Интеллектуальные развлечения. Интересные иллюзии, логические игры и загадки.

Добро пожаловать В МИР ЗАГАДОК, ОПТИЧЕСКИХ
ИЛЛЮЗИЙ И ИНТЕЛЛЕКТУАЛЬНЫХ РАЗВЛЕЧЕНИЙ
Стоит ли доверять всему, что вы видите? Можно ли увидеть то, что никто не видел? Правда ли, что неподвижные предметы могут двигаться? Почему взрослые и дети видят один и тот же предмет по разному? На этом сайте вы найдете ответы на эти и многие другие вопросы.

Log-in.ru© - мир необычных и интеллектуальных развлечений. Интересные оптические иллюзии, обманы зрения, логические флеш-игры.

Привет! Хочешь стать одним из нас? Определись…    
Если ты уже один из нас, то вход тут.

 

 

Амнезия?   Я новичок 
Это факт...

Интересно

В Штатах проживает всего 5 \% населения земного шара, но почти 25 \% заключенных мира – американцы.

Еще   [X]

 0 

Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть (Маекс Димитри)

Только представьте, как много вы могли бы сделать, если бы в ваших силах было выявить самых прибыльных клиентов своей компании, создать более качественную маркетинговую стратегию для общения с ними и вдохновлять их на то, чтобы покупать у вас еще больше.

Год издания: 2013

Цена: 349 руб.



С книгой «Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть» также читают:

Предпросмотр книги «Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть»

Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть

   Только представьте, как много вы могли бы сделать, если бы в ваших силах было выявить самых прибыльных клиентов своей компании, создать более качественную маркетинговую стратегию для общения с ними и вдохновлять их на то, чтобы покупать у вас еще больше.
   Теперь все это вам по силам. И самое приятное заключается в том, что вы можете сделать все это с помощью данных, которые у вас уже есть. Ведь в наши дни все, что мы делаем, создает информацию, и ее объем невероятно велик. Каждый раз, когда кто-то просматривает веб-страницу, вводит поисковый запрос в Google или просто блуждает по Сети с помощью своего смартфона, он добавляет крошечный кусочек к огромному хранилищу данных, помогающих нам лучше понять и предсказать поведение потребителей.
   В «Ключевых цифрах» автор в ясной и легкодоступной манере объясняет, как превратить эти данные в практически применимые стратегии, обеспечивающие рост и доходы. Более того, он показывает, каким образом можно проделать все это без дополнительных затрат.
   Книга обязательна к прочтению:
   – специалистам по маркетингу, стремящимся получить максимальный возврат на каждый доллар рекламного бюджета;
   – владельцам небольших бизнесов, желающих быстрее расти;
   – исследователям, старающимся лучше понимать потребителей, для которых создаются новые продукты или услуги;
   – финансистам, отвечающим за увеличение прибыли компании;
   – творческим работникам, пытающимся понять, как выглядит обратная связь и как можно ее улучшить.


Димитри Маекс, Пол Браун Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть

   Эту книгу хорошо дополняют:

   Клиенты на всю жизнь
   Карл Сьюэлл

   Искренняя лояльность
   Фред Райхельд и Роб Марки

   Партизанские маркетинговые исследования
   Роберт Каден
   Посвящается
   Кэтрин, Рэю и животику

Предисловие
Чем так привлекательны цифры?

   Рекламные объявления, которые мы запускаем вслед человеку в его путешествиях по сайтам, уже не только преследуют, но и обгоняют нашего покупателя…
   Точные показатели, которые мы получаем в режиме реального времени, указывают на эффективность наших маркетинговых кампаний…
   Умение точно определить нужную цель и безошибочно выделить наиболее прибыльных покупателей среди нашей самой выгодной клиентуры…
   Здесь перечислены всего лишь три феномена из множества наших действий, возможных сегодня, – они стали доступны благодаря аналитике, то есть искусству и науке описывать странными условными значками все имеющиеся в нашем распоряжении данные.
   Только не надо думать, будто лишь в наши дни маленькие значки приобрели столь неожиданную привлекательность. Это далеко не так. Справедливо предположить, что в делах торговли и освоения рынка цифры стали вожделенными после одной рекламной кампании, впервые предполагавшей прямой отклик со стороны клиента. Первый почтовый каталог был разработан Аароном Монтгомери Уордом в 1872 году, а уже в 1886-м его идею позаимствовали Ричард Сирз и Алва Робак. У нас нет точных сведений, каким образом первопроходцы прямого маркетинга отыскивали оптимальные решения и измеряли успех своей деятельности, но совершенно очевидно, что бизнесмены отлично с этим справлялись, о чем говорит сам факт благополучного существования их созданий более сотни лет. Оба торговых каталога процветали бы и далее, но на их пути встали онлайновые аналоги.
   Достойно внимания, что Клод Хопкинс начинает свою «Научную рекламу» (Scientific Advertising) – книгу, увидевшую свет в далеком 1923 году, – следующими словами: «Пришло время, когда реклама в хороших руках становится наукой. Как и всякая наука, она основана на законах и точных величинах. Как и во всякой науке, причины и следствия в рекламе изучаются вплоть до полного их понимания. Правильные приемы испытаны и прошли проверку жизнью. Нам известны наиболее действенные из них, и мы строим свою работу по нескольким основным законам»[1].
   Через десять лет, в 1932 году, вышла книга «Проверенные методы рекламы»[2] (Tested Advertising Methods), и ее автор Джона Кейплз вслед за Хопкинсом тоже говорил в основном о рекламе, предполагающей прямой отклик клиентов, в частности – о заказе товаров с доставкой по почте. Подобная система заказа в те годы выглядела довольно несложно. Маркетологам и рекламистам, напрямую отправлявшим каталоги и рекламные листки и хорошо знавшим своих адресатов, всего лишь требовалось проследить результаты – сделаны ли покупки. И все у них шло отлично, пока на сцене рекламы не появилось радио, а затем телевидение. А с ними исчезли простые и удобные способы безошибочно узнавать о реакции своих клиентов, поскольку стало практически невозможным отслеживать, кто и когда слушает или смотрит ту или иную передачу. Новые средства распространения информации потребовали от маркетологов искать пути совершенно иного порядка, но которые могли бы поддерживать прежний уровень их ответственности перед клиентами.
   В маркетинговую деятельность передовые математические методы вошли в 1950-е годы, когда и на производстве, и в управлении, и прежде всего в практике сбыта все чаще стали использовать операционный анализ и применять новые организационные модели, ставшие особенно востребованными после Второй мировой войны. Конечно, те методы выглядят крайне примитивными с позиций нынешнего дня, когда мы уже в точности знаем, сколь долго человек смотрит на мелькающее в Интернете рекламное объявление, по каким ссылкам он идет дальше и что все-таки решает (или не решает) приобрести. Однако отдадим должное: именно методы 1950-х годов позволили специалистам оценить слияние интересов маркетинга и массмедиа; понять силу их воздействия на осведомленность потребителя о бренде и внимание к нему, а в итоге – на объемы продаж и прибыль.
   Третья эра эволюции в мире аналитики наступила в 1990-е годы, когда существующие системы управления взаимодействием с клиентами стали для многих маркетологов настоящим наваждением. Возможности, предлагавшиеся новыми мощными базами данных, до неузнаваемости изменили отрасль прямого маркетинга, а вместе с ней – и наши привлекательные маленькие цифры. Не трудно догадаться почему. Фредерик Райхельд в своей книге «Эффект лояльности»[3] (The Loyalty Effect), вышедшей в 1996 году, доказывает, что, удерживая лояльность своих клиентов даже на уровне 5 %, вы, как правило, добиваетесь повышения прибыли на 25–100 %. Чуть раньше появилась книга Гарта Холлберга All Consumers Are Not Created Equal («Не все потребители созданы одинаковыми»), в которой он объясняет, почему даже довольно небольшая часть клиентов обычно приносит компании непропорционально большую долю дохода (мы будем говорить об этом во второй главе). Многие компании, усвоив столь необходимые сведения, торжественно поклялись активно выявлять своих самых ценных клиентов. Были разработаны так называемые программы лояльности; в них входили: карты клиента, или поощрительные карты, позволявшие учитывать каждую сделку, – для чего компаниям пришлось вложить огромные суммы в создание единых баз данных, хранивших всю информацию о клиенте; модель, названная «пожизненная ценность клиента», позволявшая определять, какие клиенты окажутся наиболее постоянными и перспективными; модель потерь, по которой прогнозировалась вероятность того, кто из клиентов перестанет быть активным потребителем. Революция в области управления взаимодействием с клиентами сделала механизмы маркетинга гораздо эффективнее, а технические приемы намного изощреннее, что дало возможность перерабатывать огромные массивы информации. Вскоре – с появлением цифровых мультимедиа – сама жизнь проверила на прочность маркетологов-аналитиков: может ли их деятельность быть полностью ориентированной на клиента.
   С приходом в мир цифровой связи, а тем более с появлением возможности передавать любые данные по Интернету, – измеряемым стало практически все. Информация поступает отовсюду, и объем ее невероятен. Цифровая база данных компании Google (думаю, на сегодня самая большая) производит в день свыше одного миллиарда поисковых запросов по всему миру. Столь гигантский объем информации предоставляет современным компаниям беспрецедентный обзор рыночных тенденций, благодаря чему они знают, как уровень вовлеченности клиентов в их бренды влияет на их доходы.
   Среда электронной коммерции обеспечивает нас системой, получившей название «замкнутой обратной связи», что способно ввести в нирвану любого, кто занимается вопросами эффективности маркетинга. Мы знаем о своих клиентах все: к каким средствам информации они обращаются; какими путями приходят на тот или иной сайт; что в точности делают, попав туда. Мы отслеживаем всю фактическую конверсию[4], поведение каждого человека, совершающего определенную покупку.
   Цифровые данные доступны в режиме реального времени. Нам больше не надо неделями и месяцами ожидать нужных сведений, по которым мы только и могли судить о степени влияния своей маркетинговой деятельности. Поскольку теперь мы получаем их почти мгновенно, то приступаем к принятию оптимальных решений тоже безотлагательно. Цифровые технологии – подобно стероидам в мире спорта – способны произвести настоящую революцию в математических моделях и маркетинговых исследованиях.
   Сэм Палмизано, выступая в Совете по международным отношениям в 2008 году (в то время он занимал пост СЕО IBM), лучше всех остальных объяснил суть наступившего нового мира: «Умной становится чуть ли не любая вещь – современные модели вычислений способны превратить в компьютеры все пользовательские устройства, снабдив их сенсорами, приводами и подключив к серверным системам. Вкупе с продвинутой аналитикой эти суперкомпьютеры способны превратить горы данных в опыт и знания, что придает нашим методам, процессам и инфраструктуре бо́льшую производительность. Мы становимся более продуктивными и восприимчивыми – иными словами, более толковыми и развитыми».
   Возьмем марку Zara, основной бренд международной группы Inditex S.A., гигантской испанской корпорации, занимающейся розничной торговлей одеждой. За счет внедрения методов математического анализа на уровне каждой бизнес-единицы компания смогла совершить практически невозможное для индустрии модной одежды – сократить до нескольких недель весь производственный процесс, который начинается с эскиза модельера и заканчивается в магазинах готовой одежды. И это в отрасли, где чаще всего над рождественскими коллекциями одежды начинают работать за девять или даже двенадцать месяцев.
   Насколько все это важно лично для вас и для меня? Чтобы понять, к чему могут привести аналитические методы и взаимосвязанность человеческого разума и умных устройств, о чем говорил Палмизано, представьте собственный холодильник в ближайшем будущем. Он не только будет в состоянии сообщить, мол, у тебя заканчивается молоко и масло, но и, составив список покупок, разместить заказ в местном супермаркете, откуда вам и доставят продукты на дом.

Как поступать с неприкосновенностью личной жизни?

