Индивидуальная коммуникация с клиентами: практика целевого маркетинга в торговле

Материал написан в рамках подготовки к Форуму CRM Solutions.

Решать, конечно,  вам, да и не весь целевой маркетинг «одинаково полезен» – «дьявол» скрывается  в деталях, нет универсальных решений, и в каждой конкретной ситуации отдача зависит не только от качества аналитики (или хотя бы ее наличия), но и от налаженности процессов, понимания целей проведения тех или иных активностей. Однако в текущей ситуации снижения потребительского спроса и покупательской способности клиентов, когда массовые и традиционные методы борьбы за клиента в значительной мере исчерпали себя – отчего бы не попробовать подход избирательного взаимодействия с клиентом, который позволит  эффективно использовать бюджеты на промо, при этом не вызывая драматических капитальных инвестиций. Это в первую очередь касается тех участников рынка, у которых  программа лояльности уже запущена, данные о клиентах собираются и лежат мертвым грузом. Спланировав целевые кампании и аналитически определив правильные клиентские сегменты и инструменты коммуникации, мы заработаем на них дополнительные деньги. 

В соцсетях, СМИ и в процессе профессиональной деятельности мне нередко приходится сталкиваться со скептичным отношением маркетологов к целевому маркетингу («пробовали – не работает!»).  Часто после нескольких минут обсуждения выясняется, что методики применялись довольно избирательно, или же изначально не было корректно определено понятие успеха от целевого маркетинга: нельзя оправдать ожидания, которые слишком расплывчато сформулированы. На самом деле критерии оценки эффективности для целевых кампаний почти всегда можно зафиксировать в виде количественных показателей, что важно – измеримых (согласитесь, не всегда выделение чистого дополнительного дохода от той или иной акции возможно для рекламных воздействий массового маркетинга).

Еще одно часто встречающееся возражение – жалоба на недостаток данных, чтобы «заниматься Биг Датой». С точки зрения управления клиентским поведением наиболее благоприятными отраслями для применения клиентской аналитики в части Big Data являются телекоммуникации и интернет-компании. Залог успеха для них  очевиден – высокая частота контакта с клиентом дает возможность пристально «отслеживать» его поведение, а детальные персонализированные данные позволяют однозначно отделить одного клиента от другого (речь идет не о конкретных паспортных данных условного Иванова Ивана Ивановича, а обезличенных «идентификаторах» клиента для задач анализа клиентского поведения).

В целом, если рассмотреть положение различных коммерческих отраслей в пространстве двух осей – «персонализация данных о клиенте» и «частота контакта с клиентом» несложно сделать выводы о предпосылках к применению анализа больших данных для того или иного вида бизнеса.

Хорошая новость заключается в том, что даже если ваш род деятельности не попадает в заветные «Big Data» масштабы, это не означает, что у вас нет потенциальных аналитических инструментов для целевых воздействий на различные группы клиентов.  В случае с ритейлом это, чаще всего, означает, что необходимы некоторые усилия для персонализации взаимодействия с клиентами - например, по внедрению и продвижению программы лояльности. 

Если на западе ритейл уже несколько лет занимается построением инфраструктуры для сбора и анализа данных о поведении клиентов, и основывает на них свои маркетинговые стратегии, то для российских коллег вопросы клиентской аналитики пока остаются скорее сферами теоретических измышлений и дискуссий на профильных конференциях.  

Разумно начинать с определения основных клиентских сегментов и определения целей работы по каждому из них. Даже на обывательском уровне очевидно, что с новичками и с разочаровавшимися клиентами бесполезно взаимодействовать с помощью одних и тех же инструментов  – однако практика показывает, что российский ритейл только недавно стал предпринимать попытки учитывать «клиентский фактор» в промоакциях. 

Очень важно выделить значимые группы ваших клиентов со схожим поведением, а их влияние на выручку поможет расставить приоритеты в работе с каждым из этих сегментов. 

В любом виде бизнеса можно выделить группу наиболее доходных, «эталонных» клиентов. Как правило, это небольшой сегмент, который приносит большую часть выручки. Они уже обладают чертами лояльных, и профиль поведения такого клиента является для вас главным ориентиром в работе с остальными клиентами, каждое ваше действие будет направлено на удержание «эталонных» клиентов и стимулирование менее доходного большинства стать «эталонными». 

После того, как вы определитесь, кого из клиентов  хотите стимулировать в первую очередь, вы сможете подобрать оптимальное сочетание параметров взаимодействия с ними.  

В различных предложениях прослеживается влияние на отклик отдельных параметров целевой маркетинговой кампании:

• механики акции;
• дня недели коммуникации;
• времени коммуникации;
• особенностей текста сообщения;
• канала коммуникации и др.

В рамках аналитического подхода есть возможность построить прогнозные модели, которые позволяют определить наиболее подходящее сочетание этих параметров для каждого вида кампании. 

В рамках кампании клиенты крупной розничной торговой сети продовольственных магазинов получали индивидуальные спецпредложения на товары из той или иной товарной категории. Для каждого клиента подходящая товарная категория определялась с помощью специально построенных прогнозных алгоритмов оценки склонности клиента к той или иной покупке (склонность вычисляется на основе истории покупок клиентов программы лояльности и связи товаров различных категорий для разных клиентов). При этом для проведения целевой кампании выбирались группы товаров, в которых клиент ранее не совершал покупок – таким образом преследовалась цель расширить их продуктовую корзину.  

В рамках кампании клиенты, участвующие в акции, были разделены на две группы – одной предлагалась монетарная скидка при покупке товара, а другой группе были обещаны дополнительные баллы за покупку (по ценности аналогичной со скидкой). Само сообщение об акции покупатель получал на слип чеке на кассе после применения карты лояльности. По условиям акции, срок специального предложения для клиентов истекал спустя 2 недели с момента получения клиентом промо сообщения. 

По результатам кампания показала наличие потенциала дополнительных доходов за счет использования аналитических подходов и целевого маркетинга, в частности, за счет применения прогнозных алгоритмов подбора персональной товарной рекомендации для клиентов программы лояльности. Отклик на кампанию (клиенты вернулись в положенный срок и совершили покупку, подходящую по условиям промо) оставил 22%, а для предложений со скидкой даже больше – 24%. При том, что в контрольной группе изменений в сумме чека не происходило, в целевой средний чек за тот же период вырос на 9%, что позволяет говорить о положительном влиянии кампании на выручку. Механика мотивации баллами показала меньшую эффективность с точки зрения дохода на коммуникацию: возможно, это повод для размышлений о дизайне программы лояльности.  

 

В целом после проведения этого своего рода тестирования концепции руководство компании приняло решение развивать направление целевого маркетинга, сейчас программа лояльности активно развивается, а клиенты получают индивидуальные выгодные предложения по нескольким каналам коммуникации. Выручка от целевых предложений показывает устойчивый рост, ведется работа по развитию клиентских процессов, связанных с целевым маркетингом. 

Мировой и национальный опыт в ритейле показывает, что подход индивидуальных коммуникаций с клиентами имеет значительный потенциал, безусловно, практики целевого маркетинга в России будут продолжать формироваться, и сфера торговли еще в самом начале этого пути. Вопросов зачастую больше, чем ответов, оптимальные стратегии складываются в разных компаниях по-разному, но очевидно, что те участники рынка, которые первыми сформируют эффективную систему работы с клиентской базой, будут иметь преимущество в борьбе за удержание клиента от переключения на конкурирующий магазин или торговую сеть. 

Аналитическая бизнес-лаборатория «ProCATT»