Доклад Максима «LifeStyle Segmentation: Адресные программы работы с покупателями» был представлен в рамках конференции «Живые кейсы Call-центр и CRM-решений», прошедшей 28-29 мая 2009 года в рамках Международного бизнес-форума "Дни Директ Маркетинга в Украине 2009".
Наиболее глубокие отношения и наиболее сильная лояльность возникает у покупателя тогда, когда товар соответствует его стилю жизни. В качестве известного всем примера можно привести мотоцикл «Харлей Дэвидсон». Мы считаем, что именно знание стиля жизни покупателей намного важнее, чем знание его социально-демографического портрета и поэтому мы поговорим о том, как можно выделить покупателей, чей стиль жизни соответствует вашему продукту. Это крайне необходимо для построения качественной коммуникации с клиентами.
Наша компания преследует очень практический подход – под каждую акцию мы выбираем свою целевую аудиторию. То есть, какая бы ни была акция, есть покупатели, на которых она действует, т.е. прибыльные покупатели, а есть такие, на которых она не действует (убыточные покупатели). Самая простая акция – это реклама по «Первому каналу». Она, конечно, не адресная, но, тем не менее, на одних покупателей действует, на других нет. Полтора года назад мы попытались найти программное обеспечение, которое могло бы сегментировать покупателей по стилю жизни. Единственное, что удалось отыскать – сервис, который оценивает покупателей по почтовому индексу: на западе люди часто живут районами (белый район, черный район, элитный район и т.д.). Ничего больше мы не нашли.
У многих компаний есть огромные архивы данных о том, что раньше покупатели приобретали. Покупки на самом деле и есть та самая наиболее адекватная и фактическая информация, которая отражает не мнение покупателя, а его фактическое поведение. Поэтому пришлось разработать алгоритм, который анализирует покупки и, исходя из этого, строит портреты покупателей, рентабельных под конкретные акции. Сейчас я вам покажу, как это все работает.
Начну с того, что из общей толпы покупателей можно выделить садоводов, охотников, панков, студентов и так далее. Причем каждый человек сочетает в себе множество стилей жизни. На работе это один человек, в семье – другой, в футбольной команде – третий, в качестве музыкальных предпочтений – четвертый. И это усложняет работу. Но те подходы, которые мы используем, позволяют работать с этим множеством стилей.
Важно эту технологию не путать с той, что мы часто видим на веб-сайтах. Например: покупатели, купившие эту книгу, так же покупают… и дальше идет список других книг. В этом случае предполагается, что покупатель – это цельная личность, которая во всех своих проявлениях является неделимой единицей, однако все мы знаем, что это не так. Скорее, каждый человек сочетает в себе набор привычек, образцов поведения, и в одних ситуациях проявляются одни образцы, а в других – другие.
Представьте себе, есть два покупателя, которые абсолютно или почти идентичны с точки зрения анкетных данных. Мы им предлагаем акцию: «При заказе фаршированной свинины от шефа Вы получите бокал красного вина в качестве комплимента!». На первый взгляд они должны быть похожи, но оказывается, что один из клиентов ничего мясного никогда не покупал. Запомните этот момент – мы реально можем не попасть. И это не вопрос анкетных данных или доходов человека. В данном случае клиент – вегетарианец. Исходя из этого, мы будем делать различные предложения персонально разным категориям покупателей.
В качестве первой такой акции приведем раздачу булочек собственного производства в супермаркете (Рис 1). Пытаемся выделить покупателей этих булочек и раздаем им пробники. Понятно, что если пробники раздать всем, то их возьмут, однако повторных покупок будет мало и соответственно, мы не отобьем расходы на эту акцию. При вводе всех данных в программу мы получили сегментацию по сумме покупок товаров, со словом "ГР" (фасовка в граммах). Например, шоколадный батончик 40 гр. и так далее. Таким образом, нашей целевой аудиторией оказались люди, мы их условно называем «грызуны», которые покупают что-либо загрызть. Также выяснилось, что клиенты, которые покупали пиво с 15 до 16 часов дня – не наша целевая аудитория. Видимо, для них булочки уже неактуальны.
Рис. 1 «Акция: «Попробуйте наши булочки»
Второй портрет – прогнозируем любителей (а значит потенциальных покупателей) мультфильма «Шрек-2».