   Я собираюсь подробно говорить о неприкосновенности личной жизни в последней главе, но позвольте мне сказать пару слов прямо сейчас, и думаю, моя позиция вас удивит. Полагаю, у людей есть все причины протестовать против широкомасштабного сбора информации ради коммерческих целей. Действительно, процесс сбора данных, с одной стороны, тщательно завуалирован, а с другой – ведется крайне беспорядочно. И то и другое неправильно.
   Но жизнь не стоит на месте. При отсутствии соответствующих нормативов индустрия рекламы и маркетинга начинает заниматься саморегулированием. И это хорошо, ведь потребители довольно четко дают нам понять, что они весьма озабочены нашими действиями. Мы уже приняли на себя обязательство не собирать без согласия потребителя никакой информации, которая может идентифицировать его личность. Мы обязательно сразу ставим клиента в известность, для чего нам нужны сведения о нем, и при этом даем ему возможность выбора: он может отказаться или нет от предоставления тех или иных личных данных.
   И еще об одном. Кстати, очень надеюсь, что мое дальнейшее объяснение поможет многим людям разобраться в нашей проблеме. Реклама, о которой вы говорите, будто она вторгается в личную жизнь, в первую очередь делается в ваших интересах – интересах потребителей. Понимаю, мое заявление звучит несколько в духе героев Оруэлла, но примите во внимание следующую вещь: слишком мало людей, не связанных напрямую с маркетинговой деятельностью, понимают, что реклама необходима, поскольку она является источником финансирования для производства любого контента. И особенно важной становится она в наше время, когда люди желают получать как можно больше качественного контента, и заметьте – не приобретать, а получать бесплатно. Потребители без устали демонстрируют, что не собираются платить большие деньги даже за собственное удовольствие смотреть любимые телепередачи или регулярно посещать понравившиеся веб-сайты. Однако без рекламы ни один человек не имел бы свободного доступа к контенту – ведь тогда большинству сайтов пришлось бы ввести собственную систему подписки, а каждому телеканалу – абонентскую плату.
   Контент должен оставаться бесплатным и свободным, соответственно, и реклама в качестве инструмента финансовой поддержки никуда не исчезнет. Однако теперь у нас появилась возможность сделать ее и не столь навязчивой, и менее неприятной. Давайте пофантазируем: вам двадцать пять лет, вы заядлый геймер и заодно любитель одного классного сериала. Дабы обеспечить вам еженедельный тридцатиминутный просмотр очередной серии, компания-производитель должна показывать рекламу, причем не менее шести минут. Что было бы для вас более приемлемым – общая реклама или рассказ о новейших играх? Конечно, вы, как и большинство компьютерных игроков, предпочли бы второй вариант, но для этого вам нужно ввести маркетологов в курс дела о своих привычках, вкусах и предпочтениях, чтобы они знали, какую именно рекламу вы считаете уместной.
   Если вы сообщите информацию о себе, то это поможет нам избавить вас от надоевшей рекламы. Персонифицированное обращение к клиенту обеспечивает рекламодателям огромную отдачу, соответственно, они готовы платить намного больше за персонализированный тридцатисекундный ролик или баннер, чем за шестиминутную рекламу «для всех». Это означает, что вы будете реже сталкиваться с рекламой, а поставщики контента будут получать за ее показ больше денег. Похоже, идея очень неплохая, а главное – устраивает всех участников сделки.
   В этом я вижу еще одну потенциальную выгоду от маленьких привлекательных цифр, о которых, собственно, и пойдет речь.
   А теперь, если мы закончили с введением в тему, давайте приступим к делу.

Глава 1
Каким образом эта книга поможет вам расширить бизнес?

   На любом месте, которое мне довелось занимать в нашем рекламном агентстве, – и когда до недавнего времени возглавлял группу аналитиков Ogilvy, и когда сейчас руковожу нью-йоркским отделением подразделения OgilvyOne, занимаясь проблемами интернет-маркетинга, – я всегда придерживался этого принципа: самое сложное передавать простыми словами. В своей работе я вместе со своей командой руководствуюсь одним довольно бесхитростным постулатом: сегодня самыми успешными станут компании, способные не только овладеть информационным «всемирным потопом» – в нем всем приходится захлебываться, – но и преобразовать его в полную аналитическую картину, без которой невозможен реальный рост.
   Наша работа состоит в том, чтобы помогать своим клиентам выявлять ценную информацию и учиться ее анализировать. Объяснять людям, о чем могут поведать их данные, следует простым, очень доступным языком. Скажем, любой финансовый директор не моргнув глазом выслушает мои рассуждения о логистической регрессии, тогда как у слабо разбирающегося в математической терминологии руководителя (и СЕО, и даже коммерческого директора, озабоченного вопросами маркетинга) обычно через десять секунд такой беседы ясный взор начинает тускнеть[6].
   Поэтому я всегда учился «творчески» подходить к рассказу о своих идеях, преобразовывая их в простые и внятные образы – смею надеяться, чем-то напоминающие такое: «При скорости 60 миль в час самый сильный шум, который производит новый “роллс-ройс”, – от установленных в его салоне электрических часов» (кстати, этот рекламный ход тоже придуман одним из нас[7]). Я сделаю все возможное, чтобы максимально пользоваться именно таким языком в своей книге.
   Еще один весьма существенный фактор, требующий от меня доступного языка изложения: ведь мне придется донести до вас апробированный нами метод, как при помощи данных, которыми вы уже владеете, но не имеете ни малейшего представления, что с ними делать, ваша компания сможет резко и одновременно увеличить объем продаж и улучшить показатель возврата инвестиции (return on investment; далее по тексту – ROI).
   Каким образом?
   Отлично, сейчас объясню, если вас действительно беспокоит этот вопрос. На самом деле любой бизнес имеет всего лишь две стороны – предложение и спрос.
   Когда речь идет о предложении, иными словами, когда выполняются все заказы и таким образом удовлетворяются потребности клиентов, то всеми деловыми процессами полностью управляет сама компания. Например, руководители компаний отлично знают, насколько вырастет производительность в случае покупки нового оборудования.
   В таких ситуациях наиболее уютно себя чувствуют люди с левополушарным типом мышления, то есть дружащие с логическими и финансовыми моделями бизнеса. Десятилетиями они занимались повышением эффективности цепочек поставок, модернизацией производственных процессов и развитием системы показателей, оценивающих рост бизнеса.
   Когда речь заходит о спросе, то положение резко меняется: компания не имеет никакой возможности управлять данной стороной бизнеса – это прерогатива потребителей. Разумеется, вы можете перебрать массу способов влияния на них и на рынок, но в итоге только за клиентом-потребителем-пользователем остается последнее право решать, заинтересован ли он в том, что вы предлагаете. Спрос – очень загадочная область, в которой не всегда можно установить связи между причиной и следствием. Почему клиенты покупают ваш продукт? – он идеально удовлетворял их потребности? понравилась ваша реклама? ваша цена оказалась наиболее привлекательной? им кто-то посоветовал? Не исключено, что решение было принято благодаря целой комбинации перечисленных и сотни других факторов.
   Я как раз занимаюсь этой совершенно неупорядоченной стороной бизнеса: выясняю, что происходит, когда клиенты нажимают на ту или иную кнопку или идут по той или иной ссылке. Предположим, человек что-то приобрел сразу, как только прочитал ваше рекламное объявление в Интернете, но можем ли мы считать, что именно оно послужило причиной покупки? Как вы увидите ниже, я использую качественные, апробированные на практике инструменты, взятые из мира предложения и перенесенные в хаотичный мир спроса.
   С помощью предложенных мной инструментов вы сможете – как я и обещал вам еще в названии книги – развить свой бизнес таким образом, чтобы одновременно повысить объем продаж и прибыль.
   В первую очередь это важно усвоить первым лицам компаний, поскольку именно им придется держать ответ перед акционерами, насколько эффективно расходуются деньги. Однако и другим сотрудникам, стоящим на разных уровнях иерархии, необходимо владеть такими знаниями. Маркетологи и руководители подразделений должны знать, кто является самым ценным клиентом. Исследователи, разрабатывающие новые продукты и услуги, обязаны думать об интересах прибыльных для компании потребителей. Работникам сервисного обслуживания клиентов также следует уделять больше внимания самым ценным покупателям. Сотрудникам финансовых отделов часто требуется понять, получит ли компания доход от своих последних разработок. Благодаря идеям, о которых мы собираемся говорить в книге, прибыль на ваши инвестиции может быть очень большой.
   Насколько большой? Позвольте привести вам пару простых примеров.
   • Компания Ceasars повысила прибыльность своей интернет-рекламы на 15–30 % за счет проведенного анализа всех отзывов клиентов об отелях, в которых те жили. Компания использовала программу, которая не только находила каждый комментарий клиента, размещенный в Интернете, но и автоматически сортировала отзывы по огромному множеству категорий. Это позволило руководству изменить и содержание, и язык рекламной продукции. В частности, выяснив, что клиенты просто бредят видом из окна, в рекламных материалах моментально появились соответствующие картинки, а вопрос цены номера был отодвинут на задний план.
   • Брокерская компания TD Ameritrade повысила долю новых клиентских счетов, открывавшихся через сайт, на 14 % – и все за счет крайне незначительных изменений в тексте, дизайне и изображениях на сайте. Для этого команда Ogilvy провела невероятно тщательное исследование домашней страницы Ameritrade. Мы протестировали каждое слово, цвет и элемент дизайна, чтобы понять, где и что можно улучшить. Всего лишь потребовалось заменить на кнопке фразу «Открыть онлайновый счет» на слова «Для старта» и заодно поменять цвет этой кнопки с оранжевого на зеленый – и пошел стремительный приток людей, желавших открыть счета.

   Примеры показывают, что вам не надо относиться к прочитанному в этой книге как к исключительно теоретическим выкладкам. Наши наработки уже используются компаниями для повышения спроса на их продукцию. Я покажу, каким образом вы сможете проделать то же самое и в своем бизнесе.
   С помощью нового взгляда на уже имеющиеся у вас данные о клиентах вы можете многое улучшить, и прежде всего свою стратегию, тактику и сбыт.
   – Стратегия. Вы научитесь точно регулировать свои отношения с клиентами и конкурентами и сможете выделять доминирующие направления – и все это благодаря анализу тех цифр, которые накопились в ваших базах данных. Например, вы начнете понимать, кто является вашими самыми прибыльными клиентами, что каждый из них предпочитает приобретать в вашей компании, а также каким потребительским сегментам можно не уделять никакого внимания.
   – Тактика, используемая для реализации стратегии. При тщательном изучении своих данных вы поймете, каким образом обращаться с самыми прибыльными клиентами; цифры научат вас правильному подходу к клиентам, которые с наибольшей вероятностью будут покупать ваши продукты.
   – Реализация тактики. Данные помогут вам понять, какие действия способны принести наибольшую отдачу, а также в какое время лучше всего заняться реализацией той или иной тактики.

   Существуют две причины, по которым должны произойти улучшения в вашем бизнесе. Прежде всего современный уровень развития технологий позволяет нам отсортировать все имеющиеся данные о поведении клиентов, а затем понять (и предсказать), что и как они делают или будут делать. Подобная информация всегда имелась в нашем распоряжении. Но до недавних пор компании могли пользоваться лишь незначительной ее частью. Помимо этого, к появлению новых данных приводит практически каждое наше действие. Иными словами, мы может получить куда более полную картину поведения людей, с которыми имеем дело, – и об этом следующая моя история, в которой рекомендую обратить внимание на данные, позволяющие нам четко оценить сумму недополучаемого компаниями дохода.
   Недавно, находясь по делам в Лондоне, я проживал в гостинице «Хилтон» – это в деловом районе Кэнэри-Уорф. Утром, когда пришло время уезжать, я выписался из отеля и поехал на метро до станции «Паддингтон»; приехав на Паддингтонский вокзал, я взял билет на экспресс-поезд, идущий без остановок в аэропорт Хитроу. «Хитроу-экспресс» – это чуть ли не самый дорогой поезд в мире, хотя он и дешевле и быстрее такси, а самое главное – меня в нем не подташнивает.
   Я зарегистрировался на рейс компании British Airways до аэропорта имени Джона Кеннеди, а перед посадкой зашел в магазин Boots (крупнейшая аптечная сеть Великобритании), где купил несколько пачек влажных салфеток с запахом огурца. Моя жена, англичанка, уверяет меня, что это лучшие салфетки в мире, однако она не может найти их в Америке, как и два других странных и типично английских продукта: пищевую пасту «Мармайт» и шоколадное яйцо «Кэдбери» с кремовой начинкой, – по которым британцы почему-то испытывают постоянную ностальгию. Я также прошелся по парфюмерному отделу и купил новейшие духи «Флора», выпущенные Gucci. Итак, через три часа после пробуждения я уже находился в самолете и летел домой.
   За очень короткое время мной оставлен настоящий шлейф информации. Если люди из «Хилтона» знали бы, где искать «следы», то легко бы поняли, что за последние шесть месяцев я уже в третий раз останавливался в их отеле. Они без проблем могли бы узнать, что я люблю перед сном выпить бокал вина и что предпочитаю легкий «континентальный» завтрак, невзирая на рекламу их плотного «английского» завтрака. Транспортное ведомство Лондона при желании могло бы заметить, что я провел в городе целых семь дней (мой недельный проездной) и что каждый день после всех своих путешествий возвращаюсь в Кэнэри-Уорф; кроме того, там могли бы обратить внимание, что семь лет назад, когда я жил в Лондоне, то делал все то же самое, причем каждый день. Сотрудники компании Heathrow Express из своих записей могли бы выяснить, что за последние шесть месяцев я пользовался их услугами три раза. То же самое могли бы заметить и служащие авиакомпании British Airways. Аптека Boots могла бы предположить, что я британец, живущий за границей (на самом деле я бельгиец с женой-британкой) и истосковавшийся по родным салфеткам с огуречным запахом. Если бы сотрудники Gucci были повнимательнее, то заметили бы, что духи «Флора» куплены мною в магазине, где по огромным телевизорам постоянно транслировали рекламные ролики этого бренда.
   Информация обо всех моих передвижениях, привычках, пристрастиях и покупках уже существовала без каких-либо усилий с чьей-либо стороны. Ни мне не потребовалось выходить в Интернет, ни интернет-компаниям не надо было отслеживать каждый мой шаг, фиксируя любое, даже случайное нажатие на кнопку.
   Я не собирался рассказывать вам, как часто езжу по делам в другие страны. На самом деле эта небольшая история приведена мною затем, чтобы вы поняли, какое огромное количество данных можно было бы собрать и насколько легкомысленно к ним относятся даже довольно крупные компании. Разумеется, Hilton знает, что я являюсь членом их программы лояльности, в которую включены постоянные гости отеля (Hilton HHonors), но пока я не получил от них ни одного письма со словами: «В следующий раз, мистер Маекс, когда вы посетите Лондон, мы хотели бы предложить Вам…» (некоторые отели уже начали рассылать подобные письма). Компания Boots ни разу не прислала свой каталог на наш почтовый адрес в Бруклине, и я никогда не получал предложений от Gucci (что, возможно, и к лучшему, ведь моя жена обожает их продукцию).
   В тот самый день, о котором я рассказываю, миллионы других людей оставляли за собой примерно такие же информационные «шлейфы». Они делали это, посещая веб-сайты, социальные сети, включая свои мобильные устройства и оплачивая свои покупки наличными в магазинах, что всегда фиксируется кассовыми аппаратами.
   Мне крайне досадно, когда компании не используют в собственных интересах гигантскую часть создаваемой нами информации, причем не делается этого по одной причине: они (по крайней мере до недавних пор) просто не знали, как с этим справиться должным образом. Объемы данных растут с каждым днем. Чтобы понять, о чем идет речь, представьте базу данных из всех слов, когда-либо произнесенных людьми за все время существования человечества на земле; а потом умножьте все это количество на 200 – и вы получите примерный объем информации, имеющейся в нашем распоряжении (на конец 2012 года). Естественно, в будущие годы горы данных будут расти намного быстрее.
   Однако в наши дни ни для какой компании уже не может найтись ни одного оправдания, поскольку благодаря новейшим средствам, появившимся за последние годы, нет никакой сложности в обработке и сортировке подобных объемов данных. Давайте посмотрим, каким образом это происходит. Я приведу пример из реальной жизни – пример, связанный с применением новой стратеги. Рассказанная ниже история началась сразу после моей свадьбы.

