Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть - [27]
• Без определения. Все остальные клиенты, для которых мы решили не создавать дифференцированной маркетинговой коммуникации.
Сконцентрировавшись на этих трех сегментах, мы смогли очень быстро создать сегментированные и индивидуализированные маркетинговые предложения для каждого из них. Кластерный анализ – не только быстрый, но и сравнительно недорогой метод. Например, всего за две недели перед тендером, в котором наше агентство принимало участие, меня попросили провести подобный тип сегментации для IKEA.
Сначала мы сказали, что это невозможно из-за полного отсутствия времени, однако затем собрались с силами и сделали работу. Нам не удалось поговорить с большим количеством клиентов IKEA, однако мы смогли поговорить с достаточно репрезентативной выборкой. Мы обнаружили три четких сегмента в категории мебели для дома и пять сегментов для любителей самостоятельно собирать мебель. При этом на большинство этих сегментов ни один из конкурентов не обращал достойного внимания. Стоимость опроса – всего 3 тысячи долларов, поскольку все нужные вопросы задавались нами в Интернете. (Кстати, тот тендер мы тоже выиграли.)
Анализ потребительской корзины
Помимо сегментации, сделанной на основе исследований отношений, о которой мы только что поговорили, есть и другие методы, помогающие корректировать и адаптировать вашу маркетинговую коммуникацию. Анализ потребительской корзины, то есть буквальная добыча информации об ассортименте продуктов, который находится в тележке покупателей во время их хождения по магазину, зачастую способен рассказать обо всем, что вам нужно знать, поскольку вы сразу понимаете, в чем конкретно проявляется покупательская заинтересованность. Этот метод стал довольно популярным в 1990-е годы в среде розничных магазинов благодаря замечательной истории про «пиво и подгузники».
Однажды в одном американском супермаркете[9] решили провести статистический анализ потребительских корзин, и в процессе исследования выяснилась любопытная закономерность. По вечерам в пятницу в тележках покупателей очень часто пиво соседствовало с подгузниками. Поразмыслив над этим феноменом, сотрудники догадались, в чем дело: приобретая на выходные подгузники по просьбам своих жен, многие мужья не могли удержаться от искушения и покупали себе в конце рабочей недели упаковку пива. Осознав суть происходящего, в супермаркете быстро передвинули стеллажи – и с тех пор пиво всегда стояло рядом с подгузниками. В результате взлетели продажи по обеим категориям продуктов.
Отличная история. Жаль только, что придуманная. Судя по всему, ее рассказывали консультанты, пытающиеся продавать свои услуги магазинам. На самом деле подобные исследования не проводились ни в розничных сетях, ни в отдельных магазинах. Тем не менее, несмотря на весь вымысел, эта история идеально показывает, почему анализ информации может стать мощным инструментом. Позволю себе привести еще один пример (представляющий собой несколько видоизмененное описание реально проведенного нами проекта), благодаря которому вы сможете лучше понять суть происходящего.
Крупная компания, занимавшаяся рекламной деятельностью путем адресной рассылки по почте, размышляя о новых принципах маркетинговой коммуникации, пыталась понять, на какие клиентские группы следует ориентироваться. Сотрудники компании хотели исследовать интенсивность пользования товаром, особенно их интересовало, какие продукты покупаются вместе, а какие – нет и почему. Естественно, полученные выводы они собирались использовать для работы с потребителями и корректировки рекламных рассылок.
В базе данных компании значилось 3360 различных продуктов. Итак, наш первый шаг состоял в том, чтобы рассортировать их по сходным группам. Для пущей простоты мы использовали двухуровневую классификацию. На первом уровне продукты были разделены по двадцати продуктовым семействам; на втором – получилось сто пятьдесят девять семейств, меньших по размеру. Мы проанализировали каждый отдельно взятый продукт, который можно было купить вместе с другим. Как вы уже догадались, количество возможных комбинаций для анализа увеличивалось со скоростью экспоненциального роста в зависимости от количества продуктовых групп (семей).
После завершения этой работы мы перешли к созданию модели, способной предсказать вероятность совместной покупки двух различных продуктов (в рамках той же сделки или в течение определенного времени). Мы протестировали модель, отправив двум группам клиентов единственный элемент маркетинговой коммуникации – памятную монету номиналом в 50 центов с портретом президента Кеннеди. Первая группа была отобрана из базы данных с помощью анализа потребительской корзины. Мы искали людей, уже купивших похожие памятные монеты. Вторая группа была отобрана случайным образом, без применения особых правил. Формула для анализа корзины выглядела следующим образом:
На первый взгляд формула выглядит крайне запутанной, но на самом деле она довольно проста.
• A – продукт (или семейство продуктов), для которого я разрабатываю правило. Иными словами, я пытаюсь предсказать, купит ли определенный клиент сувенирные монеты при условии, что он активно покупает другие сходные вещи на сайте этой компании. В данном случае мой продукт – монета номиналом 50 центов.
