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.

Новый мир прекрасен, но за все нужно платить свою цену. Кто-то из вас весьма обеспокоен, что маркетологи получают доступ к вашим данным и собирают сведения, какие покупки вы делаете и какие сайты предпочитаете.

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.

Отрасль, в которой я работаю, славится своим умением сводить сложные идеи к одной ключевой мысли, выраженной несколькими словами. Слоганы Bullish on America; Finger Lickin’ Good и Don’t Leave Home Without It созданы моими коллегами из Ogilvy & Mather[5].

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.

Для своего медового месяца мы с Кэтрин выбрали фантастическое место – Кремниевую долину. Правда, нельзя сказать, что выбор мы сделали совершенно добровольно.

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.

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.

Я структурировал книгу примерно таким же образом, каким строится работа в большинстве компаний, когда у управляющих и высшего руководства появляется задача понять, как лучше всего использовать имеющиеся данные.

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.

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 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).

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.

Успех проведенного анализа информации о доле кошелька позволил нам перейти к следующему этапу: создать презентацию о принципах строительства стратегии сегментации для всей компании BT.

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.

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.

Еще один показатель с огромным потенциалом – пожизненная ценность. Если вы можете рассчитать, чему будет равна ценность имеющихся (или потенциальных) клиентов для вашей организации в течение всего срока их «жизни», то вам не составит труда понять, какую сумму вы вправе инвестировать в приобретение клиентов и развитие отношений с ними.

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.

Давайте еще раз посмотрим на Сьюзен. Если мы чуть сильнее углубимся в свои знания о ней, то поймем, что она не так давно сменила работу – об этом свидетельствовали изменения в ее профиле участника программы лояльности. Также мы знали, что она переехала на другую квартиру и использовала все накопленные призовые мили, чтобы купить большой телевизор у одного из партнеров авиакомпании. Мы не знаем причин произошедшего, но можем заметить, что и другие клиентки в возрасте Сьюзен (из ее профиля следует, что ей только что исполнилось тридцать шесть лет) совершали подобные вещи и переставали летать на самолетах компании с прежней частотой (это могло быть связано с такими простыми причинами, как снижение частоты путешествий или желание завести семью). Как бы то ни было, но согласно нашему алгоритму будет правильным предположить, что авиакомпания начнет получать меньше доходов от клиенток с таким профилем.

Эта история помогла мне сбросить покров таинственности с процесса статистического моделирования поведения людей. Я понял, что если мне удастся создать детальный список, описывающий клиентов, – не только их имен, но и другой информации (возраст, пол, профессия, уровень дохода, сумма их затрат), – то я смогу сделать вполне обоснованные предположения, сколько продуктов у компании они купят в сравнении с лучшими ее клиентами.

Чтобы лучше представлять ситуацию с будущими продажами, вам имеет смысл пригласить на работу статистика и поручить ему разработку моделей, сходных с той, которую я сделал для авиакомпании. Но в будущем – в течение трех или четырех лет – я ожидаю появления таких программ, которые позволят вам делать все это самостоятельно. Не исключено, что Google даже выпустит бесплатную версию.

В предыдущем сюжете, рассматривая пример авиакомпании, мы опирались лишь на один из трех компонентов, составляющих пожизненную ценность, – изменение дохода в будущем (увеличение или снижение). Порой, когда вытаскиваешь какие-то ключевые данные из имеющейся клиентской базы, требуется создание модели, включающей в себя еще две переменные – ценность индивидуального клиента и продолжительность связи с компанией. Я расскажу, как это делается, на примере нашей работы с крупной розничной сетью. Предположим, эта сеть (назовем ее Retailco) наняла нас для оценки качества своей клиентской базы. Мы начали с классификации каждого домохозяйства по показателю пожизненной ценности, чтобы дать Retailco возможность индивидуального обращения к каждому из них. (Клиенты с самым высоким показателем потенциальной пожизненной ценности по вполне понятным причинам должны были получать от компании больше внимания.)

В то время, когда мы начали работать с Retailco, у нее было около полутора тысяч магазинов. И покупатели, как вы можете понять, снабжали компанию невероятно большими объемами данных. В базе данных содержалась информация почти о двадцати миллионах домохозяйств. Компания знала, что именно приобретало каждое из них, как часто и где. Размер базы данных мог показаться пугающим, но тем, кто любит копаться в цифрах, было где развернуться!

Прежде Retailco уже нанимала на работу опытных маркетологов и поручала им выжимать максимум из своей клиентской базы. Специалистам удалось внедрить некоторые из самых крупных и сложных программ лояльности в розничной отрасли. Теперь Retailco хотела разобраться с показателями пожизненной ценности клиентов, чтобы полностью сосредоточить внимание на лучших для торговой сети покупателях (как настоящих, так и потенциальных) и со временем еще сильнее увеличить их ценность. Модель позволяла нам понять простую, но важную вещь: с ее помощью мы могли знать, сколько денег потратит каждое отдельно взятое домохозяйство на отношения с Retailco в течение следующих трех лет – именно таков срок «всей жизни» в динамичном мире розничной торговли!

Цель была простой, но для ее реализации потребовался сложный и запутанный математический аппарат. Для начала мы выяснили, что означает пожизненная ценность для Retailco на концептуальном уровне, а результат представили в виде диаграммы (см. ниже). Хочу предупредить, что чуть далее приводится самая сложная статистическая модель в этой книге. Если вам удастся понять смысл следующих двух абзацев, то вы не только можете считать себя большим молодцом, но и вправе гордиться, что понимаете суть принципа цепей Маркова.

Как вы можете заметить, мы поместили клиентов в четыре различные группы в зависимости от уровня их расходов. «Отсутствие» означало домохозяйства, не совершавшие в любом из магазинов сети покупок в течение двенадцати месяцев.

Затем мы определили пожизненную ценность домохозяйств следующим образом:

Пожизненная ценность = (Вероятность будущего состояния) × (Ценность в будущем состоянии)

Это означает: пожизненная ценность клиента отчасти состоит из вероятности того, что в последующие три года она окажется в одной из групп (с высоким, средним и низким показателями или показателями отсутствия), а отчасти – из ценности этого домохозяйства в будущем (с высоким, средним или низким показателями). Другими словами, для расчета пожизненной ценности мы должны были сначала предсказать вероятность того, что в следующем году кто-то останется в группе с высоким показателем или, напротив, переместится в другую группу (с низким или средним показателями или его отсутствием). Затем мы умножали эту вероятность на среднюю ценность клиентов, находившихся в том или ином состоянии.

Изложенное мной может показаться слишком сложным, но на практике все было куда проще. Вот вам пример (вполне гипотетический) работы метода. Предположим, мы внимательно изучили данные и заключили, что клиенты Retailco с высоким уровнем ценности тратят 1000 долларов в год, клиенты со средним уровнем – 500 долларов, а с низким – 50 долларов. Предположим также, что сам я отношусь к клиентам Retailco с высоким уровнем ценности.

Затем мы строили две модели. Первая из них предсказывала вероятность, что я останусь клиентом (с использованием метода, который я описал в рассказе об авиакомпании). А вторая предсказывала вероятность, что я останусь клиентом с высокой ценностью или, напротив, перемещусь в группу средней или даже низкой ценности.