Cisco Systems

   За пару дней до свадьбы, состоявшейся в 2004 году, мне позвонили и сказали, что меня решили направить в одну компанию в Сан-Хосе. Я очень люблю свою родину, Бельгию, но всегда хотел работать в Америке. Мне было необходимо иметь дело с большими массивами информации, а в Бельгии живет всего 10 миллионов человек, поэтому базы данных там довольно невелики. Шанс поработать на материале крупномасштабных и сложноструктурированных рынков показался мне весьма соблазнительным.
   Мы с Кэтрин дали друг другу клятвы в антверпенской ратуше XVI века и тут же отправились в путь. И вот мы со своим скарбом, уложенным в коробки, оказались в самом центре Кремниевой долины, где меня ждала работа в Cisco Systems, технологическом гиганте с ежегодным оборотом в 40 миллиардов долларов.
   Новый глава подразделения Cisco по стимулированию спроса обратился к Ogilvy за помощью в создании группы по самым современным методам аналитики, ее даже назвали Advanced Analytics. Этой группе предстояло разобраться со многими вопросами: как строить маркетинг в Cisco; на кого из клиентов обращать внимание; сколько денег вкладывать в развитие отношений с ними. До того времени решения в Cisco (возможно, как и в вашей компании) принимались на основе здравого смысла, интуиции и не всегда правильно обработанных данных.
   Для начинающей компании это вполне нормально, но когда вы уже утвердились на рынке и тратите на маркетинг большие деньги – а в данном случае речь шла о десятках миллионов долларов, – то вам нужно нечто другое, чем просто здравый смысл, догадки или универсальные практические методы, как, например, принять решение выделить из общего бюджета 5 % на маркетинговые исследования.
   Поэтому компания Ogilvy отправила меня в Кремниевую долину, чтобы понять, смогу ли я помочь Cisco. Никто в компании кроме главы подразделения по стимулированию спроса особо не жаждал создавать группу аналитиков. Специалисты по маркетингу не особенно интересовались тогда результатами аналитических исследований (такая ситуация имела место в 2004 году, к счастью, сегодня многое начало меняться). Большинство сотрудников вообще не думали ни о каком маркетинге, поскольку были математиками. А мне приходилось всех убеждать в обратном. Мое положение осложнялось тем, что единственный человек, на которого я мог рассчитывать и, собственно, по чьему желанию я приехал, к моменту моего приземления в Сан-Хосе уже покинул Cisco и перешел на работу в компанию Oracle.
   Итак, в чужой стране в первый день своего присутствия на чужой работе я сидел в отведенном мне маленьком отсеке с серыми стенами (мне всегда казалась странной сама идея этих кабинок, правда, я видел их только в американских фильме вроде «Клерков» и думал, что в подобных загончиках могут работать лишь неудачники). Ни один человек не обращался ко мне за помощью. Никто не понимал, чем должна заниматься «продвинутая аналитика». Люди даже не знали, что означает сей термин.
   С учетом всего вышеизложенного я решил прежде всего найти единомышленников, людей, способных понять потенциальную силу данных и аналитики для маркетинга. Одним из них оказался Майк Фоли, отвечавший в Cisco за реализацию баз данных. Он рассказал мне обо всей имеющейся в компании информации о текущих и потенциальных клиентах. Это было прекрасно. Если я собирался заняться аналитической работой, то не мог обойтись без этой информации. Данные – это сырье для всего, что я делаю.
   Мы с Майком объединились, и я углубился в изучение информации, знакомясь с тем, что знала Cisco о своих клиентах, и оказалось, знала она на удивление много. По каждому корпоративному клиенту, когда-либо покупавшему у Cisco какой-либо продукт, имелись данные о дате покупки, предмете контракта, израсходованной сумме и частоте покупок. (Возможно, подобные данные есть и у вас. Наверняка кто-то в вашей компании занимается выставлением счетов, так что вы найдете все, что вам нужно, в недрах его компьютера.)
   Меня с Майком подобная информация восхитила, но я понимал, что вряд ли она вдохновит кого-то еще в компании. С какой стати? Просто набор цифр? Поэтому мы поставили перед собой задачу показать маркетологам, как уже имеющиеся у них данные помогут им принимать правильные решения. Это следовало сделать максимально просто. Нам был необходим рассказ о цифрах, поскольку сами по себе, оставаясь голыми, они ни в чем никого не способны убедить.
   Я начал манипулировать данными, пытаясь найти способ изобразить маркетинговую стратегию Cisco более наглядным образом. В итоге я решил взять на вооружение довольно простую идею, которую ранее уже использовал в Ogilvy, – это матрица «два на два», названная «Модель ценностного спектра» (см. ниже).
   Матрица представляет собой простое упражнение по сегментированию, делящее ваших клиентов на четыре категории в зависимости от уровня их ценности для вас, то есть, по сути, она помогает понять, на кого стоит тратить время, а от кого можно безболезненно отказаться. Детально я буду рассказывать о матрице в третьей главе, а пока посмотрите, как она выглядит в варианте Cisco.

Поиск дополнительного миллиарда в системе сбыта

   Если вы уже делали нечто подобное, занимаясь сегментацией, то такой вид матрицы вам знаком. Однако сегодня возможно делать массу вещей, о которых совсем недавно нельзя было и мечтать. В прежние времена вы могли разделить клиентов на четыре группы, руководствуясь концептуальными соображениями. Разумеется, вы при этом четко понимали, кто входит в список ваших двадцати пяти ключевых клиентов. Возможно, вы представляли и следующую группу, состоящую примерно из пятидесяти клиентов, но вряд ли были бы способны назвать каждого из них. Словом, вы знали, что в северо-восточном регионе страны у вас имеется тысяча постоянных клиентов, но при этом вряд ли могли бы вычленить из них конкретную Мэри Смит. Вы не знали, ни где она живет (123, Мэйн-стрит, Плимут, Массачусетс), ни как связаться с ней (телефон 781–555–1234; электронная почта MarySmith@email.com). Этого не могла сделать и Cisco. В наши времена все иначе. Вы можете воспользоваться методами, описанными ниже в этой книге, не только для того, чтобы сегментировать свою клиентскую базу, но и чтобы выделить каждого из них (чем в наши дни Cisco занимается на регулярной основе).
   Вы можете пойти дальше. Так как у большинства компаний имеются данные о том, сколько клиенты им платят, мы разработали для Cisco статистическую модель, показывавшую, сколько денег ее клиенты тратят на продукцию конкурентов компании. Это далеко не мелочь. Если вы знаете, что вам принадлежит львиная доля бюджета клиента, то наверняка не захотите тратить лишние суммы на бесплодные попытки убедить его покупать еще больше. У него может просто не найтись больше денег. Напротив, если вы знаете, что вам принадлежит лишь 10 % кошелька ваших клиентов, то можете разработать довольно агрессивную политику по получению оставшихся 90 %.
   Каким образом мы выяснили, сколько тратили клиенты Cisco на конкурентов? Давайте предположим, что в Чикаго имеются два архитектурных бюро с одинаковым оборотом и двадцатью пятью сотрудниками в каждом. Из своих баз данных мы знали, что фирма A&A тратит на приобретение информационных технологий 50 тысяч долларов в год (причем отдавая всю эту сумму Cisco). Также наши записи показывают, что бизнес с Cisco ведет и фирма B&B, перечисляющая компании за услуги 10 тысяч долларов в год. Cisco в точности не знает, сколько тратит на информационные технологии фирма B&B, однако понимает, что профиль компании очень похож на профиль деятельности ее конкурентов в A&A. Это означает, что Cisco с большой степенью вероятности может быть уверена, что B&B тратит 40 тысяч долларов из своего годового бюджета на информационные технологии, закупая их у кого-то еще. За эти тысячи имело смысл побороться.
   Выстроенные нами статистические модели позволяли проводить сходную оценку в гораздо бо́льших масштабах, среди миллионов компаний по всему миру. Они давали нам возможность выявить клиентов-«джекпотов» в структуре «Ценностного спектра» и узнать о них побольше: что они покупали, в каких объемах, когда, по каким мотивам, какие еще продукты они приобрели – этот список может быть бесконечным.
   Но даже в этом случае данные нужно было предоставлять ясным и простым образом. Мне доводилось выстраивать для своих клиентов массу довольно комплексных сегментационных структур, которые помогали выявлять наиболее потенциально прибыльных клиентов (о некоторых из этих структур мы поговорим позднее), но я почти всегда возвращался к старому доброму «Ценностному спектру» с его «джекпотами», «самородками» и прочими персонажами. Когда данные показываются подобным образом, выводы кажутся очевидными, а маркетологи довольно быстро понимают, каким образом их можно использовать.
   Майку такой подход понравился. Он тут же понял, что такое простое изложение фактов, представленное в виде матрицы «два на два», способно идеально продемонстрировать всю силу баз данных, которые он уже несколько лет выстраивал в Cisco. Это не было теоретическим упражнением. Мы на самом деле привязали модель к реальной базе данных. Иными словами, если кто-то из продавцов захотел бы получить список «джекпотов» в Детройте, то мы могли предоставить ему список компаний с именами, телефонами и лицами, принимавшими решения. История получилась простой, но мощной.
   Используя все свои контакты и знакомства, мы получили разрешение представить свою модель вниманию сотрудников отдела продаж. Я помню, как в конце моего выступления кто-то пошутил: «Не думаю, что вы сможете вытащить какой-нибудь „джекпот“ прямо сейчас». И вот тут мы вручили аудитории списки «джекпотов» и «самородков» – естественно, в соответствии с областью ответственности каждого сотрудника. Публика от восторга потеряла дар речи. Умудрившись привлечь на свою сторону продавцов, мы привлекали внимание маркетингового сообщества Cisco. Меня попросили сделать презентацию для Джеймса Ричардсона, занимавшего в то время в Cisco пост директора по маркетингу. В сложившейся ситуации это могло дать серьезный шанс, и нам предстояло постараться и доказать, что наша матрица действительно работает. На тот период мы еще не были готовы доходчиво рассказывать, каких успехов с нашими данными могли достичь продавцы, поэтому мы решили внимательнее изучить уже имеющиеся факты. Чтобы не утонуть в материале, мы выделили из всего рынка Cisco один конкретный сегмент – небольшие и средние компании – и оценили изменения в покупательском поведении этой группы в течение определенного времени. (Например, клиенты, прежде бывшие «золотыми самородками», переходили в группу «джекпотов», а клиенты, составлявшие группу «желудей», вдруг становились «самородками». Думаю, идея понятна.)
   Приведенная ниже матрица показывает количество компаний, перешедших из одного сегмента в другой, и изменения доходов, связанные с такой миграцией.


