От big data к smart data: аналитика клиентской базы

в прямых коммуникациях

Давид Вачадзе

Где в принципе живут клиентские данные?

Где в принципе можно строить прямую коммуникацию?

Кейс: миссия проекта

₋ Повысить эффективность маркетинга автобренда

₋ за счет data-driven оптимизации

₋ прямой коммуникации с потребителями

₋ в рамках клиенто-центрической модели

3 составные части работы с даннымиот романтизма big data к реализму smart data за 4 шага1. Собрали много data, отдали покрутить DB

программисту.

2. Собрали big data: 1.5 года прямой коммуникации в почте и смс, 228 уникальных точек конверсии в digital. Отдали математику.

3. Добавили small data: продажи, сервис. Отдали аналитику.

4. Добавили живого business process owner-а. Получили smart data

Кросс-канальный identity matchingи другая гигиена данных• В России для доступа в интернет в среднем используется 2-3 устройства

(TNS 2016)

• Физическая персона представлена в интернете примерно 10-ю unique online users в контексте вебовской аналитики (TNS 2016)

• До 35% действий потребителя происходит вне одно-канальной статистики (открыл письмо, зашел на сайт без клика, с другого устройства) (проектные данные BM)

• А также все остальные меры по очистке, валидации и интеграции данных = >80% затрат и других ресурсов проекта

Интеграция данных и работа с базой

• В 2х узловых из 228 точек CJ конверсии происходила полная потеря контекста и данных о потребителе

• Интеграция данных CJ позволила 67% опт-аутов и sms-only контактов идентифицировать в качестве аудитории programmatic

• email ретаргетинг горячих лидов повторных покупок среди посетителей веб сайта

• Реструктуризация базы: +33% эффективного охвата при сокращении трафика и бюджета

Рост эффективности коммуникаций

• Data-driven омниканальная стратегия: рост OR до 46%, рост CTR на 17%

• Микро-сегментирование рассылок в рамках клуба лояльности: рост OR +28% CTR +66%

• Обогащение данных aftersales: рост показателей коммуникации до OR = 41,3% , CTR = 46.5%

Lead

Prospect

Client

ClientLead

ClientProspect

0 2500 5000 7500n

stat

us

open.segmentnever.opens

newcomers

sleeping

Never opens segment

Lead

Prospect

Client

ClientLead

ClientProspect

0 5000 10000 15000n

stat

us

open.segment

current.active

current.passive

old.active

old.passive

recent.active

recent.passive

Regular: 2+ newsletters, 1+ opens

“Every time I buy a vanilla ice-cream,

car won't start”.

• Реальный кейс в GM• Выводы:

• Не понимаешь что происходит – копай• Слушай потребителя, недооценивай его жалобы, какими бы идиотскими они не казались• Вовлекай бизнес (инженер vs Президент)

Сравниваем цифры: пример из UK 2014, Homebase

• Предыдущий опыт – массовые рассылки со скидками, в результате RR=9%, низкая маржа и ROI=120%

• В 2013 году проведена интеграция данных, поведенческие модели (птичий корм x8 кухни)

• Развитый оптимизированный CJ (включая офлайн) и коммуникационный план в зависимости от:

• состояния жизненного цикла,

• Первой/сезонной покупки, RFM, CLV,

• контекста (переезд, рождение детей и пр.)

• DM RR +500%, повторные визиты +6%

• рост ROI на 350% до 4.3:1

• £60.7М инкрементальный доход в 2013 (+4.5%), превышение KPI на 48%, и рост в 4 раза за 3 года

Спасибо! Вопросы?

Если осталось время – можно еще посмотреть другие западные

цифры/кейсы

Давид Вачадзе, Brand Mobile

Costa Coffee 2012SVC, персонализация и многоканальность

• Охвачены все каналы CJ – in-store, имейл, SMS, онлайн, соц-медиа, поддержка (сервис)

• Сегментация RFM + жизненный цикл CLM • 2М участников• 47% рост визитов в кофейни• NPS = 51 (рост c 41)• ROI = 29:1• £21М инкрементальный доход, 50%

инкрементальный рост продаж среди участников

Whitbread Restaurants 2014Multi Channel Customer Loyalty Program, рассылки

• Веб, мобайл, голос (доступ оператора колл-центра)• Микросегментирование в рассылке (баллы,

информация профиля, треггера по датам): в среднем 1М писем / 933 варианта в месяц

• Рекрутировано 1,25М участников, 46% сказали что будут ходить чаще, 61% рекомендовали карту

• Средний OR=60%, лучший CTR=40%• Покупки среди членов клуба лояльности выше на 25 –

220 %%• 25% транзакций привязаны к карте, 33% дохода от

членов клуба лояльности

CRM-Programmatic: Kiehl’s Canada• Компания традиционно не использует

медиа• В рамках данного кейса задействовали

базу икоммерса, объединив ее с данными покупателей из оффлайн продаж

• Данные из CRM позволили увеличить медийных охват в интернете в 3.2 раза

• Конверсия на сайте составила 32%

CRM-Programmatic: US big box retailer

• CRM data onboarding + Lookalike, Programmatic Premium.• Использовался динамический (персональный) креатив• Аттрибуция оффлайновых продаж, 3 месяца

• Конверсия in-store: +41%• Consumer Acquisition Cost: -42%• Возврат на рекламу in-store: +74%

LiveRamp + Adaptive Audience, задача Drive Online 2 Offline Sales