Инструменты методики АЦТ, часть 29: омниканальная стратегия (Omnichannel Strategy), сегментация клиентов (Customer Segmentation), персонализированный маркетинг (Personalized Marketing) и аналитика поведения клиентов (Customer Behavior Analysis)

Это двадцать девятая статья цикла по инструментам методики «Аккордная цифровая трансформация». Завершаем подгруппу D2 «Клиентский опыт» и открываем D3 «Аналитика и персонализация» — инструменты D2-07, D3-01, D3-02 и D3-03.

Четыре инструмента этой статьи обращаются к одним и тем же сведениям о клиенте на разной глубине. Омниканальная стратегия (D2-07) сводит взаимодействие с клиентом во всех каналах к единому опыту и закрывает подгруппу D2. Три следующих инструмента открывают подгруппу D3 и различаются подробностью обращения: сегментация клиентов (D3-01) делит базу на группы, персонализированный маркетинг (D3-02) готовит предложение под отдельного клиента, аналитика поведения клиентов (D3-03) выводит основания для того и другого из фактических действий покупателей. Трудоемкость различается существенно: омниканальная стратегия самая затратная в статье (44 часа, сложный инструмент), сегментация самая простая (18 часов), персонализация и аналитика поведения отнесены к средним (24 и 28 часов).

D2-07 — Омниканальная стратегия (Omnichannel Strategy)

Откуда появился инструмент. Название предложил Даррелл Ригби, партнер консалтинговой компании Bain & Company, в статье «The Future of Shopping» (Harvard Business Review, декабрь 2011 года). Ригби описывал положение, в котором цифровая розница переросла прежнее определение: покупатель обращался к продавцу через сайт, магазин, каталог, колл-центр, мобильное устройство и социальные сети, тогда как сами каналы развивались порознь, с собственным ассортиментом, ценами и учетом. Предшественником была многоканальная модель 1990-х и 2000-х годов, где каждый канал считался отдельным направлением со своей отчетностью. Ригби утверждал, что розничная сеть с магазинами сохранит положение на рынке, если превратит торговый зал из статьи издержек в преимущество перед интернет-продавцами, соединив физическую и цифровую части в один опыт.

Суть и механика. Омниканальная стратегия — подход в маркетинге и продажах, при котором компания обеспечивает единый и бесшовный опыт взаимодействия с брендом через всевозможные каналы связи и продажи. Клиент получает одинаковый опыт и одинаковые сведения независимо от того, каким каналом пользуется: сайтом, мобильным приложением, социальными сетями, магазином или колл-центром. Механика опирается на единый профиль клиента, в котором сходятся его заказы, обращения и история покупок из всех точек контакта, на согласованные между каналами цены и остатки и на возможность начать сделку в одном канале и завершить в другом. Отличие от многоканальной модели состоит в опознании клиента: каналы перестают работать как независимые направления, поскольку в каждом из них доступны сведения о действиях клиента в остальных.

Значение единого профиля видно на розничной сети с магазинами и цифровыми каналами.

Пример. Группа «М.Видео-Эльдорадо» перестроила работу вокруг мобильной платформы, опознающей клиента и в интернете, и в торговом зале в самом начале разговора с продавцом. Сотрудник видит путь покупателя: какой товар тот подбирает, с чем сравнивает, как переходит между каналами, что покупал прежде, какие бонусы и персональные предложения ему доступны. Покупатель может изучить ассортимент в приложении, посоветоваться с продавцом в магазине, осмотреть товар в торговом зале и завершить покупку на сайте, не повторяя свой запрос при каждом обращении. По данным компании, у клиентов, работающих с сетью в такой модели, частота покупок выше до 2,5 раза, а средний чек выше примерно на 30%.

Омниканальная стратегия дает результат тогда, когда клиент опознается в каждом канале и его история доступна в точке контакта.