   Хотя таблица охватывала все изменения, из ее содержания не был понятен смысл произошедшего. Иными словами, у меня не было ясного рассказа, который помог бы объяснить все эти цифры. Поэтому мы с Майком упростили цифры в таблице, чтобы наглядно показать как хорошие, так и плохие изменения.


   С помощью нашего аналитического метода Cisco смогла узнать многое: за два финансовых года (2002/2003 и 2004/2005) доходы компании в сегменте небольших и средних компаний выросли на 404 миллиона долларов; причины такого роста; точное понимание того, где именно компания теряла доходы.
   Наша последняя таблица получилась лучше, чем изображенная выше детальная таблица. Тем не менее мне все равно казалось, что этого недостаточно. Думаю, в подобной ситуации вы наверняка не захотите ждать, пока ваш начальник или акционер спросит: «Ну и что все это значит?» Вы стремитесь к полной ясности.
   Поэтому перед встречей с Джеймсом Ричардсоном я свел все, что мне удалось узнать (об этом процессе мы еще поговорим позднее), к следующим трем рекомендациям (подкрепленным двумя диаграммами, которые вы уже видели выше).
   1. Нам необходимо больше получать от существующих клиентов. В среднем получение дополнительного 1 % от бюджета «самородков» на информационные технологии означает ежегодный прирост доходов на 8,6 миллиона долларов. Получение еще 1 % от бюджета «желудей» означает прирост на 6,3 миллиона долларов в год.
   2. Мы должны превращать как можно больше «джекпотов» в «самородков» еще. Каждый дополнительный 1 % «джекпотов», ставших «самородками», приносит нам дополнительный доход в размере 5,7 миллиона долларов.
   3. Мы должны остановить уход «самородков». С каждым 1 % снижения продаж «самородкам» общая величина дохода снижается на 4,1 миллиона долларов в год.

   После того как мы дошли до столь высокого уровня детализации, у нас появился по-настоящему интересный рассказ о цифрах. Теперь мы могли повлиять на общее отношение Cisco к маркетингу. До этого основные усилия отдела маркетинга концентрировались на ознакомлении потенциальных клиентов с брендом Cisco и принятии его в список возможных поставщиков, а также на привлечении потенциальных покупателей, список которых передавался в отдел продаж.
   Предложенные мной рекомендации могли не только усилить степень концентрации Cisco на клиентах, но и позволяли компании сфокусировать свои маркетинговые активы там, где это обещало наивысшую отдачу.
   Вооружившись всей информацией, я направился в десятое здание Cisco – именно там, в этом корпоративном святилище, сидели и председатель правления Джон Чемберс, и СЕО компании, и высшие руководители, такие как Джеймс Ричардсон. Я почувствовал всю серьезность момента. Не каждый день вам приходится делать презентации для всего руководства компании вроде Cisco. Помню, мне пришлось изрядно поспорить с Хизер, моей коллегой, которая отвечала в Ogilvy за отношения с Cisco. Мы никак не могли договориться, включать ли в презентацию приведенную выше таблицу со всеми данными. Эта идея не казалась Хизер хорошей. Она полагала, что таблицы перегружены цифрами и это может раздражать столь занятых людей. Я настаивал на включении всех данных, так как каждая цифра означала реальные деньги. Цифры позволяли нам не просто рассказать, как обстоят дела, но и продемонстрировать высочайший уровень нашего метода детализации, который даст нам возможность объяснить Джеймсу, где он зарабатывает или теряет деньги. В конце концов Хизер приказала мне убрать таблицу, но я решил ее показать, и именно она понравилась Джеймсу больше всего. Чуть позже мы еще поговорим о визуализации данных, но пока запомните: вам не следует стесняться показывать цифры, если они помогают приходить к интересным и нужным выводам.
   Презентация, сделанная для Джеймса, дала нам необходимый уровень известности и уверенности в себе. Теперь всем стало ясно, что аналитики могут раскопать данные, способные изменить стратегическое направление маркетинга компании. Cisco всецело приняла наши рекомендации. Компания отказалась от идеи искать потенциальных клиентов и сконцентрировала свои силы на создании программ, призванных увеличивать доход от реальных покупателей.
   Мы с Майком не остановились на «Ценностном спектре». Следующие шесть месяцев мы провели вместе, выстраивая модели для каждого продукта из портфеля Cisco. Наши модели рассчитывали вероятность покупки определенного продукта существующим или потенциальным клиентом в течение следующих двенадцати месяцев. Это позволяло понять, какой продукт скорее всего окажется интересным для каждой отдельно взятой компании, и, следовательно, распределить усилия команды продавцов правильным образом.
   Как мы это сделали? С помощью процесса «моделирования подобных». Предположим, вы обратили внимание, что как только оборот вашего клиента, занимающегося глобальным экспортом, достигает отметки 5 миллионов долларов, он чаще всего покупает систему IP-телефонии (что позволяет значительно снизить расходы на международную связь). Зная это, вы направляетесь ко всем своим клиентам, занимающимся глобальным экспортом и достигшим аналогичного оборота, и начинаете (как это сделала Cisco) предлагать им аналогичные телефонные системы. Благодаря нашей модели количество откликов на электронные рассылки Cisco (призванные заинтересовать потенциальных покупателей) выросло в два раза – а основная цель этой рассылки как раз и заключалась в создании такого списка. Компания была счастлива.
   Как можно увидеть из примера Cisco, идею об использовании существующих данных о ваших клиентах вряд ли можно считать гипотетической. Каждая компания – от Ameritrade до UPS, не говоря уже о массе более мелких компаний, – делала то же самое, что позволяло им резко увеличивать объемы продаж при минимальных затратах. По сути, сейчас происходит безвозвратный слом старого представления о наших клиентах и о наших методах увеличения прибыли.
   Однако кое-что из происходящего сегодня предвидел основатель нашего агентства Дэвид Огилви, как-то точно и довольно откровенно заметивший:
   У меня практически не осталось сомнений, что агентства и их клиенты зачастую подтасовывают результаты исследований. Порой они пользуются данными лишь для того, чтобы доказать свою правоту. В сущности, они используют исследования в тех же целях, что и пьяница, которому фонарный столб нужен не для освещения, а для поддержки.
   Теперь же у нас появилась возможность увидеть все в новом свете.

Быстрый взгляд на предстоящий путь

   Например, вам необходимо начать с вопроса «Что мы хотим сделать?». (В конце концов, если вы не знаете, куда хотите пойти, то вас устроит любая дорога.)
   Перед тем как вы начнете по-новому смотреть на свои данные, вам необходимо знать, где вы находитесь, куда вы хотите пойти и чего хотите добиться. Хотите ли вы больше продавать? Добиться более высокой лояльности со стороны клиентов? Чего в точности вы хотите добиться? Какие вы видите для этого возможности?
   Как только вы найдете ответы на все вопросы, то легко поймете, в чем ценность вашей информации.
   Чтобы показать, каким образом это может происходить на практике, позвольте познакомить вас с выдуманной Сью Смит, старшим вице-президентом по маркетингу выдуманной компании Planetary Co. Сью обратилась ко мне за помощью, при этом она четко представляла свои задачи: «Операционный директор, мой босс, поставил передо мной ясную цель. Я должна обеспечить рост оборотов компании на четыре процента выше роста ВВП без какого-либо увеличения маркетингового бюджета». Что сказать, цель вполне типичная.
   Вот как мы могли бы выстроить дальнейшее обсуждение со Сью.

   Димитри. Как только вы поймете свои цели, первый шаг состоит в том, чтобы понять, кому вы собираетесь продавать свои продукты. (Или, как мы скажем во второй главе: «С кем следует говорить?») Не все клиенты одинаковы. Вы хотите нацеливаться на тех, кто ценен для вас более всего. Здесь особую важность приобретают процессы сегментации и различные методы, о которых мы детально поговорим, – это и ранжирование клиентов по величине их пожизненной ценности, и частота покупок, и любой другой критерий (или даже несколько), важный для вас.
   Сью. Да, я понимаю. Честно говоря, мы не так много занимались сегментацией. Возможно, я могу назвать вам имена двадцати наших самых ценных клиентов. Но я не думаю, что где-то у нас есть список всех клиентов. Примерно так же обстоят дела и в отношении других подходов.
   Димитри. Нет проблем. Вот несколько вопросов, на которые вам нужно ответить, и я гарантирую, что вам помогут данные, которые у вас уже есть.

   • Каким образом вы определяете свою целевую аудиторию, то есть на основании чего вы понимаете, кто является вашим наиболее ценным клиентом или на каких потенциальных клиентов следует обращать внимание в первую очередь?
   • Собираетесь ли вы смотреть на одни лишь показатели дохода? Планируете ли вы принимать во внимание принадлежащую вам долю кошелька целевого клиента?
   • Знаете ли вы, как рассчитать долю кошелька? Если нет, то я могу показать вам, как это делать.
   • Знаете ли вы о возможных намерениях ваших лучших клиентов переметнуться к конкурентам? Здесь мы снова используем методы, о которых расскажем чуть позже.
   • Знаете ли вы, чему будет равна ценность ваших клиентов, если они останутся с вами на всю жизнь? Мы поможем вам вычислить и этот показатель.

   Как только вы определите, с кем хотите говорить, вам потребуется понять, что нужно сказать. (Подробнее об этом – в третьей главе.) В сущности, здесь я затрагиваю тему «обмена ценностями». Возможно, лучшим примером компании, которой это отлично удается, является Amazon.com. Я как потребитель лишь приветствую, когда они отслеживают мое поведение – ведь в результате я получаю от них рекомендации, соответствующие моим потребностям.
   Сью. Почему мы никогда не думали об «обмене ценностями»? Что нужно для этого сделать и какие вопросы мы должны себе задать?
   Димитри. Вот лишь частичный список.

   • Действительно ли вы понимаете, чего ищут ваши клиенты? Если нет, то как вы в настоящее время выстраиваете коммуникацию с ними?
   • Доводилось ли вам проводить исследование нужд и предпочтений своей целевой аудитории? Если нет, то каким наилучшим для себя образом мы могли бы использовать методы качественных и количественных исследований для лучшего понимания клиентов?
   • Каким образом мы можем воспользоваться данными исследований для создания архетипов потребителей? Например, «заботливой мамы-домохозяйки» или «метросексуала» – чтобы при попытках общения с нынешними и потенциальными клиентами мы всегда представляли живой образ?
   • Можем ли мы пойти еще дальше и предсказать, в каких именно продуктах или услугах может быть заинтересован тот или иной потребитель? (Даю подсказку – внимательно изучите его нынешнее покупательское поведение.)
   • Каким образом мы можем еще лучше познакомиться с нашими клиентами с помощью интеллектуального анализа текстов и даже научных исследований, связанных с мозгом? Все это позволит сделать наши предложения более уместными и значительно повысить отдачу от капиталовложений в маркетинг.

   Не волнуйтесь, если вы не знаете ответов. Мы можем использовать имеющиеся у вас данные и дополнить их данными внешних поставщиков информации.
   Сью. Хорошо. К этому моменту я уже буду знать, с какими типами клиентов хочу поговорить и о чем им рассказать. Но как мне найти этих людей?
   Димитри. Отличный вопрос. Но и на него у нас есть ответ (мы найдем его в четвертой главе). Как вы знаете, сегодня происходит фундаментальное изменение нашего представления о том, кого признавать потенциально интересными клиентами. Мы привыкли считать, что размещаем рекламу там, где ожидаем встретить большие группы потенциальных клиентов. Мы покупаем рекламное место в газетах, которые они читают (например, The Los Angeles Times), или в сериалах, которые они смотрят (например, «Симпсоны»). Разумеется, не все, с кем мы общаемся, могут считаться потенциальными клиентами, однако подобная «растрата» – неотъемлемый элемент нормального бизнеса.
   Сегодня у нас появилась возможность концентрировать внимание на отдельных покупателях. Например, небольшие фрагменты данных на персональном компьютере (cookie) могут сообщить нам, что человек зашел с сайта CNN.com на сайт с информацией о новых автомобилях и провел там кучу времени за изучением гибридного двигателя. Зная это, компания Toyota может в следующий раз показать этому отдельно взятому человеку рекламный баннер модели Prius, когда он зайдет на сайт CNN.com.
   Еще раз скажу, что все дело заключается в том, чтобы задавать правильные вопросы (и отвечать на них). Это позволит нам найти правильных потенциальных клиентов, как только поймем, что они из себя представляют. Вот лишь несколько вопросов, на которые нам стоит найти ответы.

