Одна B2B-организация из списка Fortune 100 провела масштабную маркетинговую кампанию с бюджетом 35 миллионов долларов, направленную на изменение восприятия со стороны клиентов. Предполагалось, что в рамках кампании на сайтах, созданных для отдельных стран, будут публиковаться данные третьих лиц и экспертные заключения. Реклама была размещена таким образом, чтобы привлечь посетителей. Однако к моменту начала кампании национальные сайты не были готовы: у фирмы возникли проблемы с получением разрешений на публикацию независимых экспертных заключений третьих лиц на иностранных языках. В результате сайты, расположенные в Японии и Германии, направляли клиентов на англоязычный сайт, расположенный в США, что устраняло влияние маркетинга, связанное с географическими особенностями. Кампания была запущена вовремя, продолжалась девять месяцев, а по завершении объявлена успешной.

Почему она считалась успешной? У фирмы не имелось никаких показателей, по которым ее можно было признать неудачной. Основная цель состояла в изменении восприятия со стороны клиентов на 5 % (по данным ежегодного глобального опроса). Кампания была запущена в январе, а опрос проводился в октябре. Он занял три месяца, а еще два месяца ушло на обработку данных. В связи с новогодними праздниками данные не были доступны до января. Сама кампания продолжалась девять месяцев; иными словами, данные опроса стали доступны лишь через четыре месяца после ее окончания. Они никак не могли повлиять на эффективность кампании, а к моменту появления результатов маркетеры уже работали над другими задачами.

Этот пример наглядно показывает особенности традиционных маркетинговых измерений. Если данные собираются и анализируются после окончания кампании, они по определению не могут повлиять на ее исход. Я расскажу об ином подходе – сборе данных о результативности кампании в процессе ее проведения. Этот подход (который я называю «гибким маркетингом») позволяет изменить программу в случае, если что-то пойдет не так. Я уверен, что он помогает улучшить результативность в пять и более раз. Более того, гибкий маркетинг включает в себя создание индивидуализированных маркетинговых предложений, основанных на аналитике и триггерах событий.

 

Проигрывайте быстро

Некоторые компании широко используют гибкий маркетинг. Они корректируют свои маркетинговые действия в режиме реального времени. Например, QVC – сеть магазинов на диване – отслеживает продажи продуктов в момент трансляции своих информационных роликов. Если продажи вдруг начинают расти после тех или иных слов актеров, компания передает ему по беспроводному наушнику инструкцию о том, как использовать фразы, которые сообщают импульс для покупки. Компании, занимающиеся продажей туров через интернет, ежегодно тратят не менее 100 миллионов долларов на рекламу в сети. Они отслеживают ценообразование на ключевые слова в Google и меняют их набор, исходя из оптимальной цены, каждые 15 минут.

Однако я считаю, что для начала (и для достижения первых успехов) не нужны данные в режиме реального времени – нужно то, что я называю «свежими данными». Суть в том, чтобы собирать данные о результатах маркетинговой работы в сроки, меньшие, чем длительность проведения кампании.

Общее правило таково: собирать данные нужно по крайней мере 10 раз во время кампании. Иными словами, если кампания продолжается 10 месяцев, то в конце первого месяца у вас уже должна быть информация, позволяющая оценить ее результаты и предпринять необходимые действия для исправления ситуации. Если кампания неэффективна, то будьте готовы изменить или даже остановить ее. Лучше быстро потерпеть поражение, чем с треском провалиться и сжечь 35 миллионов долларов на кампанию, как на дирижабль «Гинденбург». Если же вы сразу понимаете, что кампания эффективна и вам сопутствует успех, то нужно усилить позитивный эффект.

Гибкий маркетинг не предполагает использование метода «научного тыка», принятие скоропалительных решений и изменение плана при появлении первых признаков отклонений. Дело совсем не в этом. Как мы увидим чуть позже, гибкий маркетинг – планомерная и структурированная деятельность. Вы должны заранее создать план сбора данных и заблаговременно продумать, что будете с ними делать.

Пример гибкого маркетинга в действии – кампания Microsoft Security Guidance. В начале 2000-х годов Microsoft столкнулась с целым рядом проблем безопасности своих продуктов. Они были вызваны атаками профессиональных хакеров (в частности, вирусами ILOVEYOU и Blaster, заразившими миллионы компьютеров по всему миру). Еще более опасным оказался вирус SQL Slammer, атаковавший корпоративные базы данных на базе Microsoft SQL.

В ноябре 2002 года Microsoft приняла участие в соревновании OpenHack, организованном журналом eWeek. В ходе конкурса разработчики, например Microsoft, Oracle и IBM, представляли свои системы электронной коммерции, а хакеры – участники соревнования – получали призы, если им удавалось каким-то образом заблокировать работу системы. Джонатан Перера, старший директор по маркетинговым коммуникациям подразделения Microsoft, занимавшегося технологиями обеспечения безопасности, рассказал мне следующее:

За 23 дня система Microsoft столкнулась с 82 500 попытками атаки, однако смогла отразить 100 % из них. При этом мы получили крайне важный урок: это удалось нам лишь потому, что в составе нашей команды были потрясающие эксперты (уровня Шакила О’Нила, Майкла Джордана и Йоды). Мы поняли, что теперь необходимо передать знания экспертов Microsoft в области безопасности конечным пользователям.

Именно эта идея легла в основу маркетинговой кампании, направленной на изменение восприятия со стороны крайне важного сегмента клиентов Microsoft в сфере B2B: профессионалов в области информационных технологий. В ходе небольших тестов маркетеры Microsoft выяснили, что если для IT-специалистов провести бесплатный тренинг об организации защиты продуктов Microsoft, то восприятие продуктов и степени их безопасности может значительно улучшиться.

Таким образом, цель 17-миллионной кампании Security Guidance состояла в том, чтобы побудить профессионалов записаться на тренинги Security Summit. В частности, согласно планам Microsoft, программа должна была охватить примерно 50 тысяч американских IT-специалистов в год (то есть подавляющее большинство профессионалов, работающих в крупных и средних компаниях). Кампания была разработана с учетом необходимости измерений, отслеживалась в СМИ и транслировалась через интернет.

В главе 7 я рассказал об оптимизации веб-кампаний по параметрам кликабельности (CTR) и конверсии по транзакциям (TCR) в применении к поисковому маркетингу (SEM) (см. рис. 7.3). Этот подход применим и к описываемому выше примеру, где транзакцией может считаться запись участника на тренинг. Рекламные показы (более 34 миллионов) обеспечили достаточно высокий трафик, и CTR достиг хороших значений – около 1 %. Однако после первой недели кампании на тренинги записалось всего 439 профессионалов. Маркетеры поняли, что у них есть проблема и что, если подобные результаты сохранятся в будущем, поставленных целей достичь не удастся.

Для этой кампании общий коэффициент отклика (CTR × TCR) был достаточно низким из-за низкого TCR. Из главы 7 мы знаем, что если у кампании приемлемый CTR и низкий TCR, то проблема, скорее всего, вызвана содержанием целевых страниц. Изначально на целевой странице сайта Security Guidance было четыре призыва к действию:

• Записаться на тренинг: три типа мероприятий, в том числе очные, прямая трансляция и запись интернет-конференции.

• Получить необходимые инструменты: Microsoft Baseline Security Analyzer (MBSA) и Software Update Services (SUS).

• Заказать диск с комплектом руководств по безопасности.

• Подписаться на новостные рассылки и бюллетени по вопросам безопасности.

Команде маркетеров Microsoft предстояло выяснить суть проблемы. Поскольку общий показатель TCR был слишком низким, команда решила разобраться, что происходило при промежуточных кликах, выделила отдельные действия на промежуточных и финальных этапах и проанализировала их по отдельности. Этот анализ предполагал изучение CTR со стартовой страницы до страницы, предполагавшей определенное действие: участие в тренингах, получение инструментов, заказ компакт-дисков или подписку на новости. В табл. 8.1 приведены реальные промежуточные данные, которые команда анализировала по итогам первой недели кампании (количество показов рекламы скрыто из соображений конфиденциальности).

При анализе табл. 8.1 обратите внимание на результаты показов различных баннеров на самом видном месте на домашней странице . Самый высокий показатель обеспечила реклама конференции по безопасности Security Summit – 19,2 % (реклама интернет-конференций – 2,7 %, а тренингов – всего 0,9 %). Что это значит? IT-специалисты действительно обращают внимание на рекламные изображения и жмут на них, чтобы попасть на страницу Security Guidance. Затем они, скорее всего (то есть в 7–10 раз чаще), перейдут по ссылке, ведущей на страницы Security Summit. Однако при этом величина TCR достаточно невелика – иными словами, нажимая по нескольку ссылок для того, чтобы добраться до страницы Summit, посетители постепенно отвлекаются и в результате не записываются на семинар.

Табл. 8.1. Данные о результатах кампании Microsoft Security Guidance после 1-й недели работы

Источник: Microsoft Marketing

Табл. 8.2. Детальное отслеживание эффективности различных медиа в ходе кампании Microsoft Security Guidance

Источник: Microsoft Marketing

Маркетеры Microsoft приняли решение перенаправить все показы рекламы непосредственно на страницу Security Summit, характеризовавшуюся максимальной долей промежуточных действий и предназначенную исключительно для рассказа об очном тренинге. К концу второй недели они существенно переработали кампанию, поскольку поняли, что она неэффективна.

В табл. 8.2 приведена сводка данных за первые 10 недель кампании. Обратите внимание на то, что вся реклама по электронной почте, печатная и интернет-реклама оценивается с помощью кликов за неделю. В строке «Точное число новых зарегистрированных пользователей за неделю» показано количество регистраций на тренинги по вопросам безопасности. Данные показывают, что в конце первой недели зарегистрировалось лишь 434 человека, а в конце второй – 262. После проведения изменений количество регистраций подскочило до 794 на третьей неделе и 1272 и 1528 на четвертой и пятой соответственно. Этот пример показывает, что результативность кампании всего за несколько недель улучшилась более чем на 400 % благодаря гибкому маркетингу, а за девять месяцев – более чем в пять раз.

Больше всего в этой кампании мне нравится то, что она изначально была разработана с учетом возможности измерений. Вся реклама (по электронной почте, печатная и в интернете) отслеживалась, и результаты сводились в еженедельный отчет – это и есть «свежие данные». Сбор информации на еженедельной основе позволил маркетерам получить бесценные знания о кампании, которую они планировали проводить на протяжении 12 месяцев. Как только поступили первые данные, специалисты сразу поняли, что кампания неэффективна. После этого команда применила принципы маркетинга, основанного на данных: она проанализировала показатели CTR и TCR и поняла, что именно необходимо сделать для повышения результативности.

Я знаю, что табл. 8.2 сложна и напоминает таблицу для проверки зрения. Однако она очень важна. В сущности, она показывает, как можно регулярно отслеживать маркетинговую кампанию с бюджетом 17 миллионов долларов с использованием одного-единственного листа в формате Microsoft Excel. Уверен, что и вам это под силу! У вас есть необходимые инструменты – нужно только включить в кампанию элемент, связанный с измерениями, и быть готовым действовать на основании собранных вами «свежих данных».

Кампания Security Guidance дает новую информацию и об использовании интернета для объединения данных опросов о восприятии. После того как пользователи покидали сайт Security Guidance, слева выскакивало окно, в котором им предлагалось оценить степень согласия со следующими утверждениями:

• Microsoft предоставляет инструменты и ресурсы, помогающие обеспечивать безопасность продуктов.

• Microsoft ответственно и внимательно относится к вопросам обеспечения безопасности.

• Microsoft представляет достаточно информации, помогающей обеспечить и сохранить должный уровень безопасности.

• Microsoft стремится обеспечить своих клиентов безопасными продуктами.

Данные опросов за три месяца, показанные на рис. 8.1, позволяют ответить на два вопроса, связанных с восприятием. Стоит отметить, что в среднем около 10 % посетителей сайта за три месяца кардинально изменили свою точку зрения: сначала они были не согласны с приведенными утверждениями, а позже начали выбирать вариант «Полностью согласен». Можно ли считать это хорошим знаком? Не совсем – очевидно, что в данном случае речь идет только о тех, кто посетил сайт. При этом выборку можно считать вполне репрезентативной, хотя количество респондентов ограничивается несколькими сотнями. Помните: лучше быть наполовину правым, чем на 100 % неправым. Показатели меняются в правильном направлении и дают нам основания считать, что маркетинговая кампания способствует изменению восприятия (по крайней мере среди посетителей сайта ).

Рис. 8.1. Данные онлайн-опроса о восприятии

Источник: Microsoft Marketing

Крупные фирмы обычно проводят оценку восприятия бренда раз в год. Масштабные опросы важны, и вряд ли интернет-опрос способен их заменить. Однако масштабное исследование, посвященное бренду, не сможет повлиять на кампанию, проходящую прямо сейчас. Свежие данные, полученные в результате онлайнового опроса, позволяют провести корректировки и отслеживать изменение тенденций в течение нескольких месяцев. Если тенденция негативна, то есть восприятие посетителей сайта ухудшается, разумный менеджер по маркетингу задумается об эффективности своих действий, призванных улучшать восприятие. И это крайне важно: веб-опрос позволяет собрать свежие данные и определить особенности восприятия клиентов, то есть заблаговременно определить вероятность успеха или неудачи (и сообщить об этом руководству).

 

Разработка кампании с учетом необходимости измерений

В разговорах о гибком маркетинге я часто слышу: «Это нельзя сделать в нашей компании» или: «Я занимаюсь брендингом, и эти идеи мне не подходят». Разумеется, гибкий маркетинг требует нового подхода: нужно заранее «закладывать» определенную степень гибкости и меняться в зависимости от поступающей информации. Это сложная задача для старомодных маркетинговых организаций, привыкших к масштабным и «монолитным» кампаниям. Однако даже они могут научиться новым трюкам.

Например, E.I. du Pont de Nemours and Company, основанная в 1802 году как производитель пороха, – одна из старейших компаний США. DuPont спонсирует Джеффа Гордона, участника гонок NASCAR, и в целом активно использует спонсорство в своей маркетинговой деятельности. В ноябре 2007 года маркетинговая команда решила разместить на бампере автомобиля Джеффа Гордона ссылку на сайт (см. рис. 8.2).

Рис. 8.2. Ссылка на сайт DuPont Performance Alliance, которая размещалась на машине Джеффа Гордона, участвовавшей в гонках NASCAR

Источник: DuPont Marketing

Рис. 8.3. Количество кликов на странице с адресами магазинов

Источник: DuPont Marketing

Пройдя по ссылке, телезрители попадали на сайт Performance Alliance (маркетинговая команда знала, что фанаты NASCAR очень лояльны к компаниям, поддерживающим соревнования). Ссылка вела на сайт мастерской кузовного ремонта, которая имела эксклюзивные права на использование автомобильной краски DuPont в США. На рис. 8.3 показано количество кликов, ведущих в раздел сайта Performance Alliance с указанием адресов магазинов. Эта ссылка транслировалась по телевидению каждый раз, когда во время гонки камера фокусировалась на задней части машины Гордона. Всего за время соревнования зрители видели ее на протяжении 1,5 минуты – и в эти моменты наблюдался всплеск заходов на сайт. Во все маркетинговые действия была изначально заложена возможность измерения. Данные помогли DuPont точнее выстроить кампанию перед очередными гонками NASCAR, а также наглядно показали ценность использования ссылок в спонсорской рекламе.

Обратите внимание на ссылку () на рис. 8.2. Я спросил маркетеров, для чего они использовали длинное и не очень удобное название страницы: «Люди из IT-отдела сказали, что ничего лучшего предложить не могут». На самом деле перенаправление посетителей с одного адреса на другой требует всего одной строчки кода на сервере, то есть нет никаких проблем с тем, чтобы перенаправлять посетителей с адреса на адрес типа и отслеживать количество кликов. Именно так собирались данные о кликах Microsoft, приведенные в табл. 8.2.

Как однажды сказал комик Граучо Маркс, «это понял бы и пятилетний ребенок. Ну-ка, приведите сюда пятилетнего ребенка». Молодое поколение (в том числе и мой шестилетний ребенок) рано овладевает технологиями. Чем серьезнее вы занимаетесь гибким маркетингом, тем больше вынуждены полагаться на технологии и анализ в процессе принятия решений. Поначалу вас может пугать необходимость говорить на техническом языке и осваивать новые аналитические навыки. Однако я считаю, что без этих знаний вы не сможете занять достойное место в компании.

Основной вывод таков: при разработке кампаний необходимо «закладывать» определенную степень гибкости и регулярно собирать свежие данные. Сетевые инструменты (как интернет, так и мобильная связь) могут помочь в организации процесса такой работы. Однако еще до начала кампании маркетинговая команда должна тщательно продумать, что она будет делать с собранными данными. Перед началом кампании задайте себе следующие вопросы: «Каковы возможные исходы кампании?»; «Какие критерии нужно использовать, чтобы принять решение о прекращении кампании?»; «Каким образом мы будем перераспределять ресурсы, если убедимся в том, что кампания действительно эффективна?».

Применять методы гибкого маркетинга в работе несложно. Если ваша кампания длится 9 месяцев, то заранее запланируйте моменты обсуждения текущих результатов (не реже раза в месяц). Если кампания длится 10 недель, то изучайте результаты каждую неделю. Вы должны заранее спланировать, как будете собирать данные и рассчитывать ключевые показатели успеха. Также необходимо продумать критерии для принятия решений о продолжении кампании или ее немедленной остановке.

Например, если вы планировали, что 12-недельная кампания приведет к появлению 1000 качественных лидов в неделю для отдела продаж, а получили только 100, то нужно спросить себя, стоят ли эти лиды потраченных на кампанию денег. Если нет, то имеет смысл хорошенько подумать над улучшением своей работы. Возможно, придется что-то изменить уже на второй неделе. Но если вы все равно не получаете нужных результатов, то прекратите неудачную кампанию и распределите оставшиеся 75 % финансирования на другие цели.

 

Выводы

• При разработке кампании следует «заложить» определенную степень гибкости и возможность действовать на основании свежих данных. Иными словами, вы должны собирать данные о ходе кампании за период, который меньше длительности кампании, и быть готовыми внести необходимые для ее оптимизации изменения.

• Проигрывайте быстро. Лучше остановиться раньше, чем закончить полным провалом.

• Выигрывайте по-крупному, увеличивая финансирование кампании, показавшей хорошие результаты в самом начале.

• Определите критерии успеха и провала до начала маркетинговой кампании.

• Включите в план реализации кампании точки принятия решений – и будьте готовы действовать в эти моменты.

• Методы гибкого маркетинга помогают повысить результативность работы в пять и более раз.

 

Несколько лет назад я получил по почте небольшую коробку от моих друзей из Procter & Gamble (P&G). До этого я даже не знал, что в этой компании у меня есть друзья. На лицевой стороне был изображен годовалый малыш, а под фотографией – надпись: «Сейчас, когда ты научился стоять, ты больше не хочешь сидеть на месте». Внутри коробки был обычный подгузник. Думаю, большинству читателей такой маркетинг не покажется интересным. Дети носят подгузники только в первые годы жизни. Но меня удивило, что посылка пришла всего через несколько недель после того, как мой сын научился ходить: именно этот короткий временной промежуток был оптимальным для маркетингового обращения к моей семье.

