Ключевые цифры

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.