Маркетинг, основанный на данных. 15 показателей, которые должен знать каждый Джеффри Марк

Я неоднократно подчеркивал, что вам не нужны многомиллионные инвестиции для запуска инфраструктуры маркетинга, основанного на данных. Вначале можно использовать Microsoft Excel. Но наверняка вам этого будет мало. Однако если вы спросите меня: «Какая инфраструктура нужна для внедрения новой модели маркетинга?» – я отвечу: «Все зависит от конкретных условий».

Если, например, цель в том, чтобы контролировать вопросы цикла покупки с применением сбалансированной системы показателей: осведомленности о бренде, удовлетворенности клиентов, тест-драйва, коэффициента отклика, показателей ROMI и интернет-показателей – вы можете начать с таблиц в Excel или даже бумажных карточек.

Однако если вы хотите активно управлять оттоком клиентов, заниматься маркетингом, основанным на пожизненной ценности клиента, и/или маркетингом, основанным на событиях, то хранилища данных и аналитическая инфраструктура необходимы. Что вам нужно и сколько придется за это заплатить? Все зависит от конкретных условий. Попробуем разобраться в этом вопросе.

Какие данные вам действительно необходимы?

В самом начале разговоров о маркетинговых базах данных и технологиях мне всегда задают вопрос: «Какие данные мы должны помещать в хранилище?». Я считаю такую постановку вопроса неверной. В данном случае лучше спросить: «Каковы требования моего бизнеса?». Иными словами, вам нужно понять, на какие вопросы нужно найти ответ и для какого количества клиентов. Необходимые вам данные (и требования к ним) будут определяться вашими бизнес-целями.

Для авиакомпании правильный вопрос мог бы звучать так: «Какое количество людей в возрасте от 30 до 49 лет, часто пользующихся нашими услугами, перестало летать из Чикаго в Вашингтон и обратно в прошлом месяце? Почему? Для каких сходных с ними клиентов с высокой ценностью высока вероятность расставания с компанией? Какое влияние могут оказать на них маркетинговые мероприятия, направленные на снижение оттока?». Ответ на первый вопрос требует проведения поиска по всем клиентам, в результате которого компания может выявить целевую группу потребителей. Последующие вопросы требуют еще больше данных. В частности, помимо информации о полетах и демографических данных, нужно определить ценность клиента, а это требует сбора данных по всей компании.

_{Рис. 10.1. От информации к действиям}

Каждый связанный с бизнесом вопрос обычно приводит к целому каскаду новых вопросов (рис. 10.1). Например, если вопрос звучит так: «Сколько клиентов отказалось от той или иной услуги в прошлом месяце?», то ответ может быть конкретным, например 0,5 %. На первом этапе мы пытаемся понять, что же произошло. Затем мы стараемся выяснить причину отказа от услуги. На третьем этапе мы пытаемся предсказать, что произойдет в будущем. Для этого нужно ответить на вопрос: «Сколько клиентов, скорее всего, откажутся от услуги по той же причине?». Этот вопрос обусловливает ряд мер, направленных на получение нужных данных, а затем и решений, основанных на полученной и обработанной информации.

Расчет показателя CLTV требует данных о затратах и доходах по всем точкам контакта с клиентами. В розничной торговле это магазины, интернет, каталоги, дилеры и т. д. Для затратной части уравнения вам нужно знать расходы: стоимость производства, гарантийные затраты, затраты на обслуживание и возврат товаров, привлечение и удержание клиентов, скидки и т. п., а также маркетинговые расходы, связанные с отдельными клиентами (директ-мейл, рассылка по электронной почте, сайт и т. д.). Скорее всего, они находятся в изолированных базах данных предприятия, называемых «витринами данных». Поэтому для ответа на маркетинговые вопросы необходимо свести всю эту информацию в центральную базу данных или корпоративное хранилище данных (EDW) для последующего анализа.

На рис. 10.2 приведена схема распределения в компании данных, необходимых для анализа CLTV. Здесь показано, каким образом все важнейшие с точки зрения прибыльности клиента данные накапливаются в различных функциональных зонах бизнеса: они поступают из различных источников. Для анализа нужен доступ к этим данным и их интеграция, что само по себе может стать непростой задачей.

_{Рис. 10.2. Данные от различных подразделений, необходимые для расчета CLTV}

^{Источник: Ричард Уинтер, www.wintercorp.com}

Однако самое важное – грамотный процесс мышления. Поймите суть маркетинговой проблемы, которую вы пытаетесь решить, и определите вопросы, на которые вам нужно получить ответ. Они определят инфраструктуру и набор необходимых данных. Существует целый ряд дополнительных факторов, влияющих на требования к управлению данными: и количество клиентов, и необходимая степень детализации данных, и сложность запросов и анализа, и необходимость в анализе непредсказуемых событий.

Какая инфраструктура вам нужна: одноэтажный фермерский домик или Эмпайр-стейт-билдинг?

Объем и инфраструктура хранилища, которое необходимо для маркетинга, основанного на данных, зависит от двух важных параметров: количества клиентов и сложности требований. Первая переменная напрямую связана с размером EDW: каждое взаимодействие с клиентом (покупки, звонки в колл-центр, возвраты продукта и т. д.) создает новые данные о нем. Для анализа CLTV эти данные нужно собирать за период 3–5 лет. Если клиентская база велика, объем хранилища также будет большим. Вторая переменная выступает как множитель для расходов на создание сложной инфраструктуры. В следующем разделе я расскажу об этом подробнее.

В табл. 10.1 сравниваются три организации различного размера по возрастанию уровня сложности. Пример приведен для ретейла, но та же схема может применяться в любом бизнесе. Для уровня сложности в данном случае будет уместна аналогия со зданиями – в табл. 10.1 инфраструктура маркетинга, основанного на данных, для компаний различного размера сравнивается с домиком фермера, офисным зданием среднего размера и небоскребом Эмпайр-стейт-билдинг соответственно.

На нижнем уровне находится региональный ретейлер с 10 магазинами и 100 000 клиентов. Насколько велико будет хранилище данных для компании такого размера? Не больше фермерского домика (согласно данным последней переписи в США, площадь обычного американского дома чуть больше 200 м). Что касается объема данных, то для небольшого регионального ретейлера со 100 000 клиентов он составит 1 терабайт, то есть в среднем объем данных о каждом клиенте будет равен примерно 10 мегабайтам (1012 байт / 10⁵ клиентов = 10⁷ байт в расчете на клиента = 10 мегабайт в расчете на клиента), что представляется вполне реалистичным. Приобретение системы, способной хранить и обрабатывать такие массивы данных (при среднем уровне сложности анализа), потребует инвестиций в оборудование и программное обеспечение в размере 50 000–250 000 долларов. Величины расходов ориентировочны и представлены лишь для того, чтобы вы могли оценить порядок цифр.

_{Табл. 10.1. Инфраструктура хранилища данных – домик фермера против Эмпайр-стейт-билдинг}

^{Источник: Ричард Уинтер, www.wintercorp.com, и Марк Джеффри, www.agileinsights.com}

Ретейлер среднего размера соответствует в нашей системе офисному зданию площадью около 2440 м (примерно в 12 раз больше фермерского домика). У него региональная сеть из 400 магазинов и 1 миллион клиентов. Объем данных для него составляет примерно 10 терабайт. Иными словами, у ретейлера среднего размера в 10 раз больше данных, чем у небольшого! Для таких объемов данных вам понадобятся и значительные мощности, и инфраструктура – это может обойтись в сумму 500 тысяч – 2,5 миллиона долларов, в зависимости от сложности анализа данных (опять же, примерно).

На третьем уровне располагается национальный ретейлер с 5000 магазинов и 100 миллионами клиентов. Здесь вполне уместна аналогия с Эмпайр-стейт-билдинг – зданием площадью свыше 200 000 м. Такое здание примерно в 1000 раз больше фермерского дома. В распоряжении национального ретейлера будут массивы данных объемом 1000 терабайт, то есть в 1000 раз больше, чем у местного ретейлера! Для работы со столь массивными объемами данных и запросов вам нужна настоящая инфраструктура промышленного масштаба стоимостью 50–250 миллионов долларов.

