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

Более того, если вы планируете анализировать данные только единожды, то можете начать со сравнительно недорогих систем и бо́льшую часть данных обработать вручную. Однако если вы планируете заниматься маркетингом, основанным на событиях: текущих покупках клиентов и расчете их будущей ценности в режиме реального времени, – то требования к инфраструктуре будут более строгими.

Требования к маркетинговой инфраструктуре определяются объемом данных, получаемых из клиентской базы, информацией о взаимодействии клиентов с вашей компанией и вашими планами. Размер клиентской базы, наряду с объемом данных и желаемой частотой анализа, будет определять объем необходимых инвестиций в инфраструктуру. Глава 10 посвящена оптимальному соотношению инфраструктуры и размера клиентской базы.

Но главное – стремиться к большему, начинать с малого и быстро увеличивать масштаб. Когда вы мыслите масштабно, вы понимаете, что маркетинг, основанный на данных, приведет к возникновению новых требований к инфраструктуре, без которой вы не сможете быстро наращивать масштабы деятельности.

Руководитель некой компании из списка Fortune 500 не так давно отчаянно восклицал: «Что они все делают?». Он был возмущен высокой стоимостью технологий для маркетинга, основанного на данных, и неспособностью сотрудников IT-отдела простым языком объяснить, что они делают. Другой руководитель компании сказал так: «Они не могут объяснить, что они делают в команде». Давайте для начала рассмотрим инфраструктуру маркетинга, основанного на данных; сначала я дам определение ее основных элементов и расскажу о концептуальной модели ее работы. Затем я покажу вам, как преодолеть препятствия в совместной работе отделов маркетинга и IT.

Крупная компания с большой клиентской базой требует соответствующей инфраструктуры (рис. 2.2). Попробуйте представить себе, что это полноценная инфраструктура, позволяющая в полной мере реализовать стратегию маркетинга, основанного на данных. Справа расположены системы сбора данных из разных точек контакта компании с клиентом. Обычно их называют операционными CRM-системами [17]. В них накапливается информация о клиентах из точек продаж, колл-центров, с сайта и из личных отзывов. Например, как только клиент приезжает на станцию техобслуживания Jiffy Lube [18], CRM-система считывает данные с номерного знака и дает подсказку представителю компании. Сотрудник может приветствовать клиента, выходящего из машины, словами: «Добрый день, Марк, после последней смены масла вы проехали около 6500 километров».

Данным о каждом посещении клиента присваиваются коды, после чего информация помещается в корпоративное хранилище данных (нижняя часть рис. 2.2). На крупном предприятии EDW – огромная база данных, в которой хранится информация обо всех взаимоотношениях клиента с компанией и сопутствующие операционные и финансовые данные. В левой части рис. 2.2 изображены инструменты, необходимые для извлечения данных из EDW и создания отчетов (например, еженедельные обновления по данным продаж в отдельных регионах, списки клиентов, отменивших подписку, и т. д.). [19]

Рис. 2.2.Трансформация стратегии маркетинга, основанного на данных, в инфраструктуру для крупной компании

Главный элемент системы – маркетинг, основанный на данных. В частности, это аналитические инструменты для сегментации, таргетирования и выстраивания отношений с клиентами. Если вернуться к примеру с Jiffy Lube, то подобное «приветствие» в точке контакта представляет собой пример персонализации маркетингового взаимодействия с клиентом. Для этого необходима программа, считывающая данные с автомобильного номера, осуществляющая поиск данных о клиенте в EDW, использующая схему для создания подсказки и выводящая подсказку на экран мастера Jiffy Lube (подробный пример работы такой программы приведен в главе 6, где рассказывается о деятельности Королевского банка Канады).

Анализ и моделирование предполагают использование инструментов сбора данных для целевого маркетинга. В главе 9 приведен пример трех основных техник анализа: моделирование предпочтений, анализ потребительской корзины и дерево решений. Например, компания Meredith, издатель журнала Better Homes and Gardens и многих других изданий для женщин, использует моделирование для прогнозирования следующей покупки клиента. В еженедельных маркетинговых кампаниях используются инструменты коммуникации и персонализации: они берут данные из EDW, создают модель предложения и рассылают персонализированные послания конкретным клиентам.