Маркетинг и данные
В современной быстро меняющейся среде с быстрыми инновациями и изменениями директора по маркетингу (CMO) сталкиваются с проблемами при измерении влияния своих маркетинговых усилий на качество обслуживания клиентов. Согласно отчёту State of Marketing Report от Salesforce, способность измерять рентабельность инвестиций в маркетинг (ROI) и атрибуцию является одним из главных приоритетов для маркетологов и CMO. Чтобы преодолеть это, CMO используют персонализированные данные для выявления новых возможностей роста и привлечения клиентов. Персонализированные данные могут быть использованы для усиления маркетинговых усилий и увеличения доходов путём нацеливания на конкретные сегменты клиентов и персонализации маркетинговых кампаний в соответствии с их конкретными потребностями и интересами. Это позволяет CMO добиваться более высоких показателей маркетинга и рентабельности инвестиций. В этой статье я исследую три важных аспекта, связанных с этой задачей:
- Показатели эффективности маркетинга;
- Кросс-канальная персонализация;
- Интеграция связанных данных.
1. Измерение качества обслуживания клиентов: выбор подходящих показателей эффективности маркетинга
Сейчас речь идёт не только о продукте, который покупает клиент. Качество обслуживания клиентов, обеспечиваемое компанией, так же важно, как и сам продукт. Вам необходимо изменить своё мышление с изолированных взаимодействий с продуктом или услугой на более целостный и всеобъемлющий взгляд на путь клиента.
Примечательно, что благодаря значительному сдвигу в сторону цифровых технологий, ускоренному из-за пандемии, как мы все знаем, маркетологи должны пересмотреть способы предоставления качества обслуживания клиентов и как лучше всего его измерить.
Оценка эффективности, несомненно, стала более сложной за последние годы, особенно с ростом цифрового маркетинга. Маркетинг и, следовательно, измерение теперь начинаются гораздо раньше на пути клиента. Это влечёт за собой распознавание намерений и быстрое влияние на них в рамках ранней фазы цикла покупки.
Понимание того, как использовать более персонализированные данные на протяжении всего пути, имеет важное значение. Оно играет жизненно важную роль в принятии более инновационных решений и повышении рентабельности инвестиций в маркетинг. Метрики удовлетворённости клиентов являются наиболее широко используемыми ключевыми показателями эффективности (KPI) в маркетинге — кстати, я не предлагаю отказаться от их использования в дальнейшем. Проблема в том, что показатели удовлетворённости клиентов измеряют результаты только в конце взаимодействия.
Когда вы думаете обо всём пути клиента и о том, как вы хотите (или, точнее, должны) понимать этот путь более целостно, удовлетворённость клиентов больше не может быть вашим главным показателем.
Более решительной мерой для оценки вовлечённости на протяжении всего пути клиента является пожизненная ценность клиента.
Использование пожизненной ценности клиента (LTV) в качестве ключевого показателя эффективности даёт вам способ измерить эффективность ваших кампаний.
Одним словом: существует немало способов расчёта LTV. Наиболее существенное различие заключается в том, чтобы смотреть на исторические расходы клиентов вашей компании по сравнению с прогнозируемыми. Когда я говорю об LTV в этом контексте, я имею в виду прогнозируемую ценность клиента; она не обязательно должна быть рассчитана на всю жизнь. Это может быть любой период, который наиболее значим для вашего бизнеса (бизнес-циклы). Я подумал, что это хорошо написанная статья о пожизненной ценности клиента от Джоша Темпла.
С учётом LTV маркетологи теперь имеют более надёжный способ оценить, эффективно ли они охватывают и привлекают клиентов, а также предоставляют ожидаемый клиентами опыт. Включая LTV в качестве показателя, руководители маркетинга могут измерять производительность и эффективность на каждом этапе своих кампаний и взаимодействий с клиентами.
Существует множество примеров применения LTV — вот два примера компаний, которые успешно использовали LTV для улучшения качества обслуживания клиентов.
Netflix: Netflix применяет алгоритмы машинного обучения для прогнозирования LTV, анализируя историю просмотров, рейтинги и демографические данные пользователей. Они используют эту информацию для рекомендации контента пользователям и создания персонализированных маркетинговых кампаний. Кроме того, они используют эту информацию, чтобы предсказать, как долго клиент останется подписанным, что помогает им адаптировать контент и маркетинговые стратегии для своей клиентской базы.
Uber: Uber прогнозирует ценность LTV, анализируя историю поездок, рейтинги и демографические данные пользователей. Они используют эту информацию, чтобы определить, какие клиенты, скорее всего, останутся активными и сколько они, вероятно, потратят. Это помогает им оптимизировать свои услуги и маркетинговые стратегии для удержания клиентов и увеличения доходов.
Вот ещё три примера компаний, использующих показатели эффективности более инновационно, помимо LTV:
Amazon: Amazon использует такие показатели, как история покупок, поведение клиентов и удовлетворённость клиентов, для персонализации рекомендаций и улучшения качества обслуживания клиентов и продаж.
Zappos: Zappos, интернет-магазин обуви и одежды, использует такие показатели, как время отклика в сочетании с удовлетворённостью клиентов, для оценки эффективности своей службы поддержки клиентов. Это помогло им создать репутацию компании с отличным обслуживанием клиентов и завоевать лояльность клиентов.
Starbucks: Starbucks использует такие показатели, как время и взаимодействие с приложением и погашение наград за лояльность, для оценки своей эффективности и улучшения качества обслуживания клиентов. Их ориентация на понимание поведения клиентов на протяжении всего их пути помогает им принимать обоснованные решения об операциях магазинов, рекламных акциях и других функциях.