Давайте предположим, что, согласно модели, у меня есть 20-процентный шанс перестать быть клиентом, 10-процентный – стать клиентом в группе низкой ценности, 30-процентный – клиентом из средней группы и 40-процентный шанс остаться в группе с высокой ценностью. С помощью приведенной ниже формулы могу рассчитать свою возможную ценность на год второй:

Ценность (второй год) = 20 % × 0 + 10 % × 50 долл. + 30 % × 500 долл. + 40 % × 1000 долл. = 555 долл.

Получив данные для второго года, мы сможем, основываясь на прогнозе, повторить расчет и понять, что скорее всего произойдет в течение третьего года.

Итак, у нас появился идеальный механизм расчета приоритетов для Retailco, позволяющий развивать долгосрочные отношения с клиентами, основанные на предположении, что они собираются стать со временем более ценными. Когда Retailco создаст новые программы лояльности и начнет напрямую работать с клиентами, основываясь на нашей модели пожизненной ценности, то продуктивность компании может оказаться значительно выше эффективности ее конкурентов. Подобный метод работы позволяет вам выявлять лучших клиентов и концентрировать усилия на общении с ними.

Разобравшись с этой моделью, Retailco пошла дальше и решила оценить каждого нового клиента с точки зрения того, какую сумму он сможет потратить за время, проведенное с компанией. Специалисты компании сравнили размер начальной покупки с соответствующими данными о своих существующих клиентах. Однако первая покупка вряд ли способна рассказать о многом. Не исключено, что примерно 23 % всех покупателей, совершающих первую покупку, станут со временем крайне ценными клиентами. Но сама по себе такая покупка ничего не скажет о том, перейдет ли клиент в ключевую группу или останется в 77-процентной группе менее ценных.

Со второй покупкой вы получаете больше информации и уже можете хоть что-то сказать о клиентах: в первый раз им был нужен небольшой ремонт машины; во второй раз они купили детские вещи, а когда заполнили форму на получение карты лояльного покупателя, мы узнали, что они живут в пригороде. Давайте отправим им в августе предложение о 20-процентной скидке на школьные принадлежности, а также предложим особые условия покупок на День матери и День отца!

Если вы точно знаете, что именно вам нужно им сказать, то сможете заработать немалые деньги.

1. Определите, кто является для вашей компании ценным клиентом. Используйте следующие вопросы:

• сколько денег он тратит на нас в настоящее время?

• считаете ли вы, что он потратит много денег в будущем?

• как долго он был вашим клиентом?

• способен ли он убедить других клиентов покупать ваш бренд?

• дорого ли обходится его обслуживание, то есть является ли общение с ним прибыльным для вас?

• есть ли в нем что-то еще, важное для компании?

2. Переведите свое представление о ценности в нечто реальное – что вы в состоянии измерять и отслеживать (с использованием инструментов, о которых я рассказал в этой главе). Это может быть доля кошелька, пожизненная ценность или что-то другое, более уместное для вашей компании.

3. Отсортируйте своих клиентов по степени ценности для вашей компании (например, высокая, средняя и низкая).

Мы знаем, с кем нам стоит разговаривать. Но о чем? Напрашивается ответ: «О том, что мы хотим им продать».

Это правильно – но лишь с нашей точки зрения.

В этой главе я покажу вам, как это сделать.

Мы будем говорить о том, каким образом вам следует собирать и анализировать данные для лучшего понимания мотивации своей целевой аудитории. Начиная с этого момента, мы с вами будем изучать принципы создания сегментов из группы людей, имеющих сходные потребности или мотивации. Мы представим вам технологии, способные предсказать, в каких продуктах или предложениях могут быть сильнее всего заинтересованы ваши клиенты. Мы также увидим, как легко мы можете узнать о потребностях и желаниях аудитории – о них вам расскажут данные, доступные в социальных сетях и других бесплатных источниках. Наконец, мы обсудим новые методы, которые помогут вам буквально вторгаться в мозг клиента, чтобы лучше понимать, как удовлетворять его потребности.

Чтобы по-настоящему понять клиентов BT, нам было необходимо рассмотреть со всех сторон их интеллектуальные возможности. У нас имелась точная, основанная на фактических данных информация, позволявшая провести их сегментацию (мы говорили об этом в прошлой главе). Теперь нам нужно было провести сегментацию, основанную на их потребностях. Для этого мы вместе с маркетологами-разработчиками принялись за работу, пригласив к участию британскую компанию Henley Centre (нынешнее название – Futures Company), специализирующуюся на аналитических исследованиях и изучении тенденций. Мы хотели найти достаточно глубокую идею, которая при этом могла бы быть привязана к имевшимся у нас данным. Это позволило бы нам не только создать сообщение, привлекательное для малых и средних компаний, но и выявить, какие из них будут заинтересованы в том или ином типе сообщения.

Наш подход состоял из трех этапов.

– Мы выделили все небольшие компании и создали исчерпывающий список их потребностей, которые BT потенциально могла бы удовлетворить.

– Мы выявили, какие из этих потребностей представляются малым и средним клиентам наиболее важными.

– Нам нужно было разобраться, существуют ли различные типы небольших компаний, для которых эти потребности могут различаться. Например, имеет ли сервисная компания с годовыми доходами в 5 миллионов долларов такие же потребности с точки зрения коммуникации, как компания с таким же оборотом, но занимающаяся производством?

Мы начали с первого этапа, и по итогам работы у нас сформировался список.

Новые каналы и рынки

• Выход на новые географические рынки

• Развитие новых каналов дистрибуции

• Вывод на рынок новых продуктов и услуг

Концентрация на клиентах

• Рост клиентской базы

• Улучшение сервиса и коммуникации

• Повышение доходов от существующих клиентов

Эффективность работы

• Улучшение процессов управления поставками и запасами

• Улучшение процессов закупки

• Улучшение управления внутренними процессами

•

Обеспечение последовательности в наиболее важных системах и процессах

Управление бизнесом

• Снижение усилий на выстраивание соответствия административным правилам и регулированию

• Улучшение процессов управления компанией (в том числе финансового)

• Улучшение управления информационными технологиями

Эффективность работы персонала

• Обмен информацией с коллегами

• Обеспечение более гибких условий работы (в частности, работа на дому)

• Возможность постоянной работы за пределами офиса

Безопасность

• Обеспечение защиты бизнеса от преступлений и других рисков типа онлайнового мошенничества, компьютерных вирусов и взломов систем

Так как мы посчитали невозможным сконцентрироваться на всех семнадцати пунктах, наша вторая задача состояла в том, чтобы выяснить, какие из них считались нашей аудиторией наиболее важными. Это было сделано с помощью количественных исследований, в основном интервью крупной выборки из небольших компаний (в ходе которого мы спрашивали, какие потребности они считают наиболее важными). Представленная ниже в виде диаграммы информация наглядно показывает, что наши клиенты считали наиболее важным.