Границы применимости. Инструмент применим там, где клиент пользуется несколькими каналами при одной покупке: в розничной торговле, услугах, корпоративных поставках со смешанным обслуживанием. По методике это сложный инструмент и самый трудоемкий в статье. Первое ограничение — состояние данных: единый опыт держится на едином профиле клиента, и при разрозненных учетных системах стратегия распадается на прежние отдельные каналы. Второе — согласованность подразделений: расхождение цен, остатков или условий доставки между каналами обнаруживается клиентом немедленно и обесценивает работу. Омниканальная стратегия опирается на управление взаимоотношениями с клиентами (D2-05) как на источник единого профиля, продолжает карту пути клиента (D2-04), поставляющую перечень точек контакта, и связана с платформами электронной коммерции (D1-04) как с одним из каналов.

Чек-лист перед внедрением омниканальной стратегии:

Определены все каналы, через которые клиент обращается к компании, включая колл-центр и магазины.
Создан единый профиль клиента, объединяющий обращения и заказы из всех каналов, без которого единый опыт невозможен.
Согласованы цены, остатки и условия доставки между каналами, поскольку расхождения клиент обнаруживает сразу.
Обеспечено опознание клиента в каждом канале, в том числе при обращении в магазин.
Предусмотрена возможность начать сделку в одном канале и завершить в другом.
Показатели каналов сведены к общему результату по клиенту, поскольку раздельная оценка побуждает подразделения соперничать за него.

Типовые ошибки:

Каналы без единого профиля. Компания представлена во всех каналах, но история клиента в каждом из них своя. → Свести данные о клиенте в единый профиль до расширения каналов.
Расхождение условий. Цены, остатки или сроки доставки различаются между каналами. → Согласовать условия и обновлять их одновременно.
Раздельная оценка каналов. Подразделения отчитываются по своим продажам и соперничают за клиента. → Оценивать результат по клиенту, а не по каналу в отдельности.
Опознание только в интернете. Клиента узнают на сайте и в приложении, а в магазине он остается безымянным. → Обеспечить опознание в офлайновых точках контакта.

D3-01 — Сегментация клиентов (Customer Segmentation)

Откуда появился инструмент. Понятие ввел Уэнделл Смит, американский специалист по маркетингу, в статье «Product Differentiation and Market Segmentation as Alternative Marketing Strategies» (Journal of Marketing, июль 1956 года). Смит опирался на пересмотр экономической теории 1930-х годов, когда работы Джоан Робинсон и Эдварда Чемберлина показали, что допущение об однородности спроса и предложения перестало описывать действительность. Он предложил рассматривать неоднородный рынок как совокупность меньших однородных рынков, различающихся предпочтениями, и противопоставил этот путь дифференциации продукта, при которой продавец меняет восприятие товара, оставляя рынок единым. Статья получила награду отраслевой ассоциации как наиболее значимая публикация года по маркетингу, а предложенное в ней разделение аудитории закрепилось как самостоятельный метод.

Суть и механика. Сегментация клиентов — метод разделения аудитории на группы, схожие по определенным признакам или критериям: по расположению, возрасту, потребностям и особенностям поведения. Метод позволяет понять потребности клиентов, повысить их лояльность и поддержать повторные продажи. Механика состоит в выборе признаков деления, отнесении клиентов к группам по данным учетных систем и последующей раздельной работе с каждой группой: своим предложением, своим порядком обслуживания, своим содержанием обращений. Ценность метода в том, что усилия распределяются между группами соразмерно их отдаче.

Разницу между единым обращением ко всей базе и работой по группам видно на торговле строительными материалами.

Пример. Строительный торговый дом «Петрович» разделил покупателей на профессиональных строителей и тех, кто покупает материалы для себя; на момент проекта профессионалы составляли около 80% базы. Для каждой группы подготовили собственную вводную цепочку писем, и у профессионалов отклик оказался вдвое выше. Если принадлежность клиента к группе неизвестна, первым обращением становится письмо, в котором он указывает ее сам. Отдельно клиентов разделили по виду ремонта на 19 групп и для каждой подготовили свой текст письма о незавершенном выборе. По данным поставщика платформы, при том же числе отправленных писем число переходов выросло вдвое.

Сегментация повышает отдачу одних и тех же действий: то же количество обращений при разделении базы на группы дает вдвое больше откликов.