Это типичный пример того, что я называют подходом в стиле «ух ты, это именно то, что мне нужно!». Вы делаете нужное предложение нужным людям в нужный момент. Дети обычно начинают ходить примерно в год, а будущие родители часто подписываются на бесплатные специализированные журналы вскоре после того, как узнают, что у них будет ребенок. Думаю, что именно благодаря подписке компания P&G получила мой почтовый адрес. Триггером события в данном случае выступил тот факт, что мой ребенок начал ходить, а маркетинговым предложением стал образец подгузника (и компания совершенно права: годовалые дети не любят сидеть на месте). Вероятность того, что я приму предложение, была достаточно высока: я получил его в тот самый момент, когда у меня появилась острая потребность.

Вот еще один пример. Компания Lowe’s с годовым оборотом в 48 миллиардов долларов владеет сетью гипермаркетов, торгующих товарами для дома по всей Америке. Она начинала как маленькая скобяная лавка в Северной Каролине. Сейчас сеть выросла до 1640 супермаркетов, но сохранила свою философию обслуживания клиентов. Например, в каждом магазине до сих пор есть специально обученные сотрудники, помогающие клиентам спроектировать террасу для дома и подобрать подходящие материалы.

Проведенный Lowe’s анализ покупок показал, что если кто-то строит террасу, то высока вероятность того, что скоро он купит новый гриль для барбекю. Основные материалы для строительства террасы – обычно недорогие и неприбыльные для продавца: доски, болты и гвозди. Гриль же – высокомаржинальный продукт, но нет никакой гарантии, что покупатель придет за ним именно в Lowe’s, а не в магазин его прямого конкурента (Home Depot) или универсальный магазин типа Sears или Wal-Mart.

Компания решила провести таргетированную рассылку печатной рекламы вскоре после того, как покупатели побывали в ее магазинах. В листовке рассказывалось о разных моделях грилей (либо о дорогих, из нержавеющей стали, за 600 долларов; либо о более дешевых – в зависимости от демографических характеристик получателя). У потребителя возникала реакция: «Ух ты, это именно то, что мне было нужно!» В итоге повышалась вероятность того, что они приобретут гриль именно в Lowe’s.

Для создания такого эффекта требуется аналитическая работа по таргетированию клиента и маркетинговых действий. Вы можете использовать три основных приема, в зависимости от типа вашей маркетинговой деятельности: лестница потребительской приверженности; анализ потребительской корзины; дерево решений. Рассмотрим эти подходы на примере компаний Meredith и EarthLink.

 

Первый основной прием аналитического маркетинга: предрасположенность

Компания Meredith Corporation с годовым оборотом в 1,6 миллиарда долларов – лидер среди американских маркетинговых компаний и медиаресурсов для женщин. Она владеет несколькими хорошо известными национальными брендами – в том числе журналами Better Homes and Gardens, Parents, Ladies’ Home Journal, Family Circle, American Baby и Fitness, – а также несколькими местными телеканалами на быстрорастущих рынках. Также Meredith обеспечивает корпоративным рекламодателям и их агентствам доступ к своему обширному портфелю медиапродуктов – за это отвечает стратегическое подразделение Meredith 360.

Meredith применяет маркетинг, основанный на данных, уже более 25 лет. Компания активно использовала директ-мейл для организации подписки на свои издания и хотела заняться рассылками по электронной почте. Поначалу она ограничивалась стихийными разовыми рассылками по электронной почте, но знала, что способна на большее. У маркетинга с использованием электронной почты есть одно важное отличие от директ-мейла. Во втором случае потребитель не против трех-четырех различных сообщений по почте (например, четырех разных открыток). Однако когда речь заходит об электронной почте, вы должны сформулировать одно-единственное лаконичное предложение, позволяющее достичь целей и избежать переполнения клиентских почтовых ящиков. Команда Meredith, работавшая над электронным маркетингом, задала себе вопрос: «Какой продукт лучше всего предлагать по электронной почте нашим клиентам?». Для ответа на него требуется создание модели предрасположенности.

Meredith создала 20 различных моделей (с помощью метода логистической регрессии), по одной для каждого журнала. Компания использовала максимально широкий подход и включила в модель все возможные переменные. Анализировались не менее 1000 элементов данных, причем все они были признаны статистически важными. К ним относились и регистрация на сайте Meredith, и возраст клиентов, и их хобби и интересы, и возраст их детей, и информация о подписке на другие издания, и тип района проживания, и многое другое. Затем модель оценивала предрасположенность каждого индивидуального клиента к покупке определенного продукта, а самый высокий балл показывал, какой продукт будет товаром недели.

Рис. 9.1. Предрасположенность к покупке того или иного продукта (1–12-я недели)

Источник: Meredith Corporation

На рис. 9.1 изображены разные продукты Meredith и количество клиентов, для которых (по прогнозам модели) велика вероятность покупки товара в конкретную неделю. Иными словами, для каждого клиента создавался личный рейтинг, позволявший понять, какие именно продукты он вероятнее всего купит. Эта иллюстрация – часть панели мониторинга, которую руководители Meredith используют для отслеживания результатов.

Модели обновляются каждые 9–12 месяцев, а также еженедельно тестируются, чтобы определить степень соответствия прогнозов реальности. В некоторых случаях данные о потребителях меняются ежедневно, поэтому для достижения наилучших результатов необходим еженедельный пересчет рейтингов для 14 миллионов клиентов. Электронные письма направляются каждому клиенту не чаще одного раза в неделю, при этом частота контакта основана на реакции клиента на предыдущую кампанию: если он открыл письмо или перешел по ссылке, то он может получить сообщение и на следующей неделе. При отсутствии реакции с его стороны Meredith может выждать четыре недели, а затем направить по электронной почте очередное сообщение.

На рис. 9.2 приведен пример индивидуализированной и таргетированной рекламы по электронной почте с учетом результатов модели. К предложению о подписке на журнал Better Homes and Gardens бесплатно прилагается книга рецептов блюд, приготовляемых на гриле. Эта таргетированная маркетинговая акция, основанная на аналитических моделях, привела к росту коэффициента отклика на предложение с 29 до 50 %. Если сравнить количество подписок после электронной рассылки с результатами предыдущего года (без моделирования таргетинга), то уровень отклика вырос на 20–40 %. Meredith в этом примере (см. рис. 9.2) использовала интересные показатели для дальнейшей сегментации. Иными словами, модели предрасположенности позволяли выбрать продукт, а затем подсказывали, какой бесплатный подарок лучше всего с ним сочетается. Например, если клиенты интересовались приготовлением еды, они получали выгодное предложение на покупку гриля. Те, кто интересовался обустройством дома, получали подарок, связанный с декорированием. То же относилось и к любителям садоводства. Meredith утверждает, что смогла добиться 15 %-ного роста за счет сегментированного предложения подарков (основанного на знании интересов той или иной группы клиентов) – и это не считая среднего 40 %-ного прироста конверсии вследствие применения моделей предрасположенности.

Эрин Хоскинс, директор компании Meredith по вопросам электронной торговли и онлайн-маркетинга, рассказала мне, с чего надо начинать работу и как важно иметь в команде хорошего аналитика:

Я как маркетер знала, что мы можем значительно повысить результативность массовой электронной рассылки. Когда я только пришла в компанию, у меня фактически не было бюджета, баз данных или инструментов для электронного маркетинга. Для начала я подружилась с Келли [Тэгтоу], в то время ведущим аналитиком компании. Когда мы только начинали работать вместе, я часто не понимала, о чем она говорит, но знала, что если нам удастся применить принципы анализа к нашей маркетинговой электронной рассылке, то успех нам обеспечен.

Рис. 9.2. Целевая реклама журнала Better Homes and Gardens с приложением бесплатной кулинарной книги

Источник: Meredith Corporation

Самой сложной задачей для Хоскинс стало проведение более подробной сегментации и таргетирования, связанных с бо́льшим количеством продуктов при тех же ресурсах. Этим делом занимались один человек в отделе маркетинга и один сотрудник производственного подразделения (причем не полный день). Однако у Meredith уже была хорошая инфраструктура для работы с данными. Раньше с маркетинговыми базами данных компании работали подрядчики, но руководство всегда признавало стратегическую важность данных и в какой-то момент решило, что эту работу могут выполнять и сотрудники Meredith. Данные о потребителях были сведены в новую корпоративную базу. Meredith собирала электронные адреса своих клиентов, однако не имела нужных инструментов для проведения целевых рассылок по электронной почте.

Келли Тэгтоу, директор Meredith по вопросам бизнес-аналитики, рассказала мне: «Данные для первых целевых кампаний мы собирали вручную – это отнимало много времени. Сначала было сложно. Однако мы доказали, что модели предрасположенности действительно эффективны, и результаты работы позволили оправдать инвестиции в инструменты автоматизированного маркетинга с использованием электронной почты». Эта инвестиция многократно окупилась за счет повышения коэффициента отклика и более чем 20 %-ного прироста количества подписок после получения письма.

 

Второй основной прием аналитического маркетинга: анализ потребительской корзины

Программа электронных рассылок Meredith – типичный пример использования регрессии для прогнозирования очередной покупки отдельными категориями клиентов с учетом их предыдущих приобретений и демографических характеристик. Такой поход носит название модели предрасположенности («лучшей альтернативы»). Другой распространенный метод – анализ потребительской корзины (он особенно актуален для ретейла). Он подразумевает определение набора продуктов (или услуг), которые потребители приобретают чаще всего. Этим подходом активно пользуется, например, компания  – как на своем сайте, так и в электронных рассылках. Когда вы заходите на сайт Amazon как зарегистрированный пользователь, то видите в нижней части экрана обращение: «Вы смотрели [книгу или DVD-диск]. Возможно, вас также заинтересуют [другие книги или DVD]».

Для изучения потребительской корзины чаще всего используется техника сбора данных под названием «Кластерный анализ». В данном случае технические детали не так важны. На основе такого анализа можно разработать практические рекомендации, называемые «ассоциативными правилами». Звучат они примерно так: «Клиенты, покупающие новый персональный компьютер, покупают и новый сетевой провод». Это ассоциативное правило позволяет сразу же перейти к практическим действиям: например, изменить ассортимент или маркетинговые программы. Хоскинс говорит так: «Не нужно бояться данных. Маркетеры часто полагаются на то, что кажется им интуитивно правильным. Однако после анализа картина может оказаться совершенно иной». Поэтому будьте готовы пересмотреть свои интуитивные убеждения и действовать на основе анализа.

 

Третий основной прием аналитического маркетинга: дерево решений

Как же использовать события при принятии маркетинговых решений? Главное – правильно применять аналитические данные. Они помогают определить, какие события или покупки взаимосвязаны. Затем на основании данных можно определить таргетированные маркетинговые действия, активирующиеся триггером события для определенных потребителей. Иными словами, нужны модели прогнозирования, позволяющие понять поведение и характеристики потребителя, а также план маркетинговых действий, основанных на данных прогнозов. Благодаря моделям вы можете оценить маркетинговый эффект с помощью таких показателей, как коэффициент отклика, прибыль и/или коэффициент оттока. Ниже приведен подробный пример, показывающий, как проводить такого рода анализ.

Компания EarthLink, расположенная в Атланте, – интернет-провайдер среднего размера. Ее оборот за 2008 год составил 956 миллионов долларов. Компания обеспечивает интернет-соединение миллионам частных потребителей и ряду мелких и средних компаний. Примерно четверти клиентов EarthLink предоставляет высокоскоростной доступ в интернет (с участием компаний Time Warner Cable и Comcast Cable) и предлагает такие услуги, как веб-хостинг и онлайн-реклама. DSL-соединение обеспечивают операторы BellSouth, Covad, AT&T и др.

EarthLink активно использует данные, аналитические инструменты и маркетинг, основанный на событиях. Но ей пришлось пройти сложный путь. Стюарт Роузел, директор по исследованиям клиентов, аналитике и стратегии компании EarthLink, рассказал мне:

Чтобы в компании применялся маркетинг, основанный на данных, команда аналитиков должна была привлечь на свою сторону и менеджмент, и маркетеров. Однако всем им было сложно понять наши принципы регрессионного моделирования. Многим маркетерам такой анализ казался неудобным, и поэтому они им не пользовались. Чтобы все начали пользоваться этим инструментом, нужно его упростить.

Сэм Макфол, старший менеджер EarthLink по вопросам бизнес-аналитики, добавил:

Более ранние модели прогнозов, основанные на логистической регрессии, не получили признания в организации, потому что маркетерам и менеджерам по продукту было сложно визуализировать полученные результаты. Когда же мы перешли к моделированию с помощью дерева решений, идеи сразу стали более наглядными, а после нескольких внутренних обучающих семинаров и запуска пилотных программ сотрудники начали активно использовать наши модели.

Дерево решений – один из трех основных методов анализа данных. Два других – кластерный анализ и нейронные сети. Детали этих алгоритмов интересны «ботаникам» вроде меня, но большинству маркетеров они покажутся очень скучными. Однако для использования самих моделей все подробности не нужны.

Что же такое дерево решений с точки зрения анализа данных? Суть его в том, чтобы последовательно разделять набор данных на более «чистые» подгруппы, имеющие четко определенные характеристики. По сути, мы хотим просеять данные сквозь сито; в результате образуются две группы – прошедшие и не прошедшие отбор.

Представьте себе кучу зеленых и синих шариков. Если ваш фильтр разделяет эти два цвета, то в итоге вы получите две кучки шариков – синие отдельно, зеленые отдельно. Каждая из них будет более «чистой» с точки зрения цвета, чем изначальный набор. Затем мы можем повторить тот же процесс с использованием других переменных и т. д. В итоге набор данных превратится в своеобразное дерево с «листьями» (синими и зелеными), соединенными ветвями (связями).

Поясню на примере. На рис. 9.3 показано, как компания EarthLink произвела первое разделение данных при создании дерева решений в программе SAS Enterprise Miner. Общее множество – клиенты, пользующиеся DSL, и для начала компания разделила их на группы позвонивших в колл-центр и задавших вопрос «Можете ли вы подключить мне широкополосный доступ?» (левая ветвь) и не сделавших этого (правая ветвь). Обратите внимание, что триггером события выступает звонок в сервисный центр с вопросом «Можете ли вы подключить мне услугу?».

В верхней части дерева решений приведены данные о двух группах клиентов: 5,2 % клиентов, пользующихся коммутируемым доступом, отказываются от услуг в течение 60 дней, а 94,9 % остаются. Однако среди тех, кто звонил в компанию (первое разветвление в левой части дерева), заметна большая разница в показателе оттока: 12,8 % (по сравнению с 42 % не звонивших, см. второй набор ячеек на рис. 9.3). Иными словами, клиенты, звонящие в компанию и узнающие, могут ли они пользоваться широкополосным доступом, имеют в 2,5 раза больше шансов отказаться от услуг компании, чем вся совокупность клиентов (для расчета этого показателя достаточно разделить 12,8 % на 5,2 %) – это ветвь с «высоким коэффициентом оттока». Правая ветвь – ветвь с «низким коэффициентом оттока»: клиенты, которые не обращались с запросом о предоставлении услуг широкополосного доступа, на 20 % (4,2 % / 5,2 %) реже склонны расставаться с компанией (по сравнению со всей клиентской базой).

Дерево решений можно рассматривать и как способ подробной сегментации клиентов, основанной на широком наборе переменных, включая события. Самый важный вопрос для маркетинга в данном случае – «Почему коэффициент оттока для этих двух групп так различается?». Иными словами, почему коэффициент оттока в левой части дерева настолько выше, чем в правой? Ответ прост: клиенты, интересующиеся возможностью широкополосного доступа, активно ищут возможность получить более продвинутые услуги.

На третьем уровне клиенты подразделяются на еще более мелкие группы: правая (не обращавшиеся с запросом) делится на подгруппы в зависимости от использования сервиса WebMail, а именно количества почтовых ящиков на WebMail. Группа, расположенная слева (клиенты, обращавшиеся с запросом, в том числе и несколько раз), делится в зависимости от переменной, связанной с частотой использования услуг: количеством сеансов связи за месяц. Алгоритм создания дерева показал, что именно количество ящиков WebMail – лучший критерий для разделения на группы клиентов, относительно удовлетворенных коммутируемым доступом, а количество сессий лучше всего подходит для разделения на подгруппы клиентов, планирующих переход на широкополосный доступ.

Вторая развилка позволяет нам лучше понять причины оттока. Слева – клиенты, обращавшиеся с запросом, но редко пользующиеся услугами (менее 9,5 сеансов связи в месяц), на 338 % (17,6 % / 5,2 %) чаще склонны расстаться с компанией, чем основная масса клиентов. Они прицениваются к разным предложениям на рынке и не удовлетворены услугами коммутируемого доступа; именно на них надо нацеливать кампании маркетинга вовлеченности и лояльности. Для клиентов в той же ветви (обратившиеся с запросом), пользующихся услугами чаще (более 9,5 сеансов связи в месяц), вероятность расставания только на 160 % (8,3 % / 5,2 %) выше, чем в среднем по выборке.

Рис. 9.3. Дерево решений SAS Enterprise Miner для компании EarthLink

В каждой ячейке приведена доля клиентов, которые остаются с компанией (0) и расстаются с ней (1) в течение 60 дней, а N – количество клиентов в каждой группе

Источник: Сэм Макфол, EarthLink

Для клиентов, не обращавшихся с запросом о предоставлении услуг широкополосного доступа (правое ответвление на рис. 9.3), самая важная переменная – количество почтовых ящиков на WebMail. Клиенты, у которых нет ящиков (один ящик на двоих или более пользователей не считается), больше склонны к уходу по сравнению с общей базой (5,7 % против 5,2 %). Низкая вовлеченность приводит к высокому оттоку. Для клиентов с одним или несколькими ящиками на WebMail вероятность ухода практически наполовину ниже показателя для клиентской базы в целом (2,8 % в сравнении с 5,2 %). Они не ищут услуги широкополосного доступа на рынке и «привязаны» к электронной почте.

Дерево позволяет понять, на чем стоит сосредоточить маркетинговые усилия по удержанию клиентов: клиенты, которые обращаются с запросом и при этом редко пользуются услугами компании (мало сеансов связи в месяц), имеют самый высокий показатель оттока. По словам Стюарта Роузела: «Не стоит ждать, что клиенты перестанут размышлять о переходе на широкополосный доступ, однако вы можете снизить отток за счет нацеленных маркетинговых усилий, побуждающих их чаще пользоваться EarthLink и электронной почтой».

Каждые несколько недель EarthLink создает подобное дерево и выявляет конкретные группы клиентов с высоким риском ухода (модель подсказывает конкретные характеристики таких клиентов). Им EarthLink предлагает приятные и неожиданные решения: карты особо ценных клиентов, позволяющие получать скидки (например в Starbucks), приоритетный доступ к службе поддержки или даже предложение широкополосного доступа со скидкой. На рис. 9.4 показано влияние этих маркетинговых инициатив на уровень оттока для одной программы, направленной на клиентов, которые пользовались коммутируемым доступом. Отток за 30 дней сократился на 44 %, а за 120 дней – почти на 20 % в сравнении с контрольной группой, не получавшей маркетинговых предложений.

EarthLink также количественно оценивает влияние снижения оттока на финансы компании, в основном на текущую прибыль и пожизненную ценность клиента. В краткосрочной перспективе влияние от снижения оттока примерно на 30 % невелико, однако со временем и с учетом всех сегментов удержание клиентов приведет к 20-кратному повышению прибыльности. Иными словами, влияние маркетинга со временем станет еще более важным, будет приносить компании миллионы долларов чистой прибыли каждый месяц (и куда больше с точки зрения репутации как основы лояльности).

