Совершенно отдельный вид упражнений возникает, когда встает задача определить и описать сегменты целевой аудитории для B2B. Очевидно, что никакие абстрактные «Иваны», «Джимы» или «Сары» решений в B2B не принимают. Их возраст, пол и другие социально-демографические основания сегментирования не влекут за собой практически никаких значимых последствий для возможного сотрудничества между двумя организациями. В реальности значение имеют скорее должностная позиция, принятые на стороне контрагента процесс бюджетирования и принятия решений, макроэкономическая ситуация, планы вертикальной интеграции и множество других совершенно деперсонализированных, но глубоко процессных вещей. Изучать их скучно, долго и дорого, а потому целый ряд маркетологов-«гуманитаристов»[2]
уверяют, что между маркетингом в B2B и B2C практически нет разницы, ведь «мы и там, и там что-то продаем живым людям». Вера в такой «очеловеченный» подход неизменно приводит к сокращению возврата на маркетинговые инвестиции и серьезным ошибкам. Чтобы разобраться с тем, какой подход предлагает маркетинг, основанный на данных, взамен целевой аудитории, обратимся к трудам великого американского ученого (к сожалению, недавно умершего) Клейтона М. Кристенсена.Что обнаружил Кристенсен?
Почему же опора на целевую аудиторию не есть лучший способ осмысления действительности для бизнесмена? Потому что социально-демографически аудитория может быть одна, а ее логика при покупке продукта, пусть одного и того же, – совершенно разной, даже если рассматривать одного человека.
Кристенсен сформулировал теорию, которую назвал «теория работ», по-английски – Jobs To Be Done, или «работа, которая должна быть сделана». В 2008 году он занимался оптимизацией маркетинга крупной сети по продаже молочных коктейлей и заметил, что большую часть выручки компании приносят мужчины от 30 до 50 лет. Это наблюдение заинтересовало его, и Кристенсен стал изучать структуру покупки – через программу лояльности, собиравшую необходимые данные.
Он обратил внимание на то, что существовало два пика потребления молочных коктейлей в данной сети – утро будних дней и послеобеденное время в выходные. Однако в эти два пика не совпадали ни объем, ни состав покупаемых напитков – даже у одного человека, как будто это были совсем разные люди. Утром мужчины покупали большие стаканы 0,5–0,7 л с густым составом, а после обеда в выходные – маленькие стаканчики 0,2 л, чаще всего с нарезкой из каких-нибудь фруктов.
Все оказалось очень просто: эти мужчины знали, что пить кока-колу и есть пончики по утрам вредно для здоровья и для фигуры, но не хотели лишать себя радостей жизни, тратя много времени на приготовление полноценного завтрака. Поэтому они выбирали для себя «разумную альтернативу» – молочные коктейли. Брали большой стакан с густым содержимым, чтобы можно было не торопясь выпить его в автомобиле по дороге на работу. А после обеда в выходные эти же люди везли своих детей из секций и покупали им маленький коктейль – чтобы ребенок тоже питался правильно, – но с фруктами, поскольку так было вкуснее.
Вкусный молочный коктейль – это хороший и недорогой способ побыть «хорошим папой». Не надо вести ребенка в магазин игрушек или в Диснейленд, нет нужды играть с ним в бейсбол на заднем дворе – купил коктейль, и ты уже классный отец. Кристенсен говорит: таким образом, один и тот же человек в двух очень разных ситуациях нанимал наш коктейль (он использует именно такое слово,
«Нарежьте» сегменты покупателей
Кристенсен проводил свое исследование в 2008 году, когда современных технологических средств еще не было, поэтому он реализовал его в Excel. Сейчас уже есть решения, которые позволяют анализировать потребителей более конкретно. Например, анализ клиентов одной из клиник Самары четко показал, что существует восемь совершенно разных групп пациентов по способу взаимодействия с медицинским заведением. Скажу также, что встречались организации, у которых было до 37 таких совершенно различных групп!
Именно поэтому изучать нужно не только целевые аудитории и социально-демографические группы, но и типы работ, которые выполняют клиенты с помощью продукта, помня, что один и тот же клиент в разное время и различных обстоятельствах одним и тем же продуктом может выполнять разные работы.
При помощи языков математического моделирования R и Python можно из базы клиентов организации сделать своего рода «нарезку» со всеми их визитами, покупками и полученными услугами в формате «есть 12 видов работ, ради выполнения которых люди нанимают вашу компанию».
Не умеешь – научим…