   • Каким образом мы могли бы определить набор средств массовой информации, позволяющий наиболее эффективно достучаться до наших клиентов?
   • Стоит ли нам по-разному относиться к клиентам, живущим в разных географических регионах? Если да, то насколько детально нам нужно продумать этот вопрос? Стоит ли нам принимать во внимание различия между штатами или обращать внимание на почтовые индексы? Какие средства мы используем при географическом таргетировании? Ограничимся ли мы традиционными способами, такими как наружная реклама и реклама в СМИ, или же будем использовать и цифровые медиа?
   • Насколько хорошо мы умеем искать клиентов через поисковые системы (например, Google)? Смогли бы мы оптимизировать свои цифровые активы, чтобы обеспечить максимальную отдачу от поисковых систем?
   • Нацеливаемся ли мы на разные персоны разным образом? Если да, то делаем ли мы это с помощью баз данных, создаваемых нами самими на основе информации о проведенных сделках, либо покупаем данные у внешних поставщиков?

   Сью. Все это звучит отлично… но, боюсь, это может стоить слишком дорого. Как я уже говорила, мне приходится действовать в условиях реального мира. Мои финансовые возможности ограниченны. В сущности, у меня нет ни одного лишнего доллара.
   Димитри. Понимаю. Вот почему следующий шаг заключается в том, чтобы не только вычислить необходимую вам сумму затрат, но и определить наиболее эффективные направления расходования вашего бюджета. И сделаем мы это, задавая себе следующие вопросы.
   • Сколько денег вы тратите на создание спроса?
   • Каким образом вы рассчитываете свой бюджет? Используете ли вы здравый смысл, методы приближенного подсчета или следуете научному подходу, например используете эконометрическое моделирование (обещаю чуть позже рассказать вам о внутренних принципах работы этого метода).
   • Можете ли вы использовать комплексный подход, объединяющий научные принципы и стандартные методы принятия решений?
   • Как много денег вы тратили в течение рецессии? Нужен ли вам совет, как формировать бюджет в контексте изменяющихся макроэкономических условий?
   • Как выглядит ваша долгосрочная политика в области маркетинговых инвестиций?
   Теперь, когда мы узнали, каким образом вы создаете бюджет, необходимо понять, каким образом вы его расходуете. Вам нужно ответить на несколько вопросов.
   • Распределяете инвестиции по основным маркетинговым задачам?
   • Перераспределяете бюджет по географическим регионам?
   • Перераспределяете бюджет по средствам коммуникации?

   Что нам необходимо понять на самом деле, так это то, каким образом вы формируете свою маркетинговую структуру. Я собираюсь показать, как превратить этот процесс в научный и целиком основанный на фактах. Мы не пытаемся избавиться от творческого подхода, но мы будем использовать его нужным нам образом.
   Сью. Как нам понять, на правильном ли мы пути?
   Димитри. Это одна из самых моих любимых тем. Итак, как нам убедиться, что мы делаем все правильно? Первый шаг состоит в том, чтобы понять, насколько результативны наши усилия, точнее, что работает, а что нет (об этом будет рассказано в шестой главе). А для этого необходимо понять следующие положения.

   • Каким образом вы оцениваете успех?
   • Какие показатели вы используете и почему? Мы можем помочь вам определить правильные показатели, чтобы вы могли измерять лишь то, что по-настоящему имеет значение.
   • Измеряете ли вы входные, выходные и результирующие показатели? Если нет, то мы покажем вам, где найти данные, позволяющие это сделать.
   • Какие инструменты вы используете для измерений по различным платформам? Вам потребуются различные инструменты не только для разных медиа – например, поисковые системы против печатной рекламы, – но и для различных категорий, в которых вы планируете применять эти инструменты. Предположим, речь идет о работе в Интернете – тогда инструменты для измерения эффективности электронных рассылок будут отличаться от инструментов, оценивающих ответную реакцию на покупаемую вами баннерную рекламу.
   • Используете ли вы приборные панели? И спроектированы ли они правильным образом?
   • Какие другие методы визуализации данных вы используете?
   • Каким образом вы оцениваете успешность отдельных видов маркетинговой деятельности? Руководствуетесь ли вы общими правилами или используете более точные многовариантные статистические методы? (Не беспокойтесь, если вы не знаете, что это означает. Все не так страшно, как может показаться.)
   Как только вы узнаете, что этот метод работает, то сможете увеличивать суммы, направляемые в действия, обещающие максимальную отдачу (эти деньги вы можете получить, отказываясь от направлений, работающих недостаточно хорошо, – и вам не придется просить об увеличении бюджета). Каким образом делать больше вещей, которые получаются? Все дело в оптимизации (об этом мы расскажем в седьмой главе). Вы сможете улучшить свою работу с помощью анализа и тестирования.
   • Занимаетесь ли вы постоянным изучением того, что действительно работает хорошо? Имеется ли у вас формальный процесс постоянного измерения, анализа и оптимизации?
   • Каким образом вы используете свое знание о том, что работает, а что нет, для формирования творческого подхода к появлению на рынке?
   • Занимаетесь ли вы тестированием? Если да, то имеется ли у вас формальный процесс, позволяющий последовательно проверять ответную реакцию на ваши шаги и понимать, что нужно изменить, а что оставить?
   • Используете ли вы в полной мере все преимущества и возможности для тестирования, используя цифровые платформы?

   Тестирование – это не разовый процесс. В примере TD Ameritrade, который мы приводили выше, мы протестировали двести сорок три немного различающихся между собой варианта страницы, чтобы в точности определить, какой текст использовать, какие изображения показывать, как организовывать выкладку информации на странице и какие цвета сделать основными – и все для того, чтобы превратить максимально возможную долю посетителей сайта в клиентов TD Ameritrade.
   Сью. Хорошо. Я поняла суть процесса. Давайте двигаться дальше.
   Димитри. Великолепно. И давайте для начала поговорим, на каких клиентов вам в первую очередь надо ориентироваться, чтобы заставить все эти привлекательные маленькие цифры работать именно на вас.

Глава 2
Выбор цели – с какими клиентами следует разговаривать?

   Разумеется, только с помощью клиентов вы сможете обеспечить себе рост продаж и прибыли. Но возникает вопрос: о каких клиентах идет речь? на кого надо ориентироваться? с кем говорить?
   Мой ответ будет прост: рыбу лучше всего ловить там, где она крупнее. И привлекательные маленькие цифры, которые у вас уже есть (или которые вам не так трудно получить), станут вашей самой удачной и любимой удочкой.
   В этой главе мы будем говорить о том, каким образом вы сможете определять наиболее ценных клиентов – как на текущий момент, так и на будущее.
   Мы начнем с очень простых вещей, которые вы в состоянии делать для поиска таких клиентов; постепенно, усложняя задачи, мы дойдем до высшего мастерства, при котором вы практически безошибочно будете знать, кто из клиентов собирается от вас отказаться, а кто останется вам верен на всю жизнь (и какова будет их ценность для вас).
   Свою профессиональную деятельность я начал в Брюсселе, и это обстоятельство вряд ли можно считать благоприятным для аналитика – слишком мал бельгийский рынок, ведь в моей стране проживают менее 11 миллионов человек. (В одном штате Огайо живет на 800 тысяч человек больше – а это всего лишь восьмой по количеству населения штат в США.) Иными словами, преимущества использования аналитики в Бельгии довольно ограниченны.
   Бельгия славится совсем другим – и это делает ее желанной для многих – великолепной едой (больше всего ресторанов с мишленовскими звездами на душу населения) и, конечно, своим восхитительным пивом. Именно поэтому моя страна столь популярна среди туристов, умеющих получать от жизни все удовольствия.
   Вне всякого сомнения, одним из таких людей является Гарт Холлберг – уникальный специалист с богатейшим опытом в области и массового, и прямого маркетинга. Ко времени нашего знакомства в Брюсселе Гарт работал в агентстве J. Walter Thompson, где отвечал за отношения с компанией Unilever и ее гигантские счета (в 2010 году Unilever потратила на рекламу шесть миллиардов евро). Уже тогда он считался великим маркетологом и прекрасным стратегом. К тому же Гарт любит цифры. Его страсть – заниматься табличными расчетами, и вряд ли что-то доставляет ему большее удовольствие. И хотя у него нет специального образования в области торговой статистики (Гарт вообще учился на журналиста), по моему мнению, он мастерски владеет цифрами.
   Еще в самом начале своей деятельности Холлберг сумел убедить многих, насколько удобно применять в маркетинге принцип Парето. В начале XX века итальянский экономист Вильфредо Парето заметил, что в Италии 20 % домохозяйств получают 80 % доходов. Гарт примерил закон «20/80» к сбытовым фирмам и доказал, что для множества брендов 80 % прибыли создается за счет 20 % клиентов (естественно, это заставляет нас относиться к таким клиентам с особым вниманием).
   Ниже приведен небольшого треугольник, с помощью которого Гарт Холлберг проиллюстрировал свои выводы.
   Треугольник – идеальная форма для демонстрации описанного Гартом принципа. Как вы можете видеть, лишь 22 % всей совокупности домохозяйств связаны с 79 % продаж данного продукта. Неудивительно, что этот легкодоступный и понятный подход завоевал себе сторонников. Гарт запатентовал свою пирамиду и описал стратегию дифференцированного маркетинга в книге, о которой я уже упоминал в предисловии, – All Consumers Are Not Created Equal («Не все потребители созданы одинаковыми»). Книга моментально стала бестселлером и внесла свою лепту в революционные преобразования, начавшиеся в 1990-е годы в области управления взаимоотношениями с клиентами.


   Я начал работать с Гартом в Брюсселе над его очередной великой идеей. На этот раз он выдвинул предположение об определенной корреляции между степенью эмоциональной лояльности потребителей к бренду и затратами на привлечение клиентов. Мы решили удостовериться в истинности этой гипотезы и приступили к сортировке и классификации информации, содержащейся в BrandZ.
   Перед нами стояла непростая задача, поскольку BrandZ – крупнейшая в мире база данных по всем брендам. С ее помощью мы получали знания о полутора миллионах клиентов из 31 страны. Потребители делятся своим мнением о 50 тысячах продуктов и услуг, которые можно разделить на 380 категорий. Как вы понимаете, это невероятно большой объем данных.
   Гарту был необходим молодой помощник – большой любитель копаться в огромных базах данных и возиться с цифрами, и он вспомнил обо мне (хотя, думаю, бо́льшую роль сыграла его любовь к брюссельским ресторанам на Рю-де-Бушер, а не мой аналитический опыт).
   Важно отметить, что данные BrandZ уже были рассортированы по степени предпочтения, которое клиенты отдают тому или иному бренду. Ниже приведена пирамида, иллюстрирующая классификацию по принципу эмоциональной лояльности.

   Пирамида эмоциональной лояльности, по данным BrandZ


   Уровни пирамиды являются одновременно последовательными и взаимоисключающими. Чтобы перейти на следующий уровень, клиенты должны удовлетворить все требования предыдущего, и, что важно, один клиент не может присутствовать в одно и то же время сразу на двух уровнях. (Например, вы не можете одновременно находиться на уровнях «Достоинство» и «Привязанность».)
   Пирамида обеспечила нам идеальные данные об уровнях эмоциональной лояльности потребителя по отношению к бренду. Все, что нам было необходимо сделать, это найти корреляцию между ее данными и данными ответов респондентов на вопросы BrandZ.
   В процессе проведения анализа я периодически приходил к Гарту с цифрами и выводами, он всегда встречал меня одним и тем же вопросом: «Ну, и какую историю ты расскажешь мне сегодня?» – а заканчивал разговор фразой: «Делай все проще». Он научил меня не бояться упрощать самые сложные вещи. Основной вопрос при работе с любыми данными всегда звучит так: «Каким образом я могу превратить эти цифры в достоверное знание, а что еще более важно – как я могу донести эти знания самым доступным образом до аудитории, не обладающей достаточной подготовкой?»
   В результате проекта мы смогли сформулировать пять универсальных выводов, доказавших свою истинность в отношении множества мировых брендов. (Наверняка наши выводы подходят и вашим продуктам и услугам.)
   1. Чем выше эмоциональная лояльность, тем выше ценность клиента. Ценность существенно растет при достижении уровня «эмоциональных уз» (высший уровень эмоциональной лояльности). Например, в страховом секторе Италии клиенты, имеющие с фирмой эмоциональные узы, стоят в четыре раза больше обычного среднего клиента. Во Франции среди потребителей кофе ценность клиента, имеющего эмоциональные узы, в двадцать раз выше ценности среднего клиента. В этом есть своя четкая логика. Человек, выбравший для себя исключительно продукцию Starbucks – специально идущий в кофейню «Старбакс» выпить чашечку кофе или покупающий кофейные зерна этой марки в магазине, – обладает для компании куда большей ценностью, чем тот, кому совершенно все равно, какой кофе у него в чашке.
   2. Создание эмоциональных уз – ключевой фактор бренд-лидерства (компании выходят в лидеры за счет дополнительных продаж, осуществляемых покупателями, связанными с ними эмоциональными узами). Если взять Францию, то клиенты, имеющие такую привязанность к бренду, отвечают за 90 % различий с точки зрения доли рынка между двумя ведущими кофейными брендами.
   3. Эмоциональные узы – единственный уровень эмоциональной лояльности, способный значительно снизить потери или повысить степень преданности.
   4. Уровня эмоциональных уз достичь крайне тяжело, что неудивительно. Этой стадии достигает крайне мало пользователей. Например, в Италии на этом уровне находятся всего 2 % клиентов страховых компаний.
   5. Не все потребители, связанные с компанией эмоциональными узами, «созданы одинаковыми» (покупатели более высокой категории, обладающие узами, создают для компании значительно более высокую ценность, чем средние покупатели с тем же уровнем эмоциональной привязанности).

