Цифры окружают нас повсюду. Я, как владелец бизнеса и как пиарщик, и отчасти интернет-маркетолог вижу, слышу и анализирую цифры, храню, обрабатываю, принимаю решения на основании цифр - в целом, это и есть обычные будни любого предпринимателя. Это и есть data-driven культура. Цифры - это всегда аргумент при построении стратегии или при принятии решения.
Data-driven подход предполагает использование информации о клиентах для оптимизации бизнес-рекламы и маркетинговых коммуникаций. Маркетологи собирают данные и обрабатывают их с помощью аналитических инструментов. Так они предугадывают желания покупателей и понимают, зачем им нужен тот или иной продукт и где и как они хотят его получить.
Каждый должен сам определять, какие метрики ему важно изучить исходя из целей. Но базовый набор метрик следующий:
- Источник трафика – нужно понимать, откуда приходят пользователи, какая реклама наиболее эффективна и где;
- Окупаемость инвестиций в рекламу (ROI);
- Пожизненная ценность клиента (LTV) – это прибыль от клиента, получаемая компанией за все время работы с ним;
- Стоимость привлечения клиента (CAC) – для финансового понимания;
- Показатель оттока клиентов (CR) – для корректировки своих действий на основе понимания доли клиентов, прекративших сотрудничество с брендом;
- Индекс удовлетворенности клиентов (CSAT) – для нахождения клиентской «точки G», ведь довольный клиент купит снова.
Основные действия при разработке data-driven стратегии:
- Обнаружить ЦА: местоположение, возраст, пол, а также интересы потенциальных клиентов
- Определить целевые метрики, о них выше написала
- Собрать информацию. Информация должна быть точная и актуальная, иначе есть риск принять неверные бизнес-решения. Вы можете получать данные из таких источников, как CRM, веб-сайт, мобильное приложение или проводить опросы клиентов. Если вы хотите объединить данные из разных источников в едином профиле клиента, обратите внимание на CDP платформы.
- Проанализировать данные. По данным Forbes, почти 36% компаний не используют имеющиеся у них данные в полной мере, а 47% только планируют внедрить инструменты для анализа данных в будущем. Именно анализ данных подскажет, как достичь ваших бизнес-целей. Визуализируйте полученную информацию с помощью таблиц, диаграмм или таких инструментов, как воронка конверсии и карта кликов.
- Реализовать идеи. После анализа данных следует реализация идей. На этом этапе полученная информация используется для оптимизации пути клиента. Результаты исследования показывают, что 80% покупателей предпочитают компании с персонализированным подходом к каждому клиенту. Такой подход возможен благодаря данным, собранным из различных каналов взаимодействия с клиентом.
Оценить результаты. Подход, основанный на данных, требует регулярного и тщательного измерения результатов. Отслеживание поведения ваших клиентов — единственный способ адаптировать вашу стратегию к их потребностям.
На каких этапах внедрять подход data-driven: можно на каждом.
На этапе запуска:
Это полезно для того, чтобы определить целевые аудитории, ее «боли», проанализировать конкурентное поле, рассчитать возможную прибыль и соответственно оправданность действий.
Пример: British Airways
В 2012 году руководство авиакомпании поставило задачу нарастить долю рынка перелетов из Северной Америки (как наиболее прибыльную). Изучив авиарынки, было принято решение сосредоточиться на Индии, чей потенциал составлял по разным оценкам более 2 млрд долларов.
Далее авиакомпания провела несколько фокус-групп среди индийских эмигрантов и выяснила следующее. Индийцам пришлись не по душе попытка присоединиться к их национальной культуре (элементы традиционной одежды в униформе экипажа или подача аутентичной еды). А еще была выявлена основная причина перелетов – встреча с родственниками.
Результатом этого стала рекламная кампания 2013 года «Навести маму», целевой аудиторией которой стали индийцы, проживающие в Канаде и США. Рост доли перелетов составил 3,3 % (с 7,1% до 10,4%).
На этапе доработки продукта:
Анализ поведенческих характеристик важен, чтобы скорректировать бизнес-стратегию.
Пример: Under Armour
Бренд спортивной одежды долгое время не воспринимался женщинами как дружелюбный по отношению к ним, доля продаж женской одежды составляла 17%. В 2013 году было принято решение репозиционироваться.
За концепт взяли идею освобождения женщины от навязываемых обществом канонов и стереотипов в отношении женщины и социальных ролей. Этот концепт был основан на обширном массиве данных о представлениях женщин, кем бы они хотели себя видеть.
Позже Under Armour провел широкую рекламную кампанию, в основу которой легла success-storу афроамериканской балерины Американского театра балета Мисти Копленд.
На этапе увеличения конверсии:
С помощью data-driven можно улучить показатели, когда люди уже приобрели товар или воспользовались услугой: исследование поведения клиентов в отношении компании, их заинтересованности, времени размышления над покупкой и пр.
Пример: Альфа-банк
В 2020 году специалисты банка проанализировали целиком воронку продаж, а также модели поведения клиентов, подавших заявку на получение карты после изучения оффера. Далее протестировали ряд конверсионных стратегий, связывающих online- и offline-историю пользователей, и настроили таргет на тех, кто с большей вероятностью заинтересовался бы предложением. Результат – увеличение числа заявок на получение карты в 1,6 раз.
Антирекомендации:
- Пользоваться так называемыми «метриками тщеславия», типа количества подписчиков, трафика, шера и пр. Использование метрик качества куда более наглядно показывают эффективность бизнеса;
- Строить стратегию на доковидных данных, потому что пользовательские привычки во время пандемии сильно изменились.
Какие сервисы использовать для веб-аналитики:
- Яндекс.метрика https://metrika.yandex.ru/ (бесплатно, можно строить отчеты по посетителям, базовые отчеты не требуют настроек);
- Roistat http://roistat.com/ru (гибкая система отчетов, не подходит компаниям с рекламным бюджетом менее 10 тыс рублей);
- Carrot quest https://www.carrotquest.io (подходит для неглубокого анализа);
- Mixpanel https://mixpanel.com/ (продвинутые воронки, удобные отчеты, но дорогой).
- Про Google Analytics не говорю ☹.
С какими сложностями вы столкнетесь при внедрении data-driven:
- Ужесточение правил отслеживания cookies;
- Новые ограничения в отношении рекламодателей (CCPA, GDPR, IDFA и пр.);
- Необходимость серьезного технического оснащения, в том числе развитой инфраструктуры хранения;
- Сложность получения новых данных – здесь существует 3 решения проблемы: приобретать данные другой компании, выставленные на продажу, брать эти данные у стороннего брокера или копить свои.
Data-driven. Let it be.