Границы применимости. Инструмент применим везде, где база велика настолько, что ручная работа с каждым клиентом невозможна, а сами клиенты заметно различаются: в рознице, услугах, промышленных поставках со смешанным составом заказчиков. По методике это простой инструмент, наименее трудоемкий в статье. Первое ограничение — размер группы: при чрезмерно дробном делении подготовка отдельного обращения для каждой группы обходится дороже полученной отдачи, и дополнительный доход от сегментации должен превышать затраты на нее. Второе — выбор признаков: деление по данным, не связанным с поведением клиента, приводит к формальным группам, поведение клиентов в которых не различается. Сегментация опирается на данные управления взаимоотношениями с клиентами (D2-05) и аналитику поведения (D3-03), а ее результат служит основанием для персонализированного маркетинга (D3-02).

Чек-лист перед внедрением сегментации клиентов:

Определена задача, ради которой проводится деление, поскольку от нее зависит выбор признаков.
Признаки деления связаны с поведением клиентов, иначе группы окажутся формальными.
Размер каждой группы достаточен, чтобы отдельная работа с ней окупала затраты.
Для каждой группы определено, чем именно работа с ней отличается от работы с остальными.
Клиенты с неизвестной принадлежностью отнесены к группе, а не исключены из работы.
Установлена периодичность пересмотра групп, поскольку поведение клиентов меняется.

Типовые ошибки:

Дробление без предела. Групп выделяют столько, что подготовка обращения для каждой не окупается. → Проверять, что отдача от группы превышает затраты на работу с ней.
Формальные признаки. База делится по данным, не связанным с поведением клиентов. → Выбирать признаки, по которым группы действительно различаются.
Деление без последствий. Группы выделены, но работа со всеми ведется одинаково. → Определять для каждой группы отдельный порядок работы.
Разовое деление. Группы формируют однажды и не пересматривают. → Обновлять состав групп по мере изменения поведения клиентов.

D3-02 — Персонализированный маркетинг (Personalized Marketing)

Откуда появился инструмент. Автоматическая персонализация выросла из рекомендательных систем. Термин «коллаборативная фильтрация» ввели в 1992 году Дэвид Голдберг и его коллеги, описывая систему Tapestry, созданную в исследовательском центре Xerox PARC: она отбирала для сотрудника входящие сообщения, опираясь на оценки, которые этим сообщениям поставили другие сотрудники. Идея состояла в том, что предпочтения одного человека можно предсказать по поведению похожих на него людей. Tapestry требовала, чтобы пользователь сам составлял правила отбора; первую систему, дававшую рекомендации без такого участия, представила в 1994 году группа исследователей во главе с Полом Резником — GroupLens подбирала пользователю сообщения телеконференций, ориентируясь на оценки читателей со схожими предпочтениями. С распространением интернет-торговли подход перешел в розницу, где его основой стала история покупок.

Суть и механика. Персонализированный маркетинг — стратегия индивидуального взаимодействия с клиентами, основанная на их личных потребностях, интересах и привычках. Персонализация предполагает автоматическую настройку содержания, услуг или продуктов под запросы клиентов по результатам анализа больших данных. Методика отделяет ее от индивидуального подхода — более глубокой и точечной работы с каждым клиентом, ручного взаимодействия, учитывающего уникальные потребности и запросы потребителя. Различие практическое: индивидуальный подход применим к десяткам клиентов, персонализация рассчитана на миллионы, и предложение для каждого рассчитывается моделью по накопленным данным.

Масштаб автоматической персонализации виден на продуктовой рознице.

Пример. Программа лояльности «Магнит Плюс» охватывает более 80 млн держателей карт. Предложения для покупателей формируются моделями машинного обучения по накопленным данным о покупках и доводятся до клиента через мобильное приложение, электронную почту и короткие сообщения. По данным разработчика платформы лояльности, ежедневно рассчитывается более 100 млн персональных предложений, а средний чек покупателя с картой в 2,1 раза выше, чем при покупке без нее. При переводе программы на отечественное решение улучшенное деление покупателей на группы позволило увеличить число обращений к ним на 30% без снижения отклика.

Персонализация такого масштаба возможна только автоматически: предложение для каждого покупателя рассчитывается моделью по его собственной истории покупок.