В итоге мы хотели выявить различные сегменты, у участников которых имелись свои уникальные приоритеты с точки зрения потребностей. Для этого использовался кластерный анализ – моя любимая статистическая процедура. Вы позволяете данным самим говорить за себя и самостоятельно формировать различные группы клиентов. После этого вам необходимо принять здравое суждение о том, насколько осмысленно и правильно объединять людей в такую группу. Именно комбинация данных и их интерпретации делает эту процедуру столь забавной – ведь, по сути, это наполовину наука и наполовину искусство.

Предположим, мы проинтервьюировали представителей тысяч небольших и средних компаний, задав им вопрос о единственно важной потребности – эффективном управлении цепочкой поставок (которую нужно было оценить по шкале от 1 до 10). Их ответы (представленные точками на иллюстрации ниже) выглядели примерно так, как представлено ниже.

В данном случае ясно, что существуют два сегмента: компании, считающие управление цепочкой важным делом, и те, для кого это неважно. Кластерный анализ в данном случае будет крайне простым. Мы можем легко обозначить границами два четко сформировавшихся кластера.

Теперь давайте предположим, что мы задали участникам два независимых вопроса: первый – о важности управления цепочкой поставок; второй – о возможности сотрудникам постоянно работать за пределами офиса. Ответы на эти вопросы выглядели так, как представлено ниже.

Вы довольно легко можете увидеть три сегмента: первый – люди, считающие управление цепочкой важным (справа); второй – люди, не считающие управление цепочкой важным, но отдающие должное важности мобильности рабочей силы (вверху слева); третий – люди, не считающие важным ни один из вопросов (внизу слева).

Нам было нужно придать этим результатам визуальную форму. Но справиться с этой задачей на компьютере не так-то просто. Один вариант может состоять в том, чтобы нарисовать границы с помощью определения сравнительного расстояния. При проведении кластерного анализа мы давали компьютеру следующие инструкции:

• минимизировать расстояние между точками, принадлежащими к одной и той же группе, что позволяет более четко выразить суть групп, а значит, позволяет и вам легче их выявить;

• максимизировать расстояние между центрами различных групп, чтобы группы стали более заметными и вам было проще их найти.

Если вопрос заключался бы в оценке всего двух-трех потребностей, то нам вообще не понадобился бы компьютер. Мы могли бы увидеть и нарисовать нужные точки самостоятельно, а затем провести границы вокруг кластеров. Но вы наверняка помните, что мы хотели изучить не две потребности, а целых семнадцать. Это нам не по силам. (Вы мне не верите? Попытайтесь оценить хотя бы половину – и вы рискуете сойти с ума.)

Заставив компьютер обработать данные по всем семнадцати параметрам, мы обнаружили, что у нас сформировалось пять основных кластеров. Они значительно различаются между собой, когда речь заходит о сравнительной важности каждой из семнадцати потребностей, однако внутри каждого кластера потребности участников были крайне схожи между собой.

• Сегмент 1

Базовые потребности (16 %)

Небольшие компании, работающие «для удовольствия» владельцев и обеспечивающие их постоянной занятостью и доходом. Небольшой уровень потребностей в информационно коммуникационных технологиях.

• Сегмент 2

Ориентированность на клиента (16 %)

Компании, занимающиеся сервисом для конечных пользователей и нуждающиеся в укреплении связей с клиентами и улучшении сервиса. Необходимость создания технологии, позволяющей ориентироваться на клиента.

• Сегмент 3

Эффективность работы (14 %)

Компании среднего размера, имеющие потребности в упрощении производственных процессов и улучшении сервиса для клиентов. Большая потребность в технологиях, улучшающих операционную деятельность.

• Сегмент 4

Гибкость и безопасность (18 %)

Оптимистичные и нацеленные на активное использование технологий компании, для которых гибкость бизнеса служит основным приоритетом. Хорошо разбираются в вопросах информационно коммуникационных технологий, обеспечивающих гибкость и безопасность бизнеса; испытывают в них потребность.

• Сегмент 5

Высокие потребности (19 %)

Молодые, технологически подкованные компании, основная мотивация которых связана с ростом и расширением. Масса потребностей во всех направлениях.

Наше исследование позволило компании получить огромную отдачу. Разделив рынок подобным образом, BT получила возможность разговаривать различно с каждой группой. Например, при общении с группой из второго сегмента (сильнее всего сфокусированной на интересах клиентов) мы могли говорить о вопросах безопасности совсем не так, как с группой из третьего сегмента, интересовавшейся улучшением внутренних операций. Если при общении с первыми мы говорили о том, как технологии BT помогут им обеспечить безопасность их клиентов, то, общаясь с другими, мы уделяли внимание тому, как решения BT обеспечивают безопасность внутренних систем.

Такая сегментация по потребностям позволила нам получить мощный инструмент для подбора соответствующих брендовых коммуникаций.

Вы можете совмещать анализ потребностей с любой другой работой по сегментации, которую вы уже ведете, чтобы лучше разобраться в интересах своих клиентов. Именно это мы сделали в Cisco. Как вы помните из первой главы, мы провели анализ сегментов, основанный на том, сколько денег они тратили на покупки в данной категории и какая доля покупок приходилась на Cisco. И хотя сотрудники отдела продаж с готовностью приняли на вооружение нашу модель ценностного спектра, некоторые маркетологи поначалу проявили куда меньший энтузиазм – ведь они уже провели сегментирование в соответствии с собственной методикой. Согласно нему, клиенты делились на четыре группы, основанные на их отношении к технологиям: руководствующиеся советом; руководствующиеся ценой; ценители передовых технологий; идущие за лидером (то есть действующие подобно компаниям из списка Fortune 100). В то время как некоторые маркетологи считали, будто эти два типа сегментации конкурируют между собой, мне стало ясно, что они способны помочь друг другу. Модель ценностного спектра позволяла Cisco понять, с какими клиентами стоит говорить, а сегментация по отношению к происходящему давала компании ясное представление, о чем с ними нужно говорить.

Я попытался показать, каким образом эти два подхода могут сочетаться между собой, с помощью диаграммы, представленной ниже.

В рядах слева направо вы можете увидеть сегменты, созданные в модели Ценностного спектра, а в колонках, идущих сверху вниз, можно заметить сегменты, выстроенные вследствие отношения клиентов к предложениям. Размер пузыря показывает количество компаний, соответствующих каждой ячейке. Чем больше пузырь, тем больше клиентов в сегменте.

Давайте взглянем на первый ряд, в котором представлены ключевые клиенты Cisco – «золотые самородки». Эта группа сильнее остальных ориентирована на самые передовые технологии. Однако среди «самородков» все равно встречаются компании, ориентирующиеся на советы, цену или поведение других игроков. Одновременное использование двух типов сегментации позволяет не только выявить «самородков», но и адаптировать свое сообщение для каждого из них.

В работе с Cisco мы сначала определили шестнадцать сегментов – и это было слишком много для создания различных стратегий и типов коммуникации. Поэтому мы в итоге сгруппировали их в три сегмента (основанные на том, что казалось интуитивно правильным и позволяло нам относиться к ним по-разному).