Рис. 9.4. Данные об оттоке за 30 и 120 дней в EarthLink для маркетинговой кампании по удержанию клиентов, пользовавшихся коммутируемым доступом

Источник: EarthLink

Затратная по времени регрессионная модель была заменена в EarthLink интуитивно более понятным методом дерева решений. Теперь создание десятков новых моделей занимает не недели, а считаные дни. Иными словами, у компании есть больше времени на анализ и интерпретацию данных, создание инноваций в области целевого маркетинга, разработку и реализацию стратегий в составе универсальных команд.

Однако кое-что в этом процессе заслуживает пристального внимания. Вот что рассказал мне Роузел:

Многие маркетеры при проведении подобного анализа часто совершают ошибку. В качестве контрольной группы для анализа эффективности своих мероприятий они берут всю клиентскую базу. Но она по своим характеристикам может довольно сильно отличаться от группы, на которую направлены ваши усилия, поэтому влияние может показаться незначительным. Чтобы оценить реальное влияние, нужно сравнивать клиентов, получивших предложение, с клиентами со схожими характеристиками, не получившими его. И тогда вы поймете, насколько велико влияние маркетинга.

С чего начала EarthLink? «Четыре года назад у нас уже была система показателей, однако измерения проводились для малой доли маркетинговых программ. Очевидно, что у нас отсутствовала культура маркетинга, основанного на данных. Вместо того чтобы проводить анализ и вникать в ситуацию, мы создавали кучу отчетов, на которые маркетеры не обращали внимания. Поэтому мы запустили процесс с нуля и применили более комплексный подход», – сказал Роузел. В EarthLink новая инициатива получила название TIAD: Today Is Another Day («Сегодня – новый день»). Суть ее была разъяснена сотрудникам всех подразделений. Программа позволила понять, каковы реальные потребности клиентов. Компания наняла талантливых аналитиков, чтобы решить проблему недостаточной квалификации, а кроме того, создала инструменты и инфраструктуру для поддержки аналитического маркетинга.

С помощью новых инструментов, позволявших изучать информационные массивы, аналитическая команда EarthLink смогла достичь хороших результатов. Маркетинг, направленный на удержание клиентов, позволил снизить отток более чем на 30 % по сравнению с контрольной группой. Анализ прибыльности показал, что использовавшиеся компанией каналы телемаркетинга до́роги и низкоэффективны, поэтому EarthLink переключилась на общение по электронной почте, что привело к значительному снижению затрат. Более того, значительно выросла доля отклика на предложения, поскольку компания направляла нужные предложения нужным клиентам в нужный момент. В совокупности операционные расходы на маркетинг снизились на 60 %, а его эффективность, соответственно, повысилась.

Эти победы привели к серьезным изменениям в организации маркетинга. В результате компания смогла от вопросов, основанных на данных («Какая доля потребителей от нас ушла?»), перейти к вопросам, связанным с сутью бизнеса: «Почему ушли клиенты этого типа?»; «Что мы можем сделать для снижения оттока?» и «Каким будет финансовый эффект от маркетинговых усилий?».

Крайне важным моментом для развития в EarthLink культуры маркетинга, основанного на данных, стало создание Совета по потребительскому опыту. Им управляет исполнительный комитет, состоящий из Роузела и других ведущих маркетеров и менеджеров по продукту, а также рабочей группы из 40 маркетеров компании. Совет устраивает ежемесячные совещания для обсуждения результатов предыдущих мероприятий, успешных примеров и новых моделей. «Работа Совета помогает нам регулярно проводить пилотные тесты, запускать кампании, измерять результаты и постоянно учиться чему-то новому», – сообщил Роузел.

Подводя итог, можно сказать, что дерево решений – отличный способ сегментировать клиентов и определять план дальнейших действий. Оно позволяет вам отвечать на массу вопросов, например: «Какие еще продукты и услуги покупают клиенты, приобретающие у нас данный продукт или услугу?»; «Какие события могут послужить для нас индикатором того, что потребитель купит новые продукты или услуги?»; «Какие события или действия клиента показывают, что он может уйти?». Затем начинаются расчеты. На основании данных, полученных от аналитиков, можно создать маркетинговые программы, нацеленные на конкретные группы клиентов с определенными характеристиками, или планы действий при наступлении определенных событий. Расчет моделей может производиться ежедневно, еженедельно, ежемесячно или в режиме реального времени при каждом взаимодействии клиента с вашей компанией (об этом я подробнее расскажу в следующем разделе).

Однако у большинства маркетеров нет навыков, необходимых для того, чтобы заниматься сбором данных и создавать запросы в программе типа SAS. Поэтому, скорее всего, придется нанять специалиста. Важно понять, в чем главные преимущества того или иного аналитического инструмента, как нужно интерпретировать данные и какие действия предпринимать. Сам процесс кажется сложным, но результаты просты и понятны. Я считаю, что экономический кризис – лучшее время для найма аналитика!

 

Сроки превыше всего: примеры маркетинга, основанного на событиях

 

Грамотное маркетинговое предложение, направленное нужным клиентам, может оказать на них серьезное воздействие. Модели предрасположенности, анализ потребительской корзины и дерево решений – инструменты, позволяющие провести гиперсегментацию и таргетинг. Однако главное начинается тогда, когда вы совмещаете аналитическое таргетирование и временну́ю привязку: клиент, у которого только что сломалась стиральная машина, будет куда более восприимчив (согласно измерениям уровня отклика и прибыльности) к предложениям о покупке нового аппарата, чем другой потенциальный клиент, только что купивший стиральную машину. Приведенные ниже кейсы наглядно покажут, как можно значительно улучшить свои результаты с помощью грамотно внедренного маркетинга, основанного на событиях.

Отступление: регрессия или дерево решений

Регрессионному анализу уделяется очень много внимания на программах MBA, посвященных методам принятия решений. Почему я о них умалчиваю? Суть регрессии состоит в выстраивании линейной модели для предсказания продаж – например, как производной функции от маркетинга и других входных параметров. Это отличный инструмент, если у вас есть много «чистых» данных и при этом вам несложно дать интерпретацию большому количеству переменных. Однако нехватка данных или их сильный разброс опасны для регрессии. Фактически в подобных случаях приходится отбрасывать значительную долю информации. В этом смысле деревья решений более гибкие, и их можно создавать и при недостаточности данных, и при большом их разбросе. Помимо прочего, регрессия предполагает наличие простой линейной модели, элементы которой не коррелируют между собой. Деревья же можно считать «непараметрическими». Данные четко не следуют математическому распределению, поэтому можно выделить степень взаимодействия между различными переменными и выбрать те из них, по которым лучше всего строить дерево, – то есть преодолеть две основные проблемы, присущие таким прогнозным моделям, как регрессия.

Разумеется, ограничения есть и у деревьев. Дерево может быть эффективным для анализа тестового набора данных, однако при введении нового набора данных смысл и логика теряются. Чтобы решить эту проблему, нужно провести некоторое количество тестов (с небольшими и крупными массивами данных). С этой задачей справляются многие алгоритмы создания деревьев. Вторая проблема в том, что результатом дерева становится ступенчатая функция – да или нет, высокие или низкие значения какой-то переменной, – а это значительно снижает достоверность прогноза. Регрессия – непрерывный процесс (что можно считать ее преимуществом), а большие деревья фактически подчиняются линейным функциям. Иными словами, если дерево можно разбить на достаточно большое количество уровней, оно способно отображать непрерывную функцию – в частности, именно поэтому дерево решений отлично подходит для анализа больших массивов данных.

Я не утверждаю, что регрессия – плохой метод. В сущности, она отлично подошла Meredith для маркетинга на основе модели предрасположенности с использованием электронной почты (причем оказалась гораздо более эффективной, чем дерево решений). Однако у дерева решений есть целый ряд преимуществ. Главное из них в том, что вам не нужны идеально «очищенные» данные, а результаты более наглядны для любого маркетера.

 

DirecTV

Компания DirecTV (годовой оборот 17 миллиардов долларов) – оператор спутникового телевидения. Она была основана в 1994 году как подразделение Hughes Electronics. На компанию работает 7500 сотрудников, и она предоставляет свои услуги примерно 18 миллионам жителей США и более чем 5 миллионам жителей нескольких стран Латинской Америки. Перед ней в определенный момент встала та же задача, что и перед компанией EarthLink: удержать клиентов из группы риска.

О проведенном компанией анализе я расскажу чуть ниже, пока же отмечу, что DirecTV удалось перевести маркетинг и обслуживание клиентов на новый уровень с помощью автоматизированной системы, позволяющей производить сбор и анализ данных в режиме, близком к режиму реального времени. В систему ежедневно загружаются данные примерно о 60 миллионах транзакций, а компания использует ее, например, для того, чтобы заблаговременно выявить клиентов, которые собираются позвонить и отменить ту или иную услугу. Созданные в компании модели позволяют специально сформированной команде сотрудников получать контактную информацию клиентов, готовых уйти, и та в течение считаных часов направляет специальные предложения, ориентированные на удержание.

Результаты работы оказались впечатляющими: DirecTV смогла удержать не меньше 25 % абонентов из группы риска, а общий показатель оттока снизился в 2008 году с 19 % в год до 16 % (что было самым низким значением в отрасли). Снижение годового оттока на 3 % кажется не особенно большим, однако для компании с годовым оборотом в 17 миллиардов долларов экономия составляет свыше 500 миллионов долларов в год.

 

Национальный банк Австралии

Обычно банки проводят массовые маркетинговые кампании. Чаще всего они не таргетированы и совершенно бесполезны. Более правильный подход – использование технологий для поиска новых возможностей. Например, один крупный банк начал анализировать счета своих клиентов и обнаружил беспроцентный вклад на сумму 160 тысяч долларов, который был довольно крупным для клиента. Банкир позвонил ему в течение 24 часов и обнаружил, что эти деньги были собраны его семьей и друзьями для запуска нового бизнес-проекта. Телефонный разговор завершился продажей клиенту контракта на обслуживание специального счета для малого бизнеса, открытием кредитной карты и кредитной линии.

Национальный банк Австралии (National Australia Bank, NAB) – лидер в области маркетинга, основанного на событиях, в области финансовых услуг. С годовым оборотом в 14 миллиардов долларов он занимает первое место в области розничного обслуживания в Австралии. В 2008 году он выиграл награду Национального центра маркетинга баз данных (National Center for Database Marketing) за мероприятия в области аналитического маркетинга, основанного на событиях. NAB ежедневно изучает свыше 2,7 миллиона событий для своих клиентов с помощью так называемых детективов событий (программных средств выявления событий). Это позволяет за год найти около трех миллионов возможностей для развития нового бизнеса. На основании этой информации банк ежегодно совершает около 500 тысяч звонков настоящим и потенциальным клиентам, и коэффициент отклика по ним превышает 40 %.

Интересно отметить, как NAB применяет эти принципы в недавно приобретенных банках, таких как Европейская группа Национального банка Австралии (включающая в себя Йоркширский банк и Клайдсдейл банк, работающие в Великобритании). Во всех этих банках до момента их покупки NAB процессы маркетинга и управления клиентами были нескоординированными. Кроме того, сотрудники не могли разобраться, кто в конечном итоге отвечает за клиента, – различные группы конкурировали, стараясь заполучить клиента с помощью разных предложений. Дублирование приводило к напрасной трате сил, а клиенты в результате оказывались в полном замешательстве.

NAB консолидировал данные о клиентах своих европейских банков в централизованное корпоративное хранилище, а затем использовал процессы сбора данных и аналитические инструменты для таргетирования и маркетинга, основанного на событиях. Банк выстроил систему координации сообщений по различным каналам, чтобы обеспечить бо́льшую последовательность и предотвратить дублирование. Цели маркетинговых кампаний были изменены и сфокусированы на потребностях клиентов, их поведении и CLTV. Предложения начали направляться клиентам своевременно, банк научился связываться с ними в течение 24 часов после поступления от них запросов, а маркетинг в целом стал более персонализированным.

Результаты оказались потрясающими. Доля отклика на маркетинговые предложения сразу же выросла в 30 раз (на 3000 %!). По мере того как банк настраивал и регулировал аналитические инструменты, используя подход гибкого маркетинга – быстрое тестирование и освоение, – отклик рос на 15 % в год. Отток клиентов снизился на 17 %, а координация входящих и исходящих запросов позволила повысить уровень отклика еще на 20 %. Более того, общее количество лидов снизилось на 22 %, однако при этом показатель их конверсии вырос на 15 % из-за улучшения качества.

 

Ping Golf

Рассмотрим компанию, которая получает прибыль только благодаря маркетингу. Ping производит клюшки для гольфа в соответствии с точными требованиями клиентов и осуществляет их доставку не позднее чем через 48 часов. Компания может менять цвет, длину, гибкость и тип рукоятки клюшек. Перед ней стоит непростая задача: в день она получает до 3000 заказов, количество ее активных клиентов превышает 10 тысяч, а распространением занимается около 20 дистрибьюторов – не говоря о необходимости управлять сборкой по принципу «точно в срок» (just-in-time). Проблема усугубляется тем, что для производства некоторых частей клюшки может потребоваться от 3 до 12 недель, а годовые продажи неравномерно распределены во времени – более 40 % продаж Ping происходят во II квартале.

Однако компании удается решать большинство проблем с помощью аналитических инструментов и хранилища, позволяющего обрабатывать данные в режиме реального времени. В колл-центре трудятся 15–20 торговых представителей, которые обрабатывают от 1000 до 3000 звонков в день (ежедневно оформляется около 2000 заказов). Система хранит около 12 миллионов серийных номеров для всех компонентов клюшек, то есть клиент может заказать точную копию имеющейся у него клюшки через колл-центр или интернет. Ответ в режиме реального времени позволил компании создать лучший в своем роде колл-центр и повысить показатель удовлетворенности клиентов. Таким образом, аналитические инструменты и грамотная инфраструктура хранилищ данных помогают не только внедрить маркетинг, основанный на событиях, но и значительно улучшить работу других подразделений.

 

Бизнес-кейс для аналитического маркетинга

Аналитический маркетинг чаще всего используется для более дорогих либо сопутствующих товаров и услуг или удержания (снижения оттока) клиентов. Такие виды маркетинговой деятельности приводят либо к количественно измеряемым новым продажам, либо (в случае снижения оттока) к получению доходов, которые при ином развитии событий компания не получила бы из-за ухода клиентов. Поскольку маркетинговая деятельность напрямую влияет на величину доходов, для этого случая вполне применим показатель финансового возврата на инвестиции в маркетинг.

В табл. 9.1 приведен пример расчета ROMI для аналитического маркетинга, позволяющий обосновать инвестиции. Этот шаблон позволяет оценить результаты маркетинга, направленного на продажу более дорогих продуктов, для компании с 400 тысячами клиентов. Клиенты компании подразделяются на три группы в соответствии с ценностью: «серебряные», «золотые» и «платиновые». Маркетинговые кампании разработаны таким образом, чтобы продавать более дорогие продукты и превращать «серебряных» клиентов в «золотых», а «золотых» – в «платиновых» (вы можете провести аналогичные расчеты, воспользовавшись шаблоном из сети). Верхняя часть шаблона ROMI в табл. 9.1Б представляет базовый вариант оценки степени влияния маркетинга в обычных условиях. Нижняя часть шаблона связана с аналитическим маркетингом и влиянием на результаты аналитической сегментации и таргетированного маркетинга.

Табл. 9.1. Шаблон ROMI для аналитического маркетинга: А – предположения; Б – анализ ROMI. Шаблон можно загрузить на странице

Аналитические инструменты влияют на повышение отклика на маркетинговые предложения (в данном случае предполагается 5 %-ный прирост) и повышение «доли кошелька» за счет продажи более дорогих продуктов и перехода клиентов в следующий по ценности сегмент. Затраты на хранение и обработку данных, а также аналитику (составляющие около 7 миллионов долларов) приведены в нижней части. Эти предположения – примерная оценка; вы можете подставить в шаблон собственные данные. Также несложно будет изменить сегментацию клиентов и сосредоточиться на продажах дополнительных или более дорогих продуктов либо снижении оттока для вашего бизнеса.

Показатели прироста отклика и доходов в результате аналитического маркетинга лучше всего получать из общеотраслевых источников. Предположения и прогнозы в шаблоне осторожные, хотя расходы и доходы могут быть значительными в сравнении с показателями ваших предыдущих кампаний. Расходы, связанные с инфраструктурой, зависят от размера клиентской базы и сложности требований, обусловленных спецификой бизнеса.

Шаблон, приведенный в табл. 9.1, подходит для анализа инвестиций любого масштаба. Например, вы можете начать с проекта с бюджетом в несколько сотен тысяч долларов и поработать лишь с частью данных о потребителях – для этого достаточно лишь изменить несколько цифр в нужных ячейках. Применение аналитики даже в случае небольшой клиентской базы приведет к реальным и измеримым последствиям. Если вы начнете с небольшого проекта, то сможете подтвердить или изменить свои изначальные предположения по мере получения новых данных. А результаты дадут вам больше уверенности, когда вы будете представлять анализ будущего ROMI от более масштабных акций. Интересный и подробный пример применения аналитического маркетинга и расчета финансового ROMI приведен в кейсе «ROI для проекта управления отношениями с клиентами в GST».

В нашем случае (см. табл. 9.1) IRR составляет 45,8 %, NPV – 4,9 миллиона долларов, а период окупаемости – меньше двух лет. Показатели ROMI свидетельствуют, что эта инициатива заслуживает инвестиций (NPV > 0, IRR > r, окупаемость < 2 лет). Однако, в соответствии с положениями главы 5, вам нужно провести анализ чувствительности и понять, к каким последствиям приведут лучший, худший и ожидаемый сценарии развития событий, где основными факторами риска выступают коэффициент отклика и рост затрат (а также, возможно, расходы, связанные с технологической стороной проекта). В следующей главе я расскажу, как создать технологическую инфраструктуру и грамотно взаимодействовать с IT-отделом в целях повышения гибкости маркетинга и активного управления рисками.

 

Выводы

• Маркетинг, основанный на событиях, позволяет перевести гибкий маркетинг на более высокий уровень. Используйте аналитические инструменты, чтобы нацелить правильное предложение на нужных клиентов в нужный момент, а затем и повысить коэффициент отклика в пять и более раз.

• Есть три основных метода аналитического маркетинга: модели предрасположенности, предсказывающие вероятность покупки; анализ рыночной корзины, обеспечивающий ассоциативные правила (ответ на вопрос «Какие еще продукты приобретают клиенты, купившие наш товар?»); дерево решений, которое позволяет производить гиперсегментацию, основанную на характеристиках потребителей.

• Аналитический маркетинг позволяет легко измерить основные финансовые показатели ROMI: чистую приведенную стоимость, внутреннюю норму доходности и окупаемость – для проектов, основные цели которых – повышение уровня отклика на маркетинговые предложения и повышение прибыли вследствие роста продаж или заказов.

 

Я неоднократно подчеркивал, что вам не нужны многомиллионные инвестиции для запуска инфраструктуры маркетинга, основанного на данных. Вначале можно использовать Microsoft Excel. Но наверняка вам этого будет мало. Однако если вы спросите меня: «Какая инфраструктура нужна для внедрения новой модели маркетинга?» – я отвечу: «Все зависит от конкретных условий».

Если, например, цель в том, чтобы контролировать вопросы цикла покупки с применением сбалансированной системы показателей: осведомленности о бренде, удовлетворенности клиентов, тест-драйва, коэффициента отклика, показателей ROMI и интернет-показателей – вы можете начать с таблиц в Excel или даже бумажных карточек.