Вывод очевиден: разница в требованиях к системе, определяемая разницей в решаемых бизнес-задачах, может приводить к значительным последствиям; дом фермера ничуть не похож на Эмпайр-стейт-билдинг, а инфраструктура стоимостью в несколько сотен тысяч долларов – не то же самое, что инфраструктура стоимостью несколько сотен миллионов. Ричард Уинтер, СЕО WinterCorp и эксперт в области дизайна и архитектуры масштабных хранилищ данных, рассказал мне следующее:

Бизнесмены должны понимать масштаб и сложность хранилищ данных, создаваемых для них (примерно как в случае финансирования строительства здания). Они должны представлять себе, предполагает ли проект строительство дома для престарелых или башни Сирс[49] – соответственно, дизайн, техническое проектирование и конструкция будут разными. К сожалению, хранилища данных физически не ощутимы, и руководители порой затевают проекты, напоминающие по сложности и масштабу башню Сирс, при этом представляя себе, что строят обычный дом престарелых… Тут-то и возникают проблемы.

Самая сложная ситуация возникает в том случае, если ваша команда IT-отдела раньше строила только фермерские дома. Старая поговорка гласит, что, когда у вас есть только молоток, все вокруг напоминает гвоздь. Это справедливо и в отношении IТ: если вы умеете строить только деревенские дома, то ваша IT-система, обслуживающая маркетинг, тоже будет напоминать такой дом. И здесь возникает проблема масштабируемости: сможет ли система работать после добавления в нее новых клиентов? Если система хорошо работает с несколькими клиентами, будет ли она так же эффективно работать с сотнями?

Ошибка, связанная с невозможностью масштабирования, возникает очень часто, а ее последствия получают широкую огласку. В 2001 году AT&T[50] начала брендинговую кампанию для mLife, пакета услуг мобильной связи. Кампания, запущенная в период проведения Суперкубка по американскому футболу в 2001 году, обошлась фирме более чем в 20 миллионов долларов. Телевизионные ролики были очень простыми: адрес сайта www.mLife.com на белом фоне. Однако в итоге более 100 миллионов зрителей Суперкубка ожидало разочарование: когда на сайт зашло одновременно огромное количество пользователей, он рухнул, и никто не смог понять ни что такое mLife, ни каким образом сайт связан с AT&T. Так погиб только что родившийся бренд. Это классический пример того, что происходит, когда сотрудники отдела маркетинга не общаются с IT-специалистами.

Приведу еще один пример. Специализированная сеть продуктовых магазинов, включавшая несколько сотен магазинов с годовым доходом более 10 миллиардов долларов, решила внедрить новую систему для снижения числа ситуаций нехватки товара на складе. Ретейлер, торговавший свежими натуральными продуктами, знал из результатов исследования рынка, что снижение дефицита на складах помогает значительно повысить и прибыльность, и уровень удовлетворенности клиентов. Идея состояла в том, чтобы анализировать данные о запасах в каждом магазине и вычислять, какие продукты необходимо довозить каждый день (свежие фрукты, йогурт, рыбу, говядину и т. п.). Магазины начинали работу каждый день в 9 утра, а с полуночи до 5 утра грузовики загружались на центральном складе, чтобы товары попали в магазины уже к 6 часам.

Создав EDW, IT-команда поняла, что возможностей используемой системы хватает только на обработку данных по одному магазину (причем процесс будет длиться всю ночь). Однако компании нужно было решение, способное просчитать данные по сотням магазинов за три часа (с 9 вечера до полуночи). Управленческая команда неправильно поняла требования. Система была логически верной, однако не могла выполнять свою функцию: никто не подумал о том, чтобы просчитать объем мощности, необходимый для управления значительными массивами данных. Как рассказал мне Уинтер:

Проблемы с масштабируемостью хранилищ данных возникают в самый неподходящий момент. Они могут появиться на этапе проектирования или создания технических решений – часто из-за того, что требования к системе слишком расплывчаты или платформа выбрана неверно. Однако вы не узнаете о проблеме до момента полной загрузки системы. Проблемы с масштабируемостью, которые выявляются на ранних этапах, легко исправить, однако проблемы, возникающие на поздних этапах, способны уничтожить проекты, карьеры и целые фирмы.

Вы как руководитель маркетинговой команды можете испытывать серьезные проблемы при работе с IT, так как, скорее всего, это не ваша область. В каком-то смысле владельцы бизнеса, где применяется маркетинг, основанный на данных, напоминают владельцев футбольных клубов. Владельцы не тренируют футболистов. Они только оплачивают счета, но при этом им нужны результаты, чтобы продавать билеты на стадионы.

Как же маркетеру решить эту задачу? Предлагаю обратиться к теме, которая хорошо знакома специалистам по маркетингу. Что если кто-то из сотрудников вашей компании представляет вам нереальный план продаж? Скорее всего, вы начнете задавать вопросы, позволяющие понять, каким образом он хочет достичь желаемой цели: каковы прогнозы, что говорят данные исследований рынка, какие меры предпринимаются для реализации плана и т. п.

То же справедливо для инфраструктуры аркетинга, основанного на данных.

Если вам сложно найти общий язык с IT-командой, попросите ее представить вам собственный план создания программы для обработки большого массива данных. В приведенном выше примере (дефицит на складе ретейлера) маркетер должен задать команде вопрос: «Способны ли вы собрать данные со всех 500 торговых площадок, импортировать их в EDW и проанализировать к полуночи, с тем чтобы мы могли загрузить грузовики продуктами к 5 утра?». Пусть она предоставит инженерные выкладки, показывающие, что это возможно. Можно также попросить независимых экспертов оценить представленный план.

Вам, как и владельцу футбольного клуба, необходимо знать, что ворота установлены в правильном месте на поле, что команда решает грамотно поставленную задачу и у нее есть разумный план по перемещению мяча в нужном направлении и зарабатыванию очков. Следовательно, вы должны принимать во внимание масштаб решаемых проблем, а это даст возможность понять, нужна ли вам инфраструктура размером с домик для фермера или Эмпайр-стейт-билдинг. Как я уже говорил, технологии для маркетинга, основанного на данных, – слишком важный вопрос, чтобы оставлять его на откуп IT-отделу.

Сложность требований

Объем клиентской базы определяет размер хранилищ данных для маркетинга, основанного на данных. Второе важное измерение – степень сложности требований. На рис. 10.3 приведена методика, позволяющая понять, какая инфраструктура хранилища данных нужна (с учетом этих измерений). Как я уже говорил в предыдущем разделе, сложность требований к данным определяется тем, какие вопросы вы хотите задать и какие ответы получить.

Низкой степени сложности соответствует модель, приведенная на рис. 10.4. В данном случае нужно ответить на достаточно простые вопросы: какие продукты, где и когда продаются в ваших магазинах. Анализ проводится по одному набору фактов (данным о продажах) и четырем аналитическим измерениям: продукты, клиент, магазин и дата. Анализ в данном случае довольно прост, его можно провести за ночь. Если другая информация вам не нужна, то создание системы для небольшой клиентской базы («фермерского домика») обойдется недорого. В случае большой клиентской базы можно без особых проблем масштабировать инфраструктуру с помощью простой модели, изображенной на рис. 10.4. В данном случае, невзирая на большой объем данных, анализ достаточно прост. Вы работаете с единственной таблицей и вполне можете воспользоваться для этой цели обычными программами для витрин данных.

_{Рис. 10.3. Сложность требований}

_{Рис. 10.4. Связи между данными для ретейла с низким уровнем сложности}

^{Источник: Ричард Уинтер, www.wintercorp.com}

Что это за оборудование? Оно помогает создать недорогую информационную систему, способную выполнять одну-единственную функцию (подобно микроволновой печи на вашей кухне, которая только разогревает еду). Витрина данных для маркетинга требует сравнительно простой модели, наподобие приведенной на рис. 10.4; при этом она способна обрабатывать большие массивы данных. Этот пример с небольшой сложностью и большим объемом данных соответствует верхнему левому квадранту на рис. 10.3. В данном случае вместо домика для фермера вы строите большую, но простую структуру. Например, огромную парковку, для повышения емкости которой нужно добавить дополнительные места.