Границы применимости. Инструмент применим там, где клиентов много и по каждому накоплена история взаимодействия: в рознице, подписных услугах, электронной торговле. По методике это инструмент средней сложности. Первое ограничение — объем данных: при небольшом числе зафиксированных покупок расчет опирается на слишком узкие сведения, и персонализация остается лишь заявленной. Второе — уместность обращения: чрезмерно точное предложение воспринимается частью клиентов как наблюдение за ними, поэтому глубину персонализации приходится соотносить с ожиданиями аудитории. Третье — правовое: работа с личными сведениями требует согласия клиента, чему посвящен отдельный инструмент методики, этичное управление данными клиентов (D4-01). Персонализированный маркетинг опирается на сегментацию (D3-01) как на первый уровень деления и на аналитику поведения (D3-03) как на источник оснований для предложения.

Чек-лист перед внедрением персонализированного маркетинга:

Накоплена история взаимодействия по каждому клиенту, без которой расчет предложения невозможен.
Разграничены автоматическая персонализация для массовой базы и ручной индивидуальный подход для ключевых клиентов.
Получено согласие клиентов на работу с их личными сведениями.
Определена глубина персонализации, приемлемая для аудитории, поскольку избыточная точность отталкивает часть клиентов.
Результат персонализации сравнивается с контрольной группой, иначе отдача остается неизвестной.
Установлен порядок пересчета предложений по мере накопления новых данных.

Типовые ошибки:

Персонализация без данных. Обращения называют персональными при небольшом числе зафиксированных покупок клиента. → Накапливать историю взаимодействия до перехода к расчету предложений.
Избыточная точность. Предложение опирается на сведения, о сборе которых клиент не подозревает. → Соотносить глубину персонализации с ожиданиями аудитории и полученным согласием.
Ручной подход в массовом масштабе. Индивидуальную работу пытаются распространить на всю базу. → Разграничивать автоматическую персонализацию и ручной подход по числу клиентов.
Отсутствие проверки. Отдачу персонализации принимают на веру, не сравнивая с контрольной группой. → Измерять результат сравнением с группой, не получавшей предложений.

D3-03 — Аналитика поведения клиентов (Customer Behavior Analysis, CBA)

Откуда появился инструмент. Изучение потребительского поведения оформилось в маркетинге в середине XX века, а вычислительную основу получило в 1990-е годы, когда учетные системы накопили массивы сведений о покупках. В 1993 году Ракеш Агравал, Томаш Имелинский и Арун Свами, работавшие в исследовательском центре IBM в Альмадене, предложили метод поиска ассоциативных правил в больших базах данных: он показывал, какие товары покупаются вместе, и разбирал состав покупательской корзины. С распространением карт лояльности анализ перешел от отдельного чека к истории конкретного клиента, что позволило описывать поведение во времени, а не в одной покупке.

Суть и механика. Аналитика поведения клиентов — методика, помогающая понять предпочтения и потребности клиентов. Она включает сбор, обработку и толкование сведений о действиях клиентов, их предпочтениях, покупках и взаимодействии с брендом и позволяет выявить закономерности и тенденции, определить действенность рекламных кампаний и выработать способы улучшить работу с целевой аудиторией. Методика перечисляет основные приемы: опросы и интервью, дающие сведения напрямую от потребителей; наблюдение за поведением в реальных условиях, в магазине или на сайте; когортный анализ, при котором клиентов группируют по характеристикам или периодам и сравнивают поведение групп; построение карты пути клиента, показывающей узкие места в воронке продаж.

Разницу между суждением сотрудников и расчетом по данным видно на удержании абонентов охранного сервиса.

Пример. Группа компаний «Цезарь Сателлит», работающая на рынке охранных систем для автомобилей, проверила, поможет ли расчет по данным отбирать клиентов для удержания точнее, чем это делают сотрудники. В расчет передали сведения из учетных систем: договоры, платежи, скидки и акции, действия в мобильном приложении, срабатывания сигнализации, претензии и обращения. Событием считали прекращение платежей в течение 60 дней или расторжение договора. Чтобы сравнить подходы, выборку из 125 тысяч действующих клиентов разделили пополам: в одной половине 3 тысячи клиентов для удержания отобрала модель, в другой столько же выбрали сотрудники компании по собственным правилам, не зная ее прогноза. За два месяца отток среди отобранных моделью составил 17% против 24% среди отобранных сотрудниками, средний платеж вырос на 2,3%. По оценке разработчика аналитической платформы, годовой прирост выручки составил не менее 44,7 млн рублей.