2. Разблокирование бизнес-ценности через персонализированный коммерции: необходима кросс-канальная персонализация
Маркетинговые руководители должны оценивать не только «как», когда они думают о взаимодействии с клиентами, но и «где» эти взаимодействия происходят. Мы видели быстрое ускорение использования клиентами онлайн-каналов из-за пандемии COVID-19, когда появилось множество цифровых каналов на выбор. Большинство клиентов используют несколько каналов для взаимодействия с брендами и совершения транзакций.
Рассматривая это через призму пути клиента, с момента, когда клиент проводит первоначальное исследование, совершает покупку и, наконец, потребляет или использует продукт, становится очевидным, что цифровые, виртуальные и физические впечатления органично переплетаются. У клиента есть варианты, и он действительно ожидает, что эти варианты будут доступны. Более того, клиенты выбирают и выбирают на основе своих предпочтений в данный момент — и да, эти предпочтения могут меняться довольно часто — и ищут компании, которые предоставляют эти впечатления плавно. Поэтому CMO должны стремиться к инновациям с помощью персонализированных данных, чтобы разблокировать бизнес-ценность.
Персонализированный коммерции выходит за рамки усилий по персонализации, которые маркетологи использовали для своих коммуникаций. Цель состоит в том, чтобы предоставить клиентам больше контроля и автономии в их опыте.
Чтобы разблокировать эти высоко индивидуализированные впечатления, маркетологам требуется доступ к персонализированным данным. С помощью этой информации они получают ценную информацию и понимание в целом по каналам и платформам на вопрос «кто на самом деле является моим клиентом».
Вот один пример того, как Amazon использует данные об участии для комплексного распознавания своих уникальных клиентов. Они создают высоко персонализированный опыт для своих клиентов, используя данные об участии пользователей по нескольким каналам, таким как просмотр веб-сайта, использование приложения и Alexa. Это позволяет им понимать своих клиентов в целом по каналам и платформам и определять, какие продукты и акции с наибольшей вероятностью будут стимулировать вовлечённость и продажи.
Amazon: Amazon создаёт высоко персонализированный опыт для своих клиентов, используя данные об участии пользователей по нескольким каналам, таким как просмотр веб-сайта, использование приложения и Alexa. Это позволяет им понимать своих клиентов в целом по каналам и платформам и определять, какие продукты и акции с наибольшей вероятностью будут стимулировать вовлечённость и продажи.
Одним из примеров (из многих) такой интеграции является следующий: Джон часто ищет и покупает товары для активного отдыха на Amazon. Он любит слушать музыку во время походов в горы с помощью Alexa. На основе истории просмотров и покупок Джона на Amazon (веб-сайт, мобильное приложение) Amazon предложит ему новую экипировку для активного отдыха, такую как рюкзаки, походные ботинки и туристическое снаряжение. Эти рекомендации также будут дополнительно динамически настраиваться на основе его взаимодействия на Amazon, например, при поиске зимней экипировки. Кроме того, когда Джон просит Alexa включить музыку, система предложит песни и плейлисты, которые он ранее слушал во время походов.
3. Унификация вашего клиентского опыта: важность интегрированных и связанных данных
Чтобы разблокировать желаемый опыт, а также иметь возможность измерить их влияние, ваши данные должны быть связаны и легко доступны для всех ваших команд. Я знаю, это очевидно.
Маркетологи должны учитывать, что клиенты всегда готовы к новым продуктам, услугам и впечатлениям и, следовательно, должны быть готовы предоставлять услуги мгновенно в соответствии с растущими ожиданиями клиентов.
Интегрированная платформа позволяет компаниям взаимодействовать со своими клиентами новыми и инновационными способами. Имея единый источник достоверной информации, ваши команды маркетинга, мерчандайзинга и обслуживания клиентов могут иметь полное представление о клиенте. Это позволяет вам предоставлять полностью персонализированный и бесперебойный опыт, который поддерживает вовлечённость клиентов.
Но интегрированные данные приносят не только внутренние выгоды. Самое главное, клиенты получат значительную выгоду от перехода от взаимодействия с разрозненными отделами к более единому бренду. Больше никакого разочарования от разговоров с командой электронной коммерции, как будто они представляют собой другой бизнес, нежели магазины. Несвязные впечатления оставляют клиентов недовольными, и они с меньшей вероятностью вернутся в будущем.
Вот два примера, помимо ранее перечисленных:
Walmart: Walmart, например, создал централизованную платформу данных (CDP), которая позволяет им лучше понимать своих потребителей и персонализировать их покупки. Они также внедрили систему, которая позволяет обмениваться данными в режиме реального времени между их магазинами и онлайн-платформами, что позволяет им мгновенно реагировать на спрос клиентов и соответствующим образом пополнять запасы.
Sephora: Sephora внедрила платформу подключённых данных, чтобы персонализировать свою маркетинговую деятельность и предложить более плавный онлайн- и офлайн-опыт покупок. Они создают персонализированные рекомендации по продуктам и проводят целевые акции на основе данных о поведении клиентов и истории покупок.
Заключение
Как маркетолог, использование персонализированных данных может помочь вам выявить новые возможности для роста и привлечения клиентов. Вы можете усилить свои маркетинговые усилия и добиться более высоких результатов, нацеливаясь на конкретные сегменты клиентов и персонализируя свои маркетинговые кампании в соответствии с их конкретными потребностями и интересами.
Чтобы добиться успеха в этом начинании, сосредоточьтесь на выборе правильных показателей эффективности (потребуется время, чтобы определить правильный для вашего бизнеса), внедрении кросс-канальной персонализации и интеграции связанных данных. Не забывайте рассматривать путь клиента в целом и сосредоточьтесь на создании более персонализированного и увлекательного опыта для своих клиентов.