• Любовь. Самые ценные клиенты с высоким потенциалом, которые считают, что бренд Cisco подходит им идеально, – к ним относятся «золотые самородки» и «джекпоты», занимающие сегмент ценителей передовых технологий и сегмент ориентирующихся на поведение других. Чтобы сохранить их, с ними нужно выстраивать максимально «любовные» отношения.

• Защита. Самые ценные клиенты с высоким потенциалом, для которых бренд Cisco не был идеальным, – к ним относятся «золотые самородки» из сегментов руководствующихся советами и ценой. Нужно сделать все возможное, чтобы защитить свои интересы и удержать этих клиентов, которые открыты для предложений со стороны конкурентов.

• Без определения. Все остальные клиенты, для которых мы решили не создавать дифференцированной маркетинговой коммуникации.

Сконцентрировавшись на этих трех сегментах, мы смогли очень быстро создать сегментированные и индивидуализированные маркетинговые предложения для каждого из них. Кластерный анализ – не только быстрый, но и сравнительно недорогой метод. Например, всего за две недели перед тендером, в котором наше агентство принимало участие, меня попросили провести подобный тип сегментации для IKEA.

Сначала мы сказали, что это невозможно из-за полного отсутствия времени, однако затем собрались с силами и сделали работу. Нам не удалось поговорить с большим количеством клиентов IKEA, однако мы смогли поговорить с достаточно репрезентативной выборкой. Мы обнаружили три четких сегмента в категории мебели для дома и пять сегментов для любителей самостоятельно собирать мебель. При этом на большинство этих сегментов ни один из конкурентов не обращал достойного внимания. Стоимость опроса – всего 3 тысячи долларов, поскольку все нужные вопросы задавались нами в Интернете. (Кстати, тот тендер мы тоже выиграли.)

Помимо сегментации, сделанной на основе исследований отношений, о которой мы только что поговорили, есть и другие методы, помогающие корректировать и адаптировать вашу маркетинговую коммуникацию. Анализ потребительской корзины, то есть буквальная добыча информации об ассортименте продуктов, который находится в тележке покупателей во время их хождения по магазину, зачастую способен рассказать обо всем, что вам нужно знать, поскольку вы сразу понимаете, в чем конкретно проявляется покупательская заинтересованность. Этот метод стал довольно популярным в 1990-е годы в среде розничных магазинов благодаря замечательной истории про «пиво и подгузники».

Однажды в одном американском супермаркете[9] решили провести статистический анализ потребительских корзин, и в процессе исследования выяснилась любопытная закономерность. По вечерам в пятницу в тележках покупателей очень часто пиво соседствовало с подгузниками. Поразмыслив над этим феноменом, сотрудники догадались, в чем дело: приобретая на выходные подгузники по просьбам своих жен, многие мужья не могли удержаться от искушения и покупали себе в конце рабочей недели упаковку пива. Осознав суть происходящего, в супермаркете быстро передвинули стеллажи – и с тех пор пиво всегда стояло рядом с подгузниками. В результате взлетели продажи по обеим категориям продуктов.

Отличная история. Жаль только, что придуманная. Судя по всему, ее рассказывали консультанты, пытающиеся продавать свои услуги магазинам. На самом деле подобные исследования не проводились ни в розничных сетях, ни в отдельных магазинах. Тем не менее, несмотря на весь вымысел, эта история идеально показывает, почему анализ информации может стать мощным инструментом. Позволю себе привести еще один пример (представляющий собой несколько видоизмененное описание реально проведенного нами проекта), благодаря которому вы сможете лучше понять суть происходящего.

Крупная компания, занимавшаяся рекламной деятельностью путем адресной рассылки по почте, размышляя о новых принципах маркетинговой коммуникации, пыталась понять, на какие клиентские группы следует ориентироваться. Сотрудники компании хотели исследовать интенсивность пользования товаром, особенно их интересовало, какие продукты покупаются вместе, а какие – нет и почему. Естественно, полученные выводы они собирались использовать для работы с потребителями и корректировки рекламных рассылок.

В базе данных компании значилось 3360 различных продуктов. Итак, наш первый шаг состоял в том, чтобы рассортировать их по сходным группам. Для пущей простоты мы использовали двухуровневую классификацию. На первом уровне продукты были разделены по двадцати продуктовым семействам; на втором – получилось сто пятьдесят девять семейств, меньших по размеру. Мы проанализировали каждый отдельно взятый продукт, который можно было купить вместе с другим. Как вы уже догадались, количество возможных комбинаций для анализа увеличивалось со скоростью экспоненциального роста в зависимости от количества продуктовых групп (семей).

После завершения этой работы мы перешли к созданию модели, способной предсказать вероятность совместной покупки двух различных продуктов (в рамках той же сделки или в течение определенного времени). Мы протестировали модель, отправив двум группам клиентов единственный элемент маркетинговой коммуникации – памятную монету номиналом в 50 центов с портретом президента Кеннеди. Первая группа была отобрана из базы данных с помощью анализа потребительской корзины. Мы искали людей, уже купивших похожие памятные монеты. Вторая группа была отобрана случайным образом, без применения особых правил. Формула для анализа корзины выглядела следующим образом:

На первый взгляд формула выглядит крайне запутанной, но на самом деле она довольно проста.

• A – продукт (или семейство продуктов), для которого я разрабатываю правило. Иными словами, я пытаюсь предсказать, купит ли определенный клиент сувенирные монеты при условии, что он активно покупает другие сходные вещи на сайте этой компании. В данном случае мой продукт – монета номиналом 50 центов.

• B, C, D – прогностические параметры (факторы, позволяющие предсказать, будет ли куплен продукт A). К ним относятся также такие продукты, как другие памятные монеты либо сувениры с определенной исторической тематикой – короче, продукты, дающие основания считать, что клиент купит и монеты с портретом Кеннеди.

• N – охват в абсолютных показателях (общее количество клиентов, купивших продукты B, C и D в рамках одной покупки).

• P – вероятность того, что кто-то купит A, при условии, что уже купил B, C и D.

• S – поддержка (процент от общего числа людей, купивших B, C, D и A).

В наши дни люди много пишут. Они участвуют в работе форумов, меняют свой статус в социальных сетях, комментируют записи в чужих блогах и даже ведут собственные. Если хорошенько подумать, то мы поймем, что любой текст представляет собой набор данных (причем совершенно бесплатных). Было бы глупо этим не воспользоваться. Все, что вам нужно, – это простой инструмент, способный считывать содержание интересных для вас сайтов и копировать нужную вам информацию в базу данных. Сам по себе процесс сбора информации довольно прост, чего нельзя сказать о ее анализе. Чуть раньше я уже делился с вами парой примеров, как мы можем научить компьютеры воспринимать данные определенным образом. Все сравнительно просто, если речь идет о цифрах. Но когда вы просите компьютер изучить текст, то задача усложняется. При этом я не собираюсь говорить, что это невозможно.

На рынке имеется целый ряд программных продуктов, способных анализировать крупные объемы текста и снабжать нас информацией о том, какие вопросы обсуждают люди, скольким людям они интересны и даже что они чувствуют в отношении обсуждаемого. Вот пример, которым поделилась со мной компания Visible Technologies пару лет назад:

Ранние (читай, примитивные) программы для анализа текста считывали количество распознанных слов с положительной или отрицательной окраской, а затем делали заключение о негативной в целом окраске того или иной сообщения.