Однако если вы хотите активно управлять оттоком клиентов, заниматься маркетингом, основанным на пожизненной ценности клиента, и/или маркетингом, основанным на событиях, то хранилища данных и аналитическая инфраструктура необходимы. Что вам нужно и сколько придется за это заплатить? Все зависит от конкретных условий. Попробуем разобраться в этом вопросе.

 

Какие данные вам действительно необходимы?

В самом начале разговоров о маркетинговых базах данных и технологиях мне всегда задают вопрос: «Какие данные мы должны помещать в хранилище?». Я считаю такую постановку вопроса неверной. В данном случае лучше спросить: «Каковы требования моего бизнеса?». Иными словами, вам нужно понять, на какие вопросы нужно найти ответ и для какого количества клиентов. Необходимые вам данные (и требования к ним) будут определяться вашими бизнес-целями.

Для авиакомпании правильный вопрос мог бы звучать так: «Какое количество людей в возрасте от 30 до 49 лет, часто пользующихся нашими услугами, перестало летать из Чикаго в Вашингтон и обратно в прошлом месяце? Почему? Для каких сходных с ними клиентов с высокой ценностью высока вероятность расставания с компанией? Какое влияние могут оказать на них маркетинговые мероприятия, направленные на снижение оттока?». Ответ на первый вопрос требует проведения поиска по всем клиентам, в результате которого компания может выявить целевую группу потребителей. Последующие вопросы требуют еще больше данных. В частности, помимо информации о полетах и демографических данных, нужно определить ценность клиента, а это требует сбора данных по всей компании.

Рис. 10.1. От информации к действиям

Каждый связанный с бизнесом вопрос обычно приводит к целому каскаду новых вопросов (рис. 10.1). Например, если вопрос звучит так: «Сколько клиентов отказалось от той или иной услуги в прошлом месяце?», то ответ может быть конкретным, например 0,5 %. На первом этапе мы пытаемся понять, что же произошло. Затем мы стараемся выяснить причину отказа от услуги. На третьем этапе мы пытаемся предсказать, что произойдет в будущем. Для этого нужно ответить на вопрос: «Сколько клиентов, скорее всего, откажутся от услуги по той же причине?». Этот вопрос обусловливает ряд мер, направленных на получение нужных данных, а затем и решений, основанных на полученной и обработанной информации.

Расчет показателя CLTV требует данных о затратах и доходах по всем точкам контакта с клиентами. В розничной торговле это магазины, интернет, каталоги, дилеры и т. д. Для затратной части уравнения вам нужно знать расходы: стоимость производства, гарантийные затраты, затраты на обслуживание и возврат товаров, привлечение и удержание клиентов, скидки и т. п., а также маркетинговые расходы, связанные с отдельными клиентами (директ-мейл, рассылка по электронной почте, сайт и т. д.). Скорее всего, они находятся в изолированных базах данных предприятия, называемых «витринами данных». Поэтому для ответа на маркетинговые вопросы необходимо свести всю эту информацию в центральную базу данных или корпоративное хранилище данных (EDW) для последующего анализа.

На рис. 10.2 приведена схема распределения в компании данных, необходимых для анализа CLTV. Здесь показано, каким образом все важнейшие с точки зрения прибыльности клиента данные накапливаются в различных функциональных зонах бизнеса: они поступают из различных источников. Для анализа нужен доступ к этим данным и их интеграция, что само по себе может стать непростой задачей.

Рис. 10.2. Данные от различных подразделений, необходимые для расчета CLTV

Источник: Ричард Уинтер, www.wintercorp.com

Однако самое важное – грамотный процесс мышления. Поймите суть маркетинговой проблемы, которую вы пытаетесь решить, и определите вопросы, на которые вам нужно получить ответ. Они определят инфраструктуру и набор необходимых данных. Существует целый ряд дополнительных факторов, влияющих на требования к управлению данными: и количество клиентов, и необходимая степень детализации данных, и сложность запросов и анализа, и необходимость в анализе непредсказуемых событий.

 

Какая инфраструктура вам нужна: одноэтажный фермерский домик или Эмпайр-стейт-билдинг?

Объем и инфраструктура хранилища, которое необходимо для маркетинга, основанного на данных, зависит от двух важных параметров: количества клиентов и сложности требований. Первая переменная напрямую связана с размером EDW: каждое взаимодействие с клиентом (покупки, звонки в колл-центр, возвраты продукта и т. д.) создает новые данные о нем. Для анализа CLTV эти данные нужно собирать за период 3–5 лет. Если клиентская база велика, объем хранилища также будет большим. Вторая переменная выступает как множитель для расходов на создание сложной инфраструктуры. В следующем разделе я расскажу об этом подробнее.

В табл. 10.1 сравниваются три организации различного размера по возрастанию уровня сложности. Пример приведен для ретейла, но та же схема может применяться в любом бизнесе. Для уровня сложности в данном случае будет уместна аналогия со зданиями – в табл. 10.1 инфраструктура маркетинга, основанного на данных, для компаний различного размера сравнивается с домиком фермера, офисным зданием среднего размера и небоскребом Эмпайр-стейт-билдинг соответственно.

На нижнем уровне находится региональный ретейлер с 10 магазинами и 100 000 клиентов. Насколько велико будет хранилище данных для компании такого размера? Не больше фермерского домика (согласно данным последней переписи в США, площадь обычного американского дома чуть больше 200 м²). Что касается объема данных, то для небольшого регионального ретейлера со 100 000 клиентов он составит 1 терабайт, то есть в среднем объем данных о каждом клиенте будет равен примерно 10 мегабайтам (1012 байт / 105 клиентов = 107 байт в расчете на клиента = 10 мегабайт в расчете на клиента), что представляется вполне реалистичным. Приобретение системы, способной хранить и обрабатывать такие массивы данных (при среднем уровне сложности анализа), потребует инвестиций в оборудование и программное обеспечение в размере 50 000–250 000 долларов. Величины расходов ориентировочны и представлены лишь для того, чтобы вы могли оценить порядок цифр.

Табл. 10.1. Инфраструктура хранилища данных – домик фермера против Эмпайр-стейт-билдинг

Источник: Ричард Уинтер, www.wintercorp.com , и Марк Джеффри, www.agileinsights.com

Ретейлер среднего размера соответствует в нашей системе офисному зданию площадью около 2440 м² (примерно в 12 раз больше фермерского домика). У него региональная сеть из 400 магазинов и 1 миллион клиентов. Объем данных для него составляет примерно 10 терабайт. Иными словами, у ретейлера среднего размера в 10 раз больше данных, чем у небольшого! Для таких объемов данных вам понадобятся и значительные мощности, и инфраструктура – это может обойтись в сумму 500 тысяч – 2,5 миллиона долларов, в зависимости от сложности анализа данных (опять же, примерно).

На третьем уровне располагается национальный ретейлер с 5000 магазинов и 100 миллионами клиентов. Здесь вполне уместна аналогия с Эмпайр-стейт-билдинг – зданием площадью свыше 200 000 м². Такое здание примерно в 1000 раз больше фермерского дома. В распоряжении национального ретейлера будут массивы данных объемом 1000 терабайт, то есть в 1000 раз больше, чем у местного ретейлера! Для работы со столь массивными объемами данных и запросов вам нужна настоящая инфраструктура промышленного масштаба стоимостью 50–250 миллионов долларов.

Вывод очевиден: разница в требованиях к системе, определяемая разницей в решаемых бизнес-задачах, может приводить к значительным последствиям; дом фермера ничуть не похож на Эмпайр-стейт-билдинг, а инфраструктура стоимостью в несколько сотен тысяч долларов – не то же самое, что инфраструктура стоимостью несколько сотен миллионов. Ричард Уинтер, СЕО WinterCorp и эксперт в области дизайна и архитектуры масштабных хранилищ данных, рассказал мне следующее:

Бизнесмены должны понимать масштаб и сложность хранилищ данных, создаваемых для них (примерно как в случае финансирования строительства здания). Они должны представлять себе, предполагает ли проект строительство дома для престарелых или башни Сирс [49]  – соответственно, дизайн, техническое проектирование и конструкция будут разными. К сожалению, хранилища данных физически не ощутимы, и руководители порой затевают проекты, напоминающие по сложности и масштабу башню Сирс, при этом представляя себе, что строят обычный дом престарелых… Тут-то и возникают проблемы.

Самая сложная ситуация возникает в том случае, если ваша команда IT-отдела раньше строила только фермерские дома. Старая поговорка гласит, что, когда у вас есть только молоток, все вокруг напоминает гвоздь. Это справедливо и в отношении IТ: если вы умеете строить только деревенские дома, то ваша IT-система, обслуживающая маркетинг, тоже будет напоминать такой дом. И здесь возникает проблема масштабируемости: сможет ли система работать после добавления в нее новых клиентов? Если система хорошо работает с несколькими клиентами, будет ли она так же эффективно работать с сотнями?

Ошибка, связанная с невозможностью масштабирования, возникает очень часто, а ее последствия получают широкую огласку. В 2001 году AT&T начала брендинговую кампанию для mLife, пакета услуг мобильной связи. Кампания, запущенная в период проведения Суперкубка по американскому футболу в 2001 году, обошлась фирме более чем в 20 миллионов долларов. Телевизионные ролики были очень простыми: адрес сайта на белом фоне. Однако в итоге более 100 миллионов зрителей Суперкубка ожидало разочарование: когда на сайт зашло одновременно огромное количество пользователей, он рухнул, и никто не смог понять ни что такое mLife, ни каким образом сайт связан с AT&T. Так погиб только что родившийся бренд. Это классический пример того, что происходит, когда сотрудники отдела маркетинга не общаются с IT-специалистами.

Приведу еще один пример. Специализированная сеть продуктовых магазинов, включавшая несколько сотен магазинов с годовым доходом более 10 миллиардов долларов, решила внедрить новую систему для снижения числа ситуаций нехватки товара на складе. Ретейлер, торговавший свежими натуральными продуктами, знал из результатов исследования рынка, что снижение дефицита на складах помогает значительно повысить и прибыльность, и уровень удовлетворенности клиентов. Идея состояла в том, чтобы анализировать данные о запасах в каждом магазине и вычислять, какие продукты необходимо довозить каждый день (свежие фрукты, йогурт, рыбу, говядину и т. п.). Магазины начинали работу каждый день в 9 утра, а с полуночи до 5 утра грузовики загружались на центральном складе, чтобы товары попали в магазины уже к 6 часам.

Создав EDW, IT-команда поняла, что возможностей используемой системы хватает только на обработку данных по одному магазину (причем процесс будет длиться всю ночь). Однако компании нужно было решение, способное просчитать данные по сотням магазинов за три часа (с 9 вечера до полуночи). Управленческая команда неправильно поняла требования. Система была логически верной, однако не могла выполнять свою функцию: никто не подумал о том, чтобы просчитать объем мощности, необходимый для управления значительными массивами данных. Как рассказал мне Уинтер:

Проблемы с масштабируемостью хранилищ данных возникают в самый неподходящий момент. Они могут появиться на этапе проектирования или создания технических решений – часто из-за того, что требования к системе слишком расплывчаты или платформа выбрана неверно. Однако вы не узнаете о проблеме до момента полной загрузки системы. Проблемы с масштабируемостью, которые выявляются на ранних этапах, легко исправить, однако проблемы, возникающие на поздних этапах, способны уничтожить проекты, карьеры и целые фирмы.

Вы как руководитель маркетинговой команды можете испытывать серьезные проблемы при работе с IT, так как, скорее всего, это не ваша область. В каком-то смысле владельцы бизнеса, где применяется маркетинг, основанный на данных, напоминают владельцев футбольных клубов. Владельцы не тренируют футболистов. Они только оплачивают счета, но при этом им нужны результаты, чтобы продавать билеты на стадионы.

Как же маркетеру решить эту задачу? Предлагаю обратиться к теме, которая хорошо знакома специалистам по маркетингу. Что если кто-то из сотрудников вашей компании представляет вам нереальный план продаж? Скорее всего, вы начнете задавать вопросы, позволяющие понять, каким образом он хочет достичь желаемой цели: каковы прогнозы, что говорят данные исследований рынка, какие меры предпринимаются для реализации плана и т. п.

То же справедливо для инфраструктуры маркетинга, основанного на данных.

Если вам сложно найти общий язык с IT-командой, попросите ее представить вам собственный план создания программы для обработки большого массива данных. В приведенном выше примере (дефицит на складе ретейлера) маркетер должен задать команде вопрос: «Способны ли вы собрать данные со всех 500 торговых площадок, импортировать их в EDW и проанализировать к полуночи, с тем чтобы мы могли загрузить грузовики продуктами к 5 утра?». Пусть она предоставит инженерные выкладки, показывающие, что это возможно. Можно также попросить независимых экспертов оценить представленный план.

Вам, как и владельцу футбольного клуба, необходимо знать, что ворота установлены в правильном месте на поле, что команда решает грамотно поставленную задачу и у нее есть разумный план по перемещению мяча в нужном направлении и зарабатыванию очков. Следовательно, вы должны принимать во внимание масштаб решаемых проблем, а это даст возможность понять, нужна ли вам инфраструктура размером с домик для фермера или Эмпайр-стейт-билдинг. Как я уже говорил, технологии для маркетинга, основанного на данных, – слишком важный вопрос, чтобы оставлять его на откуп IT-отделу.

 

Сложность требований

Объем клиентской базы определяет размер хранилищ данных для маркетинга, основанного на данных. Второе важное измерение – степень сложности требований. На рис. 10.3 приведена методика, позволяющая понять, какая инфраструктура хранилища данных нужна (с учетом этих измерений). Как я уже говорил в предыдущем разделе, сложность требований к данным определяется тем, какие вопросы вы хотите задать и какие ответы получить.

Низкой степени сложности соответствует модель, приведенная на рис. 10.4. В данном случае нужно ответить на достаточно простые вопросы: какие продукты, где и когда продаются в ваших магазинах. Анализ проводится по одному набору фактов (данным о продажах) и четырем аналитическим измерениям: продукты, клиент, магазин и дата. Анализ в данном случае довольно прост, его можно провести за ночь. Если другая информация вам не нужна, то создание системы для небольшой клиентской базы («фермерского домика») обойдется недорого. В случае большой клиентской базы можно без особых проблем масштабировать инфраструктуру с помощью простой модели, изображенной на рис. 10.4. В данном случае, невзирая на большой объем данных, анализ достаточно прост. Вы работаете с единственной таблицей и вполне можете воспользоваться для этой цели обычными программами для витрин данных.

Рис. 10.3. Сложность требований

Рис. 10.4. Связи между данными для ретейла с низким уровнем сложности

Источник: Ричард Уинтер, www.wintercorp.com

Что это за оборудование? Оно помогает создать недорогую информационную систему, способную выполнять одну-единственную функцию (подобно микроволновой печи на вашей кухне, которая только разогревает еду). Витрина данных для маркетинга требует сравнительно простой модели, наподобие приведенной на рис. 10.4; при этом она способна обрабатывать большие массивы данных. Этот пример с небольшой сложностью и большим объемом данных соответствует верхнему левому квадранту на рис. 10.3. В данном случае вместо домика для фермера вы строите большую, но простую структуру. Например, огромную парковку, для повышения емкости которой нужно добавить дополнительные места.

Сложность требований возрастает, когда компании для принятия решений нужны данные из различных источников, а их обработка носит нелинейный характер. На рис. 10.5 приведен пример модели расчета данных для CLTV в области ретейла. В данном случае имеется и масса сложностей с точки зрения аналитики, и различные, не связанные между собой наборы фактов, и сложная паутина взаимосвязей (что вполне нормально для сложных моделей).

Рис. 10.5. Сложные взаимосвязи, учитывающие пожизненную ценность клиента

Источник: Ричард Уинтер, www.wintercorp.com

С точки зрения масштабов инфраструктуры сложность требований может оказаться значительно более важной, чем количество клиентов. Нижний правый квадрант на рис. 10.3 соответствует сравнительно небольшому количеству клиентов, однако работа в нем связана с серьезными сложностями. В качестве примера приведу известную мне крупную производственную компанию из списка Fortune 500 с миллионом B2B-клиентов. Объем данных, связанных с этими клиентами, составлял всего 1 терабайт, то есть в случае низкой сложности требований инфраструктура могла бы представлять собой «фермерский дом».

Однако в компании работало около 10 тысяч продавцов, а ее философия состояла в том, чтобы сохранять контакт с менеджерами фирм-клиентов даже в случае их перехода на другую работу или в другую компанию.

У этого подхода есть важные преимущества: с его помощью продавцы могут со временем создать с клиентами глубокие и крепкие отношения. Но, с другой стороны, это обусловливает крайне сложную схему взаимодействий, поскольку продавцы управляют множеством различных продуктов и отношениями со многими клиентами.

В этом примере миллион клиентов создавал 1 терабайт прямых данных, а сложные и разносторонние отношения с ними – еще 10 терабайт производных. Иными словами, вследствие сложности отношений реальный объем данных составил 11 терабайт. Откуда же возникла эта сложность? Свою лепту внесли и перемещения внутри 1 миллиона корпоративных клиентов, и 10 тысяч продавцов, и более 100 тысяч записей, связанных с различными взаимодействиями, и более 10 тысяч продуктов, и т. д. Если вы спросите: «На какой объем продаж продукта Y в регионе X мы можем рассчитывать в этом квартале?» (вопросы, связанные с территорией, продуктом или клиентами, обычно считаются простыми) – то для этой компании ответ будет крайне сложным из-за большого количества перемещений клиентов.

Кроме того, сложность возрастает примерно в 10 раз, если компании требуется получать данные в режиме реального времени – например, проводить анализ CLTV «на лету» и использовать его в работе колл-центра, как в Королевском банке Канады (см. рис. 6.5). Верхний правый квадрант на рис. 10.3 представляет собой Эмпайр-стейт-билдинг в области инфраструктуры: большое количество клиентов и сложные требования. Такая инфраструктура для маркетинга, основанного на данных, обойдется в 50–250 миллионов долларов.

Возможно, вы уже запутались в битах, байтах, передаче данных, скоростях и многомиллионных инвестициях. Но именно они ключ к победе. Нужно заранее продумать модель работы с данными – точнее, необходима масштабная картина, основанная на том, какие ответы вы хотите получить. Именно требования бизнеса покажут вам, какого рода инфраструктуру следует создавать: фермерский домик или Эмпайр-стейт-билдинг. Однако не стоит строить небоскреб с нуля. Большинство известных мне успешных компаний начинали с малого: они понимали, как должна выглядеть итоговая модель, но создавали ее постепенно, одну таблицу за другой, применяя принцип 80/20 (сначала обрабатывали 20 % данных, которым соответствует 80 % ценности). Поэтому первый цикл модели может быть достаточно простым (наподобие приведенного на рис. 10.3). Достигнув успеха в малом, вы сможете вносить новые данные и усложнять модель (см. рис. 10.4).

Поэтому, если вашей компании действительно нужна сложная модель, наподобие приведенной на рис. 10.4, необходимо спланировать все шаги заранее. Например, сайт Amazon.com начинал с продажи книг через интернет (большое количество разных ассортиментных позиций, которые сравнительно легко складировать и транспортировать). Однако когда он по мере роста стал продавать и товары иного рода, архитектуру системы менять не пришлось – все было уже запланировано заранее.

 

Перенести данные или изменить архитектуру для нового хранилища?