Аналитика поведения переводит отбор клиентов с суждения сотрудников на расчет по фактическим действиям, и разница между подходами измеряется прямым сравнением двух групп.

Границы применимости. Инструмент применим там, где действия клиентов фиксируются учетными системами и накапливаются за длительный срок: в рознице, подписных услугах, обслуживании оборудования. По методике это инструмент средней сложности. Первое ограничение — полнота данных: закономерности выводятся только из того, что зафиксировано, а действия клиентов, оставшиеся вне учета, для анализа недоступны. Второе — устойчивость выводов: выявленные закономерности поведения ломаются при внешних потрясениях, и модель, обученная на прошлом, перестает предсказывать будущее, поэтому расчеты требуют пересмотра. Третье — необходимость проверки: результат подтверждается сравнением с контрольной группой или с прежним порядком отбора. Аналитика поведения поставляет основания для сегментации (D3-01) и персонализированного маркетинга (D3-02), опирается на данные управления взаимоотношениями с клиентами (D2-05) и наполняет содержанием карту пути клиента (D2-04).

Чек-лист перед внедрением аналитики поведения клиентов:

Определено, какие действия клиентов фиксируются, поскольку от полноты учета зависит достоверность выводов.
Данные о действиях клиента сведены к его единому профилю во всех каналах.
Выбраны приемы анализа под задачу: опрос, наблюдение, когортный анализ или разбор пути клиента.
Определено событие, которое требуется предсказать или объяснить, и срок, на который делается вывод.
Результат проверяется сравнением с контрольной группой или с прежним порядком работы.
Установлена периодичность пересмотра выводов, поскольку закономерности поведения меняются.

Типовые ошибки:

Анализ неполных данных. Выводы делают по части действий клиента, оставляя каналы без учета. → Сводить действия клиента из всех каналов в единый профиль.
Выводы без проверки. Результат анализа принимают без сравнения с прежним порядком работы. → Подтверждать выводы контрольной группой или прямым сравнением подходов.
Устаревшие закономерности. Расчет опирается на поведение прошлых периодов и не пересматривается. → Проверять устойчивость выводов и обновлять расчеты.
Анализ без решения. Закономерности выявляют, но порядок работы с клиентами не меняют. → Переводить выводы анализа в конкретные действия по отбору и обращению.

Резюме

Четыре инструмента этой статьи различаются задачами, но опираются на одно условие. Омниканальная стратегия обеспечивает клиенту единый опыт во всех каналах, сегментация делит базу на группы с разной отдачей, персонализированный маркетинг рассчитывает предложение для отдельного клиента, аналитика поведения выводит основания для этих решений из фактических действий покупателей. Общее условие состоит в том, что сведения о клиенте должны быть собраны в одном месте и опознаны как принадлежащие одному человеку. Без этого омниканальность распадается на прежние отдельные каналы, сегментация делит базу по формальным признакам, персонализация опирается на неполные сведения, а аналитика описывает отдельный фрагмент поведения вместо целого. Вторая общая черта — проверяемость результата: отдача каждого из инструментов измеряется прямым сравнением, будь то контрольная группа, две половины выборки или одинаковое число обращений при разном содержании. Трудоемкость распределена от 18 часов у сегментации до 44 у омниканальной стратегии, и разница отражает объем работы по сведению данных: деление базы возможно на имеющихся сведениях, тогда как единый опыт во всех каналах требует перестройки учета. Для промышленного предприятия это означает, что работа с заказчиком опирается на общий для всех подразделений набор данных о нем, а действенность любого обращения к нему поддается измерению.

В следующей статье цикла продолжим разбор группы D «Клиенты и рынок» — управлением клиентским опытом и инструментами ответственной работы с данными клиентов.