Рис. 2 «Портрет любителей мультфильма «ШРЕК 2»
В программе отобразилось, что, во-первых, люди, которым понравился «Шрек-1» – это наша целевая аудитории (можно было догадаться, но лучше, если машина сама все это посчитает). Во-вторых, в программе отразилось, что среди покупателей, которые не приобретали «Шрек-1» есть такие, которые не покупали товары со словом «FOR». Как ни странно, «FOR» в английском языке – очень депрессивное слово в названиях фильмов. Например: «Реквием по мечте» (Requiem for a dream), «Охота за красным октябрем» и другие. То есть можно сказать, что люди, которым нравятся фильмы с такими названиями имеют свой определенный стиль жизни. Далее следуют фильмы, имеющие в своем названии слова «AFTER» (например, мультфильм «The Day After Tomorrow») и так далее.
Если посмотреть на дерево решений, то мы увидим какие фильмы и какие ключевые характеристики по потреблению, в каком порядке, в каком сочетании соответствуют именно тем, кто любит фильм «Шрек-2».
На нашем сайте www.lifestylemarketing.ru можно скачать программное обеспечение, которое проводит подобное сегментирование. В программе видно как меняется средняя оценка любителей этого фильма в зависимости от сегмента. Желтым цветом выделен сегмент, где балл больше четверки, серым – меньше четверки. Мы выделили определенный ряд целевых сегментов, по которым можно дальше делать адресные предложения.
Аналогично с фильмом «Pretty woman».
Рис. 3 Портрет любителей фильма PRETTY WOMAN
В схеме видно, что ключевой фильм в этой сегментации – «Грязные танцы», далее следует «Убегающая невеста», «Распорядитель свадеб», «Свит хоум Алабама», которые соответствуют стилю жизни потенциального покупателя. Вы видите, что мы получили дерево решений в читабельном виде, понятном для любого маркетолога, которое позволяет быстро отфильтровать покупателей, которым стоит или не стоит предлагать этот фильм.
И еще один пример. В супермаркете мы раздаем бананы (Рис. 4). Здесь опять появляется обозначение «товары со словом в названии “ГР”», то есть, фасовка в граммах. Мы видим, что селедка несовместима с бананами (об этом догадаться было, наверное, сложнее). Тем не менее, алгоритм нашел дерево. И чем дальше мы идем по уровням дерева, тем более адресно мы попадаем. Тем самым мы получаем более рентабельную акцию. В данном случае из 700 покупателей примерно 172 мы выделили на первом же уровне сегментации. При этом мы теряли 1,6 руб. на контакт, если бы раздавали эти бананы на пробу всем. А как вы видите, вот уже в этом сегменте мы получаем дополнительно почти 10 копеек с контакта.
Рис. 4 Акция: «Попробуй бананы – медовые!!!»
Давайте остановимся на финансовой модели, которая здесь использована. Во-первых, есть первый параметр, который определяет вероятность участия в акции – отклик (сколько людей возьмут бесплатный банан). В качестве первой оценки можно использовать экспертное мнение, в будущем оценку можно будет уточнить. Через пару недель вы будете прекрасно знать, какой отклик на эту акцию и подставите уже фактические значения.
Также есть показатель «стоимость контакта». Например, напечатать купон на чеке. Как раз собственно это мы и начали делать первым – печатать купоны на чеке. Для этого не нужно никаких анкетных данных и это очень эффективно.
Стоимость вознаграждения – себестоимость этого банана и вероятность конвертации покупателя в постоянного клиента. Эту информацию мы тоже будем знать через две – три недели. Для начала можно использовать экспертную оценку либо пессимистически подставить какие-то цифры. Первоначальную рассылку можно сделать по пессимистическому сценарию и пессимистическому портрету.
Еще один показатель – средняя наценка на эти бананы, а также информация о том, что в среднем люди будут покупать у нас бананы три месяца, пока не переключатся на что-то другое.
Таким образом, введя вышеназванные финансовые характеристики акции в программу, вы получаете на выходе портрет, дерево решений и файл с отфильтрованными покупателями, кому стоит, а кому не стоит предлагать конкретную акцию.