   Тот факт, что ценность клиентов, связанных с компанией узами, оказывается в двадцать раз выше ценности среднего клиента, заслуживает пристального внимания и наглядно показывает, как небольшая клиентская группа способна помочь компании добиться успеха или, напротив, разрушить ее. Вот почему так важно четко понимать, с кем нужно говорить в первую очередь.
   Мало кто понимает это лучше специалистов по прямому маркетингу, людей, которые десятилетиями живут по принципу «ловить там, где водится большая рыба». Это помогает сконцентрировать ограниченные маркетинговые бюджеты на нескольких по-настоящему важных клиентах. И когда речь заходит о прямом маркетинге, нас не должно удивлять, что лучше всего он удается почтовому ведомству. Поскольку адресная рассылка рекламы представляет собой важную часть доходов ведомства – ведь кто-то приносит и кладет в ваш почтовый ящик каталоги или предложения о приобретении кредитных карт, – оно всегда находится на переднем крае деятельности по повышению эффективности прямого маркетинга. В сущности, для эффективной работы с компаниями, занимающимися адресными рассылками, почтовое ведомство должно и само стать профессионалом в этой области. Одна европейская почтовая компания, с которой я работал, дабы продемонстрировать маркетинговым фирмам свою скорость доставки, разослала свежие цветы нескольким тысячам потенциальных клиентов. Неудивительно, что, когда почтовые работники придумывают что-то новое (например, предлагают большие скидки компаниям за предварительную сортировку их почтовых отправлений по почтовым индексам), они по-разному рассказывают о своих идеях различным представителям клиентских компаний. Финансового директора в первую очередь привлечет информация, что предварительная сортировка почты снизит его транспортные расходы, а маркетолога прежде всего заинтересует, что предварительная сортировка позволит им быстрее донести свое сообщение до респондента.
   Почтовое ведомство сделало для прямого маркетинга и адресной рассылки практически то же самое, что Google сделала для систем поиска и интернет-маркетинга. Став лучшими игроками – каждый на своем поле деятельности, – они показали, что при правильно поставленной работе любой канал связи с клиентом может стать в высшей степени эффективным.
   Вряд ли можно проиллюстрировать мои слова лучшим примером, чем деятельность самого почтового ведомства. Отдел марок и предметов коллекционирования (Stamps & Collectibles, S&C) является одним из подразделений Королевской почты Великобритании; он занимается дизайном, производством и продажей марок и других сходных продуктов. Его основная аудитория – коллекционеры, поэтому ясны и цели, и проблемы, стоящие перед этим отделом. Коллекционирование марок никогда не было особенно массовым занятием, а в последнее время оно потеряло всякий рациональный смысл. За этим увлечением закрепилась четкая репутация устаревшего. Ряды коллекционеров все больше и больше редеют: старики уходят, а молодых марки не интересуют.
   Отдел марок представлял собой очень прибыльный и важный источник дохода для Королевской почты. Продажа коллекционных марок приносит почте менее 5 % доходов, но прибыль (что вполне объяснимо) оценивается двузначными цифрами. Любители покупают марки, но никогда не используют их по назначению. В сущности, отдел извлекает изрядную прибыль из каждой проданной им марки. Это чуть ли не идеальный пример отдельного сегмента, роста которого желали бы все сотрудники предприятия.
   Я оказался в нужном месте в нужное время и тут же включился в работу. В моем распоряжении оказалось довольно много информации. Так как большинство марок покупалось по почте, то в базах данных почтового ведомства имелись не только имена покупателей, но и названия купленных ими продуктов. Имя каждого покупателя. Название каждой покупки. Это позволило нам очень быстро нарисовать пирамиду Гарта, показавшую, что примерно 4 % населения Британии приносит отделу марок до 71 % общих доходов.
   Однако перед нами встал вопрос: на ком должен концентрировать свое внимание отдел марок? Было очевидно, что не все люди, составляющие 4 %, окажутся для нас одинаково полезными. Мы совершенно не хотели охватывать их всех скопом. Только некоторые из них могли принести нам грядущую прибыль. Мы отобрали группу отдельных людей, выделили из нее нескольких филателистов, с которыми и решили встретиться. Общение с ними могло привести к серьезным результатам.
   Но встреча с несколькими ценными клиентами не была единственным вариантом. Помимо этого мы хотели попытаться превратить хороших клиентов в отличных. Чтобы понять, на какую клиентскую группу опираться дальше, мы воспользовались моделью ценностного спектра, с которым работали по принципу, описанному в первой главе в рассказе о Cisco.
   Давайте посмотрим на эту структуру во всех деталях, так как она является едва ли не самой простой и элегантной моделью сегментации из всех мне известных.

Ценностный спектр

   Ценностный спектр представляет собой метод сегментации, распределяющий клиентов по категориям на основании их общей рыночной ценности. Он позволяет вам понять, сколько денег они планируют потратить в категории, к которой принадлежит ваш продукт, а также степень их лояльности к вашему продукту, то есть какая доля от их расходов будет приходиться на вашу компанию. Эта концепция получила название «доля затрат», или «доля кошелька покупателя». На самом деле совершенно не важно, как именно вы ее назовете. Суть ее заключается в том, что, когда речь заходит о покупках в определенной категории, потребитель решает, какую сумму отдаст именно вам. Если клиент тратит 200 тысяч долларов на компьютеры и покупает их у вас на 45 тысяч, то вам принадлежит 22,5 % доли его кошелька.
   Как вы увидите из матрицы, формирующей модель ценностного спектра, клиенты могут попасть в один из четырех секторов.

   Модель ценностного спектра


   Почему это полезно знать? Как показано на каждом из четырех секторов, создание ценностного спектра формирует необходимость относиться к различным типам клиентов по-разному. Так как ценность клиентов и степень их лояльности различается от одного сектора к другому, различается и сумма, которую вы готовы потратить на работу с ними. Вы наверняка захотите уделить больше времени и внимания клиентам, способным обеспечить вам наивысшую отдачу.
   Итак, вы можете видеть, что модель ценностного спектра легко применяется для распределения ресурсов отделов продаж и маркетинга, а также для развития различных маркетинговых стратегий (с фокусировкой на тех из них, которые сулят самые большие выгоды).
   Давайте представим, что мы работаем со всей клиентской базой отдела марок, и внимательно рассмотрим каждый сектор.
   – Высокая ценность и высокая лояльность к бренду. В верхнем правом секторе представлены клиенты, обладающие высокой ценностью, то есть тратящие много денег в данной категории, а также лояльные к вашему бренду, – «золотые самородки». Они ключевые потребители любой компании. Найти таких клиентов очень сложно – как, собственно, и настоящие золотые самородки – их крайне мало, и при этом они невероятно ценны. Ваша основная цель в данном секторе – во что бы то ни стало удержать этих клиентов и количественно и качественно, то есть сохранить как их численность, так и уровень их покупок. Невзирая на высокую степень лояльности, некоторые клиенты этой группы будут склонны тратить на вас в будущем меньше денег – в частности, вследствие сокращения своего бюджета или привлекательного предложения со стороны вашего конкурента. С учетом их лояльности подобное происходит реже, чем в других клиентских группах, но даже небольшие потери среди «золотых самородков» способны оказать сильное негативное влияние на объемы продаж и доходы вследствие непропорционально высокого вклада этой группы в ваш бизнес.
   – Высокая ценность, но низкая лояльность к бренду. Верхний левый сектор представляют клиентов с высокой ценностью, но низкой лояльностью, которых я называю «джекпотами», потому что у них действительно есть потенциал для того, чтобы принести вам много денег. Фактически это группа с самым высоким потенциалом. Она тратит много денег, однако имеет невысокую лояльность к вашему бренду. За таких клиентов часто идет борьба, ибо те, кого вы считаете своими «джекпотами», для вашего конкурента являются «золотыми самородками». Именно ему они отдают свою преданность и в его компании тратят на покупку товаров той же категории намного больше денег. Если вы их заполучите, то сможете резко увеличить свои доходы.
   – Низкая ценность, но высокая лояльность. Нижний правый сектор формируют клиенты с низкой ценностью и высокой лояльностью, я их называю «желуди». При должном уходе за ними вы вправе ожидать, что они станут покупать больше. Они знают о ваших предложениях и довольно лояльно к ним относятся, соответственно, вы уже преодолели два серьезных барьера. Однако сегодня они не покупают у вас так много, как вам хотелось бы. Ваша цель состоит в поддержании их текущего уровня лояльности и в повышении доли их кошелька. Порой для этого достаточно обеспечить их более глубокими знаниями о продуктах, которые они покупают. Эта цель наиболее достижима в категориях с высокой эластичностью спроса, например в категории пищевых товаров. Там уровень покупок определяется личным предпочтением («Я думаю взять бутылку столовой воды, а не сладкую газировку»), а не обстоятельствами («Мне нужна коробка стирального порошка для пяти стирок в неделю»). Таким образом, объем продаж можно повысить не только за счет переманивания клиентов от конкурентов, но и за счет изменения частоты или привычек потребления.
   – Низкая ценность и низкая лояльность. Последняя клиентская группа не представляет для вас особого интереса. Она вносит свой небольшой вклад в текущие продажи, но практически не имеет потенциала для развития. Компании, не использующие в своей работе модель ценностного спектра, часто тратят на работу с ней непропорционально много времени – часто столько же, сколько на другие клиентские группы. Вот почему выявление нижнего левого сектора представляется столь важным. Отнеситесь к нему со всей серьезностью и перестаньте тратить деньги на эту сравнительно неинтересную для вас группу, лучше направьте их туда, где они могут принести больше пользы. В результате ваши маркетинговые усилия станут куда более эффективными – и при этом вы не потратите ни копейкой больше.

   Если вы внедрите в свою работу такую же модель, то сможете сконцентрировать нужные средства на рекламных мероприятиях, адресованных действительно ключевым клиентам. Отдел марок, для которого мы ее разработали, начал рассылать своим ценным клиентам эксклюзивные предложения и предлагать значительные скидки на все продукты. Короче говоря, мы сделали все, что могло помочь этим людям почувствовать себя особенными (каковыми они на самом деле и были).
   Результаты должны оказаться феноменальными. Мы вправе предполагать большой рост продаж, когда на каждый доллар, инвестированный в адресные рекламные кампании, можно получать четыре доллара, а то и больше. Подобный анализ, проведенный для сравнительно небольшого клиента, привлек внимание специалистов, которые вели счета самой крупной на то время компании – British Telecom (BT).

British Telecom – доля кошелька

   Дела начали приобретать серьезный оборот! У телекоммуникационных компаний имеется невероятный объем информации о подписчиках на их услуги. Каждый ваш звонок приводит к появлению новых данных и позволяет этим компаниям лучше понять, насколько ценным клиентом вы являетесь и в чем заключается ваш потенциал в условиях высококонкурентного рынка. Любая информация о доле кошелька, которую может получить компания, имеет огромную важность. Особенно это касается рынка стационарных телефонных линий, который практически не растет. BT Business (BTB) – специальному подразделению компании British Telecom, работающему исключительно в секторе B2B, – удавалось довольно успешно удерживать существующих клиентов с помощью программ лояльности и скидок. Было понятно, что BTB не составит труда удержать любого абонента, которого удастся найти. И мы решили помочь им в поиске интересующих их потребителей.
   Мы начали с изучения тенденций поведения организаций-клиентов, использовавших BTB только для звонков по телефону, и обнаружили, что их поведение как потребителей зависит от нескольких факторов.
   1. Общее количество имеющихся у них линий. Ничего удивительного – чем больше линий, тем больше звонков будет делать организация.
   2. Производственный сектор, в котором они работают. Например, судоходные компании делают больше звонков, чем другие.
   3. Географический разброс бизнес-единиц организаций. Можно предположить, что сотрудники компании, имеющей подразделения в разных городах (или странах), будут проводить больше времени на телефоне, беседуя с клиентами и коллегами из других офисов.