В 1995 году Continental Airlines имела 45 различных баз данных. Их объединение в централизованное хранилище позволило экономить по 5 миллионов долларов в год. Экономия была обусловлена рядом факторов: меньшее количество контрактов с поставщиками баз данных, сокращение времени на переговоры с ними, меньшая площадь для оборудования (а соответственно, сокращение накладных расходов). Однако, что важнее всего, для обслуживания этого «монстра» требовалось меньше администраторов. Объединение различных баз данных в единое хранилище называется консолидацией витрин данных; понятно, за счет чего складывается экономия в рамках этого процесса. Однако здесь возникает дилемма: переносить данные в текущем формате или изменять их архитектуру для новой системы?

Миграция данных означает, что вы перекачиваете данные из существующих мелких баз в большое хранилище. Если у вас есть 50 независимых витрин данных, внутри единого консолидированного хранилища разместятся 50 независимых баз данных. Это приведет к снижению расходов на обслуживание системы, но сами данные никак не изменятся. Однако в этом случае вы, как и раньше, не сможете дать ответы на важные вопросы, стоящие перед компанией.

Почему это важно? Многие руководители маркетинговых подразделений в разговорах со мной жаловались, что новое хранилище данных в их компании не дает им возможности получить ответы на самые простые маркетинговые вопросы. В чем же была проблема? Отдел IT увлекся идеей экономии расходов за счет консолидации данных в одном крупном хранилище, но не обратил внимания на суть проблем бизнеса: чтобы получить целостную картину, необходимо было изменить архитектуру данных.

Новая архитектура предполагает необходимость продумать все сложные взаимосвязи и оптимизировать модель данных так, чтобы она могла отвечать на самые важные для маркетинга вопросы. Разумеется, изменение архитектуры приводит к росту расходов, однако это с лихвой компенсируется новыми преимуществами. Однажды я рассчитал финансовые последствия двух вариантов работы (простой миграции данных или изменения архитектуры) для крупного финансового учреждения. Оказалось, что решение, основанное на новой архитектуре, позволяет повысить NPV в три раза!

 

Что может пойти и пойдет не так (если вы не будете осторожны)

На обочине бизнеса покоятся останки масштабных IT-проектов, потерпевших крах (и проекты хранилищ данных не исключение). По оценкам Standish Group, ежегодно отслеживающей состояние тысяч IT-проектов, не менее 72 % проектов не завершаются в срок или в рамках оговоренного бюджета. Иными словами, вероятность того, что система с самого начала будет работать, как задумано, составляет всего 28 %. Что касается EDW, то здесь ситуация выглядит еще менее радужной: Барбара Уиксом и Хью Уотсон обнаружили, что, по словам 55 % руководителей, новая система хранения данных не может обеспечить необходимые результаты.

Статистика выглядит удручающе: впору задуматься, нужно ли вам хранилище данных для маркетинга в принципе. Однако основные причины неудач хорошо задокументированы, и вот какие основные факторы риска были отмечены Уиксом и Уотсоном:

• Отсутствие сосредоточенности и ви́дения – общие цели усилий по развитию EDW недостаточно хорошо определены.

• Отсутствие поддержки (в том числе финансовой) со стороны высшего руководства.

• Отсутствие «борца», способного продвигать проект и обеспечивать информацию, материальные ресурсы и политическую поддержку.

• Организационная политика и культурные вопросы.

• Недостаточность ресурсов – финансов, времени и/или персонала.

• Масштабируемость решения – компании строили «дом для фермера», хотя нуждались в Эмпайр-стейт-билдинг.

• Технологии – система может быть основана на новой и незнакомой технологии, либо изначально выбрано неправильное технологическое решение.

• Отсутствие навыков – команде, занимающейся внедрением, недостает навыков и знаний для работы с системой. Для удачного запуска масштабных проектов в области EDW нужны отличный менеджер проекта и опытная команда технологов.

• Качество уже имеющихся баз данных – как ни странно, это довольно серьезная проблема (я расскажу о ней чуть ниже).

• Расчет на внешние ресурсы – зачастую работа перекладывается на плечи внешних подрядчиков, а IT-команда принимает результаты. На самом деле маркетерам может быть нужно что-то отличное от того, что предлагает подрядчик. В ряде случаев внутренней IT-команде не удается поддерживать предложенную подрядчиком систему в рабочем состоянии.

• Изменения, связанные с навыками персонала и уходом отдельных сотрудников, – иногда в разгар работы над крупным проектом уходят ключевые сотрудники. Если в работе участвует внешний подрядчик, то проблему можно решить с помощью контракта на оказание консультационных услуг.

• Неучастие конечных пользователей – эта проблема может быть связана с плохим знанием их потребностей. Если отдел маркетинга не вовлечен в работу, то IT-проект по созданию хранилища для маркетинга, основанного на данных, оказывается мертворожденным.

• Отсутствие обучения и тренингов – система создана, однако пользователи не знают, как ее грамотно применять.

Проверьте свой проект по всем этим пунктам. Все эти риски серьезны, но наиболее опасны отсутствие ви́дения и поддержки руководства, политические игры, отсутствие ресурсов, неспособность к масштабированию и низкое качество базы данных. Проблема отсутствия ви́дения удивительна, но возникает очень часто. Я встречал руководителей компаний из списка Fortune 500, которые тратили более 30 миллионов долларов на создание EDW, но при этом не задумывались над тем, что будут делать с данными, когда те окажутся в их распоряжении. Вот почему так важно начинать с небольших проектов и обучаться в процессе их реализации. Перед тем как приступать к строительству «небоскреба», нужно четко сформулировать стратегию маркетинга, основанного на данных.

Качество данных – особенно сложный вопрос. Если вы работаете в крупной организации, то, скорее всего, данные хранятся во множестве баз и в различных форматах. Для каждого клиента у вас есть различные записи, данные и описания. Кроме того, одни и те же вещи могут называться по-разному. В целом работа по очистке данных, извлечению нужных и их загрузке в EDW может оказаться сложной и затратной. Например, одна компания проанализировала свои 70 систем, в которых хранились данные о потребителях. Оказалось, что для 20 миллионов клиентов у нее было 200 миллионов уникальных идентификационных кодов!

Маркетеры авиакомпании Continental Airlines решили рассылать особо ценным клиентам благодарственные письма на день рождения и указывать количество лет, проведенных с компанией. Очистка данных для этой кампании оказалась нетривиальной задачей: помимо того что форматы дат в Европе и США различаются, оказалось, что данные о новых клиентах отслеживались лишь с конца 90-х.

Разумеется, я не хочу вас пугать. Моя задача в том, чтобы вы приступили к созданию масштабной инфраструктуры для маркетинга, основанного на данных, понимая суть вопроса. У вас не получится решить проблему сразу. Если рассматривать вопрос очистки данных, то даже если у вас имеется 150 предметных областей, вы можете выделить некоторые из них и понять, что вы хотите с ними делать. Можно гарантировать возникновение проблем с дублированием данных, их отсутствием, неправильным форматом или единицами измерения и т. д. Прежде всего выявите суть проблемы, а потом сосредоточьтесь на интеграции нескольких информационных источников – например, объедините три вида данных в течение первых шести месяцев. Главное – постепенно обеспечивать нарастающую ценность и четко следовать плану движения к цели.

Инженеры и технологи склонны интегрировать данные логичным и последовательным способом. Проблема в том, что такой порядок может быть не лучшим решением для бизнеса. Например, если у вас возникла проблема с клиентами в Висконсине, то в первую очередь нужно интегрировать и анализировать витрины данных именно по этому региону. Не оставляйте эти вопросы на откуп IT-специалистам!

Специфика работы с таким «монстром» предполагает политические игры. Любое хранилище работает с данными со всего предприятия, и для успеха необходимо, чтобы все ключевые игроки в различных подразделениях предоставили свои данные. Не исключено, что начнутся битвы за территорию и прочие интриги – в результате многие пользователи не захотят пользоваться системой, возникнут сложности с интеграцией данных и нехватка ресурсов для работы. Вот почему в данном процессе так важны лидерство и поддержка топ-менеджмента.

В главе 2 я рассказал о пяти барьерах на пути к маркетингу, основанному на данных, стратегиях преодоления политических разногласий и получении поддержки руководства. Цель в том, чтобы одержать быструю победу, показать убедительные результаты и использовать их для получения поддержки дальнейших инициатив со стороны руководства. Ниже приведен детальный пример того, как компания Harrah’s Entertainment смогла постепенно выстроить инфраструктурный Эмпайр-стейт-билдинг в отрасли азартных игр.

 

Harrah’s Entertainment: создание инфраструктуры маркетинга, основанного на данных

Игра в казино – любимое развлечение многих миллионов американцев. Harrah’s Entertainment – крупнейшая в мире компания в этой индустрии. Она владеет и управляет деятельностью более 50 казино (под брендами Bally’s, Caesars, Harrah’s, Horseshoe и Rio), в основном в США и Великобритании. В ее структуру входят казино в гостиницах, портах, на речных лайнерах и целый ряд игорных заведений в индейских резервациях. В 2005 году Harrah’s приобрела своего конкурента Caesar’s Entertainment за 9,4 миллиарда долларов в виде материальных активов, акций и долгов. Эта сделка укрепила ее позиции как мирового лидера в области азартных игр, более крупного, чем компания, возникшая в результате слияния MGM Mirage / Mandalay. Harrah’s была приобретена компаниями, аффилированными с инвестиционными компаниями TPG Capital и Apollo Global Management, за счет заемных средств в 2008 году. В годы, предшествовавшие покупке Apollo/TPG, когда Harrah’s была публичной компанией, ей удалось достичь невероятного успеха. Она создала инфраструктуру маркетинга, основанного на данных, признанную уникальной (и не только в своей отрасли). Я расскажу вам, как компании удалось создать уникальную инфраструктуру до 2004 года. Из этой истории вы сможете извлечь важные уроки.

В начале 90-х Harrah’s быстро расширялась, поскольку несколько штатов США смягчили законы в области азартных игр; однако к середине 90-х столкнулась с ростом конкуренции на большинстве своих рынков. Руководство приступило к формулированию новой стратегии маркетинга, основанного на данных и лояльности клиентов.

Harrah’s имеет целый ряд важнейших конкурентных преимуществ в отрасли азартных игр США: у нее был и есть самый большой географический охват. Майкл Портер говорил, что устойчивое конкурентное преимущество создается с помощью сочетания действий, которые сложно скопировать. В случае Harrah’s потенциально важным устойчивым конкурентным преимуществом было присутствие в определенном регионе. Однако было непонятно, как именно извлечь из этого доход.

В середине 90-х Фил Сатр, CEO Harrah’s, и Джон Буши, старший вице-президент по маркетингу и руководитель информационной службы, поняли, что у них есть отличная возможность для привлечения игроков сразу на нескольких рынках одновременно (чтобы они играли в разных заведениях по всей стране). Согласно демографическим данным США, примерно один из четырех взрослых жителей играет в казино не реже одного раза в год, а один из четырех игроков играет по нескольку раз в год в разных регионах. Скажем, клиент живет в Филадельфии и пару раз в год выезжает в Атлантик-Сити, где играет в казино, принадлежащем Harrah’s. Кроме того, раз в год он ездит в Лас-Вегас и пару раз в год – в Новый Орлеан, чтобы повидаться со старыми друзьями и членами семьи. Во время каждой из этих поездок он с удовольствием проводит несколько часов в казино.

Но если клиент Harrah’s приходит в принадлежащее компании казино в Атлантик-Сити, это еще не значит, что он будет посещать ее заведения и в других городах. Например, в Лас-Вегасе есть множество интересных объектов, принадлежащих конкурентам: Bellagio со знаменитым фонтаном; Mirage, перед которым выстроен извергающийся вулкан; и Luxor, имеющий форму египетской пирамиды. Принадлежащее Harrah’s казино Las Vegas выглядит куда менее впечатляюще: перед его входом не стоят привлекающие внимание посетителей пиратские корабли или что-нибудь в этом роде.

В главе 9 я рассказал вам о Lowe’s. Велика вероятность, что после строительства террасы покупатель захочет приобрести гриль. Схожий случай был и в истории Harrah’s. Сам факт, что вы купили у Lowe’s материалы для строительства террасы, еще не значит, что гриль вы приобретете в этом же магазине – их продают и другие торговые точки. Задача была в том, чтобы отправить таргетированное маркетинговое сообщение этим покупателям вскоре после того, как они приобрели материалы для постройки террасы.

Схожая идея легла в основу концепции Harrah’s, которая использовалась для создания инфраструктуры маркетинга, основанного на данных. Если бы компании удалось определить ценность каждого клиента и узнать, кто в каких регионах играет, то она могла бы легко таргетировать свои усилия и побудить клиентов к посещению своих заведений в разных городах. Кроме того, имея на руках данные о ценности клиентов, Harrah’s могла бы проводить целевые мероприятия по удержанию самых важных из них. Важность данных для развития новой стратегии была четко озвучена в 1996 году на собрании директоров, посвященном ви́дению и миссии компании в 2000-е годы: «Harrah’s доминирует в индустрии казино. У нас самые конкурентоспособные системы и процессы. Все начинается с отличной базы данных, позволяющей нам воспринимать каждого клиента как отдельную личность».

Harrah’s первой в отрасли создала «карты частых посетителей», получившие в наши дни новое название – Total Rewards. Первый вклад в развитие инфраструктуры (20 миллионов долларов) состоял в объединении в общую сеть всех слот-машин и POS-терминалов в казино, а также в привязке данных об отдельных транзакциях к уникальным номерам клиентов в системе Total Rewards. Затем для каждого клиента был рассчитан показатель CLTV, основанный не только на величине его реальных выигрышей и проигрышей, но и (что еще более важно) на теоретической величине доходов, которые приносит «перевес казино», и на том, как много клиент играет.

Оказалось, что величина реальных выигрышей или проигрышей в азартных играх не может считаться достаточно точным показателем CLTV в казино вследствие присущего азартным играм элемента случайности. Однако в силу «перевеса казино», «зашитого» в механизм работы слот-машин, у казино есть определенные теоретические шансы на выигрыш. Они равны ожидаемой величине доходов от каждой игры посетителя с учетом установленного для нее «перевеса казино». Одна из инноваций Harrah’s в то время состояла в том, что компания использовала для расчета CLTV теоретические шансы клиента на выигрыш, а не реальные показатели его выигрыша или проигрыша, которые во многом обусловлены случайностью.

Вскоре после посещения заведений Harrah’s клиенты, у которых величина показателя CLTV превышала установленный минимум, получали таргетированные маркетинговые предложения, стимулировавшие их играть в разных казино по всей стране. Чем выше был показатель CLTV, тем более выгодные предложения делались клиентам. Результаты оказались впечатляющими: за следующие пять лет эти клиенты начали играть в разных казино страны на 68 % чаще, а инвестиции в маркетинг, основанный на данных, обеспечили 24 % возврата (с учетом затрат на маркетинговое предложение). Это было первой большой победой, позволившей создать импульс для дальнейших шагов в области маркетинга, основанного на данных.

К 1998 году Harrah’s уже имела консолидированную базу данных о клиентах и последовательные данные о действиях каждого клиента за три года. Информация однозначно свидетельствовала о том, что клиенты начали чаще играть в разных казино. Гари Лавмен, прежде консультировавший компанию, стал в 1998 году исполнительным директором Harrah’s (а в 2003 году был назначен на пост CEO). Сатр, Буши и Лавмен своевременно увидели открывшуюся перед ними невероятную возможность и смогли использовать огромный массив данных о клиентах для перевода бизнеса Harrah’s на качественно новый уровень.

Решив задачу стимулирования более частой игры клиентов в различных казино, Harrah’s решила перейти к многоуровневой программе повышения лояльности. В 1999 году компания разработала три уровня («золотой», «платиновый» и «бриллиантовый») для программы Total Rewards. В зависимости от уровня клиенты получали разные наборы услуг и бонусов казино. Посетители заметили отдельные стойки регистрации и «бесплатные» фишки. Результатом стали структурные изменения ценности клиентов: компания стимулировала их чаще играть для перехода на новый уровень обслуживания. С учетом уже имевшейся инфраструктуры новая инвестиция составила 1,4 миллиона долларов, а рост ROI от этой деятельности – 35 %.

Потом компания решила задействовать сайт . Изначально она давала клиентам возможность бронировать гостиницу онлайн, что помогало снижать издержки и экономить на работе колл-центров, занимавшихся резервированием. Кроме того, клиенты могли распоряжаться накопленными по программе Total Rewards баллами онлайн и знакомиться со специальными предложениями. Harrah’s также организовала рассылку по электронной почте Play for Fun. Все это потребовало инвестиций в размере 9,9 миллиона долларов, а основная цель состояла в привлечении новых клиентов и организации бронирования гостиниц без участия персонала компании. Потребовалось создать новую инфраструктуру для увязывания систем, учитывающих результаты игры в казино, с данными из гостиниц и с сайта. Реальная величина ROI от этих действий составила 18 %. Эти первые три вида маркетинговой деятельности, основанной на данных (игра в разных казино, многоуровневая система Total Rewards и активное использование сайта), было довольно легко реализовать, и они принесли заметную и хорошо измеряемую отдачу. Далее Harrah’s начала работу над оптимизацией доходов от использования гостиничных номеров.

Вместо того чтобы назначать на все гостиничные номера одну и ту же цену, компания решила определять ее в соответствии с моделью управления доходами. Модель включала расчет прибыльности клиента из всех источников контакта с ним, внешних рыночных условий, количества свободных номеров и т. д. (рис. 10.6). Она следовала очевидному правилу: лучшие цены на номер получали клиенты, от которых ожидался самый высокий доход. Иногда компания зарабатывала самые большие деньги, бесплатно предоставляя «самым нужным» клиентам гостиничные номера.

Разумеется, для реализации этой идеи потребовалась новая система управления доходами от гостиничных номеров, интегрированная как с системой расчета CLTV, так и с гостиничной системой учета. Она была разработана с целью предоставления правильного номера правильному клиенту по правильной цене. Крайне важна была возможность работы в режиме реального времени: модель, приведенная на рис. 10.6, позволяла рассчитывать цену для конкретного клиента менее чем за четыре секунды. И вновь результаты оказались впечатляющими: за период с 2000 по 2003 год общий доход в расчете на номер вырос на 30 % – со 172 до 224 долларов на клиента, что обеспечило компании свыше 40 миллионов долларов дохода. Дополнительная инфраструктура, связанная с более эффективным управлением гостиничными номерами, потребовала инвестиций в размере 8 миллионов долларов, а ROI от нее составил 18 %.

Постепенно инфраструктура набрала определенную критическую массу и начала создавать дополнительные самоподдерживающиеся возможности. Огромный объем данных о клиентах обеспечил Harrah’s массу новых направлений для улучшения работы. Например, компания в определенный момент смогла рассчитать степень корреляции между данными опросов на тему CSAT с данными о прибыльности клиентов. В 2001 году она получила 51 тысячу ответов на опрос о CSAT, а измерение CSAT показало, что клиенты, которые «определенно рекомендуют» компанию, приносили ей доход на 6 % больший, чем те, кто не был готов ее рекомендовать. Таким образом, компания смогла не просто внедрить принципы расчета CSAT в игровой отрасли, но и оценить традиционно нечеткие финансовые последствия программ, направленных на повышение удовлетворенности клиентов!