В окне просмотра видно как по каждому конкретному наблюдению можно проверить правильность подсчета алгоритма, видны параметры, корректность оценки финансового результата. Иногда просто любопытно посмотреть, какие клиенты попали в каждый из сегментов.
Сверху отображен список наблюдений, номер клиента, сегмент, в который он попал, дата наблюдения и прибыльность этой акции. Под датой наблюдения подразумевается то, что на одного клиента мы можем посмотреть несколько раз. Например, полгода назад это был неженатый, счастливый холостяк, а теперь это разведенный, несчастный молодой человек. То есть, все меняется. На людей можно смотреть в разные моменты и это разные взгляды, разные наблюдения за покупателем.
Справа в окне просмотра находится статистика, которая показывает какие наблюдения были отброшены. Мы специально отбрасываем нетипичные наблюдения. Это как раз те оптовики либо сотрудники самого ритейлера, которые ходят и делают контрольные закупки. У нас они, как правило, выходят за 3 сигмы, поэтому мы их отбрасываем.
Также указывается целевое поведение: было оно или нет, когда и где, в каких магазинах клиент что покупал. Следующий шаг – рассчитывается доход. Повторяются все контакты, ожидаемый период покупок, время наблюдения, из которых мы потом вычисляем, какова полная стоимость за все время жизни клиента и какая прибыль может быть получена в отношении данного товара.
Слева в окне расположено нецелевое поведение. То есть, поведение клиента, которое является целевым в данной акции, отражается в окне целевого поведения. Все остальное – это поведение, по которому мы будем клиентов анализировать. Сюда же относятся анкетные данные. Но, как правило, анкетные данные все-таки не попадают в дерево, т.к. они не отражают фактическое поведение и являются менее релевантными. Только для некоторых товаров важен именно возраст. Например, женская косметика. В целом, это все-таки вопрос стиля жизни.
Справа внизу указаны параметры, которые можно было вычислить по данным нецелевого поведения. Здесь мы вычисляем вообще все, что можно. Это тысячи и тысячи параметров на каждого клиента. Но самое ужасное, что у каждого клиента своя тысяча параметров: кто-то покупает булочки, кто-то пиво, а вообще в магазине сто двадцать тысяч наименований в ассортименте. Ну и, например, шампанское по утрам и шампанское по вечерам – это все-таки разные стили жизни.
Мы получаем миллионы разных параметров, которые анализируются в этом алгоритме. И в этом его отличие, потому что большинство алгоритмов имеют, например, 256 параметров, анкетные данные, и все… А здесь параметры могут считаться по месяцам, по дням недели, по времени суток и т.д.
Как же использовать эти данные? Во-первых, на дереве решений каждый узел – это счетчик. То есть, сколько клиент купил товаров со словом "ГР" – некое число, которое можно потом хранить, например, на чиповой карте. У нас очень много клиентов среди топливных компаний, для которых это очень актуально. На чиповой карте есть динамический массив пустых мест, в которых мы ведем эти счетчики. И поскольку каждый клиент покупает только небольшую часть товара, то реальное количество счетчиков, которое нужно ввести в отношении него, небольшое.
Второй вариант – это распределенная база счетчиков в точках продаж. В каждом магазине устанавливается небольшой сервис, который может быть запущен на сервере магазина, на кассе или на отдельном сервере, где хранятся счетчики поведения покупателя.
Третья технология – это централизованная база, когда скрипты акций хранятся на сервере и все данные берутся с сервера.
Промо-акции в распределенной сети хранятся в устройстве в виде скриптов. Вы можете загрузить новые скрипты буквально ночью, и с завтрашнего дня программа начнет работать по-новому, будет считать новые счетчики про клиента. Также можно дослать какие-то счетчики, вычисленные в других местах. Вот эти все технологии мы как раз и реализуем.
Мы считаем, что программы персональной работы с покупателями – это более широкая вещь, чем программы лояльности. Они развивают покупателей и привлекают их. Вы можете скачать программный продукт Lifestyle segmentation с нашего сайта. Он включает в себя тренировочные базы, где можно увидеть своими глазами что значит «не нужно продавать булочки тем, кто уже пьет пиво»!
С презентацией доклада можно ознакомиться здесь http://www.dmdays.com.ua/keysi/keysi2009/?action=show&id=478.
Источник: www.dmdays.com.ua