Клиентская аналитика: с чего начать - Polymatica - аналитическая платформа для работы с большими данными

Клиентская аналитика: с чего начать

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.

Почему клиентская аналитика важна

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.

Как использовать клиентскую аналитику

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.

Бенчмарки клиентской аналитики

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.

  • Определение отношения к бренду и уровня удовлетворенности клиентов.
  • Сегментация аудитории и персонализация рекламных предложений на основе данных о предпочтениях клиентов.
  • Привлечение покупателей с использованием эффективных каналов взаимодействия.
  • Прогнозирование снижений спроса и принятие мер по увеличению жизненного цикла клиента.
  • Выявление текущих трендов при помощи анализа больших данных и выстраивание новых моделей поведения с клиентами в целях роста продаж.

Идентификация клиентов

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

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.



 


| Наталья Яшенкова | Директор по маркетингу в компании «Полиматика»
Отвечает за направление клиентской аналитики. Знает всё о «лучших» клиентах и о том, как оценить эффективность программы лояльности. Автор нескольких книг и курсов по маркетингу.