Рис. 10.6. Модель управления доходами позволяет оптимизировать использование гостиничных номеров и получать максимум прибыли в расчете на каждый занятый номер

Источник: Harrah’s Entertainment

Джон Буши, занимавший в то время пост старшего вице-президента по вопросам операционной деятельности и управления информацией и отвечавший за улучшение опыта взаимодействия клиента и компании и развитие инфраструктуры, сказал мне: «С учетом уже имевшейся у нас информации и созданной технологической инфраструктуры, ROI от таких расчетов оказался поистине бесценным, особенно если учесть, что мы потратили всего 50 тысяч долларов. Руководство компании получило четкие фактические свидетельства того, как инициативы по повышению уровня удовлетворенности клиентов приводят к росту прибыльности». Позднее Буши стал руководителем департамента интеграции, и к его заслугам можно причислить успешное присоединение бренда Caesar’s к Harrah’s. Затем он занял пост CEO компании Ameristar Casinos.

Рис. 10.7а выглядит загадочно. На самом деле это «тепловая карта», отображающая доходы от азартных игр в зале Harrah’s: темным (красным) выделены автоматы, приносящие доход, а светлым (белым) – не приносящие дохода. Фактически это картина создания прибыли для казино в режиме реального времени. Как использовать этот инструмент? Казино спроектировано экспертом в индустрии азартных игр с 20-летним стажем. Он смотрит на карту и сразу понимает, что происходит: некоторые области внизу и сверху слева всегда «холодные». Автоматы в этих зонах нужно чем-то заменить.

Но история на этом не заканчивается. На рис. 10.7б отображен возраст посетителей, играющих на том или ином автомате (10– или 50-центовыми монетами). Средний возраст игроков в правой группе равен 50 годам, а в левой, 10-центовой, – 70 годам.

Рис. 10.7. Динамическая тепловая карта доходов от слот-машин: темный цвет – высокий доход, белый – отсутствие дохода (а); на карту наложен возраст игроков (б)

а)

б)

Harrah’s работает в индустрии азартных игр, и поэтому ее помещения должны значительно отличаться от продовольственных магазинов. Так, в магазине молоко всегда располагается на витринах в глубине, и потребители, желающие приобрести его, вынуждены пройти через весь магазин (не исключено, что по дороге они решат купить что-то еще). Однако в казино ситуация иная. Проектируя дизайн помещения, вы можете задать себе вопрос: «Захотят ли 50-летние посетители играть рядом с 70-летними?». Ответ, скорее всего, будет отрицательным. Возможно, вам поможет опыт планирования тематических парков компанией Disney – она создает специальные зоны на основе демографических характеристик и анализирует данные, чтобы выявить предпочтения разных групп. Harrah’s определила важнейшее условие выбора автомата игроками старше 75 лет: близость к туалету.

Однажды я выступал с речью на собрании, посвященном турниру по гольфу NCR Senior Open в Дейтоне. В наши дни в этом городе проходит не так уж много мероприятий, если не считать чемпионата NCR, впервые проведенного в 1884 году Джоном Паттерсоном. Однако Дейтон еще и колыбель авиации. Именно здесь был магазин велосипедов братьев Райт, которые и сконструировали первый самолет в начале XX века. Теперь в Дейтоне располагается база ВВС Райт-Паттерсон.

По окончании торжественного мероприятия ко мне подошел человек лет пятидесяти, с сединой в волосах и в отличной спортивной форме. На его плечах были погоны с четырьмя звездами; я понял, что этот генерал – один из командующих ВВС США. Подойдя ко мне, он воскликнул: «Это именно то, что нам нужно!» – имея в виду мой рассказ об инфраструктуре Harrah’s и анализе «тепловой карты». Так что теперь я точно знаю, что применение этих принципов не ограничивается одной компанией или даже одной отраслью.

Динамическая тепловая карта Harrah’s потребовала 3,5 миллиона долларов инвестиций, однако смогла практически сразу же обеспечить новую ценность – информированный выбор для принятия решения о распределении игровых автоматов по этажам казино. Фактический ROI от инвестиций составил 104 %. Рассказывая о Harrah’s, я хочу подчеркнуть важность создания интегрированной и самоусиливающейся инфраструктуры, на каждом этапе развития которой имеется определенная процедура с измеримым показателем ROI. В результате постепенно выстраивается правильная инфраструктура маркетинга, основанного на данных. Однако с точки зрения архитектуры этот подход связан с определенными проблемами.

Рис. 10.8. Инфраструктура Harrah’s с 1997 по 2001 год (a); архитектурные и инфраструктурные измерения в Harrah’s, 2002–2003 годы (б)

а)

б)

На рис. 10.8a приведена схема инфраструктуры Harrah’s в период с 1997 по 2001 год. Метод постепенного добавления ценности подходит для достижения быстрых побед, однако если инфраструктура недостаточно устойчива, то со временем ситуация станет неуправляемой. К 2001 году неразбериха в системе, представленная на рис. 10.8a стала невыносимой: компания не могла ни поддерживать ее в рабочем состоянии, ни заниматься масштабированием.

Как сказал мне Буши, «наша зацикленность на определенных вопросах, несмотря на все успехи, привела к непредвиденным последствиям: заметно возросла сложность работы, реализация проектов стала занимать все больше времени, а расходы на поддержание работы постоянно растут». Поэтому Harrah’s в 2002 году начала полностью перестраивать свою инфраструктуру (рис. 10.8б), что обошлось ей в 100 миллионов долларов. Компания смогла создать свою версию Эмпайр-стейт-билдинг.

100-миллионная инвестиция в инфраструктуру сопровождалась экономическим обоснованием. Бизнес-идея заключалась в изменении системы Total Rewards для увеличения частоты игры в различных казино, снижения оттока клиентов и оптимизации маркетинговых расходов. Измеренный ROI от деятельности Harrah’s по улучшению инфраструктуры составил в 2002 году свыше 60 %. Инфраструктура в области информационных технологий вкупе с присутствием во всех регионах США и стратегией стимулирования клиентов к игре в различных регионах стала источником устойчивого конкурентного преимущества, не поддающегося копированию.

Если вы собираетесь заняться развитием инфраструктуры для маркетинга, основанного на данных, стоит помнить, что инвестиции в нее должны иметь четкую бизнес-цель и обеспечивать достаточную финансовую отдачу. В главах 5 и 9 есть немало детальных примеров того, как создать экономическое обоснование с ROMI. После вложения средств необходимо измерять возврат на инвестиции, то есть «вести учет». Например, Harrah’s начала измерять ROMI в 1995 году и занимается этим и по сей день.

Тот же подход применяется и для улучшения инфраструктуры на дальнейших этапах. Пример Harrah’s наглядно показывает, что, чрезмерно увлекшись созданием ценности, можно упустить из виду проблемы и затраты на поддержание инфраструктуры. В итоге придется переделывать всю систему. Буши сказал: «Если бы нам представился шанс начать сначала, то архитектура стала бы ключевым и необходимым элементом каждого проекта».

Выше я уже говорил о том, что для успеха проектов по развитию инфраструктуры маркетинга, основанного на данных, необходима поддержка руководства (в том числе финансовая). «Если для проекта не находится спонсора, мы им не занимаемся. Для любого проекта, в том числе инфраструктурного, нам нужны обоснование и средства», – сказал мне Буши. Пример Harrah’s наглядно демонстрирует четыре важнейших фактора успеха при создании инфраструктуры маркетинга, основанного на данных: наличие экономического обоснования с количественными измеряемыми параметрами; бизнес-партнер, желающий реализовать проект вместе с IT-службой; вклад IT-подразделения и спонсора в обеспечение ROI; IT-архитектура и подробный план действий.

Выделю основные тезисы: мыслите масштабно, начинайте с малого и максимально быстро переходите к масштабированию успеха. Последнее невозможно без инфраструктуры и четкого плана действий. Теперь вы знаете многое об инфраструктуре маркетинга, основанного на данных, и умеете задавать правильные вопросы. Значит, ваши шансы на успех существенно возросли.

 

Выводы

• На начальном этапе для работы над сбалансированной системой показателей, анализа ROMI и данных из интернета достаточно будет простых инструментов, например Microsoft Excel. Однако для управления уровнем оттока клиентов, маркетинга, основанного на ценности и на событиях, потребуется создание определенной инфраструктуры.

• Маркетерам нужно оценить масштаб задачи, которая связана с маркетингом, основанным на данных. Они должны четко понимать, чем они занимаются и что должна сделать IT-команда.

• Инфраструктура, которая нужна для поддержки маркетинга, основанного на данных, зависит от величины клиентской базы и сложности требований. Компания должна будет определить эти параметры.

• Разница между небольшими и крупными клиентскими базами и между простыми и сложными требованиями к данным равносильна различиям между фермерским домиком и Эмпайр-стейт-билдинг. Для строительства первого потребуется несколько сотен тысяч долларов, а второго – сотни миллионов.

• Риски, которые связаны с инфраструктурой маркетинга, основанного на данных, хорошо известны и задокументированы. Основные проблемы – отсутствие ви́дения, финансовой поддержки высшего руководства, влияние политики компании, отсутствие ресурсов, невозможность масштабирования и низкое качество баз данных.

• Масштабное мышление, переход от малого к большему и быстрое масштабирование успеха требуют соответствующей инфраструктуры и методики. Прежде всего нужно понимать, куда вы хотите прийти, а затем постепенно двигаться к цели, добавляя важные функции и измеряя результаты ROMI на каждом шаге.

 

В жизни разница между хорошим и великим часто почти незаметна: хорошее и отличное вино, стейк из мяса высшей или отборной категории, сотая доля секунды в олимпийском забеге на 100 метров, обычный костюм или костюм от Armani. В маркетинге отличие хорошего от прекрасного более выраженное. Как я покажу в этой главе, отличный маркетинг отличается от обычного несколькими воспроизводимыми процессами.

Возможно, читатель спросит: «Постойте, а как же творческая составляющая?». Как я уже говорил, подавляющее большинство организаций (72 %) отдают творческую работу на аутсорсинг. По-моему, она постепенно превращается в обычную услугу. А поскольку все организации имеют одинаковый доступ к креативным ресурсам, сама по себе творческая составляющая не может считаться источником устойчивого конкурентного преимущества. (Вы работаете в рекламном агентстве? Можете выбросить эту книгу, но сначала обратите внимание на последний раздел.) Самое значительное различие между хорошей и отличной маркетинговой организацией связано с внутренними процессами отбора, реализации и измерения результативности кампаний, а также с технологиями, использующимися для поддержки этих процессов.

В этой главе приведены важные выводы из моего исследования, связанные с сутью маркетинговых процессов, различием между лидерами и отстающими и ролью технологий; описывается поэтапный подход к улучшению процессов управления маркетинговыми кампаниями. Я не хотел бы умалять важность творческой составляющей. Последний раздел посвящен так называемому креативному X-фактору: тому, как творческая работа в сочетании с маркетингом, основанным на данных, может существенно повысить результаты любой кампании.

Методология исследования

Гипотезы

Формальная цель исследования состояла в том, чтобы протестировать четыре независимые гипотезы:

1. В управлении маркетинговой кампанией применима модель зрелости.

2. Самые зрелые фирмы достигают заметных финансовых результатов.

3. Зрелые фирмы могут не только активно использовать централизованные данные о потребителях, но и организовывать аналитическую работу, позволяющую достичь нужных результатов, – иными словами, существует связь между передовым управлением маркетингом и активным использованием корпоративного хранилища данных для «ведения учета».

4. Фирмы сталкиваются с препятствиями, не позволяющими максимизировать ценность имеющихся ресурсов. Их преодоление позволяет извлечь из маркетинга максимальную ценность.

Кроме того, наша команда хотела выяснить, есть ли в процессе развития эффективности MCM четко выраженные этапы. Сравнивая данные о развитии MCM с ответами на вопросы о проблемах при внедрении стратегии, мы смогли выявить общую траекторию развития MCM и подобрать примеры, показывающие, как можно достичь нужных результатов в короткие сроки.

Опросы и интервью

Данные, необходимые для тестирования гипотез, были собраны в ходе масштабного опроса и ряда личных бесед. Анкета под названием «ROI от стратегического маркетинга: мифы и реальность» была отправлена руководителям маркетинговых подразделений 1000 ведущих американских компаний из списка Fortune. Перед рассылкой исследовательская команда проинтервьюировала 10 директоров по маркетингу из репрезентативной выборки и выявила основные проблемы, возникающие при внедрении стратегии, а также лучшие примеры успешной работы.

Выборка: демографические характеристики респондентов

Наша команда получила заполненные анкеты более чем от 250 респондентов. Свыше 92 % респондентов в поле «Должность» указали «Директор по маркетингу», «Директор», «Вице-президент по маркетингу» либо «Помощник директора/вице-президента». В среднем опыт их работы в области маркетинга составил 12 лет. Примерный годовой оборот компаний, в которых трудились наши респонденты, составлял около 5 миллиардов долларов, из которых около 8 % тратилось на маркетинг. В совокупности эти люди контролировали примерно 53 миллиарда долларов маркетинговых расходов в год.

Исследовательская команда

Первичные опросы, формулирование гипотез и исследование с помощью опроса были проведены Марком Джеффри и Саурабхом Мисрой в Школе менеджмента Келлог. Позже к команде присоединился Алекс Красников, который вместе с доктором Мисрой еще раз проверил связь между использованием MCM и результатами работы компаний.

 

Управление маркетинговой кампанией: состояние отрасли

Глава в основном посвящена маркетинговым бюджетам и процессам управления маркетингом. Эти процессы – основной элемент эффективного маркетинга, основанного на данных. Как я покажу позже, для достижения цели недостаточно собрать нужные показатели или купить технологические инструменты. Выводы этой главы основаны на исследовании 252 компаний с совокупным размером годовых инвестиций в маркетинг 53 миллиарда долларов (детали, связанные с методологией исследования, приведены ниже).

Результаты опросов и интервью показывают, что директора по маркетингу были готовы обеспечить прозрачность своей работы для других отделов. Они поняли, как важно говорить на языке финансов и стратегии, и хотят убедиться, что деятельность маркетингового подразделения соответствует стратегии и целям бизнеса. При этом они борются и за оптимизацию управления маркетингом в рамках организации.

Цикл MCM начинается с выбора кампании и принятия решения об инвестициях в нее. Затем наступает этап практической реализации, после чего определяется ценность и проводятся измерения. Отличительные черты передового MCM – обучение и обратная связь по завершении кампании (рис. 11.1). Ниже представлены результаты опроса, показывающие ситуацию в управлении маркетингом в целом и отдельными кампаниями в частности.

Рис. 11.1. Замкнутый цикл управления маркетинговой кампанией

Выбор кампании

• 73 % компаний не используют данные сбалансированной системы показателей, демонстрирующие соответствие кампаний ключевым целям бизнеса, до принятия решения о финансировании.

• 68 % не используют эксперименты, позволяющие сравнить результаты пилотной кампании для контрольной группы, чтобы отобрать наиболее удачные кампании.

• 61 % организаций не разработали ясного и задокументированного процесса оценки и расстановки приоритетов для маркетинговых кампаний.

• 57 % организаций не используют практические кейсы для оценки маркетинговых кампаний перед принятием решений о финансировании.

• 53 % респондентов сообщают, что выбор маркетинговой кампании не связан с прогнозами возврата на инвестиции (ROI), пожизненной ценности клиента (CLTV) и/или другими показателями результативности, например уровнем удовлетворенности клиентов (CSAT).

• 44 % не принимают во внимание синергетический эффект при выборе маркетинговых кампаний.

Исполнение

• 63 % респондентов сообщили, что не производят разбивку маркетинговых кампаний на этапы и не используют показатели для оценки каждого этапа.

• 53 % утверждают, что не оценивают результаты компании в процессе ее реализации, не вносят изменений в план и не прекращают неэффективные кампании (вне зависимости от стадии).

Измерения и получение ценности

• 43 % компаний указывают, что не занимаются мониторингом достигнутых результатов (и их сопоставлением с целями) по завершении маркетинговой кампании.

• 40 % респондентов сообщают, что метод проведения кампаний не позволяет использовать измерения, а критерии успеха определить невозможно в принципе.

Обучение и обратная связь

• 43 % респондентов утверждают, что не используют никаких показателей для выбора и управления будущими маркетинговыми кампаниями.

• 36 % организаций не изучают результаты программ после их проведения и не интересуются мнением команды, работавшей над кампанией, по поводу успешных и неудачных элементов – следовательно, не используют полученные знания для отбора и управления последующими кампаниями.

• 34 % не используют результаты анализа данных предыдущих кампаний для внедрения инноваций в будущем.

Эти цифры дают основания предполагать, что большинство организаций не стремится оптимизировать процессы управления своими маркетинговыми кампаниями. Возможно, в вашей компании ситуация схожая. Однако не стоит беспокоиться: ниже я покажу, что лидерства можно достичь за счет внедрения нескольких воспроизводимых процессов.

 

Исследование: маркетинговые процессы, технология и связь с результатами работы компании

Каковы основные процессы управления маркетингом и можно ли сказать, что компании, применяющие их, достигают большего? Проведенные нами интервью помогли понять, какими должны быть эти процессы. Вот несколько цитат из бесед с руководителями маркетинговых подразделений:

«Грамотные маркетинговые и бизнес-процессы необходимы, но этого недостаточно. Вам не обойтись и без соответствующих рабочих процессов, в рамках которых все маркетинговые усилия сопоставляются с целями. Благодаря им вы можете убедиться в том, что ваша стратегия эффективна».

«Необходима согласованность всех маркетинговых кампаний. Под этим я понимаю избегание (по возможности) ситуаций, в которых различные руководители кампаний работают в одном регионе, с одними и теми же клиентами, предлагая им одно и то же. Здесь не обойтись без управления портфелями проектов и отличной координации между сотрудниками».

«В нашей организации проекты рассматриваются как элементы единого глобального портфеля. Мы вырабатываем общее ви́дение, а затем приступаем к кросс-функциональному управлению, чтобы обеспечить наилучший опыт взаимодействия клиента и компании».

«У нас внедрен формальный процесс, позволяющий сосредоточиться на постоянном улучшении. Мы выделяем бюджет на определенные проекты, а затем убеждаемся в целесообразности своих действий. Никто из нас не пророк и не может заранее предвидеть то, что станет очевидным через 9 месяцев. Подобный процесс подразумевает сложную процедуру оценки деятельности. Мы постоянно пытаемся понять, что сохранить, от чего отказаться, чего недостает и что необходимо добавить в имеющиеся процессы. Мы оцениваем свои инвестиции в маркетинг за предыдущие годы и сопоставляем свои результаты со стратегией и текущим состоянием».

В ходе интервью мы смогли выделить четыре параметра управления маркетингом, которые назвали MCM-ресурсами компании: отбор, целостный анализ всех проектов, мониторинг и адаптивное обучение.

1. Отбор. Задокументированный процесс, определяющий выбор и финансирование маркетинговых кампаний. Включает бизнес-кейсы для кампаний и сбалансированную систему показателей, согласованную со стратегией бизнеса.

2. Целостный анализ всех проектов. Используется при выборе отдельных маркетинговых кампаний. Суть в том, что кампания A сама по себе может иметь бо́льшую ценность, чем в комбинации с кампанией B. Подобная синергия ценностей должна приниматься во внимание в процессе выбора.

3. Мониторинг. Измерение и оценка прогресса маркетинговой кампании: способность «вести учет» с использованием показателей, описанных в этой книге.

4. Адаптивное обучение. Способность вынести уроки из прошедших кампаний и маркетинговых инициатив, а затем использовать полученные знания при разработке новых кампаний.