Сложность требований возрастает, когда компании для принятия решений нужны данные из различных источников, а их обработка носит нелинейный характер. На рис. 10.5 приведен пример модели расчета данных для CLTV в области ретейла. В данном случае имеется и масса сложностей с точки зрения аналитики, и различные, не связанные между собой наборы фактов, и сложная паутина взаимосвязей (что вполне нормально для сложных моделей).

_{Рис. 10.5. Сложные взаимосвязи, учитывающие пожизненную ценность клиента}

^{Источник: Ричард Уинтер, www.wintercorp.com}

С точки зрения масштабов инфраструктуры сложность требований может оказаться значительно более важной, чем количество клиентов. Нижний правый квадрант на рис. 10.3 соответствует сравнительно небольшому количеству клиентов, однако работа в нем связана с серьезными сложностями. В качестве примера приведу известную мне крупную производственную компанию из списка Fortune 500 с миллионом B2B-клиентов. Объем данных, связанных с этими клиентами, составлял всего 1 терабайт, то есть в случае низкой сложности требований инфраструктура могла бы представлять собой «фермерский дом».

Однако в компании работало около 10 тысяч продавцов, а ее философия состояла в том, чтобы сохранять контакт с менеджерами фирм-клиентов даже в случае их перехода на другую работу или в другую компанию.

У этого подхода есть важные преимущества: с его помощью продавцы могут со временем создать с клиентами глубокие и крепкие отношения. Но, с другой стороны, это обусловливает крайне сложную схему взаимодействий, поскольку продавцы управляют множеством различных продуктов и отношениями со многими клиентами.

В этом примере миллион клиентов создавал 1 терабайт прямых данных, а сложные и разносторонние отношения с ними – еще 10 терабайт производных. Иными словами, вследствие сложности отношений реальный объем данных составил 11 терабайт. Откуда же возникла эта сложность? Свою лепту внесли и перемещения внутри 1 миллиона корпоративных клиентов, и 10 тысяч продавцов, и более 100 тысяч записей, связанных с различными взаимодействиями, и более 10 тысяч продуктов, и т. д. Если вы спросите: «На какой объем продаж продукта Y в регионе X мы можем рассчитывать в этом квартале?» (вопросы, связанные с территорией, продуктом или клиентами, обычно считаются простыми) – то для этой компании ответ будет крайне сложным из-за большого количества перемещений клиентов.

Кроме того, сложность возрастает примерно в 10 раз, если компании требуется получать данные в режиме реального времени – например, проводить анализ CLTV «на лету» и использовать его в работе колл-центра, как в Королевском банке Канады (см. рис. 6.5). Верхний правый квадрант на рис. 10.3 представляет собой Эмпайр-стейт-билдинг в области инфраструктуры: большое количество клиентов и сложные требования. Такая инфраструктура для маркетинга, основанного на данных, обойдется в 50–250 миллионов долларов.

Возможно, вы уже запутались в битах, байтах, передаче данных, скоростях и многомиллионных инвестициях. Но именно они ключ к победе. Нужно заранее продумать модель работы с данными – точнее, необходима масштабная картина, основанная на том, какие ответы вы хотите получить. Именно требования бизнеса покажут вам, какого рода инфраструктуру следует создавать: фермерский домик или Эмпайр-стейт-билдинг. Однако не стоит строить небоскреб с нуля. Большинство известных мне успешных компаний начинали с малого: они понимали, как должна выглядеть итоговая модель, но создавали ее постепенно, одну таблицу за другой, применяя принцип 80/20 (сначала обрабатывали 20 % данных, которым соответствует 80 % ценности). Поэтому первый цикл модели может быть достаточно простым (наподобие приведенного на рис. 10.3). Достигнув успеха в малом, вы сможете вносить новые данные и усложнять модель (см. рис. 10.4).

Поэтому, если вашей компании действительно нужна сложная модель, наподобие приведенной на рис. 10.4, необходимо спланировать все шаги заранее. Например, сайт Amazon.com начинал с продажи книг через интернет (большое количество разных ассортиментных позиций, которые сравнительно легко складировать и транспортировать). Однако когда он по мере роста стал продавать и товары иного рода, архитектуру системы менять не пришлось – все было уже запланировано заранее.

Перенести данные или изменить архитектуру для нового хранилища?

В 1995 году Continental Airlines имела 45 различных баз данных. Их объединение в централизованное хранилище позволило экономить по 5 миллионов долларов в год. Экономия была обусловлена рядом факторов: меньшее количество контрактов с поставщиками баз данных, сокращение времени на переговоры с ними, меньшая площадь для оборудования (а соответственно, сокращение накладных расходов). Однако, что важнее всего, для обслуживания этого «монстра» требовалось меньше администраторов. Объединение различных баз данных в единое хранилище называется консолидацией витрин данных; понятно, за счет чего складывается экономия в рамках этого процесса{53}. Однако здесь возникает дилемма: переносить данные в текущем формате или изменять их архитектуру для новой системы?

Миграция данных означает, что вы перекачиваете данные из существующих мелких баз в большое хранилище. Если у вас есть 50 независимых витрин данных, внутри единого консолидированного хранилища разместятся 50 независимых баз данных. Это приведет к снижению расходов на обслуживание системы, но сами данные никак не изменятся. Однако в этом случае вы, как и раньше, не сможете дать ответы на важные вопросы, стоящие перед компанией.

Почему это важно? Многие руководители маркетинговых подразделений в разговорах со мной жаловались, что новое хранилище данных в их компании не дает им возможности получить ответы на самые простые маркетинговые вопросы. В чем же была проблема? Отдел IT увлекся идеей экономии расходов за счет консолидации данных в одном крупном хранилище, но не обратил внимания на суть проблем бизнеса: чтобы получить целостную картину, необходимо было изменить архитектуру данных.

Новая архитектура предполагает необходимость продумать все сложные взаимосвязи и оптимизировать модель данных так, чтобы она могла отвечать на самые важные для маркетинга вопросы. Разумеется, изменение архитектуры приводит к росту расходов, однако это с лихвой компенсируется новыми преимуществами. Однажды я рассчитал финансовые последствия двух вариантов работы (простой миграции данных или изменения архитектуры) для крупного финансового учреждения{54}. Оказалось, что решение, основанное на новой архитектуре, позволяет повысить NPV в три раза!

Что может пойти и пойдет не так (если вы не будете осторожны)

На обочине бизнеса покоятся останки масштабных IT-проектов, потерпевших крах (и проекты хранилищ данных не исключение). По оценкам Standish Group, ежегодно отслеживающей состояние тысяч IT-проектов, не менее 72 % проектов не завершаются в срок или в рамках оговоренного бюджета. Иными словами, вероятность того, что система с самого начала будет работать, как задумано, составляет всего 28 %. Что касается EDW, то здесь ситуация выглядит еще менее радужной: Барбара Уиксом и Хью Уотсон{55} обнаружили, что, по словам 55 % руководителей, новая система хранения данных не может обеспечить необходимые результаты.

Статистика выглядит удручающе: впору задуматься, нужно ли вам хранилище данных для маркетинга в принципе. Однако основные причины неудач хорошо задокументированы, и вот какие основные факторы риска были отмечены Уиксом и Уотсоном:

• Отсутствие сосредоточенности и видения – общие цели усилий по развитию EDW недостаточно хорошо определены.

• Отсутствие поддержки (в том числе финансовой) со стороны высшего руководства.

• Отсутствие «борца», способного продвигать проект и обеспечивать информацию, материальные ресурсы и политическую поддержку.

• Организационная политика и культурные вопросы.

• Недостаточность ресурсов – финансов, времени и/или персонала.