Проблема состояла в том, что, хотя программа распознавала слова правильным образом, она ошибалась с общей тональностью высказывания. Приведенный выше комментарий был расценен ей как в целом положительный.

Технологии следующего поколения могли разложить текст на субкомментарии и определить их общий настрой. Соответственно, это давало возможность извлечь из каждого поста куда больше информации. Мы можем увидеть, как современные алгоритмы позволяют компьютерам более точно фиксировать и классифицировать темы и настроения людей в ходе их онлайнового общения.

С этим инструментом связано немало вопросов. Не так давно я беседовал с бренд-менеджером дезодоранта Axe. По его словам, сразу после того, как компания впервые использовала этот инструмент, то обнаружила резкий рост интереса к своему продукту в самом начале рецессии. Неужели люди принялись говорить в тяжелые времена о своих дезодорантах? Не совсем. Скорее они говорили о том, как волнуются, что их самих или их друзей могут уволить. Судя по всему, компьютерам, как и прежде, сложно увидеть разницу между разговором о гигиене тела и важнейшем событии в жизни (потере работы).

Несмотря на это, многие компании начали использовать этот инструмент анализа социальных медиа для того, чтобы внимательно наблюдать за происходящим в блогосфере. Вы и сами можете использовать эту технологию для анализа того, что говорят люди о ваших брендах. Не исключено, однако, что вам стоит начать с простого чтения комментариев.

Именно это мы сделали в описанном выше проекте для Ceasars. Компания периодически берет пятьдесят положительных («пять звезд») отзывов о гостиницах с популярного сайта Tripadvisor и пытается найти в них глубокие идеи. Компания организует комментарии по следующим темам: физические атрибуты гостиницы, местоположение, удобства и услуги, – а затем пытается выяснить, что именно понравилось людям и почему они дали гостинице высшую оценку. Иногда, как в случае обзора гостиницы «Париж» в Лас-Вегасе, результаты просто удивляют. Я не раз уже вспоминал этот пример, когда людям, жившим в «Париже», больше всего нравится вид на город из окон гостиничных номеров. После того как компания узнала об этом, она совершила ряд решительных преобразований. Теперь, если вы зайдете на первую страницу сайта гостиницы (ParisLasVegas.com), то увидите точно такую же картину, которая откроется из окна вашего номера. Результат – резкий рост бронирования.

Каждый раз, когда я рассказываю историю о Ceasars, обязательно кто-нибудь спрашивает об использованных нами программах или алгоритмах анализа текста. Люди приходят в реальное изумление, когда я отвечаю, что мы просто читали комментарии на TripAdvisor.com.

Нечто подобное случилось и в IBM. В процессе изучения комментариев клиентов в Интернете компания заметила, что, несмотря на всю привлекательность своей продукции, о ней мало кто писал. Вместо этого люди говорили обо всех крутых вещах, ставших для них доступными благодаря новейшим разработкам IBM. Большинство потребителей не интересуются тем, как именно работает та или иная техника или программа; им совершенно не нужно понимать принципы связи – они просто хотят иметь надежный и удобный мобильный телефон. В результате основные усилия маркетологов IBM переключились с разговоров о протоколе Voice over Internet (IP) и моделях облачных вычислений на рекламный рассказ о придуманных их компанией новых и еще более простых способах общения между людьми. Реклама бренда Lotus была вполне типичной для этой ситуации: «Lotus знает, что вы пытаетесь связаться с людьми, а не их телефонными номерами».

Эмоции непосредственно влияют не только на наш выбор, но и на само принятие решения что-то приобрести, а значит – и на активное развитие новых отраслей промышленности. Консалтинговая компания Innerscope специализируется в этой новой области, исследуя эмоциональный отклик потребителей; она стала одной из первых, кто понял, что все наши прежние представления о рекламе уже слишком устарели, если они вообще когда-либо были верными.

Мы всегда предполагали, что благодаря рекламным объявлениям люди получают определенные стимулы, влияющие на их дальнейшее покупательское поведение: сначала они обдумывают ситуацию, а затем начинают принимать решение о покупке. Innerscope обнаружила, что этот процесс не всегда происходит подобным образом. Люди получают стимулы, которые могут проходить или не проходить через эмоциональный фильтр, расположенный глубоко в мозге. После этого рациональная часть мозга начинает размышлять насчет ответной реакции, и тогда возникает сложное взаимодействие между рациональным и эмоциональным началами человека, в результате чего он уже определяет свои дальнейшие действия.

Делаем важнейший вывод: «чувство» обычно предшествует «мыслям» и «действиям». Вследствие этого Innerscope создала набор диагностических инструментов, позволяющих измерять силу эмоционального воздействия рекламных стимулов. Компания вычленила четыре параметра, определяющих физические изменения, которые соответствуют эмоциональной вовлеченности человека:

• проводимость кожи – изменение уровня потоотделения в ладонях;

• дыхание – изменение темпа дыхания;

• ответная реакция сердца – изменение частоты пульса (будет ли сердце биться быстрее или медленнее);

• движение – изменение в физическом положении тела (иными словами, приводит ли стимул к тому, что человек начинает каким-то образом двигаться).

1. Спросите своих клиентов, почему они решают что-то у вас купить. Для этого лучше всего сделать репрезентативную выборку клиентов и провести с ними достаточное количество времени. Их ответы быстро помогут вам сформировать список потенциальных потребностей, которые вы помогаете им удовлетворять. Чтобы расширить содержание списка, посмотрите, что говорят о вашем бренде люди в социальных сетях и на форумах. Если вы хотите получить более профессиональный результат, то наймите для организации таких бесед специальное агентство. Вы даже можете привлечь нейробиологов, чтобы те, выяснив, что творится в головах людей, направили ваши рекламные кампании в нужное русло. (Последние две рекомендации хорошие, но не обязательные.)

2. Как только у вас окажется список потенциальных потребностей, определите, какие из них будут считаться наиболее важными с точки зрения ваших клиентов. Вам потребуется провести количественное исследование, и поверьте, в наши дни это вас не разорит – существует немало исследовательских компаний, способных сделать его в Сети быстро и недорого. С помощью количественного анализа вы можете также выявить группы (или кластеры) клиентов, ищущих особенные продукты и услуги, что позволит вам создать такие рекламные сообщения, которые будут учитывать потребности отдельных групп.

3. Когда вы поймете, чего хотят ваши клиенты, то не забывайте об этом при разработке новых продуктов или услуг. В сущности, все, что вы делаете – начиная от дизайна веб-сайта и заканчивая способами маркетинговой коммуникации, – должно отражать тот факт, что вы понимаете, о чем вам говорят клиенты.

Итак, мы знаем, с кем хотим говорить и о чем. Теперь нам нужно определить, где находятся текущие и потенциальные клиенты, а затем приступить к общению с ними. Эта задача сложнее, чем может показаться на первый взгляд. Даже если клиенты физически находятся на одном и том же месте, они постоянно обращаются к новым средствам информации (возьмем хотя бы количество вебсайтов) и посещают различные магазины. Если сравнивать, то они напоминают скорее не собак, а кошек, гуляющих сами по себе, – они непредсказуемы и не поддаются дрессировке.

