгоритмы создания деревьев. Вторая проблема в том, что результатом дерева становится ступенчатая функция – да или нет, высокие или низкие значения какой-то переменной, – а это значительно снижает достоверность прогноза. Регрессия – непрерывный процесс (что можно считать ее преимуществом), а большие деревья фактически подчиняются линейным функциям. Иными словами, если дерево можно разбить на достаточно большое количество уровней, оно способно отображать непрерывную функцию – в частности, именно поэтому дерево решений отлично подходит для анализа больших массивов данных.
Я не утверждаю, что регрессия – плохой метод. В сущности, она отлично подошла Meredith для маркетинга на основе модели предрасположенности с использованием электронной почты (причем оказалась гораздо более эффективной, чем дерево решений). Однако у дерева решений есть целый ряд преимуществ. Главное из них в том, что вам не нужны идеально «очищенные» данные, а результаты более наглядны для любого маркетера.
DirecTV
Компания DirecTV (годовой оборот 17 миллиардов долларов) – оператор спутникового телевидения. Она была основана в 1994 году как подразделение Hughes Electronics. На компанию работает 7500 сотрудников, и она предоставляет свои услуги примерно 18 миллионам жителей США и более чем 5 миллионам жителей нескольких стран Латинской Америки. Перед ней в определенный момент встала та же задача, что и перед компанией EarthLink: удержать клиентов из группы риска.
О проведенном компанией анализе я расскажу чуть ниже, пока же отмечу, что DirecTV удалось перевести маркетинг и обслуживание клиентов на новый уровень с помощью автоматизированной системы, позволяющей производить сбор и анализ данных в режиме, близком к режиму реального времени. В систему ежедневно загружаются данные примерно о 60 миллионах транзакций, а компания использует ее, например, для того, чтобы заблаговременно выявить клиентов, которые собираются позвонить и отменить ту или иную услугу. Созданные в компании модели позволяют специально сформированной команде сотрудников получать контактную информацию клиентов, готовых уйти, и та в течение считаных часов направляет специальные предложения, ориентированные на удержание.
Результаты работы оказались впечатляющими: DirecTV смогла удержать не меньше 25 % абонентов из группы риска, а общий показатель оттока снизился в 2008 году с 19 % в год до 16 % (что было самым низким значением в отрасли). Снижение годового оттока на 3 % кажется не особенно большим, однако для компании с годовым оборотом в 17 миллиардов долларов экономия составляет свыше 500 миллионов долларов в год.
Национальный банк Австралии
Обычно банки проводят массовые маркетинговые кампании. Чаще всего они не таргетированы и совершенно бесполезны. Более правильный подход – использование технологий для поиска новых возможностей. Например, один крупный банк начал анализировать счета своих клиентов и обнаружил беспроцентный вклад на сумму 160 тысяч долларов, который был довольно крупным для клиента. Банкир позвонл ему в течение 24 часов и обнаружил, что эти деньги были собраны его семьей и друзьями для запуска нового бизнес-проекта. Телефонный разговор завершился продажей клиенту контракта на обслуживание специального счета для малого бизнеса, открытием кредитной карты и кредитной линии.
Национальный банк Австралии (National Australia Bank, NAB) – лидер в области маркетинга, основанного на событиях, в области финансовых услуг. С годовым оборотом в 14 миллиардов долларов он занимает первое место в области розничного обслуживания в Австралии. В 2008 году он выиграл награду Национального центра маркетинга баз данных (National Center for Database Marketing) за мероприятия в области аналитического маркетинга, основанного на событиях. NAB ежедневно изучает свыше 2,7 миллиона событий для своих клиентов с помощью так называемых детективов событий (программных средств выявления событий). Это позволяет за год найти около трех миллионов возможностей для развития нового бизнеса. На основании этой информации банк ежегодно совершает около 500 тысяч звонков настоящим и потенциальным клиентам, и коэффициент отклика по ним превышает 40 %.
Интересно отметить, как NAB применяет эти принципы в недавно приобретенных банках, таких как Европейская группа Национального банка Австралии (включающая в себя Йоркширский банк и Клайдсдейл банк, работающие в Великобритании). Во всех этих банках до момента их покупки NAB процессы маркетинга и управления клиентами были нескоординированными. Кроме того, сотрудники не могли разобраться, кто в конечном итоге отвечает за клиента, – различные группы конкурировали, стараясь заполучить клиента с помощью разных предложений. Дублирование приводило к напрасной трате сил, а клиенты в результате оказывались в полном замешательстве.
NAB консолидировал данные о клиентах своих европейских банков в централизованное корпоративное хранилище, а затем использовал процессы сбора данных и аналитические инструменты для таргетирования и маркетинга, основанного на событиях. Банк выстроил систему координации сообщений по различным каналам, чтобы обеспечить большую последовательность и предотвратить дублирование. Цели маркетинговых кампаний были изменены и сфокусированы на потребностях клиентов, их поведении и CLTV. Предложения начали направляться клиентам своевременно, банк научился связываться с ними в течение 24 часов после поступления от них запросов, а маркетинг в целом стал более персонализированным.
Результаты оказались потрясающими. Доля отклика на маркетинговые предложения сразу же выросла в 30 раз (на 3000 %!). По мере того как банк настраивал и регулировал аналитические инструменты, используя подход гибкого маркетинга – быстрое тестирование и освоение, – отклик рос на 15 % в год. Отток клиентов снизился на 17 %, а координация входящих и исходящих запросов позволила повысить уровень отклика еще на 20 %. Более того, общее количество лидов снизилось на 22 %, однако при этом показатель их конверсии вырос на 15 % из-за улучшения качества.
Читать бесплатно другие книги:
