Американский бизнес-консультант Клейтон Кристенсен сформулировал теорию, которую назвал «теория работ», по-английски – Jobs To Be Done, или «работа, которая должна быть сделана».
JTBD затрагивает больше различных аспектов рынка, чем изучение отдельных групп, поэтому изучать нужно не только целевые аудитории и социально-демографические группы, а типы работ, которые выполняют клиенты с помощью продукта, помня, что один и тот же клиент в разное время и различных обстоятельствах одним и тем же продуктом может выполнять разные работы.
Мы осуществили выборку лояльных пользователей, у которых есть наши карты лояльности, следовательно, мы можем описать их поведение. Далее мы этих пользователей кластеризировали (разделили на группы относительно их транзакционного поведения). Нам было важно разобраться с критериями, по которым можно описать JTBD.
Наш выбор пал на: локация, позиции в чеке, размер чека, а также время покупки. Тем самым, собирая данные метрики, мы можем рассказать историю о том, в какой локации что клиенты берут, и в какой ситуации это происходит, ориентируясь на время и контекст покупки.
Далее будем разбирать один из наших кейсов сети быстрого питания.
Лояльных клиентов у нас получилось 12 тысяч человек, покупки которых были разделены на 10 различных кластеров. Каждый из кластеров был отдельным JTBD для определенной группы клиентов.
Все кластеры мы подвергли сегментированию по времени покупки в разрезе утро/день/вечер и будни/выходные. Следовательно, таких сегментов получилось еще 10 штук.
Благодаря тому, что все графики, о которых мы говорим, были построены в BI, то удалось быстро и наглядно визуализировать, как кластеры и сегменты соотносятся друг с другом.
Теперь давайте посмотрим, что каждый кластер из себя представляет и к каким выводам мы пришли в ходе исследования.
Кластер №1
Мы его назвали “перекус на обед”.
В рамках данного графика мы видим то, что 60% покупок были совершены в обед в центральной части города с покупкой либо основных блюд, либо комбо-предложений, что говорит о том, что эти JTBD совершают сотрудники, вышедшие на обед.
Кластер №2
Здесь же кардинально другая ситуация, в которой покупка происходит преимущественно вечером в спальных районах, и приобретаются также основные позиции, что говорит нам о том, что данную покупку совершают сотрудники по пути домой.
Кластер №3
Почти 50% пользователей совершают покупку в выходные, приобретая комбо на несколько человек, совершая покупку либо в центре, либо в торговых центрах. Данные клиенты - это семьи, которые приехали за покупками.
Надо отметить, что их ассортиментная матрица сильно отличается от средней по компании. Данные клиенты берут комбо и нестандартные позиции.
Кластер №4
Также выделился интересный кластер, в рамках которого покупки совершаются либо утром, либо вечером в будний день в точках, расположенных рядом со студенческими общежитиями, либо университетами.
Мы видим, что целевая аудитория данного кластера - это молодежь, которая стремится сделать быстрый перекус в перерыве между учебой, что сопровождается низким средним чеком и покупкой доступных SKU (хот-дог).
Таким образом, data-driven инструменты помогают описать поведенческие паттерны целевых аудиторий. Для этого необходимо развивать аналитическую культуру внутри компании. Но на данном кейсе применение маркетинга, основанного на данных, не заканчивается.