Кроме этих ресурсов, необходимых для эффективного управления маркетингом, имеется еще один вспомогательный:

5. Технологии. Технологические возможности и инфраструктура: EDW, управление маркетинговыми ресурсами (MRM) и аналитические инструменты для принятия маркетинговых решений.

В рамках исследования изучались связи между этими ресурсами, на рис. 11.2 приведены итоги анализа. Это своего рода усовершенствованное регрессионное уравнение. Модель показывает взаимосвязи MCM-ресурсов и результатов. Рис. 11.2 кажется сложным, однако понять его смысл крайне важно.

Ресурсы для управления маркетинговой кампанией, рабочее определение

MCM – комбинация процессов, методов и инструментов для развития, отслеживания, изменения и контроля маркетинговых кампаний и программ с целью повышения возврата на инвестиции в отдельные программы и маркетинговую деятельность в целом. Маркетинговые кампании включают в себя различные прямые и косвенные маркетинговые действия: промоакции, рекламу, взаимоотношения с аналитиками, проекты в области управления взаимоотношениями с клиентами и т. п.

Четыре элемента в левой части рис. 11.2 (отбор, целостный анализ всех проектов, мониторинг и адаптивное обучение) – составные части ресурса более высокого уровня: MCM, который напрямую связан с показателями результативности (результаты деятельности на рынке, капитал бренда и клиентская база), обозначенными справа.

Рис. 11.2. Ресурсы маркетинговых процессов и их связь с результатами работы компании. Сплошные линии показывают значимые связи (p < 0,05), пунктирные линии – несущественные

Что это значит? Данные показывают, что между степенью развития MCM-ресурсов и результатами компании существует статистически достоверная связь. Иными словами, компании, использующие такие процессы, имеют лучшие позиции на рынке, больший капитал бренда и более качественную клиентскую базу по сравнению со среднестатистической фирмой.

Анализ, показанный на рис. 11.2, основан на первичных данных, то есть информации, собранной в ходе опросов. Также мы проанализировали вторичные данные, взятые из базы данных Compustat, в которой содержится информация о финансовых показателях деятельности компаний, чьи акции котируются на бирже. Анализ показал наличие статистически достоверной связи MCM-ресурсов с результатами фирмы. В данном случае к показателям результативности относятся рост продаж, ROI и долгосрочный акционерный капитал. Важно отметить, что организации, использующие все четыре MCM-ресурса, показывают более высокие результаты по сравнению с конкурентами.

Пока я не говорил о технологии, которая позволяет развивать в компании принципы маркетинга, основанного на данных. Стоит отметить и еще одну интересную особенность рис. 11.2: пунктирную линию между технологическими ресурсами и результатами компании (отсутствие связи). Иными словами, маркетинговые технологии не связаны с результатами работы напрямую. Связь осуществляется через MCM-ресурсы.

Отсюда следует важный вывод: вложение средств в технологии, связанные с маркетингом, само по себе не влияет на результаты работы. Технологии обеспечивают процессы управления. Иными словами, чтобы инвестиции в них привели к результатам, необходимы MCM-ресурсы. Интересно отметить, что результаты не зависят от отрасли, стратегии фирмы или каналов продаж. MCM-ресурсы универсальны и нужны всем организациям, стремящимся повысить эффективность своих маркетинговых мероприятий.

Исследование показывает, что среди компаний наблюдается значительный разброс с точки зрения зрелости маркетинговых процессов. На рис. 11.3 представлено распределение MCM-ресурсов. Высокий уровень в правой части графика означает, что компании полностью используют все четыре MCM-ресурса, а компании на начальных этапах имеют минимум ресурсов. Я уже говорил, что успешные компании демонстрируют более высокие финансовые результаты, имеют хороший капитал бренда и клиентскую базу, а также значительно более высокий уровень акционерного капитала по сравнению с остальными.

Рис. 11.3. Уровень MCM-ресурсов опрошенных компаний

Исследование доказало необходимость использования четырех основных процессов (отбор, целостный анализ всех проектов, мониторинг и адаптивное обучение), а также инвестиций в технологическую инфраструктуру для их поддержки. Результаты не зависят от отрасли: МСМ-ресурсы универсальны. На протяжении всей книги я сосредоточивался на основных 15 показателях и объяснял, как можно усовершенствовать маркетинг по всем видам MCM-деятельности: «выбирать» лучшие кампании, «отслеживать» качество их работы и использовать «адаптивное обучение» методом проб и ошибок.

 

Инвестиционный портфель B2B и B2C: лидеры против отстающих

Результаты исследования, определившие этапы процесса MCM и его связь с показателями работы компаний, не зависят от отрасли. Однако заметна разница в том, как инвестируют свои средства в маркетинг компании, работающие на рынках B2B и B2C. Представим себе маркетинговый бюджет как портфель, аналогичный инвестиционному. В главе 1 обсуждались пять основных элементов маркетингового портфеля; кратко опишу их еще раз.

1. Брендинг. Маркетинг, направленный на создание капитала бренда и повышение показателя припоминания: реклама, фокусирующаяся на определенных ощущениях или опыте, например ассоциация продукта с чем-то крутым, модным, приятным и т. п., либо ассоциация с другим брендом, вызывающим позитивные чувства (например, спонсорство ведущих спортсменов компанией Nike). Количественная оценка влияния производится с помощью основного показателя № 1 – осведомленности о бренде (см. главу 4).

2. Связи с клиентами (клиентский капитал). Маркетинг отношений, направленный на создание связей с клиентами. Примеры – эксклюзивные предложения для лояльных клиентов, мероприятия для руководства компаний-клиентов в B2B, карты постоянного покупателя и т. д. Влияние этой маркетинговой деятельности оценивается с помощью основных показателей № 3 – коэффициента оттока и № 4 – CSAT (глава 4), а также показателя № 10 – CLTV (глава 6).

3. Стимулирование продаж. В данном случае маркетинг направлен на повышение продаж в краткосрочной перспективе. Можно вспомнить о купонах, распродажах, предложениях с ограниченным сроком действия и т. д. Их влияние можно количественно оценить с помощью основных показателей: № 6 – прибыль, № 7 – NPV, № 8 – IRR и № 9 – окупаемость (глава 5). Поисковый маркетинг (SEM) для электронной торговли можно считать разновидностью стимулирования продаж, а количественную оценку ему можно дать с помощью основных показателей: № 11 – CPC, № 12 – TCR и № 13 – ROA.

4. Формирование рыночной ниши. Маркетинг призван изменить восприятие клиентов: создать потребность в продукте или услуге и/или повлиять на мнение о продукте с помощью рекомендаций третьей стороны. Сюда относятся маркетинг в социальных медиа, например создание спонсируемых сообществ с помощью влиятельных блогеров и развитие отношений с аналитиками (в сфере B2B). Основные показатели тесно связаны с брендингом – это не только показатель № 1 – осведомленность о бренде, но и № 2 – тест-драйв (глава 5), и № 15 – личные рекомендации (глава 7).

5. Инфраструктура и ресурсы. Эта последняя категория в маркетинговом портфеле представляет собой инвестиции в технологическую инфраструктуру – EDW, аналитику и MRM. Все эти ресурсы обеспечивают поддержку и развитие множества видов маркетинговой деятельности. Примеры бизнес-кейсов для инвестиций в инфраструктуру приведены в главе 9. К этой же категории относятся тренинги для продавцов и маркетеров, призванные улучшить их навыки.

В главе 1 я уже говорил о существовании «маркетингового разделения», связанного с тем, как лидеры и отстающие формируют свой маркетинговый бюджет (см. рис. 1.6 – отстающие делают упор на стимулирование продаж, а лидеры – на брендинг, отношения с клиентами и инфраструктуру).

На рис. 11.4 изображена разбивка маркетинговых бюджетов компаний (лидеров и отстающих), отнесенных к группам B2B и B2C. Лидеры и отстающие – соответственно, «верхние» и «нижние» 20 % компаний по показателю MCM (см. рис. 11.3). Для обеих групп характерно маркетинговое разделение.

Лидеры тратили значительно больше на маркетинг в целом (на 14–25 % больше среднего). Разница между B2B и B2C заключается в процентном распределении маркетинговых бюджетов внутри портфеля. Для портфеля B2C разница между лидерами и отстающими заключается в том, что лидеры тратят меньше денег на стимулирование продаж и больше на брендинг и инфраструктуру. Для B2B создание спроса в большей степени связано с клиентской базой и инфраструктурой (лидеры этого рынка больше вкладывают в отношения с клиентами и меньше внимания уделяют брендингу).

Рис. 11.4. Сравнение портфелей маркетинговых инвестиций лидеров и отстающих: a – B2C; б – B2B. Компании в обеих сферах (B2B и B2C) сообщили о том, что в среднем тратят на маркетинг около 6 % доходов

Формирование рыночной ниши – очень интересная категория в маркетинговом портфеле. Этот элемент был предложен одним из моих коллег, Моханом Соуни. Интереснее всего то, что ответ невозможно вычислить заранее. Мы предположили, что формирование рыночной ниши важнее для компаний-лидеров. Судя по всему, на самом деле справедливо обратное (особенно в области B2B). Для B2C доли инвестиций в формирование ниши такие же; однако лидеры тратят на 25 % больше на маркетинг в целом, поэтому можно сказать, что они вкладывают пропорционально больше в каждую категорию. Однако в секторе B2B формирование ниши куда менее важно для лидеров, чем для отстающих, – и это позволяет сделать интересные выводы.

Формирование ниши для B2B основывается прежде всего на отношениях с аналитиками и лидерами мнений. Эти отношения направлены на создание положительного образа продукта или услуги. Например, в отрасли высоких технологий, согласно магическому квадранту Gartner, продукты компаний можно оценить по параметрам «способность реализации» и «полнота ви́дения». Понятно, что для поставщиков технологических решений «золотое дно» будет находиться в верхнем правом квадранте – там, где эти параметры достигают максимума. Некоторые компании всеми силами стремятся повлиять на аналитиков и занять с их помощью верхние строчки рейтингов.

Исследование, показанное на рис. 11.4б, предполагает, что формирование ниши для B2B через отношения с аналитиками – не самая важная задача. Иными словами, ведущие компании тратят меньше средств на формирование ниши, чем отстающие, хотя при этом общая величина их расходов на маркетинг выше среднего на 14 %. Они сосредоточиваются на развитии бренда и клиентской базы. Вполне возможно, что хороший бренд и клиентский капитал могут сами по себе сформировать рыночную нишу и повлиять на аналитиков.

Итак, лидеры и отстающие (как в B2B, так и в B2C) имеют сходные распределения расходов в структуре портфеля. Лидеры вкладывают меньше средств в стимулирование продаж и больше в брендинг и инфраструктуру. Однако между лидерами секторов B2B и B2C были выявлены определенные различия в работе с клиентской базой и формировании рыночной ниши.

Тем не менее нужно сделать важную оговорку. Наше исследование было основано на качественном опросе. Иными словами, руководителей маркетинговых отделов просили оценить примерные доли бюджетов, направляемых на каждую из пяти категорий. Подробный аудит маркетинговых бюджетов не проводился. Но все же выборка из 250 ответов может считаться статистически достоверной, а сами ответы – достаточно точными.

Я не утверждаю, что ваш маркетинговый бюджет должен в точности соответствовать цифрам, приведенным на рис. 11.4. Их нужно рассматривать как ориентир. Например, если ваша компания тратит на брендинг или инфраструктуру всего несколько процентов своего бюджета, то подумайте, нужны ли эти расходы в принципе. А если структура портфеля в значительной степени смещена в сторону какой-то одной категории, то, вероятно, она не сбалансирована.

 

Преодоление четырех препятствий к профессионализации маркетинговых процессов

Один из важнейших выводов исследования таков: несмотря на влияние MCM-ресурсов на общие результаты работы компаний, лишь немногим из них удалось внедрить MCM. Что же им мешает? Респонденты указали на четыре особенно важные проблемы: отсутствие поддержки со стороны топ-менеджмента; отсутствие уважения; отсутствие кросс-функциональной согласованности; отсутствие нужных навыков у сотрудников.

1. Отсутствие поддержки со стороны топ-менеджмента:

• а) 69 % респондентов заявили, что руководство их компаний принимает решение о финансировании отдельных маркетинговых кампаний на основании чутья и интуиции;

• б) 69 % утверждают, будто лидеры бизнеса не понимают, что ROI не всегда применим к оценке маркетинговых кампаний;

• в) 50 % считают, что топ-менеджмент компании не формулирует конкретных стратегических целей, основанных на показателях типа ROI, для маркетинговых кампаний;

• г) 49 % указывают на то, что маркетинг не воспринимается руководством как основная движущая сила стратегических преимуществ.

2. Отсутствие уважения:

• а) 56 % респондентов заявляют, что руководство компаний воспринимает маркетинг как «необходимое зло»;

• б) 54 % заявляют, что в их организации отсутствует взаимоуважение между руководителями отдела маркетинга и других подразделений;

• в) 32 % респондентов говорят, что лица, принимающие стратегические решения, недостаточно хорошо представляют себе суть маркетинга.

3. Отсутствие кросс-функционального взаимодействия:

• а) 48 % не требуют от руководителей других подразделений вклада в финансирование маркетинговых кампаний;

• б) 25 % утверждают, что маркетинг не считается основным элементом бизнеса в компаниях;

• в) 21 % сообщают, что маркетинг в их организациях не считается важной и необходимой функцией.

4. Отсутствие нужных навыков у сотрудников:

• а) 64 % сообщают о нехватке сотрудников, имеющих навыки сбора и анализа комплексных маркетинговых данных;

• б) 47 % утверждают, что маркетинговый персонал недостаточно хорошо понимает суть таких финансовых понятий, как ROI, NPV и CLTV.

Как можно преодолеть первый барьер и получить поддержку топ-менеджмента? Для этого необходимы доверие и понимание. Вам доверяют, когда вы выполняете свои обещания. В главе 2 я уже рассказывал о стратегиях получения поддержки руководства с использованием достигнутых результатов: начните с малого, одержите быструю победу, продемонстрируйте результаты и обеспечьте себе поддержку. Маркетеры должны уметь рассказывать о ценности достигнутых результатов в форме, понятной руководителям: следует использовать язык финансов, бизнеса и данных, когда это уместно. Методика маркетинга, основанного на данных, поможет вам создать доверие и уважение между работниками организации, то есть преодолеть первые два препятствия. Чуть ниже я расскажу, каким образом MCM-процессы позволяют преодолеть несогласованность.

В беседах с руководителями маркетинговых подразделений несколько раз всплывала и еще одна проблема, связанная с недостатком квалификации персонала. Здесь никак не обойтись без обучения и тренингов. Сотрудники должны научиться применять новые подходы, инструменты, техники и навыки, позволяющие оптимизировать управление маркетингом и обеспечивать идеальную работу MCM. Помимо поддержки со стороны руководства и навыков маркетеров, важно использовать передовые инструменты и техники для управления, разработки и реализации маркетинговых кампаний. Например, одно из основных требований оптимизации MCM состоит в использовании данных по всем маркетинговым кампаниям, что позволяет разработать согласованный инвестиционный процесс.

Однако 83 % респондентов указали, что им зачастую сложно оценить, какие преимущества для фирмы обеспечивает та или иная маркетинговая кампания. Наши наблюдения показывают, что лучший способ решения этой проблемы – использование новых технологических инструментов, позволяющих организовать сбор и анализ больших массивов данных для оптимизации MCM. К ним относятся централизованные базы данных, система управления отношениями с клиентами и MRM. Результаты опроса показывают наличие статистически значимой положительной связи между применением новейших инструментов и ROMI. В частности, организации, использующие EDW для отслеживания маркетинговых кампаний и взаимодействий клиентов с фирмой (а также автоматизированные программы типа MRM и данные для организации кампаний в области маркетинга, основанного на событиях), могут рассчитывать на более высокий рост продаж, увеличение доли рынка и капитала бренда.

Однако мы также обнаружили, что немногие организации используют на практике усовершенствованные инструменты, доступные им уже сейчас. Вот лишь несколько фактов, подтверждающих это:

• 57 % респондентов не используют централизованную базу данных для отслеживания и анализа своих маркетинговых кампаний;

• 70 % не пользуются EDW для отслеживания взаимодействий клиентов с компанией, в том числе в ходе маркетинговых акций;

• 71 % респондентов не используют EDW и аналитические инструменты для выбора маркетинговых кампаний;

• 79 % не используют источники систематизированных данных, поэтому неспособны автоматизировать маркетинг, основанный на событиях;

• 82 % респондентов никогда не занимаются мониторингом маркетинговых кампаний и ресурсов с помощью автоматизированных программ типа MRM.

Очевидно, что эти недостатки необходимо устранять путем внедрения и использования эффективных инструментов. Однако этого недостаточно. Даже когда у организаций есть все необходимые инструменты, они используют их по-разному. Именно поэтому так важен поэтапный подход к внедрению инструментов и новых процессов.

Чтобы инструменты были согласованы с организационной структурой, нужно создать поэтапный план внедрения с четкими критериями оценки результатов для каждого этапа. Такой подход необходим для мягкого перехода от привычного метода к оптимизированному MCM-процессу.

 

Совершенствование процесса управления маркетинговой кампанией: трехэтапный подход

 

Основной вывод таков: успешная оптимизация MCM – не «большой взрыв», а спокойный и поэтапный процесс. Такой подход позволит сохранять импульс, укрепить доверие со стороны руководства (а следовательно, и привлечь его к участию), обеспечить плановое и управляемое развитие кросс-функционального взаимодействия. Кроме того, у сотрудников будет достаточно времени для развития навыков и освоения инструментов.

По результатам анализа мы выявили три основных уровня MCM-компетенций: базовый, средний и продвинутый (на рис. 11.5 указаны критерии для каждой категории).

Для каждого респондента был рассчитан показатель уровня MCM в диапазоне от 0 до 100 по количеству утвердительных ответов на вопросы нескольких категорий. Распределение величин помогло выделить несколько групп респондентов. График распределения значений MCM-компетенций приведен на рис. 11.6. Обратите внимание, что лишь 11 % организаций находятся на передовой стадии развития MCM-компетенций, а подавляющее большинство (почти 90 %) – либо на базовом, либо на среднем уровне.

Рис. 11.5. Три уровня развития MCM-компетенций

Рис. 11.6. Распределение компаний по степени зрелости MCM

 

Уровень 1: базовый

Обычная организация базового уровня сосредоточена на развитии процессов и процедур, определяющих общие задачи и цели для отбора маркетинговых кампаний и управления ими. Такая компания уже смогла создать централизованные базы данных, где зафиксированы результаты всех маркетинговых кампаний и активов. Кроме того, у нее уже есть культура обучения (хотя и слаборазвитая), а в процессе отбора будущих кампаний и управления ими учитывается мнение членов команды.

Таким образом, базовый процесс предполагает управление всеми видами маркетинговой деятельности в организации. Достоинства этого подхода понятны: при наличии четкого ви́дения всех маркетинговых активов, инвестиций и ресурсов значительно проще принимать правильные решения. Компания отказывается от бесконтрольных расходов и оптимизирует использование ресурсов. Наличие общих целей и задач помогает снизить затраты на планирование и управление. И, наконец, менеджер по маркетингу готов учиться на ошибках прошлого, а следовательно, имеет все шансы со временем улучшить процессы управления маркетингом.