• Масштабируемость решения – компании строили «дом для фермера», хотя нуждались в Эмпайр-стейт-билдинг.

• Технологии – система может быть основана на новой и незнакомой технологии, либо изначально выбрано неправильное технологическое решение.

• Отсутствие навыков – команде, занимающейся внедрением, недостает навыков и знаний для работы с системой. Для удачного запуска масштабных проектов в области EDW нужны отличный менеджер проекта и опытная команда технологов.

• Качество уже имеющихся баз данных – как ни странно, это довольно серьезная проблема (я расскажу о ней чуть ниже).

• Расчет на внешние ресурсы – зачастую работа перекладывается на плечи внешних подрядчиков, а IT-команда принимает результаты. На самом деле маркетерам может быть нужно что-то отличное от того, что предлагает подрядчик. В ряде случаев внутренней IT-команде не удается поддерживать предложенную подрядчиком систему в рабочем состоянии.

• Изменения, связанные с навыками персонала и уходом отдельных сотрудников, – иногда в разгар работы над крупным проектом уходят ключевые сотрудники. Если в работе участвует внешний подрядчик, то проблему можно решить с помощью контракта на оказание консультационных услуг.

• Неучастие конечных пользователей – эта проблема может быть связана с плохим знанием их потребностей. Если отдел маркетинга не вовлечен в работу, то IT-проект по созданию хранилища для маркетинга, основанного на данных, оказывается мертворожденным.

• Отсутствие обучения и тренингов – система создана, однако пользователи не знают, как ее грамотно применять.

Проверьте свой проект по всем этим пунктам. Все эти риски серьезны, но наиболее опасны отсутствие видения и поддержки руководства, политические игры, отсутствие ресурсов, неспособность к масштабированию и низкое качество базы данных. Проблема отсутствия видения удивительна, но возникает очень часто. Я встречал руководителей компаний из списка Fortune 500, которые тратили более 30 миллионов долларов на создание EDW, но при этом не задумывались над тем, что будут делать с данными, когда те окажутся в их распоряжении. Вот почему так важно начинать с небольших проектов и обучаться в процессе их реализации. Перед тем как приступать к строительству «небоскреба», нужно четко сформулировать стратегию маркетинга, основанного на данных.

Качество данных – особенно сложный вопрос. Если вы работаете в крупной организации, то, скорее всего, данные хранятся во множестве баз и в различных форматах. Для каждого клиента у вас есть различные записи, данные и описания. Кроме того, одни и те же вещи могут называться по-разному. В целом работа по очистке данных, извлечению нужных и их загрузке в EDW может оказаться сложной и затратной. Например, одна компания проанализировала свои 70 систем, в которых хранились данные о потребителях. Оказалось, что для 20 миллионов клиентов у нее было 200 миллионов уникальных идентификационных кодов!

Маркетеры авиакомпании Continental Airlines решили рассылать особо ценным клиентам благодарственные письма на день рождения и указывать количество лет, проведенных с компанией. Очистка данных для этой кампании оказалась нетривиальной задачей: помимо того что форматы дат в Европе и США различаются, оказалось, что данные о новых клиентах отслеживались лишь с конца 90-х.

Разумеется, я не хочу вас пугать. Моя задача в том, чтобы вы приступили к созданию масштабной инфраструктуры для маркетинга, основанного на данных, понимая суть вопроса. У вас не получится решить проблему сразу. Если рассматривать вопрос очистки данных, то даже если у вас имеется 150 предметных областей, вы можете выделить некоторые из них и понять, что вы хотите с ними делать. Можно гарантировать возникновение проблем с дублированием данных, их отсутствием, неправильным форматом или единицами измерения и т. д. Прежде всего выявите суть проблемы, а потом сосредоточьтесь на интеграции нескольких информационных источников – например, объедините три вида данных в течение первых шести месяцев. Главное – постепенно обеспечивать нарастающую ценность и четко следовать плану движения к цели.

Инженеры и технологи склонны интегрировать данные логичным и последовательным способом. Проблема в том, что такой порядок может быть не лучшим решением для бизнеса. Например, если у вас возникла проблема с клиентами в Висконсине, то в первую очередь нужно интегрировать и анализировать витрины данных именно по эому региону. Не оставляйте эти вопросы на откуп IT-специалистам!

Специфика работы с таким «монстром» предполагает политические игры. Любое хранилище работает с данными со всего предприятия, и для успеха необходимо, чтобы все ключевые игроки в различных подразделениях предоставили свои данные. Не исключено, что начнутся битвы за территорию и прочие интриги – в результате многие пользователи не захотят пользоваться системой, возникнут сложности с интеграцией данных и нехватка ресурсов для работы. Вот почему в данном процессе так важны лидерство и поддержка топ-менеджмента.

В главе 2 я рассказал о пяти барьерах на пути к маркетингу, основанному на данных, стратегиях преодоления политических разногласий и получении поддержки руководства. Цель в том, чтобы одержать быструю победу, показать убедительные результаты и использовать их для получения поддержки дальнейших инициатив со стороны руководства. Ниже приведен детальный пример того, как компания Harrah’s Entertainment смогла постепенно выстроить инфраструктурный Эмпайр-стейт-билдинг в отрасли азартных игр.

Harrah’s Entertainment: создание инфраструктуры маркетинга, основанного на данных

Игра в казино – любимое развлечение многих миллионов американцев. Harrah’s Entertainment – крупнейшая в мире компания в этой индустрии. Она владеет и управляет деятельностью более 50 казино (под брендами Bally’s, Caesars, Harrah’s, Horseshoe и Rio), в основном в США и Великобритании. В ее структуру входят казино в гостиницах, портах, на речных лайнерах и целый ряд игорных заведений в индейских резервациях. В 2005 году Harrah’s приобрела своего конкурента Caesar’s Entertainment за 9,4 миллиарда долларов в виде материальных активов, акций и долгов. Эта сделка укрепила ее позиции как мирового лидера в области азартных игр, более крупного, чем компания, возникшая в результате слияния MGM Mirage / Mandalay. Harrah’s была приобретена компаниями, аффилированными с инвестиционными компаниями TPG Capital и Apollo Global Management, за счет заемных средств в 2008 году. В годы, предшествовавшие покупке Apollo/TPG, когда Harrah’s была публичной компанией, ей удалось достичь невероятного успеха. Она создала инфраструктуру маркетинга, основанного на данных, признанную уникальной (и не только в своей отрасли). Я расскажу вам, как компании удалось создать уникальную инфраструктуру до 2004 года. Из этой истории вы сможете извлечь важные уроки.

В начале 90-х Harrah’s быстро расширялась, поскольку несколько штатов США смягчили законы в области азартных игр; однако к середине 90-х столкнулась с ростом конкуренции на большинстве своих рынков. Руководство приступило к формулированию новой стратегии маркетинга, основанного на данных и лояльности клиентов{56}.

Harrah’s имеет целый ряд важнейших конкурентных преимуществ в отрасли азартных игр США: у нее был и есть самый большой географический охват. Майкл Портер говорил, что устойчивое конкурентное преимущество создается с помощью сочетания действий, которые сложно скопировать. В случае Harrah’s потенциально важным устойчивым конкурентным преимуществом было присутствие в определенном регионе. Однако было непонятно, как именно извлечь из этого доход.

В середине 90-х Фил Сатр, CEO Harrah’s, и Джон Буши, старший вице-президент по маркетингу и руководитель информационной службы, поняли, что у них есть отличная возможность для привлечения игроков сразу на нескольких рынках одновременно (чтобы они играли в разных заведениях по всей стране). Согласно демографическим данным США, примерно один из четырех взрослых жителей играет в казино не реже одного раза в год, а один из четырех игроков играет по нескольку раз в год в разных регионах. Скажем, клиент живет в Филадельфии и пару раз в год выезжает в Атлантик-Сити, где играет в казино, принадлежащем Harrah’s. Кроме того, раз в год он ездит в Лас-Вегас и пару раз в год – в Новый Орлеан, чтобы повидаться со старыми друзьями и членами семьи. Во время каждой из этих поездок он с удовольствием проводит несколько часов в казино.