Традиционный способ поиска клиентов был двояким. С одной стороны, мы находили средства массовой информации: телеканалы, радиостанции, газеты, журналы, интернетресурсы, – которые наша аудитория предпочитала читать, слушать и смотреть. С другой – мы искали свою целевую клиентуру по географическому принципу. Если взять верхушку среднего класса, то его представители живут в совершенно определенных (и довольно ограниченных) местах.

Не так давно в нашем распоряжении появился целый ряд методов, позволяющих находить даже не группы, а отдельных покупателей. Чем более точным и целенаправленным – и по форме, и по содержанию – будет ваше рекламное сообщение, тем у вас выше шансы на успех.

Я объясню, каким образом вы сможете находить отдельных клиентов: в создаваемых вами базах данных; через поисковые системы; на вебсайтах; в рекламных или социальных сетях; во внешних базах данных, которые можно купить на рынке. При посещении любого места люди оставляют за собой следы в виде данных. Эти следы обязательно выведут вас на тех, с кем вы хотели бы говорить.

Помните о влажных салфетках Boots с запахом огурца, о которых я рассказывал в первой главе? Моя жена считает их чем-то фантастическим, но уверена, что их можно найти только в Великобритании. Это не совсем так, хотя их действительно сложно найти в других странах, и многие британцы, живущие вне родины (подобно моей жене), закупают свой любимый товар целыми упаковками каждый раз, когда видят его во время своих путешествий.

Предположим, компания Boots обратила внимание на огромные продажи своей продукции в магазинах, расположенных в международных аэропортах, и руководитель маркетингового отделения просит нас разработать рекламную кампанию, нацеленную на британцев, живущих не в Англии. Каким образом мы вместе с Boots будем решать эту задачу?

Давайте в первую очередь посмотрим, что могли бы сделать мы.

• Выяснить, какие газеты и журналы читают британцы, обычно живущие в других странах, и разместить в них рекламу.

• Определить их места проживания, найти адреса и после этого разослать им образцы продукции.

• Разместить щитовую рекламу в международных аэропортах, на вокзалах, расположенных неподалеку от этих аэропортов, и рядом с компаниями, сдающими автомобили в аренду. Дело в том, что мы точно знаем: наши британцы рано или поздно окажутся в этих местах, так как, работая в других странах, они летают самолетами, ездят на поездах, а также арендуют автомобили.

• Попытаться найти адреса британцев, живущих за границей.

• Усилить свое присутствие в местах, где собираются британцы, живущие за границей. Небольшой пример. В Нью-Йорке есть паб «Невада Смит», чья реклама провозглашает: «Место, где футбол, – настоящая религия». И это говорит о многом, поскольку среди американцев не распространена игра в «футбол» (football) – американцы предпочитают играть в «соккер» (soccer). В пабе постоянно транслируют игры британской премьер-лиги, поэтому каждую субботу его наводняют англичане. Мы могли бы разместить в пабе рекламные плакаты или листовки, напоминающие мужьям, чтобы они не забывали дарить своим женам лучшие влажные салфетки в мире.

А теперь – что могла бы сделать сама компания Boots?

• Прежде всего заняться созданием внутренней базы данных живущих за границей британцев, которым нравятся влажные салфетки.

• Привлечь живущих за границей британцев к участию в специальной программе, обеспечив им бесплатную поставку продукта.

• Задать им несколько вопросов, ответы на которые содержали бы в себе ценные данные для Boots: как много продукта вы потребляете; как часто возвращаетесь в Великобританию; есть ли у вас друзья, которые хотели бы присоединиться к программе для живущих за границей британцев?

Все это помогло бы Boots создать базу данных целевой группы и общаться с ее участниками на регулярной основе. Кроме этого, компания может купить у сторонних поставщиков базы данных адресов британцев, проживающих за границей. Это помогло бы ей еще более укрепить собственную базу.

Что еще? Каждый раз, когда кто-то ищет в Google британские пабы в Нью-Йорке, мы можем с большой вероятностью предположить, что поиск осуществляет британец, находящийся в Нью-Йорке. Мы можем разместить всплывающую рекламу наших влажных салфеток, которая будет возникать при появлении в поисковом запросе слов, типичных для британцев (например, «британские пабы», «британские рестораны», «Манчестер Юнайтед» и тому подобное). Мы можем просто разместить интернет-рекламу: например, каждый раз при посещении веб-сайта BBC британцем, проживающим в Америке, ему предлагаются влажные салфетки Boots. Мы можем действовать более адресно. Предположим, кто-то ищет в Интернете информацию об авиарейсах в Великобританию – обнаружив таких людей, мы будем следовать за ними в их путешествии по поисковым системам и сайтам и показывать им рекламный баннер влажных салфеток Boots. Сравнительно легко мы можем найти наших британцев на Facebook и в других социальных сетях. Мы даже можем пригласить их присоединиться к страничке любителей влажных огуречных салфеток Boots на Facebook.

Мы видим, что возможности практически безграничны, поэтому предлагаю начать поиск наших потенциальных клиентов с помощью четырех основных процедур.

• Медиапланирование. Необходимо хорошо понять особенности профиля потребителей определенных медиа и связать их с профилем вашей целевой аудитории.

• Геотаргетинг. Определить, где живет наша целевая аудитория.

• Индивидуальное таргетирование. Достучаться до конкретного человека через его фактический адрес, электронную почту или онлайновые настройки.

• Потребительская панель. Репрезентативная группа, выбранная из всей целевой группы потребителей, на которую можно опереться. Им задают вопросы, позволяющие лучше понять целевую аудиторию. Хотя потребительскую панель (или потребительский консилиум) обычно используют в качестве исследовательского инструмента, но большие по размеру панели могут считаться своеобразными базами данных. Это означает, что вы можете отправлять их участникам персонализированные сообщения, основанные на том, что вы о них знаете.

Медиапланирование

Традиционный способ, с помощью которого компании определяли своих целевых клиентов. Он довольно прост: покупается рекламное место в средствах массовой информации, которые будет читать или смотреть ваша целевая аудитория. Они определяются с помощью простых математических правил: профиль вашей целевой аудитории сопоставляется с данными аудитории различных медиа. Где мы получаем данные о читателях и зрителях? В большинстве стран проводятся специализированные кросскатегорийные исследования, позволяющие рекламным разработчикам получать нужные данные. Например, организации, такие как Target Group Index (TGI) в Великобритании или Meadiamark research and Intelligence (MRI) в США, организуют масштабные опросы, в ходе которых людей спрашивают о том, какие веб-сайты они посещают, какие телевизионные программы смотрят, какие журналы читают. Также участников опроса спрашивают, какие бренды они покупают и как выглядит их социально-демографический профиль (возраст, пол, местожительство).