   У BTB имелось достаточно информации для проведения анализа по всем трем перечисленным факторам. Мы использовали их данные для создания алгоритма, позволявшего сравнивать «равное с равным». Нет смысла проводить сравнительный анализ потенциала дохода между консультационной фирмой, где работают два сотрудника, и международным колл-центром. Чтобы понять, где кроются самые интересные возможности, мы должны были придумать способ сравнить между собой компании из одной и той же отрасли.
   Поэтому для начала мы рассчитали величину показателя «расходы» – величину ежемесячного счета для клиента в расчете на одну телефонную линию. Затем мы рассортировали всех клиентов BTB в зависимости от величины этого показателя. Теперь мы знали, сколько тратит каждый клиент – причем не только общую сумму, но и в разбивке по телефонным линиям. Например, мы знали, что компания A, занимающаяся арендой автомобилей и имеющая сорок отдельных телефонных линий, тратила на работу с BTB по 3 тысячи долларов, или 75 долларов в расчете на линию.
   Затем мы сравнили компанию А со всеми остальными компаниями из нашей базы, занимавшимися сдачей автомобилей в аренду. Так как в данном случае свою роль смогли сыграть региональные особенности, мы сравнивали ее с компаниями, расположенными исключительно в регионе Корнуолла. Теперь давайте предположим, что первые 5 % компаний (с точки зрения расходов в расчете на линию) в регионе Корнуолла тратили в среднем по 120 долларов на линию. Это давало нам основания предположить, что такие компании тратили на работу с BTB все свои бюджеты в этой категории (то есть BTB имела 100 % доли их кошелька). Поскольку мы уже знаем, что расходы зависят от географии и сектора производства, то можем предположить, что и компания А в состоянии потратить 120 долларов в расчете на линию. Тот факт, что она платит BTB лишь 75 долларов, означает, что оставшиеся 45 долларов она отдает конкурентам, то есть мимо BTB уплывает значительная часть бюджета компании А – и на это имело смысл обратить внимание.
   Чтобы убедиться в правильности нашего алгоритма, мы проверили его тремя способами: изучили данные по справочным службам; отследили всплески звонков; проанализировали данные третьих сторон. Позвольте мне подробнее объяснить, что именно мы сделали.
   – Справочные службы. В среднем сопоставимые компании делают одно и то же количество звонков в справочную службу (предположим, такие звонки составляет 1 % от общего количества). Если моя компания совершает в день тысячу звонков, и десять из них делаются в справочную службу, то можно предположить, что BT имеет около 100 % моего бюджета, связанного с телефонным обслуживанием. Но если BT (которой принадлежит справочная служба) видит, что компания, совершающая сотню звонков в день в справочную службу, при этом делает через линии BT всего тысячу звонков за тот же период, то она может быть уверена: компания делает в день до десяти тысяч звонков (и девять тысяч из них – через кого-то еще). Разумеется, BT стоит внимательнее отнестись к этому клиенту.
   – Всплески звонков. Многие клиенты арендовали у BT телефонные линии и ставили на них аппараты, переправлявшие звонки на других операторов. Если аппарат ломается, то все звонки начинают идти через BT. В результате возникает всплеск звонков, позволяющий BT увидеть, сколько звонков делает клиент на самом деле. Чем выше всплеск, тем меньше у BT доля кошелька. И наша модель подтвердила эту тенденцию.
   – Данные третьих сторон. Не стоит полагаться исключительно на чужие данные, но они могут помочь вам лишний раз проверить свою работу. В нашем случае они подтвердили предположение о том, сколько денег тратят на телефонные службы компании, не относящиеся к клиентам BT.

   Такая проверка обеспечила BT достаточную степень уверенности в правильности алгоритма. В результате наша довольно простая модель позволила British Telecom получить точный расчет количества звонков каждой компании из своей клиентской базы. Таким образом, для установления целевых ориентиров BT смогла использовать в качестве критерия показатель потенциального дохода (например, компания X тратила на телефонные услуги много денег, но из них на долю BT приходилось мало или вообще ничего).

British Telecom – сегментация

   Разумеется, рекламное агентство масштаба Ogilvy постоянно приглашают для выполнения творческих работ, но в данном случае все выглядело иначе. Мы собирались участвовать в конкурсе на аналитический проект. Наши руководители самого высокого ранга, понимая, что победа в таком конкурсе откроет нам двери к более широкому сотрудничеству с BT, были вынуждены выставить на передний план «ботаника» типа меня, а не команду творческих сотрудников, обычно делавших презентации для клиентов.
   Перед тендером нервничали все, и я в том числе. Прежде всего мне нужно было написать все материалы самостоятельно. Кроме того, я никогда прежде не участвовал в подобном мероприятии. Английский – не мой родной язык. И хотя управляющий, отвечавший за отношения с BT, слышал, что я отлично управляюсь с цифрами, он не был уверен, сможет ли парень с забавным фламандским акцентом написать презентацию, а затем изложить ее на нормальном английском языке.
   Однако у меня уже созрела отличная идея, каким образом мы сможем помочь BT. Я обратил внимание на две проблемы, которые можно было бы решить с помощью новых принципов сегментации.
   Во-первых, BT необходимо понять, как вести себя с малыми и средними компаниями. В те времена, когда у BT была полная монополия, у нее не имелось никаких причин сегментировать свою клиентскую базу. Когда дело касалось поставщиков телефонных услуг, у людей не оставалось выбора, поэтому BT не имело смысла выделять кого-то. Теперь, выйдя на рынок небольших и средних компаний, она нуждалась в прозрачной стратегии сегментации.
   За своими крупнейшими клиентами BT всегда закрепляла персонального управляющего, отлично знавшего, что нужно его клиенту. Так продолжалось и теперь, но компания нуждалась в развитии эффективной стратегии для работы и с другими категориями клиентов.
   Во-вторых, BT необходимо понять, какие категории клиентов должны стать их целевыми группами в условиях сегодняшнего рынка, то есть с точки зрения предложения «новой волны» услуг: широкополосного доступа в Интернет, мобильной связи и информационно-коммуникационных технологий (в частности, услуги беспроводного доступа и обеспечение безопасности). В течение последних лет BT обращала внимание только на объемы телефонных звонков. Однако по мере развития рынка компания диверсифицировала свой портфель продуктов, и ей потребовалась новая сегментационная структура, позволявшая принять во внимание весь новый ассортимент услуг.

   С целью решить эти две проблемы BT пыталась найти стратегию сегментации, которая могла бы:
   • дать определение рынку небольших и средних компаний, включая не только текущих, но и перспективных клиентов;
   • выявить конкретные потребности, для удовлетворения которых она могла бы предложить и продать больше услуг «новой волны»;
   • позволить более эффективно распределять ресурсы;
   • не только объяснять поведение клиентов в прошлом, но и предсказывать их шаги в будущем.

   Мы предложили использовать комплексный подход, при котором компании-клиенты делились бы на группы с учетом как жестких (доходы, потенциал и риск), так и мягких факторов (потребности). Ниже приведен общий обзор такого подхода.

   Выбор цели – с кем следует говорить

   Жесткая сегментация позволяла сформировать основную характеристику компаний, с которыми хотела работать BT, – компании, стремившиеся к росту доходов. Мягкая сегментация позволила BT сделать общение с потенциальными клиентами более личным, основанным на знании потребностей каждой небольшой и средней компании. В этой главе мы сконцентрируем внимание на деталях жесткой сегментации, а о мягкой поговорим в следующей. (В третьей главе мы обсудим следующие темы: о чем нужно говорить с потенциальными клиентами; способ, с помощью которого BT объяснила небольшим и средним компаниям, каким образом те могли бы наращивать свои доходы; каким образом вы можете комбинировать жесткую и мягкую сегментацию в рамках интегрированного подхода.)
   BT понравился этот план, и нам поручили реализовать проект – причем с довольно жестким графиком работ. Мы тут же принялись выяснять, какие ценности компания считает самыми важными. У каждого свои ценности. Для BT понятие ценности клиента состояло из четырех компонентов (как видно из диаграммы, приведенной ниже): сколько денег те отдавали компании в текущий момент времени («Текущие доходы»); какова была вероятность того, что они останутся клиентами компании («Риск потери клиента»); насколько глубокими были их связи с компанией, то есть покупали ли они все, что предлагала BT («Интенсивность лояльности»); какая доля их расходов в категории продуктов BT приходилась на другую компанию («Доля других поставщиков в клиентском кошельке»).


   Проще всего было рассчитать величину первого компонента – текущую величину доходов. BT ежемесячно отправляет клиентам счета, в которых указана выставленная им точная сумма. Поэтому все, что от нас требовалось, – это зайти в систему выставления счетов и определить сумму в расчете на каждого клиента (в конкретном случае довольно некрупного). В результате этого простого действия BT могла точно знать, кто из ее клиентов тратит больше всего денег.
   Со вторым компонентом – вероятностью сохранения клиента – дела обстояли чуть сложнее. Как только BT утратила свою монополию на рынке телефонных услуг, многие клиенты решили уйти к ее конкурентам. Соответственно, нам нужно было попытаться предсказать вероятность того, когда текущий клиент может уйти от BT, для чего мы выстроили модель «ухода клиентов», основанную на информации от бывших потребителей BT. Если многие из них относились к определенному географическому региону (и уходили вследствие присутствия в этом регионе успешного конкурента), то существующие клиенты, живущие в том же регионе, получают более высокий балл по шкале ухода, то есть обладают большей потенциальной возможностью покинуть компанию. Если мы видим, что бывшим клиентам было свойственно делать больше международных звонков (конкурент предоставлял более выгодные условия по этой услуге), то клиенты, делающие много международных звонков, получают более высокий балл по шкале ухода.
   Выстроенная нами модель принимала во внимание такие данные, как общее количество звонков, количество звонков в течение определенного времени дня и недели, а также баланс между местными, региональными и международными звонками. Она позволила выявить места, где наблюдались самые явные различия между бывшими и текущими клиентами. Мы использовали соответствующие переменные, чтобы рассчитать вероятность ухода текущего клиента. В частности, мы создали рейтинг для каждого существующего клиента в базе данных BT по шкале от 1 до 100. Клиент с рейтингом «1» почти гарантированно оставался с компанией. Клиент с рейтингом «100» уже почти захлопнул за собой дверь. Чуть позже в этой главе мы объясним, каким образом работают модели ухода клиента на практике.
   Что касается третьего компонента – интенсивности лояльности клиента к BT, – то для его расчета мы придумали собственную модель. Это было особенно важно именно в то время, так как BT пыталась изменить свое позиционирование от поставщика телефонных услуг на поставщика интегрированных коммуникационных технологий, предлагавшего не только телефонные услуги, но и мобильные сетевые решения, решения в области безопасности данных и многое другое.
   Мы создали довольно простое решение: проранжировали все продукты BT по шкале от 1 до 5, при этом единица означала базовый продукт, типа стандартной телефонии, а пятерка – продвинутый продукт, наподобие комплексных решений в области сетевой безопасности. Затем мы рассчитали для каждого клиента долю расходов по каждому продукту, приходившуюся на BT.
   Позвольте мне детально рассказать о математическом аппарате в приведенной ниже таблице.
   Наш результат мы использовали для расчета средневзвешенного показателя сложности продукта для каждого отдельно взятого клиента. Колонка со средневзвешенным значением получила название «Показатель интенсивности».


   Далее, для колонки продуктов BT, мы использовали название «Показатель интенсивности продукта». Стационарная связь получила оценку «1», так как это – простой сервис со сравнительно низкой прибылью. Продукты, связанные с обеспечением безопасности, получили отметку «5», потому что были более сложными и позволяли компании получить более высокую прибыль.
   Колонки третья и четвертая в разделе «Расходы» показывают, сколько тратит компания B на каждый продукт, а колонки пятая и шестая («Расходы») показывают долю BT в их расходах на продукт. К примеру, компания А тратит 55,6 % своего телекоммуникационного бюджета на стационарную телефонную связь (100–180 долларов).
   Для расчета показателя интенсивности (компания A) мы умножали значение показателя на величину расходов в процентах по каждому продукту (например, показатель интенсивности для Интернета, равный двум, умножался на 27,8 % доли общих расходов), а затем складывали вместе все значения в колонке. В итоге компания A получала показатель интенсивности «183». Для компании B нам требовалось умножить значение в колонке «Показатель интенсивности» на значение показателя «Расходы, в %», а результат занести в восьмую колонку. Согласно данным этой колонки, мы видим, что компания B имеет показатель интенсивности «118». Чем выше число, тем ценнее клиент.
   Последний компонент – доля в клиентском кошельке, которую BT не получала, – рассчитывается с помощью уже вышеописанной манипуляции с долей кошелька для каждого продукта и услуги, предлагаемых BT. Мы сопоставили этот показатель с данными отраслевых исследований. Например, оказалось довольно простым делом получить данные по расходам на информационно-коммуникационные технологии (ИКТ) для компаний в определенных категориях рынка с разбивкой по размеру компаний и их местонахождению. Всегда полезно проверять правильность созданной модели с помощью сторонних достоверных данных.
   Расчет расходов, приходящихся на долю других поставщиков, был крайне важен, так как он позволял нам выявить имеющиеся у компании возможности для роста. Мы создали детальный, более сложный вариант модели ценностного спектра. Нам удалось обнаружить значительную корреляцию между общими расходами клиентов и расходами, приходившимися на долю BT. Иными словами, если вы тратили много денег на телефонию, то скорее всего тратили их на BT. В этом не было ничего удивительного. Монополия BT исчезла совсем недавно, и мало кто успел переключиться на других поставщиков. Возможно, вы помните, что нечто подобное происходило в США в начале 1980-х годов, сразу после разделения компании AT&T.
   После того как мы рассчитали величины четырех ценностных компонентов для каждого текущего и потенциального клиента, пришло время совместить их в общий рейтинг, позволявший с первого взгляда оценить ценность клиента. Это всегда хорошо. Чем более простым способом вы можете получить данные, тем лучше.
   В итоге мы выявили шесть ценностных сегментов, приведенных в следующей таблице. (Помните, категория «интенсивности» связана со степенью лояльности клиентов к бренду BT.)