Но если клиент Harrah’s приходит в принадлежащее компании казино в Атлантик-Сити, это еще не значит, что он будет посещать ее заведения и в других городах. Например, в Лас-Вегасе есть множество интересных объектов, принадлежащих конкурентам: Bellagio со знаменитым фонтаном; Mirage, перед которым выстроен извергающийся вулкан; и Luxor, имеющий форму египетской пирамиды. Принадлежащее Harrah’s казино Las Vegas выглядит куда менее впечатляюще: перед его входом не стоят привлекающие внимание посетителей пиратские корабли или что-нибудь в этом роде.

В главе 9 я рассказал вам о Lowe’s. Велика вероятность, что после строительства террасы покупатель захочет приобрести гриль. Схожий случай был и в истории Harrah’s. Сам факт, что вы купили у Lowe’s материалы для строительства террасы, еще не значит, что гриль вы приобретете в этом же магазине – их продают и другие торговые точки. Задача была в том, чтобы отправить таргетированное маркетинговое сообщение этим покупателям вскоре после того, как они приобрели материалы для постройки террасы.

Схожая идея легла в основу концепции Harrah’s, которая использовалась для создания инфраструктуры маркетинга, основанного на данных. Если бы компании удалось определить ценность каждого клиента и узнать, кто в каких регионах играет, то она могла бы легко таргетировать свои усилия и побудить клиентов к посещению своих заведений в разных городах. Кроме того, имея на руках данные о ценности клиентов, Harrah’s могла бы проводить целевые мероприятия по удержанию самых важных из них. Важность данных для развития новой стратегии была четко озвучена в 1996 году на собрании директоров, посвященном видению и миссии компании в 2000-е годы: «Harrah’s доминирует в индустрии казино. У нас самые конкурентоспособные системы и процессы. Все начинается с отличной базы данных, позволяющей нам воспринимать каждого клиента как отдельную личность».

Harrah’s первой в отрасли создала «карты частых посетителей», получившие в наши дни новое название – Total Rewards. Первый вклад в развитие инфраструктуры (20 миллионов долларов) состоял в объединении в общую сеть всех слот-машин и POS-терминалов в казино, а также в привязке данных об отдельных транзакциях к уникальным номерам клиентов в системе Total Rewards. Затем для каждого клиента был рассчитан показатель CLTV, основанный не только на величине его реальных выигрышей и проигрышей, но и (что еще более важно) на теоретической величине доходов, которые приносит «перевес казино»[51], и на том, как много клиент играет.

Оказалось, что величина реальных выигрышей или проигрышей в азартных играх не может считаться достаточно точным показателем CLTV в казино вследствие присущего азартным играм элемента случайности. Однако в силу «перевеса казино», «зашитого» в механизм работы слот-машин, у казино есть определенные теоретические шансы на выигрыш. Они равны ожидаемой величине доходов от каждой игры посетителя с учетом установленного для нее «перевеса казино». Одна из инноваций Harrah’s в то время состояла в том, что компания использовала для расчета CLTV теоретические шансы клиента на выигрыш, а не реальные показатели его выигрыша или проигрыша, которые во многом обусловлены случайностью.

Вскоре после посещения заведений Harrah’s клиенты, у которых величина показателя CLTV превышала установленный минимум, получали таргетированные маркетинговые предложения, стимулировавшие их играть в разных казино по всей стране. Чем выше был показатель CLTV, тем более выгодные предложения делались клиентам. Результаты оказались впечатляющими: за следующие пять лет эти клиенты начали играть в разных казино страны на 68 % чаще, а инвестиции в маркетинг, основанный на данных, обеспечили 24 % возврата (с учетом затрат на маркетинговое предложение). Это было первой большой победой, позволившей создать импульс для дальнейших шагов в области маркетинга, основанного на данных.

К 1998 году Harrah’s уже имела консолидированную базу данных о клиентах и последовтельные данные о действиях каждого клиента за три года. Информация однозначно свидетельствовала о том, что клиенты начали чаще играть в разных казино. Гари Лавмен, прежде консультировавший компанию, стал в 1998 году исполнительным директором Harrah’s (а в 2003 году был назначен на пост CEO). Сатр, Буши и Лавмен своевременно увидели открывшуюся перед ними невероятную возможность и смогли использовать огромный массив данных о клиентах для перевода бизнеса Harrah’s на качественно новый уровень.

Решив задачу стимулирования более частой игры клиентов в различных казино, Harrah’s решила перейти к многоуровневой программе повышения лояльности. В 1999 году компания разработала три уровня («золотой», «платиновый» и «бриллиантовый») для программы Total Rewards. В зависимости от уровня клиенты получали разные наборы услуг и бонусов казино. Посетители заметили отдельные стойки регистрации и «бесплатные» фишки. Результатом стали структурные изменения ценности клиентов: компания стимулировала их чаще играть для перехода на новый уровень обслуживания. С учетом уже имевшейся инфраструктуры новая инвестиция составила 1,4 миллиона долларов, а рост ROI от этой деятельности – 35 %.

Потом компания решила задействовать сайт www.Harrahs.com. Изначально она давала клиентам возможность бронировать гостиницу онлайн, что помогало снижать издержки и экономить на работе колл-центров, занимавшихся резервированием. Кроме того, клиенты могли распоряжаться накопленными по программе Total Rewards баллами онлайн и знакомиться со специальными предложениями. Harrah’s также организовала рассылку по электронной почте Play for Fun. Все это потребовало инвестиций в размере 9,9 миллиона долларов, а основная цель состояла в привлечении новых клиентов и организации бронирования гостиниц без участия персонала компании. Потребовалось создать новую инфраструктуру для увязывания систем, учитывающих результаты игры в казино, с данными из гостиниц и с сайта. Реальная величина ROI от этих действий составила 18 %. Эти первые три вида маркетинговой деятельности, основанной на данных (игра в разных казино, многоуровневая система Total Rewards и активное использование сайта), было довольно легко реализовать, и они принесли заметную и хорошо измеряемую отдачу. Далее Harrah’s начала работу над оптимизацией доходов от использования гостиничных номеров.

Вместо того чтобы назначать на все гостиничные номера одну и ту же цену, компания решила определять ее в соответствии с моделью управления доходами. Модель включала расчет прибыльности клиента из всех источников контакта с ним, внешних рыночных условий, количества свободных номеров и т. д. (рис. 10.6). Она следовала очевидному правилу: лучшие цены на номер получали клиенты, от которых ожидался самый высокий доход. Иногда компания зарабатывала самые большие деньги, бесплатно предоставляя «самым нужным» клиентам гостиничные номера.

Разумеется, для реализации этой идеи потребовалась новая система управления доходами от гостиничных номеров, интегрированная как с системой расчета CLTV, так и с гостиничной системой учета. Она была разработана с целью предоставления правильного номера правильному клиенту по правильной цене. Крайне важна была возможность работы в режиме реального времени: модель, приведенная на рис. 10.6, позволяла рассчитывать цену для конкретного клиента менее чем за четыре секунды. И вновь результаты оказались впечатляющими: за период с 2000 по 2003 год общий доход в расчете на номер вырос на 30 % – со 172 до 224 долларов на клиента, что обеспечило компании свыше 40 миллионов долларов дохода. Дополнительная инфраструктура, связанная с более эффективным управлением гостиничными номерами, потребовала инвестиций в размере 8 миллионов долларов, а ROI от нее составил 18 %.

Постепенно инфраструктура набрала определенную критическую массу и начала создавать дополнительные самоподдерживающиеся возможности. Огромный объем данных о клиентах обеспечил Harrah’s массу новых направлений для улучшения работы. Например, компания в определенный момент смогла рассчитать степень корреляции между данными опросов на тему CSAT с данными о прибыльности клиентов. В 2001 году она получила 51 тысячу ответов на опрос о CSAT, а измерение CSAT показало, что клиенты, которые «определенно рекомендуют» компанию, приносили ей доход на 6 % больший, чем те, кто не был готов ее рекомендовать. Таким образом, компания смогла не просто внедрить принципы расчета CSAT в игровой отрасли, но и оценить традиционно нечеткие финансовые последствия программ, направленных на повышение удовлетворенности клиентов!

