Маркетинг, основанный на данных. 15 показателей, которые должен знать каждый

Для создания такого эффекта требуется аналитическая работа по таргетированию клиента и маркетинговых действий. Вы можете использовать три основных приема, в зависимости от типа вашей маркетинговой деятельности: лестница потребительской приверженности; анализ потребительской корзины; дерево решений. Рассмотрим эти подходы на примере компаний Meredith и EarthLink.

Первый основной прием аналитического маркетинга: предрасположенность

Компания Meredith Corporation с годовым оборотом в 1,6 миллиарда долларов – лидер среди американских маркетинговых компаний и медиаресурсов для женщин. Она владеет несколькими хорошо известными национальными брендами – в том числе журналами Better Homes and Gardens, Parents, Ladies’ Home Journal, Family Circle, American Baby и Fitness, – а также несколькими местными телеканалами на быстрорастущих рынках. Также Meredith обеспечивает корпоративным рекламодателям и их агентствам доступ к своему обширному портфелю медиапродуктов – за это отвечает стратегическое подразделение Meredith 360.

Meredith применяет маркетинг, основанный на данных, уже более 25 лет. Компания активно использовала директ-мейл для организации подписки на свои издания и хотела заняться рассылками по электронной почте. Поначалу она ограничивалась стихийными разовыми рассылками по электронной почте, но знала, что способна на большее. У маркетинга с использованием электронной почты есть одно важное отличие от директ-мейла. Во втором случае потребитель не против трех-четырех различных сообщений по почте (например, четырех разных открыток). Однако когда речь заходит об электронной почте, вы должны сформулировать одно-единственное лаконичное предложение, позволяющее достичь целей и избежать переполнения клиентских почтовых ящиков. Команда Meredith, работавшая над электронным маркетингом, задала себе вопрос: «Какой продукт лучше всего предлагать по электронной почте нашим клиентам?». Для ответа на него требуется создание модели предрасположенности.

Meredith создала 20 различных моделей (с помощью метода логистической регрессии{47}), по одной для каждого журнала. Компания использовала максимально широкий подход и включила в модель все возможные переменные. Анализировались не менее 1000 элементов данных, причем все они были признаны статистически важными. К ним относились и регистрация на сайте Meredith, и возраст клиентов, и их хобби и интересы, и возраст их детей, и информация о подписке на другие издания, и тип района проживания, и многое другое. Затем модель оценивала предрасположенность каждого индивидуального клиента к покупке определенного продукта, а самый высокий балл показывал, какой продукт будет товаром недели.

_{Рис. 9.1. Предрасположенность к покупке того или иного продукта (1–12-я недели)}

^{Источник: Meredith Corporation}

На рис. 9.1 изображены разные продукты Meredith и количество клиентов, для которых (по прогнозам модели) велика вероятность покупки товара в конкретную неделю. Иными словами, для каждого клиента создавался личный рейтинг, позволявший понять, какие именно продукты он вероятнее всего купит. Эта иллюстрация – часть панели мониторинга, которую руководители Meredith используют для отслеживания результатов.

Модели обновляются каждые 9–12 месяцев, а также еженедельно тестируются, чтобы определить степень соответствия прогнозов реальности. В некоторых случаях данные о потребителях меняются ежедневно, поэтому для достижения наилучших результатов необходим еженедельный пересчет рейтингов для 14 миллионов клиентов. Электронные письма направляются каждому клиенту не чаще одного раза в неделю, при этом частота контакта основана на реакции клиента на предыдущую кампанию: если он открыл письмо или перешел по ссылке, то он может получить сообщение и на следующей неделе. При отсутствии реакции с его стороны Meredith может выждать четыре недели, а затем направить по электронной почте очередное сообщение.