 

Уровень 2: средний

Обычная организация среднего уровня уже достигла определенной степени централизации маркетинговых инвестиций и ресурсов и научилась формулировать конкретные цели и задачи, выбирать (исходя из них) маркетинговые кампании и управлять ими. Она также умеет учиться на ошибках прошлого. Усилия в области MCM на этом уровне сосредоточены скорее на строгом соответствии целям и задачам, связанным с результатами инвестиций в маркетинг и применением расширенной системы показателей для их планирования, оценки и управления ими. Организация на этой стадии уже использует хранилище данных для отслеживания взаимодействий клиента с фирмой и его реакции на маркетинговые кампании. По общему мнению участников, такие компании уже используют анализ данных для выбора будущих маркетинговых кампаний.

В целом на этом уровне уже сформирован воспроизводимый процесс контроля всех видов маркетинговой деятельности. Кроме того, фирма достигает следующего уровня компетенций: теперь она соотносит расходы на маркетинг с корпоративной стратегией, сокращает необоснованные маркетинговые инвестиции или вообще отказывается от них, улучшает коммуникацию с отделом финансов и руководителями компании путем использования унифицированного языка финансовых показателей (а также сравнения с результатами работы других компаний). Часто циклы исследований позволяют выявить отклонения от планов и бюджетов, а также оценить степень соответствия стратегии и максимально быстро внести необходимые корректировки.

 

Уровень 3: продвинутый

Наиболее грамотные команды маркетеров способны отслеживать и контролировать маркетинговые кампании и ресурсы с помощью автоматизированных программ типа MRM. На этапе отбора они используют сбалансированные показатели, позволяющие оценить каждую кампанию на соответствие ключевым целям бизнеса и использовать целостное ви́дение всех кампаний. Они также применяют техники управления портфелем для финансирования наилучшей комбинации кампаний. Компании, стоящие на более высокой ступени, также используют маркетинг, основанный на событиях, и гибкий маркетинг вместе с последовательным мониторингом результатов и ценности для бизнеса (ROMI) кампании во время ее проведения. В таких организациях есть устоявшаяся культура обучения, в обязательном порядке используются обратная связь и измерение результатов для планирования будущих кампаний.

Эти организации имеют ряд преимуществ, возникающих вследствие подобной организации работы: улучшение оценки маркетинговых инвестиций, способность максимизировать ценность портфеля маркетинговых кампаний, обеспечение должного соответствия корпоративной стратегии. В совокупности продвинутая инфраструктура, процессы и персонал организации с передовой системой MCM обеспечивают развитие гибкого маркетинга.

Три уровня MCM-процесса были определены исходя из ответов на опрос и личного опыта, которым делились участники в ходе интервью. Как и следовало ожидать, немногие компании идеально соответствуют какому-то одному уровню. Почти каждая из них совмещает в себе черты, присущие двум или трем из них, однако чаще всего доминируют признаки только одного. Можно воспринимать эти три уровня как цели, к которым нужно стремиться. Но как же перейти от одного этапа к другому на практике? Для начала нужно разработать сбалансированную систему показателей, позволяющую оценить состояние организации по различным параметрам MCM. Как только вы определите основные проблемы, переходите к разработке четкого плана действий для их решения.

Идеальный план включает ясное описание целей и временны́е рамки для поэтапного внедрения эффективных инструментов и техник. Обычно в его состав включается и программа тренингов, позволяющая сотрудникам научиться работать в условиях перемен, честная оценка и распределение ресурсов, необходимых для достижения цели. Идеальная схема работы – сосредоточиться на главном, быстро достичь результата и заслужить доверие и создать импульс для дальнейшей работы.

 

Выводы: сложность требует управления

Маркетинговые руководители вынуждены решать множество проблем. Крупные организации с большими маркетинговыми бюджетами могут проводить сотни, а то и тысячи кампаний в год. При отсутствии структурированного и методичного подхода к управлению процессом вполне естественна ситуация, когда система и планы каждый раз создаются с нуля, а функции дублируются, причем крайне неэффективно.

Для решения этой проблемы нужен простой набор правил, определяющих, каким образом руководство получает информацию и принимает решения. С точки зрения маркетинга власть – это MCM-ресурсы: отбор кампаний, целостный анализ всех проектов, мониторинг и адаптивное обучение. Опросы и интервью помогли нам найти и изучить лучшие примеры развития этих компетенций.

Начать стоит с внедрения сбалансированной системы показателей и активного вовлечения в работу других подразделений компании. Успешно внедренные системы MCM соответствуют бизнес-стратегии и общему направлению деятельности компании. Они обеспечивают четкость и последовательность, а также создают правильный баланс приоритетов. Эффективный MCM предполагает совместное определение общих показателей (подобных описанным в этой книге), помогающих оценивать и планировать успешные маркетинговые кампании.

Использование усовершенствованных инструментов и ресурсов в наши дни стало не привилегией, а необходимостью. EDW и аналитические инструменты дают возможность «вести учет». MRM помогает смоделировать и усовершенствовать маркетинговые процессы. В целом внедрение инфраструктуры повышает гибкость маркетинга. Но не стоит начинать с нее: успешные лидеры сначала разбираются в тонкостях процесса, достигают первых успехов и только потом вкладывают средства в инфраструктуру, позволяющую стандартизировать и автоматизировать процесс.

MCM – сфера совместной ответственности всей команды топ-менеджеров, но ответственность за создание процессов и показателей должны взять на себя именно руководители маркетинговых подразделений. Успешные директора по маркетингу стремятся к развитию партнерства с другими членами руководящей команды. Более того, они помогают подчиненным повысить квалификацию и учат их самостоятельно управлять изменениями.

И последнее, но не менее важное замечание: для управления процессом развития MCM важно подобрать команду людей, заслуживающих доверия. Успешные директора по маркетингу помнят о необходимости обучения подчиненных процессам работы, основам финансов и управления маркетинговыми кампаниями. Чтобы удержать хороших людей, необходимо их поощрять, а значит, и выстраивать систему адекватного вознаграждения и разумного стимулирования.

В главе 5 я уже затронул тему нормирования капитала. Обычно на финансирование маркетинговых кампаний выделяется ограниченный объем средств, и на реализацию всех хороших идей денег не хватает. Многие организации финансируют кампании, руководители которых умеют «громче кричать». Процессы управления, описанные в этой главе, позволяют оптимально распределить маркетинговые бюджеты и получить максимальную отдачу на вложенные средства. Успешное внедрение правильных механизмов управления в области маркетинга и MCM-процессов способствует продуктивным обсуждениям финансирования маркетинга с опорой на реальные данные.

Я помогал многим организациям внедрять и усовершенствовать ресурсы для MCM и маркетинга, основанного на данных. В самом начале любого проекта я прежде всего прошу предоставить мне документацию о процессах: мне важно знать, что именно там говорится и как организация определяет для себя MCM. Ответная реакция бывает двух типов. Иногда мне говорят, что нужно найти сотрудника, на компьютере которого имеется нужная презентация в формате PowerPoint. Это показательно: если процесс неизвестен самим маркетерам, то его точно нельзя считать принятым в компании стандартом. Как узнать, есть ли у вас MCM-ресурсы? Принципы эффективного управления требуют, чтобы нужные процессы были зафиксированы на бумаге и доведены до сведения всех сотрудников.

Второй вариант ответной реакции – мне вручают несколько толстых папок, содержащих детально расписанные процессы. Чаще всего это плоды работы сторонних консультантов. В ходе интервью я обычно обнаруживаю, что на практике мало кто из маркетеров следует этим процессам и/или знает об их существовании. Процессы управления маркетингом должны создаваться совместными усилиями сотрудников организации, а затем принимать форму простых и понятных документов.

В организациях среднего и продвинутого уровня существует документ, в котором четко описано, как проводится оценка кампаний и принимаются решения об отборе. Более того, в нем определена система показателей, которые компания использует для измерения степени своей успешности, и приводятся шаблоны для расчета ROMI по различным типам кампаний. Поэтому я предлагаю тем из вас, кто решится внедрить маркетинг, основанный на данных, заняться параллельной разработкой описаний процессов. Разумеется, документы должны быть общедоступными, а их язык – простым и понятным. Я предлагаю ограничить описание основных рекомендаций 10–15 страницами четкого текста, чтобы отдел маркетинга смог взять их на вооружение. Кроме того, советую создать стандартизованные и легкие для заполнения шаблоны ROMI для различных типов кампаний.

Для внедрения в компании маркетинга, основанного на данных, недостаточно просто купить нужные технологии. Вы должны усовершенствовать MCM-процессы и повысить уровень знаний и навыков своих маркетеров. Процесс имеет четыре управляемых элемента (отбор, целостный анализ всех проектов, мониторинг и адаптивное обучение), и ему соответствуют 15 основных показателей успеха, описанных в этой книге. Исследование показывает, что самые продвинутые в области MCM и маркетинга, основанного на данных, организации получают лучшее место на рынке, имеют более качественную клиентскую базу, а их акционерная ценность в долгосрочной перспективе оказывается значительно выше, чем у конкурентов. Главное – использовать поэтапный подход к внедрению соответствующих ресурсов, оценке результатов на каждом этапе и развитию рабочих процессов.

 

Креативный X-фактор

Эта книга полностью посвящена показателям, данным и процессам, позволяющим совершить качественный скачок в области маркетинга. Многие из описанных здесь стратегий и подходов применимы и эффективны также в других направлениях бизнеса. Однако у маркетинга есть существенное отличие от других функциональных областей: креативность используемых средств.

Вскоре после завершения своего исследования я встретился с Бетси Холден, бывшим руководителем Kraft Foods и признанным экспертом в области маркетинга. Я поделился с ней своими мыслями о маркетинге, основанном на данных, и процессах, улучшающих результаты работы компании, а она предложила мне добавить в систему еще одно измерение – креативный X-фактор. После этого я начал замечать вокруг себя множество его проявлений.

Если вы еще не видели на YouTube видеоклипы Will It Blend?, то рекомендую с ними ознакомиться. Создателем серии вирусных роликов на эту тему стала небольшая частная компания Blendtec, производящая блендеры и расположенная в штате Юта. Ее основатель Том Диксон начинал в 1975 году с продажи устройств для измельчения и перемешивания пищевых ингредиентов. Изначально его компания поставляла свою продукцию в рестораны, однако постепенно вышла на рынок бытовой техники. Первая модель ее блендера имела мощность 1,8 лошадиных сил при силе тока 10 ампер (а последующие – до 20 ампер). Иными словами, компания создает самые мощные блендеры из имеющихся на рынке.

Диксон создал простую вирусную маркетинговую кампанию. Он включал видеокамеру, клал в блендер различные предметы и задавал аудитории вопрос: «Сможет ли блендер это перемолоть?». После этого он запускал блендер. Снятые ролики размещались на YouTube. Оказалось, что мячики для гольфа, мрамор, садовые грабли, мобильные телефоны, фианит вполне поддаются измельчению, а вот монеты и лом – нет. Больше всего лично мне нравится ролик, в котором Диксон измельчает iPhone. Это идеальный пример креативного X-фактора в работе: у видеоролика на YouTube, в котором iPhone гибнет в блендере, более 7 миллионов просмотров, а расходы на его создание составили несколько тысяч долларов.

Вот что говорит сам Диксон:

Мы разместили видео в интернете в начале ноября 2006 года. Всего через несколько дней у них уже было по миллиону просмотров. Иными словами, рекламная кампания стартовала почти мгновенно, и мы заметили, как сильно она повлияла на продажи и промышленных, и бытовых товаров. Именно благодаря ей мы смогли создать осведомленность о бренде и сделать так, чтобы люди не только сразу же вспоминали о нас, но и считали Blendtec создателем лучших блендеров в своем классе {59} .

Пример Blendtec отлично демонстрирует роль креативного X-фактора в маркетинге. При этом кампания проста с точки зрения реализации – это всего лишь набор любительских видео с логотипом компании и адресом ее сайта на заднем плане, размещенных на YouTube. Более сложный пример использования креативного X-фактора в сочетании с маркетингом, основанным на данных, можно найти в истории о выпуске на рынок нового продукта – Nissan Qashqai. Проведя исследования рынка, Nissan осознала все перспективы небольших спортивных внедорожников с полным приводом (кроссоверов) на европейском рынке. Компания решила нацелить свои усилия на молодых потребителей. Маркетинговая кампания строилась вокруг идеи популярного городского автомобиля, доминирующего в городском ландшафте. Qashqai собирались в Великобритании для продажи в Европе, Австралии и Японии, но не в США. В ролике были показаны огромные ступни, ехавшие на крыше автомобиля, как на скейтборде.

Маркетинговые мероприятия, связанные с запуском нового продукта, начались с пресс-конференции 6 сентября 2006 года. На ней присутствовали 450 журналистов из 22 стран. После мероприятия в прессе появилась волна статей с заголовками типа «Nissan вновь открывает люк». Официальное представление модели публике состоялось 29 сентября 2006 года на Парижской автомобильной выставке. Ее увидело более 1,4 миллиона посетителей, а 22 тысячи из них записали на свои мобильные устройства через Bluetooth автомобильное шоу с участием Qashqai. Перед выпуском модели была проведена кампания с использованием прямой рассылки, в результате на новую машину по всей Европе было оформлено 39 444 заказа, а количество посетителей сайта, посвященного запуску модели, превысило ожидаемое в два раза.

Nissan умело применила принципы маркетинга, основанного на данных, для отслеживания результатов работы перед запуском модели. Вдобавок эту кампанию отличает умелое использование элементов креативного X-фактора. Nissan изобрела новый городской вид спорта – «игры Qashqai». Снимались любительские видеоклипы, в которых автомобили Qashqai выполняли необычные трюки, как на скейтборде: ramp mount, aerial banana, axel 360 flip. В клипах активно использовались спецэффекты, поэтому казалось, что все происходит по-настоящему. В роликах принимали участие псевдокоманды со странными названиями типа «Команда Андромеда». У кампании был даже специальный сайт, посетители которого могли купить майки и другую сувенирную продукцию «игр Qashqai». Помимо прочего, Nissan организовала специальный автопробег в рамках «игр Qashqai» и проводила в некоторых городах соревнования по веломотокроссу.

Вирусное видео кампании появилось на более чем 2200 сайтах, а всего ролики посмотрели более 11 миллионов человек. Qashqai вышел на рынок в марте 2007 года, и за 6 недель было продано 70 тысяч автомобилей – Nissan не смогла полностью удовлетворить спрос, обусловленный маркетинговыми действиями. По состоянию на июнь 2009 года только в Европе было продано 330 тысяч автомобилей Qashqai (благодаря чему они стали одной из самых успешных моделей Nissan в мире).

Запуск нового продукта Nissan Qashqai подчеркивает всю важность совместного применения креативного X-фактора и маркетинга, основанного на данных. Главные достоинства этой кампании заключаются в идеальном взаимном соответствии всех ее элементов и четкой нацеленности на поколения X и Y. Вирусный маркетинг сопровождался онлайновыми и офлайновыми мероприятиями, а грамотный PR и работа с медиа позволили усилить эффект «сарафанного радио». Этот пример показывает весь потенциал совместного применения творческой составляющей и маркетинга, основанного на данных. При этом стоит отметить, что маркетинговые затраты, связанные с запуском Qashqai, составили примерно 1 % от всех расходов на разработку и производство автомобиля.

Я рекомендую вам создать креативные команды, способные предложить не только обычную статичную рекламу, но и что-то более интересное. Попытайтесь использовать креативный X-фактор. Если вам удастся совместить старые и новые медиа и воспользоваться принципами маркетинга, основанного на данных, и интересной творческой идеей, результаты будут потрясающими.

 

Связываем все воедино

В этой книге я дал определение 15 основным показателям для маркетинга. Это 10 классических показателей и 5 показателей, связанные с интернетом. С их помощью можно дать количественную оценку подавляющему большинству маркетинговых проектов. Как их использовать для улучшения маркетинговой деятельности? Начните с создания системы показателей, оценивающих вашу результативность, – грамотные измерения помогут вам лучше контролировать маркетинг. «Заложите» гибкость во все ваши маркетинговые кампании. И если придется проиграть – проигрывайте быстро. А если результаты превосходят ваши ожидания, постарайтесь закрепить успех и достичь новых побед. Измерения и гибкость помогают повысить результативность кампании в пять и более раз.

Аналитические инструменты помогают в осуществлении гипертаргетинга и сегментации. Сегментация на основе ценности плюс маркетинг, основанный на событиях в жизни потребителей (и направленный на то, чтобы предоставить им нужный продукт в нужное время), помогут повысить результативность работы в несколько раз. Использование аналитических инструментов требует наличия определенной инфраструктуры, а ее размер зависит от объема клиентской базы и сложности требований.

Недостаточно создать инфраструктуру и использовать инструменты; необходимо также усовершенствовать процесс управления маркетинговыми кампаниями. Выше я рассказал о четырех процессах, лежащих в основе управления маркетинговым портфелем: отбор, целостный анализ всех проектов, мониторинг и адаптивное обучение. Технологии поддерживают процессы маркетинга, основанного на данных, которые необходимы для контроля и управления сложной средой. Но чтобы это все заработало, необходимо привить маркетинговой команде новые навыки.

Используйте креативный X-фактор как преимущество – добавьте в маркетинговую деятельность механизмы сбора данных о потребителях (через сеть или мобильные телефоны). Совместите маркетинг, основанный на данных, с прекрасной творческой идеей и обеспечьте прирост результатов в 5 или даже 100 раз. Новый подход – маркетинг, основанный на данных, – представляет собой качественный скачок в области маркетинга. Лишь немногие организации из тех, что используют эти новые принципы, не достигают успеха; большинство же понимают суть устойчивого конкурентного преимущества и показывают более высокие результаты по сравнению с конкурентами.

Стратегия, ведущая к победе, может поначалу казаться сложной. Но в этой книге приведено много примеров, схем и планов действий, позволяющих понять суть этой работы. Нужно начать с малого, одержать быструю победу, показать результаты и обеспечить себе поддержку руководства, необходимую для развития и расширения проекта. Сила маркетинга, основанного на данных, состоит в том, что с помощью 15 основных показателей вы можете рассчитать величину ROMI, а значит, и оправдать будущие маркетинговые инвестиции.

 

Выводы

• MCM-ресурсы – набор ключевых возможностей и соответствующих им процессов, позволяющих лидерам получать конкурентное преимущество от маркетинга.

• MCM-ресурсы связаны с четырьмя основными процессами, требующими применения технологических инструментов и инфраструктуры: отбором кампаний, целостным анализом всех проектов, мониторингом и адаптивным обучением.

• Организации, обладающие MCM-ресурсами, демонстрируют более высокие результаты.

• Инструменты и технологии маркетинга не всегда напрямую связаны с результатами работы компании в целом, однако всегда способствуют развитию MCM-ресурсов. Это означает, что само по себе инвестирование в технологии не повышает эффективности маркетинга; помимо технологий, нужно развивать и четыре основных процесса.

• Лидеры и отстающие распределяют маркетинговые бюджеты по-разному. Лидеры тратят больше денег на брендинг и инфраструктуру и меньше – на стимулирование продаж. Ведущие B2B-компании вкладывают больше средств в отношения с клиентами.

• Стратегия, обеспечивающая победу, заключается в поэтапном подходе к развитию MCM-компетенций – от базового уровня к продвинутому.

• Существует связь между творческим подходом и маркетингом, основанным на данных. Креативный X-фактор позволяет объединить отличные творческие идеи с маркетингом, основанным на данных, и повысить результативность в 100 раз.