Як підвищити продажі, залучити нових і утримати лояльних клієнтів, пропонувати їм потрібні товари в правильний час, обробляти сигнали і працювати на випередження потреб покупця – які інструменти і можливості дає клієнтська аналітика в роздрібній торгівлі.
В матеріалі для порталу Retail loyalty команда GlowByte MSP (Marketing Service Provider) розповіла, як правильно збирати, управляти і використовувати клієнтську аналітику, передає RAU.
Клієнтською аналітикою важливо управляти
Клієнтська база – один з активів компанії. Щоб він працював, ним потрібно управляти, в тому числі комунікувати. Для діалогу важливо розуміти, хто саме твій співрозмовник, нехай без деталей особистості і особливостей, але з розумінням потреб, щоб співвіднести їх з цілями бізнесу і пропрацювати взаємовигідну співпрацю. Це можна позначити такою стратегією як «сегмент одного клієнта»: пропозиція бренду має відповідати потребам конкретної людини. Варто пам’ятати, що в основі всіх стратегій комунікацій з клієнтом лежить клієнтська аналітика.
Не разова акція, а системний підхід
Клієнтська аналітика – це аналіз даних клієнтів і їх поведінки, спостереження за динамікою і розробка рішень на підставі отриманих результатів. Тобто це не разова акція, а системний підхід.
Мета аналітики – визначити, залучити і – що важливо – утримати і розвинути цільову аудиторію. Рівень і масштаб аналітики безпосередньо залежать від рівня і зрілості бізнесу.
Клієнтська аналітика показує бізнесу портрет клієнта
Результатом аналітики можуть бути як вивчення поточного стану клієнтської бази, так і опрацювання окремих гіпотез, аналітичних моделей, сегментації, оцінки показника LTV, які допомагають спостерігати за статусом клієнтів і принесеного ними прибутку, не кажучи вже про прогнози поведінки в майбутньому.
Основний результат – визначення портрета клієнта, і чим він якісніший, тим точніше бренд або компанія розуміють, як залучати й утримувати покупців, сегментувати аудиторію і працювати з нею.
Чим точніше компанія розуміє переваги своїх покупців, тим точніше буде прогноз, і тим ефективніше вона зможе вибудувати, у відповідності зі своїми цілями, стратегію комунікацій. Але таке розуміння неможливо без аналізу великих обсягів історичних даних.
Чим відрізняється клієнтська аналітика в рітейлі?
Рітейл – це живий організм, який схильний до впливу як поведінки клієнтів, так і всіх сукупних оточуючих факторів. Клієнтська аналітика – потужний інструмент для виявлення потреб споживача в конкретний момент.
Метою рітейлера є виявлення сегмента клієнтів для пропозиції релевантного товару, потреба в якому у них ще не настала, але вже дуже близька. Але ринок рітейлу перенасичений пропозицією. Всі основні гравці не стоять на місці і досягають все більших і більших піків в клієнтській аналітиці своїх (і не тільки) даних. І як результат – клієнти, як з рогу достатку, завалені пропозиціями, більшість яких в цьому масовому потоці виявляються неактуальними і нерелевантними. Такий підхід викликає рекламну сліпоту, коли компанії витрачають гроші на комунікацію, яку клієнти ігнорують або відправляють в спам. На такі акції, як в трубу, вилітають бюджети і ресурси компанії, не приносячи результатів.
«Біль» цільового маркетингу і топ-3 проблеми:
- Офлайн і онлайн. Часто бізнес не погоджує пропозиції в офлайн і онлайн-каналах – на сайті одне, а в e-mail і SMS інше. Інший варіант – конкуренція онлайн і офлайн-каналів дистрибуції одного бренду, перетягування уваги на себе, що для клієнта виглядає безглуздо, а для бренду більше схоже на постріл в ногу.
- Передчасні висновки. Несвоєчасність висновків і, як наслідок, комунікації з клієнтом: клієнт уже купив, а мережа тільки пропонує. Або клієнт вже почав робити великі закупівлі на тлі пандемії, а ми все ще намагаємося підвищити його «старий» невеликий чек. У рітейлі особливо важлива швидкість реакції, і налагоджений процес аналітики є життєво важливим помічником.
