Октябрь 2019 | Автор: Наталья Яшенкова
Клиентская аналитика (также можно встретить термин «аналитика клиентских данных») представляет собой систематический анализ данных о клиентах и их поведении. Основные цели аналитики – идентификация ЦА, привлечение и удержание покупателей. В зависимости от потребностей и зрелости бизнеса у вас могут быть look-alike модели, модели оттока, поведенческая сегментация, склонность к реакции на воздействие и модели LTV, которые регулярно оценивают статус клиентов и приносимую ими прибыль.
Клиенты принимают решения о выборе товара и покупке на основе определенной информации. Где купить, что купить, сколько заплатить и так далее – все эти данные в дальнейшем сохраняются у компании. Поэтому важность аналитики этих данных становится очевидной – аналитика позволяет использовать накопленные сведения для прогнозирования поведения клиентов при взаимодействии с брендом.
Основная цель клиентской аналитики – формирование точного портрета клиента, что в свою очередь позволяет понять, как привлекать и удерживать покупателей, сегментировать аудиторию; выявлять клиентов, готовых платить больше, и активно работать с ними. Чем лучше компания понимает привычки и предпочтения своих покупателей, тем точнее сможет спрогнозировать их поведение, и тем эффективнее будет выстраиваться карта пути клиента (customer journey). Но такое понимание невозможно без анализа больших объёмов исторических данных.
Чаще всего клиентской аналитикой занимаются разрозненные команды, состоящие из менеджеров высшего и среднего звена, – руководителей отделов продаж, маркетинга, клиентского сервиса, IT и бизнес-аналитики.
Работа с данными будет максимально эффективной только в том случае, если все члены такой команды выработают соглашение относительно того, какие именно бизнес-показатели являются ключевыми для оценки потребительского опыта. Использование различных CRM- и ERP-систем и недостаточная интеграция всех получаемых данных могут повлечь за собой фрагментарное представление о клиенте, результатом чего станет формирование неверного портрета клиента и выбор некорректной стратегии работы с ним.
Накопление и анализ данных с использованием специфических метрик позволяет бизнесу успешно выстраивать отношения с клиентами. Далее перечислены лишь некоторые из методов аналитики, работающие на принятие более эффективных управленческих решений:
Метрики и KPI, которые характеризуют клиентов, например, новые, лучшие (приносящие высокую прибыль), постоянные (совершающие покупки с определенной регулярностью), в зоне риска по оттоку. Эти показатели отслеживаются и сравниваются между собой.
Очевидным кажется факт, что клиентской аналитикой можно заниматься только в случае возможности идентифицировать каждого клиента. Для этого ритейл, HORECA и другие операторы услуг вводят карты лояльности. В e-commerce с этим легче – не требуется специальных усилий, так как текущего клиента можно идентифицировать по номеру телефона или электронной почте.
Можно ли заниматься клиентской аналитикой, если карт или других способов привязать конкретных людей к покупкам нет? Даже существующие системы лояльности не всегда отрабатывают корректно – например, в магазинах, предлагающих редкие и дорогие товары, карта может передаваться разным людям, или продавцы могут предлагать использовать их карту, чтобы получить скидку. Отсутствие четкой идентификации не позволит разработать дифференцируемые портреты клиентов по сегментам, и таргетированные предложения тоже будут не доступны, но можно улучшить работу в других направлениях.
Например, в продажах можно провести поиск закономерностей сочетаний товаров в чеке – определить лидеров и аутсайдеров, понять особенности структуры покупок по городам, дням/ неделям, продавцам. Немаловажным является изучение активности промо по брендам, категориям или подкатегориям: выручка, маржа, количество заказов, доля продаж по промо, проникновение в чеки. В результате можно понять, какие бренды и подкатегории являются доходообразующими и прибылеобразующими.
Дополнительно результаты такого исследования можно предложить производителям – многие готовы покупать информацию, чтобы больше узнать о том, как продается их продукт.
Инструменты клиентской аналитики – это специальные приложения, которые позволяют на основе собранных данных понять предпочтения и поведение покупателей и в дальнейшем адаптировать маркетинговые кампании под конкретные сегменты аудитории. Эти приложения могут быть частью CRM-системы или реализовываться как самостоятельные инструменты, позволяющие решать полный спектр задач – от сбора данных о клиентах из различных источников до анализа и визуализации результатов. Профессиональные решения для аналитики, как правило, включают в себя возможности Data Mining– интеллектуальные алгоритмы для глубинного анализа, например, кластеризацию и ассоциативные правила.
Выбор решения зависит от зрелости и размера компании – для полноценного анализа пути клиента недостаточно использовать данные только CRM: требуется объединение данных из разных источников и поиск стыков – по какому параметру данные из разных баз можно «привязать» к конкретному клиенту.
И в завершении хочется обсудить такой вопрос – кто является пользователем систем клиентской аналитики? Аналитик, data scientist или представитель бизнеса? В идеале все три должны иметь доступ: data scientist работает с моделями оттока, прогнозирования, аналитик в ежедневном режиме анализирует текущие и исторические данные для поиска прорывных идей и бизнес-пользователь – человек, обладающий знаниями и опытом в предметной области тоже вовлечен в хантинг инсайтов – продвинутые инструменты практически в режиме реального времени позволяют проверять свои гипотезы. И глупо соглашаться на что-то меньшее.