Вот пример анализа, который мы провели для компании, занимающейся предоставлением видеопродукции по запросу через Интернет. Компания посчитала, что ее целевая аудитория – это домохозяйства, имеющие широкополосный домашний доступ в Интернет, хотя бы одну кредитную карту и DVD-проигрыватель (иными словами, речь шла о довольно широкой аудитории). Для начала мы воспользовались данными TGI и MRI, чтобы понять, какие средства медиа потребляет эта целевая аудитория, что позволило нам понять, где бы мы хотели размещать свою рекламу.

В верхней части таблицы вы можете видеть различные медиа, которые мы хотели анализировать. С левой стороны расположены пять квантилей, то есть пять групп одинакового размера, проранжированных от высокого к низкому (с точки зрения количества времени, проведенного представителями аудитории за изучением каждого средства информации). Вот каким образом нужно интерпретировать данные таблицы. Давайте возьмем номер 195 в правой верхней части таблицы. Он показывает, что индекс для нашей целевой аудитории в первом квантиле для Интернета равен «195». Что это значит? Если мы сравним свою целевую аудиторию (домохозяйства, имеющие широкополосный доступ в Интернет, кредитную карту Visa и DVD-проигрыватель) со средними значениями по США, то увидим, что эта группа проводит в Интернете чуть ли не в два раза больше обычного времени (среднее значение индекса по стране равно «100», соответственно, значение «195» почти в два раза выше). Иными словами, если мы собирались бы размещать рекламу в онлайне, то встретили бы там в два раза больше представителей своей целевой аудитории, чем в среднем по стране. Соответственно, Интернет можно считать довольно неплохим способом достучаться до нужной нам аудитории.

Для телевидения справедливо обратное. Среди наиболее активных зрителей (первый квантиль) мы находим незначительную долю своей целевой аудитории (67 по сравнению со средним национальным индексом 100). Наша таблица наглядно показывает, что лучшими местами для контакта с целевой аудиторией в данном случае могли бы стать Интернет, наружная реклама (например, билборды) и журналы.

Следующий вопрос, требующий ответа, – где именно проводят время наши любители Интернета, то есть на какие сайты они заходят? Мы использовали тот же самый подход, что и раньше, однако на этот раз мы собирались копнуть значительно глубже. Вместо того чтобы сравнивать Интернет с телевидением, а радио – с чем угодно… мы сопоставили сайт С с сайтом B и так же поступили с отдельными журналами и другими средствами массовой информации.

Следующая таблица из нашего исследования показывает веб-сайты, индекс посещаемости которых превышает среднее значение (если для нашей аудитории было бы интересно телевидение, мы могли бы проделать нечто подобное и для отдельных телепрограмм). Но именно в Интернете наша целевая аудитория тратит непропорционально большую долю времени. Именно здесь ее стоит искать.

Вне зависимости от средства коммуникации вы используете один и тот же принцип, то есть делаете следующее:

• определяете профиль людей, которых хотите видеть в своей целевой аудитории;

• находите медиаплощадки с высокой пропорцией этих читателей, слушателей или посетителей;

• связываетесь с этими площадками и выкупаете у них рекламное пространство или время.

American Express знает довольно много о своих целевых клиентах – как существующих (которым компания хотела бы сделать предложение, стимулирующее их увеличить расходы), так и потенциальных. Компания знает, что они довольно состоятельны и живут в северо-восточных штатах США. Затем она может воспользоваться методами, которые мы только что описали, для поиска веб-сайтов, на которых часто бывают представители зажиточных домохозяйств из северо-восточных штатов. В результате у компании появится окончательный список сайтов, на которых стоит покупать медиапространство.

Предположим, один и этих сайтов – CNNMoney. Компания American Express может купить десять тысяч показов; это означает, что их реклама появится десять тысяч раз за определенный период (позднее мы покажем, какую роль сыграли продвинутые технологии в повышении точности этого метода, когда рекламу видят только те, кому она предназначена).

Геотаргетинг

Вы ищете своих клиентов по географическому признаку. Благодаря нашему поиску целевой аудитории в истории с влажными салфетками я выяснил, что в Нью-Йорке живет больше британцев, чем в Далласе (не только в абсолютных цифрах, но в относительном виде, как доля населения). Очевидно, в данном случае имеет смысл прежде всего выделить Нью-Йорк, а не Даллас. Но мы можем заняться более точным поиском клиентов внутри самого Нью-Йорка. У меня нет данных (хотя их не так трудно найти), но мне представляется, что в Ист-Виллидже на Манхэттене живет больше британских граждан, чем во всем Стетен-Айленде. И, разумеется, если речь заходит о США, мы можем проводить поиск целевых групп на основании почтовых индексов. Каждому почтовому индексу соответствует целый ряд статистических параметров, привязанных к определенным социально-демографическим данным. Соответственно, мы используем эти данные в своей маркетинговой деятельности и проводим точечное исследование внутри микрорайона Ист-Виллидж (где, судя по всему, имеется три разных почтовых индекса).

На основе почтовых индексов мы определяем так называемые границы рынка обслуживания, то есть целевые зоны рынка (designated market areas; далее по тексту – DMA). Термин DMA ввела в обиход компания Nielsen Media Research, использовавшая его в значении расчетной рыночной территории для выявления телевизионных станций, наилучшим образом представленных в определенных районах страны. Соответственно, в нашем случае целевые зоны рынка – если мы вернемся к Нью-Йорку – будут включать в себя и некоторых зрителей, живущих в штатах Нью-Джерси и Коннектикут. Опросы, которые проводит Meadiamark research and Intelligence в различных DMA, позволяют вам выбрать жителей, которых вы хотите сделать своей целевой аудиторией.

Именно так мы и поступили, выполняя заказ поставщика видеопродукции. На приведенном ниже рисунке указаны крупнейшие целевые зоны рынка (81 зона из 210 зон по всей стране), состоящие из интересующих нас домохозяйств с широкополосным доступом к Интернету, кредитной картой и DVD-проигрывателем.

Карта DMA содержит две оси. На вертикальной отмечен индекс, сходный с описанным выше. Однако мы рассчитываем его не для различных видов медиа, а для DMA. Чем выше индекс, тем выше в той или иной DMA доля нашей целевой аудитории.

Если величина индекса превышает «100», это означает, что в профиле целевой аудитории в этой DMA имеется больше нужных нам домохозяйств, чем в среднем по стране. Соответственно, первоочередной интерес для нас представляют DMA, расположенные выше черной линии в середине графика.

По горизонтальной оси указана пропорция нужных нам домохозяйств (с широкополосным доступом, кредитной картой и DVD-проигрывателем) в определенной DMA.

Четко видно, что Нью-Йорк и Лос-Анджелес находятся в крайней правой части графика, что вполне разумно, так как это две самые крупные DMA. Но наш клиент хотел выявить более мелкие DMA с необычно высокой долей целевой аудитории, чтобы воздействовать на них с максимальной эффективностью. Эти DMA расположены в левой верхней части графика (Лас-Вегас, Остин, штат Канзас и другие).

Можно дойти до еще большего уровня детализации. В ходе анализа мы выявили довольно небольшую DMA с высокой долей целевой аудитории – Гонолулу. Принявшись изучать Гонолулу в деталях, мы обнаружили несколько почтовых индексов, которым соответствовала довольно большая концентрация представителей целевой аудитории. Мы могли направить рекламу именно на районы с этим индексом, а не на весь город.