   Понимание новой сегментации дало BT совершенно иное ви́дение своего места на рынке. К примеру, мы выявили 6 миллиардов долларов потенциального дохода в третьем сегменте. BT прежде не концентрировала внимание на этом сегменте, так как никогда не принимала во внимание суммы, которые их клиенты тратят на работу с конкурентами. Как вы видите, компания также смогла выявить восемь тысяч клиентов с крайне высокой степенью ценности, расходы которых в десять и более раз превышали величину расходов следующего за ним второго сегмента. Это позволяло BT сосредоточить усилия на удержании этих крайне важных клиентов в первом сегменте.
   Как видно из таблицы, в нижней части шкалы имелось несколько больших сегментов с очень ограниченным доходом. Для BT стало ясно, что для обслуживания столь большого количества клиентов необходимо разработать новые, финансово эффективные методы работы.

Если у вас нет данных, то вы наверняка сможете их создать

   История BT – это отличный пример обработки всех имеющихся у вас данных о клиентах. Разумеется, у BT их было много. Но что произойдет, если у вас нет нужной информации? Представим, что вы работаете в автомобильной промышленности. Люди покупают автомобиль каждые несколько лет. Автопроизводитель может считать себя счастливчиком, если в промежутке между покупками машин клиент будет приезжать к местному дилеру за сервисом. Однако по мере того, как машины становятся более качественными, сроки технического обслуживания сдвигаются все дальше, делая общение с дилером крайне редким.
   В подобных ситуациях вы можете положиться на внешних поставщиков как на отправную точку для сбора необходимой вам конкретной информации. Возьмем, например, производителей очень дорогих автомобилей. Каким образом они могли бы воспользоваться данными для увеличения количества перспективных потенциальных клиентов?
   Покупатели роскошных автомобилей – люди особенные. Их привлекает богатое наследие бренда и его уникальный стиль (не говоря уже о высококачественной работе). Однако, принимая во внимание жесткую конкуренцию на рынке роскошных автомобилей, привлечение нужных новых клиентов представляет для бренда постоянную проблему.
   Для ее решения в контексте маркетинга (за который отвечали мы) имелся целый ряд возможностей. Первая – компания могла купить списки клиентов других игроков на рынке предметов роскоши, предположив, что тех может заинтересовать бренд роскошного автомобиля. Однако эти списки обычно незначительны по размеру, а для выполнения плана по продажам требовалось больше имен. Все прочие списки, к которым у компании имелся доступ, имели слишком общий характер и не позволяли обеспечить должный уровень ответной реакции и долю конверсии (мы обсудим различные типы источников данных в четвертой главе). Разумеется, компания могла создать собственные списки. Но стоит ли заново изобретать колесо? Если у нас была бы возможность определить критерии участников, которые могли с достаточной вероятностью купить такие машины, то на следующем этапе мы применили бы их к общим спискам и получили бы в итоге только нужные имена.
   Поэтому (в процессе работы для одного клиента) мы изучили характеристики имевшихся клиентов и обнаружили, что они чаще всего жили в богатых пригородах. В основном эти люди жили одни, без семьи, и их возраст приближался к шестидесяти годам. После этого (как и в случае с Cisco, описанном в первой главе) мы выстроили статистическую модель, позволявшую выявить в списках людей, которые теоретически могли бы стать ключевыми клиентами.
   Этот подход имел двойное преимущество. Прежде всего он позволил автопроизводителю получить значительно больше имен для проведения рекламной рассылки, а кроме того (что более важно), позволял бренду обеспечить более высокую долю продаж в сравнении с прежним ограниченным и дорогостоящим подходом.
   Этот случай наглядно демонстрирует, каким образом вы можете более эффективно приобретать новых клиентов с помощью анализа профиля существующих.

Пожизненная ценность клиента – идеальный прогноз

   И хотя концепция пожизненной ценности довольно прямолинейна – суть ее связана с расчетом того, сколько денег потратит на вас потенциальный потребитель, если вы превратите его в клиента уже сегодня и сможете удержать навсегда, – сам расчет представляется сравнительно непростым делом. Если выражаться языком финансистов, то пожизненная ценность представляет собой дисконтированный денежный поток будущих доходов от клиента. А если перейти на обычный язык, то вы вычисляете сумму, которую некий человек будет готов потратить на вас за весь период ваших отношений, а потом корректируете ее с учетом инфляции.
   Таким образом, речь идет о функции трех параметров.
   1. Текущая ценность. Сколько денег тратит на вас потребитель сейчас?
   2. Рост или снижение ценности в будущем. Насколько больше или меньше денег он станет на вас тратить?
   3. Продолжительность связи. Как долго клиент останется с вами?

   Последний компонент – продолжительность связи – рассчитать сложнее всего. Вы знаете – или можете легко вычислить, – сколько денег тот или иной клиент платит вам сейчас. Со временем вы сможете понять, увеличивается или уменьшается эта сумма. Однако остается существенный вопрос: как долго клиент останется с вами. Как об этом узнать? Хотите верьте, хотите нет, но об этом вполне способна сказать уже имеющаяся у вас информация.
   Позвольте мне показать это с помощью теоретического примера, разработанного мной для крупной европейской авиакомпании (назовем ее Continent Air). Компания попросила нас повысить степень лояльности клиентов. Значительная часть этого задания состояла в том, чтобы выявить клиентов, склонных уйти. Если нам удалось бы это сделать, то с помощью новой программы лояльности мы попытались бы убедить их остаться.
   Как и у любой другой авиакомпании, у Continent Air имелась масса данных: когда именно садится в самолет каждый ее клиент; как часто он летает; каким классом он пользуется (эконом-класс, первый, бизнес-класс); куда он собирается лететь. Взяв выборку из общего массива, мы попытались рассчитать величину дохода от клиентов из группы риска (то есть сумму, которой может лишиться авиакомпания).
   Мы разработали формулу, позволявшую рассчитывать эту величину в зависимости от:
   • нынешней ценности клиентов из группы риска;
   • вероятности того, что доход, связанный с ними, снизится;
   • ориентировочной доли такого снижения.

   Если вы перемножите между собой эти значения, то получите величину дохода от клиента из группы риска (revenue at risk, далее – RAR).


   При правильном объяснении концепция RAR может быть невероятно мощной и важной. Поэтому мы решили найти способ объяснять ее быстро и четко, даже для аудитории, не владеющей вычислительными навыками. В частности, нам предстояло ответить на вопросы: «Каким образом статистические модели предсказывают, что кто-то потратит на нас меньше денег (а то и вообще перестанет с нами сотрудничать) в следующие пару месяцев?»; «А это не напоминает гадание на кофейной гуще или шаманство?»
   Нет, не напоминает. Хотя алгоритмы часто воспринимаются как волшебные формулы, доступные для понимания одним только математикам, в своем большинстве они просто отражают то, как мы думаем самым естественным образом. Чтобы доказать справедливость этого утверждения, рассмотрим историю трех участников программы постоянных клиентов: Мэри, Сьюзен и Тома. По неизвестным нам причинам все они совершали в этом марте меньше полетов по сравнению с мартом прошлого года. В этом марте Мэри летала всего три раза, однако годом ранее она совершила десять перелетов. Для Сьюзен этот показатель составил один полет, а для Тома – два против девяти годом ранее.


   Внимательно посмотрите, как часто они летали в течение двенадцати месяцев перед последним мартом. А теперь попытайтесь заполнить приведенную ниже таблицу.
   Какова, на ваш взгляд, вероятность того, что доход компании от путешествий Мэри, Сьюзен и Тома снизится в следующем году соответственно на 80, 50 и 20 %?


   Многие люди, которым мы задавали этот вопрос, довольно быстро с ним справлялись.
   Ответы их были довольно похожими и все они указывали примерно на то же, что и мой собственный ответ, приведенный ниже.


   В течение двенадцати месяцев перед мартом Мэри стабильно летала по восемь или двенадцать раз в месяц. В марте она летала всего три раза. Это довольно необычно для нее – видимо, в этом месяце произошло нечто особенное. Возможно, она взяла отпуск, начала работать дома или просто заболела. С учетом прежних тенденций ее поведения шансы на то, что в течение следующих двенадцати месяцев она будет тратить на полеты на 80 % меньше прежнего, довольно невелики. Куда больше шансы, что доходы от работы с ней снизятся на 20 %, поскольку далее мы заметим в ее поведении два или три месяца низкой активности.
   Между предыдущим мартом и ноябрем поведение Сьюзен было похоже на поведение Мэри. Однако с ноября она начала значительно реже пользоваться услугами нашей авиакомпании.
   Судя по всему, речь идет о каких-то системных изменениях. Именно поэтому я считаю, что у нее имеется куда бо́льшая вероятность снижения количества полетов в ближайшие двенадцать месяцев, чем у Мэри.
   А поведение Тома кажется совсем иным – оно не носит системного характера. Он стал летать всего два раза в месяц, а в последующие месяцы практически совсем прекратил полеты. Вот почему я совершенно не уверен, что будет происходить с доходами от полетов Тома в следующие двенадцать месяцев.
   Уверен, вы поставили Мэри, Сьюзен и Тому примерно такие же оценки, ведь мы все склонны интуитивно анализировать поведение людей примерно сходным образом. Мы посмотрели, насколько часто наши участники летали в среднем, насколько сильно могут колебаться данные от месяца к месяцу, насколько сильно просел показатель количества полетов в марте и приняло ли это характер тенденции.
   Я могу создать статистический алгоритм, способный анализировать эту информацию так же, как мы это делаем в своем подсознании. Для этого мне нужно преобразовать наши интуитивно важные факторы в математические переменные. Вот как это могло бы работать.


   В крайней правой колонке содержатся переменные нашей модели, буквально предсказывающей вероятность снижения доходов. Статистическая модель выявляет клиентов, доход от которых сократился на 20, 50 и 80 % за прошлый год, затем изучает значение предсказывающих переменных (чуть подробнее об этом ниже) за двенадцать месяцев до начала снижения доходов. Это позволит «научить» модель рассчитывать вероятность того, что расходы какого-то клиента могут снизиться на определенный процент. Безусловно, это довольно существенная информация. Если вы знаете, что один (или несколько) из ваших наиболее важных клиентов (приносящих вам доходы и прибыль) собирается уйти от вас, вы можете предпринять шаги по предотвращению этого. Как минимум вы выясните у них причины ухода и, возможно, предложите им стимулы (скидки, улучшение условий обслуживания и что-то еще), заставляющие их остаться.
   Итак, мы с вами рассмотрели данные и практически интуитивно поняли, кто перестанет быть нашим клиентом. Однако в подобных ситуациях лучше воспользоваться статистическими моделями, что будет более эффективно, чем ваша интуиция. Модели могут не только принимать решение, подобное нашим, и делать это гораздо быстрее, но и повторять тот же алгоритм размышлений в отношении тысяч, а то и миллионов других мэри, сьюзен и томов. В дополнение к этому модель способна изучать сотни различных предсказывающих переменных. Переменные в таблице можно сопоставить со всеми остальными нашими знаниями о клиенте: возрасте, поле, национальности, почтовом индексе, использовании призовых баллов программы лояльности (для оплаты билетов, покупки товаров или какой-то комбинации обоих вариантов) – причем практически одновременно. Поэтому статистическое моделирование стало таким мощным инструментом.
   

notes

Примечания

1

2

3

4

5

6

   Не так давно один парень из моей команды с восхищением рассказывал мне о недавно увиденной презентации: «Все было невероятно круто. Ребята использовали триста переменных, взятых у стороннего агрегатора данных, сопоставили их с кукисами на рекламном сервере, затем, чтобы оценить потенциал для конвертации, вырастили дерево кси-квадрата, а после всего этого еще и скормили рекламным серверам алгоритмы оценки в формате языка запросов, чтобы получить возможность нацеливаться на индивидуальные кукисы в системах обмена рекламой». Он был совершенно прав, на самом деле все звучало убойно. Но подозреваю, мало кто из читателей продерется сквозь этот захватывающий рассказ. Подобным стилем нельзя объяснять людям сложные вещи. Прим. авт.

7

комментариев нет  

Отпишись
Ваш лимит — 2000 букв

Включите отображение картинок в браузере  →