_{Рис. 10.6. Модель управления доходами позволяет оптимизировать использование гостиничных номеров и получать максимум прибыли в расчете на каждый занятый номер}

^{Источник: Harrah’s Entertainment}

Джон Буши, занимавший в то время пост старшего вице-президента по вопросам операционной деятельности и управления информацией и отвечавший за улучшение опыта взаимодействия клиента и компании и развитие инфраструктуры, сказал мне: «С учетом уже имевшейся у нас информации и созданной технологической инфраструктуры, ROI от таких расчетов оказался поистине бесценным, особенно если учесть, что мы потратили всего 50 тысяч долларов. Руководство компании получило четкие фактические свидетельства того, как инициативы по повышению уровня удовлетворенности клиентов приводят к росту прибыльности». Позднее Буши стал руководителем департамента интеграции, и к его заслугам можно причислить успешное присоединение бренда Caesar’s к Harrah’s. Затем он занял пост CEO компании Ameristar Casinos[52].

Рис. 10.7а выглядит загадочно. На самом деле это «тепловая карта», отображающая доходы от азартных игр в зале Harrah’s: темным (красным) выделены автоматы, приносящие доход, а светлым (белым) – не приносящие дохода. Фактически это картина создания прибыли для казино в режиме реального времени. Как использовать этот инструмент? Казино спроектировано экспертом в индустрии азартных игр с 20-летним стажем. Он смотрит на карту и сразу понимает, что происходит: некоторые области внизу и сверху слева всегда «холодные». Автоматы в этих зонах нужно чем-то заменить.

Но история на этом не заканчивается. На рис. 10.7б отображен возраст посетителей, играющих на том или ином автомате (10– или 50-центовыми монетами). Средний возраст игроков в правой группе равен 50 годам, а в левой, 10-центовой, – 70 годам.

_{Рис. 10.7. Динамическая тепловая карта доходов от слот-машин: темный цвет – высокий доход, белый – отсутствие дохода (а); на карту наложен возраст игроков (б)}

_а)

_б)

Harrah’s работает в индустрии азартных игр, и поэтому ее помещения должны значительно отличаться от продовольственных магазинов. Так, в магазине молоко всегда располагается на витринах в глубине, и потребители, желающие приобрести его, вынуждены пройти через весь магазин (не исключено, что по дороге они решат купить что-то еще). Однако в казино ситуация иная. Проектируя дизайн помещения, вы можете задать себе вопрос: «Захотят ли 50-летние посетители играть рядом с 70-летними?». Ответ, скорее всего, будет отрицательным. Возможно, вам поможет опыт планирования тематических парков компанией Disney – она создает специальные зоны на основе демографических характеристик и анализирует данные, чтобы выявить предпочтения разных групп. Harrah’s определила важнейшее условие выбора автомата игроками старше 75 лет: близость к туалету.

Однажды я выступал с речью на собрании, посвященном турниру по гольфу NCR Senior Open в Дейтоне. В наши дни в этом городе проходит не так уж много мероприятий, если не считать чемпионата NCR, впервые проведенного в 1884 году Джоном Паттерсоном. Однако Дейтон еще и колыбель авиации. Именно здесь был магазин велосипедов братьев Райт, которые и сконструировали первый самолет в начале XX века{57}. Теперь в Дейтоне располагается база ВВС Райт-Паттерсон.

По окончании торжественного мероприятия ко мне подошел человек лет пятидесяти, с сединой в волосах и в отличной спортивной форме. На его плечах были погоны с четырьмя звездами; я понял, что этот генерал – один из командующих ВВС США. Подойдя ко мне, он воскликнул: «Это именно то, что нам нужно!» – имея в виду мой рассказ об инфраструктуре Harrah’s и анализе «тепловой карты». Так что теперь я точно знаю, что применение этих принципов не ограничивается одной компанией или даже одной отраслью.

Динамическая тепловая карта Harrah’s потребовала 3,5 миллиона долларов инвестиций, однако смогла практически сразу же обеспечить новую ценность – информированный выбор для принятия решения о распределении игровых автоматов по этажам казино. Фактический ROI от инвестиций составил 104 %. Рассказывая о Harrah’s, я хочу подчеркнуть важность создания интегрированной и самоусиливающейся инфраструктуры, на каждом этапе развития которой имеется определенная процедура с измеримым показателем ROI. В результате постепенно выстраивается правильная инфраструктура маркетинга, основанного на данных. Однако с точки зрения архитектуры этот подход связан с определенными проблемами.

_{Рис. 10.8. Инфраструктура Harrah’s с 1997 по 2001 год (a); архитектурные и инфраструктурные измерения в Harrah’s, 2002–2003 годы (б)}

_а)

_б)

На рис. 10.8a приведена схема инфраструктуры Harrah’s в период с 1997 по 2001 год. Метод постепенного добавления ценности подходит для достижения быстрых побед, однако если инфраструктура недостаточно устойчива, то со временем ситуация станет неуправляемой. К 2001 году неразбериха в системе, представленная на рис. 10.8a стала невыносимой: компания не могла ни поддерживать ее в рабочем состоянии, ни заниматься масштабированием.

Как сказал мне Буши, «наша зацикленность на определенных вопросах, несмотря на все успехи, привела к непредвиденным последствиям: заметно возросла сложность работы, реализация проектов стала занимать все больше времени, а расходы на поддержание работы постоянно растут». Поэтому Harrah’s в 2002 году начала полностью перестраивать свою инфраструктуру (рис. 10.8б), что обошлось ей в 100 миллионов долларов. Компания смогла создать свою версию Эмпайр-стейт-билдинг.

100-миллионная инвестиция в инфраструктуру сопровождалась экономическим обоснованием. Бизнес-идея заключалась в изменении системы Total Rewards для увеличения частоты игры в различных казино, снижения оттока клиентов и оптимизации маркетинговых расходов. Измеренный ROI от деятельности Harrah’s по улучшению инфраструктуры составил в 2002 году свыше 60 %. Инфраструктура в области информационных технологий вкупе с присутствием во всех регионах США и стратегией стимулирования клиентов к игре в различных регионах стала источником устойчивого конкурентного преимущества, не поддающегося копированию.

Если вы собираетесь заняться развитием инфраструктуры для маркетинга, основанного на данных, стоит помнить, что инвестиции в нее должны иметь четкую бизнес-цель и обеспечивать достаточную финансовую отдачу. В главах 5 и 9 есть немало детальных примеров того, как создать экономическое обоснование с ROMI. После вложения средств необходимо измерять возврат на инвестиции, то есть «вести учет». Например, Harrah’s начала измерять ROMI в 1995 году и занимается этим и по сей день.

Тот же подход применяется и для улучшения инфраструктуры на дальнейших этапах. Пример Harrah’s наглядно показывает, что, чрезмерно увлекшись созданием ценности, можно упустить из виду проблемы и затраты на поддержание инфраструктуры. В итоге придется переделывать всю систему. Буши сказал: «Если бы нам представился шанс начать сначала, то архитектура стала бы ключевым и необходимым элементом каждого проекта».

Выше я уже говорил о том, что для успеха проектов по развитию инфраструктуры маркетинга, основанного на данных, необходима поддержка руководства (в том числе финансовая). «Если для проекта не находится спонсора, мы им не занимаемся. Для любого проекта, в том числе инфраструктурного, нам нужны обоснование и средства», – сказал мне Буши. Пример Harrah’s наглядно демонстрирует четыре важнейших фактора успеха при создании инфраструктуры маркетинга, основанного на данных: наличие экономического обоснования с количественными измеряемыми параметрами; бизнес-партнер, желающий реализовать проект вместе с IT-службой; вклад IT-подразделения и спонсора в обеспечение ROI; IT-архитектура и подробный план действий.