- Відштовхування від пропозиції (що зараз хочемо продати), а не від потреби клієнта (що він зараз готовий купити). В результаті отримані пропозиції нерелевантні – ми отримуємо низький відгук на комунікацію і не отримуємо можливий результат, а значить, недоотримуємо виручку і частку ринку.
Які інструменти існують і які бізнес-завдання вирішують?
Важливо розділяти поняття «аналітичний підхід» і «інструмент, який спрощує використання цього підходу». Іншими словами – що хочемо зробити і як саме реалізувати.
До першого можна віднести сегментацію бази і виділення портрета клієнта, розрахунок накопиченого LTV і передбачення подальшої поведінки, виділення пулу ефективних кампаній на підставі пілотів і ін. До другого – BI-системи візуалізації та автоматизації даних, системи автоматизації маркетингу і комунікацій з клієнтами, системи автоматизації і оптимізації моделей та ін.
Щоб побачити перші результати аналітики, не обов’язково чекати складні інструменти, на перших порах буде достатньо SQL, Excel і Python (для моделей). Коли ми вже знаємо, що працює і показує корисний результат, який можна застосовувати в конкретній компанії, можна поміркувати над деякими питаннями, як це зробити швидше або автоматизувати, вивільнивши ресурс аналітиків на складніші завдання. Вибудовування системи аналітики схоже на матрьошку – починаючи з маленької фігурки можна дійти до величезних розмірів.
Залежно від розміру компанії та зрілості аналітики в ній, можна переходити від простих до більш складних і навіть промислових рішень, але всі їх можна розділити на групи, в залежності від мети:
- Збір і зберігання, накопичення історичних даних – від маленьких БД до повноцінних DWH рішень. Важливо: точність і повнота даних, стабільність роботи, швидкість доступу.
- Управління взаємовідносинами з окремими клієнтами і лідами – oCRM, вони ж системи operational CRM. Такі системи дозволяють вести історію активності клієнта, зв’язуватися з ним і т. д. Тут можуть бути як хмарні рішення, зручні для малого бізнесу, наприклад, Salesforce, так і enterprise-варіанти для великого бізнесу, як Microsoft Dynamics або Oracle Siebel.
- Аналітика клієнтів і їх транзакцій, виділення сегментів на підставі агрегованих даних і OLAP кубів – aCRM, вони ж analytical CRM. Це не обов’язково окрема система, для малого бізнесу її може замінити Excel або Python, однак при зростанні масштабів бізнесу доцільніше впроваджувати системи, що автоматизують ручні операції – наприклад, рішення від SAS, Teradata, SAP, HCL.
- Предективні моделі – прогнозування зміни клієнтського поведінки на підставі історії взаємин з клієнтом: від його транзакцій до відгуків на акції і комунікації. Реалізація можлива на будь-якому доступному інструменті, відповідає вимогам – від Python до SAS EM, з можливістю подальшої оптимізації в SAS MO.
- Автоматизація та візуалізація даних – BI, business intelligence системи. Головне – щоб було наочно, швидко, інтерпретовано, доступно для всіх бізнес-користувачів – як з технічної точки зору (банальна наявність акаунту у всіх користувачів), так і з позиції зрозумілості результату.
Може здатися, що якось забагато інструментів або що не всі їх можна віднести до клієнтської аналітики. Частково цей так, проте головна мета аналітики – приносити користь, а для цього вона повинна бути вбудована в безперервний процес збору, аналізу, пілотування, автоматизації та знову збору даних. Тільки такий процес допоможе керувати клієнтською базою.
Що тут важливо: потрібно чітко розуміти, на якому етапі становлення маркетингу ви перебуваєте. Без достатніх даних, знань і можливостей впроваджувати дорогі інструменти немає сенсу. Для перших результатів можна почати з малого, головне – не боятися експериментувати, допитуватися до деталей і, як і в будь-якій аналітиці, критично/розумно/адекватно дивитися на отримані висновки. І завжди треба пам’ятати, що тільки в умілих руках аналітична система може стати кращим помічником при роботі з клієнтськими даними.