Выделю основные тезисы: мыслите масштабно, начинайте с малого и максимально быстро переходите к масштабированию успеха. Последнее невозможно без инфраструктуры и четкого плана действий. Теперь вы знаете многое об инфраструктуре маркетинга, основанного на данных, и умеете задавать правильные вопросы. Значит, ваши шансы на успех существенно возросли.

Выводы

• На начальном этапе для работы над сбалансированной системой показателей, анализа ROMI и данных из интернета достаточно будет простых инструментов, например Microsoft Excel. Однако для управления уровнем оттока клиентов, маркетинга, основанного на ценности и на событиях, потребуется создание определенной инфраструктуры.

• Маркетерам нужно оценить масштаб задачи, которая связана с маркетингом, основанным на данных. Они должны четко понимать, чем они занимаются и что должна сделать IT-команда.

• Инфраструктура, которая нужна для поддержки маркетинга, основанного на данных, зависит от величины клиентской базы и сложности требований. Компания должна будет определить эти параметры.

• Разница между небольшими и крупными клиентскими базами и между простыми и сложными требованиями к данным равносильна различиям между фермерским домиком и Эмпайр-стейт-билдинг. Для строительства первого потребуется несколько сотен тысяч долларов, а второго – сотни миллионов.

• Риски, которые связаны с инфраструктурой маркетинга, основанного на данных, хорошо известны и задокументированы. Основные проблемы – отсутствие видения, финансовой поддержки высшего руководства, влияние политики компании, отсутствие ресурсов, невозможность масштабирования и низкое качество баз данных.

• Масштабное мышление, переход от малого к большему и быстрое масштабирование успеха требуют соответствующей инфраструктуры и методики. Прежде всего нужно понимать, куда вы хотите прийти, а затем постепенно двигаться к цели, добавляя важные функции и измеряя результаты ROMI на каждом шаге.

В жизни разница между хорошим и великим часто почти незаметна: хорошее и отличное вино, стейк из мяса высшей или отборной категории, сотая доля секунды в олимпийском забеге на 100 метров, обычный костюм или костюм от Armani. В маркетинге отличие хорошего от прекрасного более выраженное. Как я покажу в этой главе, отличный маркетинг отличается от обычного несколькими воспроизводимыми процессами.

Возможно, читатель спросит: «Постойте, а как же творческая составляющая?». Как я уже говорил, подавляющее большинство организаций (72 %) отдают творческую работу на аутсорсинг. По-моему, она постепенно превращается в обычную услугу. А поскольку все организации имеют одинаковый доступ к креативным ресурсам, сама по себе творческая составляющая не может считаться источником устойчивого конкурентного преимущества. (Вы работаете в рекламном агентстве? Можете выбросить эту книгу, но сначала обратите внимание на последний раздел.) Самое значительное различие между хорошей и отличной маркетинговой организацией связано с внутренними процессами отбора, реализации и измерения результативности кампаний, а также с технологиями, использующимися для поддержки этих процессов.

В этой главе приведены важные выводы из моего исследования, связанные с сутью маркетинговых процессов, различием ежду лидерами и отстающими и ролью технологий; описывается поэтапный подход к улучшению процессов управления маркетинговыми кампаниями. Я не хотел бы умалять важность творческой составляющей. Последний раздел посвящен так называемому креативному X-фактору: тому, как творческая работа в сочетании с маркетингом, основанным на данных, может существенно повысить результаты любой кампании.

Методология исследования

Гипотезы

Формальная цель исследования состояла в том, чтобы протестировать четыре независимые гипотезы:

1. В управлении маркетинговой кампанией применима модель зрелости.

2. Самые зрелые фирмы достигают заметных финансовых результатов.

3. Зрелые фирмы могут не только активно использовать централизованные данные о потребителях, но и организовывать аналитическую работу, позволяющую достичь нужных результатов, – иными словами, существует связь между передовым управлением маркетингом и активным использованием корпоративного хранилища данных для «ведения учета».

4. Фирмы сталкиваются с препятствиями, не позволяющими максимизировать ценность имеющихся ресурсов. Их преодоление позволяет извлечь из маркетинга максимальную ценность.

Кроме того, наша команда хотела выяснить, есть ли в процессе развития эффективности MCM четко выраженные этапы. Сравнивая данные о развитии MCM с ответами на вопросы о проблемах при внедрении стратегии, мы смогли выявить общую траекторию развития MCM и подобрать примеры, показывающие, как можно достичь нужных результатов в короткие сроки.

Опросы и интервью

Данные, необходимые для тестирования гипотез, были собраны в ходе масштабного опроса и ряда личных бесед. Анкета под названием «ROI от стратегического маркетинга: мифы и реальность» была отправлена руководителям маркетинговых подразделений 1000 ведущих американских компаний из списка Fortune. Перед рассылкой исследовательская команда проинтервьюировала 10 директоров по маркетингу из репрезентативной выборки и выявила основные проблемы, возникающие при внедрении стратегии, а также лучшие примеры успешной работы.

Выборка: демографические характеристики респондентов

Наша команда получила заполненные анкеты более чем от 250 респондентов. Свыше 92 % респондентов в поле «Должность» указали «Директор по маркетингу», «Директор», «Вице-президент по маркетингу» либо «Помощник директора/вице-президента». В среднем опыт их работы в области маркетинга составил 12 лет. Примерный годовой оборот компаний, в которых трудились наши респонденты, составлял около 5 миллиардов долларов, из которых около 8 % тратилось на маркетинг. В совокупности эти люди контролировали примерно 53 миллиарда долларов маркетинговых расходов в год.

Исследовательская команда

Первичные опросы, формулирование гипотез и исследование с помощью опроса были проведены Марком Джеффри и Саурабхом Мисрой в Школе менеджмента Келлог. Позже к команде присоединился Алекс Красников, который вместе с доктором Мисрой еще раз проверил связь между использованием MCM и результатами работы компаний.

Управление маркетинговой кампанией: состояние отрасли

Глава в основном посвящена маркетинговым бюджетам и процессам управления маркетингом. Эти процессы – основной элемент эффективного маркетинга, основанного на данных. Как я покажу позже, для достижения цели недостаточно собрать нужные показатели или купить технологические инструменты. Выводы этой главы основаны на исследовании 252 компаний с совокупным размером годовых инвестиций в маркетинг 53 миллиарда долларов (детали, связанные с методологией исследования, приведены ниже).

Результаты опросов и интервью показывают, что директора по маркетингу были готовы обеспечить прозрачность своей работы для других отделов. Они поняли, как важно говорить на языке финансов и стратегии, и хотят убедиться, что деятельность маркетингового подразделения соответствует стратегии и целям бизнеса. При этом они борются и за оптимизацию управления маркетингом в рамках организации.

Цикл MCM начинается с выбора кампании и принятия решения об инвестициях в нее. Затем наступает этап практической реализации, после чего определяется ценность и проводятся измерения. Отличительные черты передового MCM – обучение и обратная связь по завершении кампании (рис. 11.1). Ниже представлены результаты опроса, показывающие ситуацию в управлении маркетингом в целом и отдельными кампаниями в частности.

_{Рис. 11.1. Замкнутый цикл управления маркетинговой кампанией}

Выбор кампании

• 73 % компаний не используют данные сбалансированной системы показателей, демонстрирующие соответствие кампаний ключевым целям бизнеса, до принятия решения о финансировании.

• 68 % не используют эксперименты, позволяющие сравнить результаты пилотной кампании для контрольной группы, чтобы отобрать наиболее удачные кампании.

• 61 % организаций не разработали ясного и задокументированного процесса оценки и расстановки приоритетов для маркетинговых кампаний.

• 57 % организаций не используют практические кейсы для оценки маркетинговых кампаний перед принятием решений о финансировании.

• 53 % респондентов сообщают, что выбор маркетинговой кампании не связан с прогнозами возврата на инвестиции (ROI), пожизненной ценности клиента (CLTV) и/или другими показателями результативности, например уровнем удовлетворенности клиентов (CSAT).

• 44 % не принимают во внимание синергетический эффект при выборе маркетинговых кампаний.

Исполнение

• 63 % респондентов сообщили, что не производят разбивку маркетинговых кампаний на этапы и не используют показатели для оценки каждого этапа.

• 53 % утверждают, что не оценивают результаты компании в процессе ее реализации, не вносят изменений в план и не прекращают неэффективные кампании (вне зависимости от стадии).

Измерения и получение ценности

• 43 % компаний указывают, что не занимаются мониторингом достигнутых результатов (и их сопоставлением с целями) по завершении маркетинговой кампании.

• 40 % респондентов сообщают, что метод проведения кампаний не позволяет использовать измерения, а критерии успеха определить невозможно в принципе.

Обучение и обратная связь

• 43 % респондентов утверждают, что не используют никаких показателей для выбора и управления будущими маркетинговыми кампаниями.

• 36 % организаций не изучают результаты программ после их проведения и не интересуются мнением команды, работавшей над кампанией, по поводу успешных и неудачных элементов – следовательно, не используют полученные знания для отбора и управления последующими кампаниями.

• 34 % не используют результаты анализа данных предыдущих кампаний для внедрения инноваций в будущем.

Эти цифры дают основания предполагать, что большинство организаций не стремится оптимизировать процессы управления своими маркетинговыми кампаниями. Возможно, в вашей компании ситуация схожая. Однако не стоит беспокоиться: ниже я покажу, что лидерства можно достичь за счет внедрения нескольких воспроизводимых процессов.

Исследование: маркетинговые процессы, технология и связь с результатами работы компании

Каковы основные процессы управления маркетингом и можно ли сказать, что компании, применяющие их, достигают большего? Проведенные нами интервью помогли понять, какими должны быть эти процессы. Вот несколько цитат из бесед с руководителями маркетинговых подразделений:

«Грамотные маркетинговые и бизнес-процессы необходимы, но этого недостаточно. Вам не обойтись и без соответствующих рабочих процессов, в рамках которых все маркетинговые усилия сопоставляются с целями. Благодаря им вы можете убедиться в том, что ваша стратегия эффективна».

«Необходима согласованность всех маркетинговых кампаний. Под этим я понимаю избегание (по возможности) ситуаций, в которых различные руководители кампаний работают в одном регионе, с одними и теми же клиентами, предлагая им одно и то же. Здесь не обойтись без управления портфелями проектов и отличной координации между сотрудниками».

«В нашей организации проекты рассматриваются как элементы единого глобального портфеля. Мы вырабатываем общее видение, а затем приступаем к кросс-функциональному управлению, чтобы обеспечить наилучший опыт взаимодействия клиента и компании».

«У нас внедрен формальный процесс, позволяющий сосредоточиться на постоянном улучшении. Мы выделяем бюджет на определенные проекты, а затем убеждаемся в целесообразности своих действий. Никто из нас не пророк и не может заранее предвидеть то, что станет очевидным через 9 месяцев. Подобный процесс подразумевает сложную процедуру оценки деятельности. Мы постоянно пытаемся понять, что сохранить, от чего отказаться, чего недостает и что необходимо добавить в имеющиеся процессы. Мы оцениваем свои инвестиции в маркетинг за предыдущие годы и сопоставляем свои результаты со стратегией и текущим состоянием».

В ходе интервью мы смогли выделить четыре параметра управления маркетингом, которые назвали MCM-ресурсами компании: отбор, целостный анализ всех проектов, мониторинг и адаптивное обучение.

1. Отбор. Задокументированный процесс, определяющий выбор и финансирование маркетинговых кампаний. Включает бизнес-кейсы для кампаний и сбалансированную систему показателей, согласованную со стратегией бизнеса.

2. Целостный анализ всех проектов. Используется при выборе отдельных маркетинговых кампаний. Суть в том, что кампания A сама по себе может иметь большую ценность, чем в комбинации с кампанией B. Подобная синергия ценностей должна приниматься во внимание в процессе выбора.

3. Мониторинг. Измерение и оценка прогресса маркетинговой кампании: способность «вести учет» с использованием показателей, описанных в этой книге.

4. Адаптивное обучение. Способность вынести уроки из прошедших кампаний и маркетинговых инициатив, а затем использовать полученные знания при разработке новых кампаний.

Кроме этих ресурсов, необходимых для эффективного управления маркетингом, имеется еще один вспомогательный:

5. Технологии. Технологические возможности и инфраструктура: EDW, управление маркетинговыми ресурсами (MRM)[53] и аналитические инструменты для принятия маркетинговых решений.

В рамках исследования изучались связи между этими ресурсами, на рис. 11.2 приведены итоги анализа. Это своего рода усовершенствованное регрессионное уравнение. Модель показывает взаимосвязи MCM-ресурсов и результатов. Рис. 11.2 кажется сложным, однако понять его смысл крайне важно.

Ресурсы для управления маркетинговой кампанией, рабочее определение

MCM – комбинация процессов, методов и инструментов для развития, отслеживания, изменения и контроля маркетинговых кампаний и программ с целью повышения возврата на инвестиции в отдельные программы и маркетинговую деятельность в целом. Маркетинговые кампании включают в себя различные прямые и косвенные маркетинговые действия: промоакции, рекламу, взаимоотношения с аналитиками, проекты в области управления взаимоотношениями с клиентами и т. п.

Четыре элемента в левой части рис. 11.2 (отбор, целостный анализ всех проектов, мониторинг и адаптивное обучение) – составные части ресурса более высокого уровня: MCM, который напрямую связан с показателями результативности (результаты деятельности на рынке, капитал бренда и клиентская база), обозначенными справа.

_{Рис. 11.2. Ресурсы маркетинговых процессов и их связь с результатами работы компании. Сплошные линии показывают значимые связи (p < 0,05), пунктирные линии – несущественные}

Что это значит? Данные показывают, что между степенью развития MCM-ресурсов и результатами компании существует статистически достоверная связь. Иными словами, компании, использующие такие процессы, имеют лучшие позиции на рынке, больший капитал бренда и более качественную клиентскую базу по сравнению со среднестатистической фирмой.

Анализ, показанный на рис. 11.2, основан на первичных данных, то есть информации, собранной в ходе опросов. Также мы проанализировали вторичные данные, взятые из базы данных Compustat, в которой содержится информация о финансовых показателях деятельности компаний, чьи акции котируются на бирже. Анализ показал наличие статистически достоверной связи MCM-ресурсов с результатами фирмы. В данном случае к показателям результативности относятся рост продаж, ROI и долгосрочный акционерный капитал. Важно отметить, что организации, использующие все четыре MCM-ресурса, показывают более высокие результаты по сравнению с конкурентами.

Пока я не говорил о технологии, которая позволяет развивать в компании принципы маркетинга, основанного на данных. Стоит отметить и еще одну интересную особенность рис. 11.2: пунктирную линию между технологическими ресурсами и результатами компании (отсутствие связи). Иными словами, маркетинговые технологии не связаны с результатами работы напрямую. Связь осуществляется через MCM-ресурсы.

Отсюда следует важный вывод: вложение средств в технологии, связанные с маркетингом, само по себе не влияет на результаты работы. Технологии обеспечивают процессы управления. Иными словами, чтобы инвестиции в них привели к результатам, необходимы MCM-ресурсы. Интересно отметить, что результаты не зависят от отрасли, стратегии фирмы или каналов продаж. MCM-ресурсы универсальны и нужны всем организациям, стремящимся повысить эффективность своих маркетинговых мероприятий.

Исследование показывает, что среди компаний наблюдается значительный разброс с точки зрения зрелости маркетинговых процессов. На рис. 11.3 представлено распределение MCM-ресурсов. Высокий уровень в правой части графика означает, что компании полностью используют все четыре MCM-ресурса, а компании на начальных этапах имеют минимум ресурсов. Я уже говорил, что успешные компании демонстрируют более высокие финансовые результаты, имеют хороший капитал бренда и клиентскую базу, а также значительно более высокий уровень акционерного капитала по сравнению с остальными.