Еще один вид поиска ключевой аудитории – поиск по ключевым словам

Что является лучшим индикатором желания клиента? Все просто – его собственное «признание». Именно это и происходит при использовании поискового запроса. Я печатаю в запросе поисковой системе Google фразу «влажные огуречные салфетки» – и производители этого чуда могут быть уверены, что я отношусь к их клиентам. Вот почему поисковые данные обладают столь большой силой. И, так как множество людей в наши дни используют поисковые механизмы для принятия решений о покупке, крайне важно убедиться, что они смогут найти ваш продукт или услугу, задавая запросы. Билл Хант, основатель GSI (Global Strategies Inc), компании из Сиэтла, специализирующейся на вопросах поиска, написал отличный учебник о том, как оптимизировать ваши онлайновые активы так, чтобы их можно было легко найти через поисковые системы. Метод называется поисковой оптимизацией. Я искренне рекомендую вам потратить время на чтение двух полезных и очень обстоятельных книг: Search Engine Marketing Inc, написанной Биллом Хантом и Майком Мораном, и Search Engine Optimization: An Hour a Day, написанной Дженнифер Граппоне и Градивой Коузин.

Для нашей конкретной цели: найти кого-то с помощью поисковых систем – есть два способа. Это органический поиск и оплаченный поиск.

Если я напечатаю в поисковой строке Google «влажные огуречные салфетки», то получу два типа информации. Первый – результат органического поиска, появляющийся в результате моего поискового запроса. Если ваша компания хочет оказаться на первых позициях в списке, то вам необходимо оптимизировать контент своего сайта так, чтобы поисковые системы автоматически ставили его выше. Это может быть сделано несколькими способами, каждый из которых детально описан в книге Search Engine Marketing Inc.

Помимо органических результатов поиска существуют и оплаченные результаты, которые появляются в правой части страницы (а иногда и вверху). Если я продаю влажные огуречные салфетки, то могу купить эти «ключевые слова» у Google – в результате каждый раз, когда кто-то ищет влажные салфетки с запахом огурца, на экране будет появляться моя реклама. Это и называется оплаченным поиском.

Однако если вы введете в Google эти слова прямо сейчас, то не увидите рекламы Boots, и я считаю это большой проблемой. Например, если все, что я помню, – это то, что моей жене нравятся салфетки с запахом огурца, а название интересующего ее бренда как-то связано с обувью (Boots), то я не смогу найти именно то, что ей нужно, а Boots не сможет мне их продать.

Индивидуальное таргетирование

Если мы вспомним первые две позиции, то поймем, что медиапланирование и геотаргетинг – довольно грубые инструменты по сравнению с индивидуальным таргетированием. Поиск – отличное средство коммуникации с отдельно взятым человеком, но мы никогда не знаем, в какой момент потребитель станет вводить нужные нам слова в поисковой системе (а что случится, если он вообще не подойдет к своему компьютеру или конкурент каким-то образом соблазнит его еще до того, как он увидит нашу рекламу?).

С учетом всех недостатков методов, о которых мы говорили до сих пор, необходимо признать, то нам нужны и другие способы для поиска своей целевой аудитории. Неслучайно в последние годы появился целый ряд технических нововведений именно в этом направлении. Информация об отдельных интересующих нас людях обычно находится в трех различных местах:

• внутренние базы данных, в которых содержится вся информация о взаимодействии потребителей с компанией (в магазинах, на веб-сайтах или в колл-центрах);

• внешние файлы с информацией о потребителях, основанной на подписках на журналы, списках электронной рассылки, данных переписи;

• цифровые сети, хранящие информацию о взаимодействии через браузеры с теми или иными цифровыми активами.

Внутренние базы данных

На протяжении десятилетий компании создавали базы данных, в которых хранилась вся информация, возникавшая при взаимодействии клиента с ними. Отслеживание этой информации обычно начинается, когда клиент регистрируется на веб-сайте или совершает покупку. Чтобы показать, как это работает, давайте рассмотрим, что происходит после того, как вы покупаете какой-то продукт в магазине. При каждом использовании банковской карты кассовый аппарат создает несколько строк в логе (выглядящем примерно так, как на рисунке, представленном ниже).

В одном файле стандартного формата фиксируется следующая информация:

• время покупки;

• дата покупки;

• идентификационный код магазина – код, позволяющий определить, в каком именно магазине была совершена покупка;

• единица хранения – число, обозначающее купленный продукт;

• цена продукта;

• розничная цена, или фактическая цена продукта, – цена, фактически уплаченная в кассе (с учетом любых скидок);

• вид операции – фиксация метода оплаты (например, наличные, кредитная карта, чек);

• идентификатор транзакции – строка, в которой содержатся данные о сделке;

• идентификатор клиента – номер, указывающий на то, какой клиент совершает покупку.

Последний пункт позволяет магазину понять, кто на самом деле осуществляет покупку. Именно код клиента помогает ему выделить того или иного человека как своего целевого покупателя. Каким образом в магазине знают, кто вы? Для этого имеется целый набор механизмов.

Многие магазины предлагают клиентам дисконтные карты, позволяющие покупать товары со скидкой, или карты покупателя, позволяющие накапливать призовые баллы, которые впоследствии можно обменять на подарки. С точки зрения продавца, эти карты исполняют две функции. Во-первых, они создают более тесные связи с клиентами; вы с большой долей вероятности вернетесь в магазин, где вас вознаграждают за общение, делают существенные скидки и дают накапливать призовые баллы. Во-вторых, они позволяют продавцу в точности знать, что именно вы приобретаете. Как только вы используете свою карту, ваш индивидуальный код автоматически фиксируется кассовым аппаратом и попадает в систему.

Кроме того, привязка транзакции к покупателю связана с кредитными картами. Когда вы расплачиваетесь кредитной карточкой, вся информация сохраняется у компании-эмитента. Именно с ее помощью они выставляют вам счета. И именно она используется продавцами, чтобы заполнить поле кода клиента в логе кассового аппарата.

Неважно благодаря чему, но как только магазин понимает, какой продукт вы купили, он может создать некий единый «образ клиента». С технической точки зрения этот образ представляет собой всего лишь информацию обо всех операциях продавца с вами, собранную в одном месте. Никакой магии – просто старый добрый здравый смысл. Затем вы превращаете показанный выше файл в новый, имеющий отдельную строчку для каждой сделки.

Выглядит он примерно следующим образом.

Подобная таблица может обобщаться и дальше, вплоть до создания «образа клиента», в котором каждому клиенту уделена всего одна строка.

В этом файле содержится целый ряд переменных, описывающих поведение клиентов 0000001 и 0000002:

• количество операций – общее количество покупок в течение определенного времени;

• среднее количество продуктов, купленных в ходе одной покупки;

• средняя цена, выплаченная по результатам покупки;

• дата первой покупки – используется для расчета продолжительности связи с клиентом;

• дата последней покупки – используется для оценки того, остается ли клиент с вами;

• общая балансовая стоимость, или суммарное значение, – цена всех продуктов, купленных клиентом; этот показатель дает продавцу общее представление о важности для него того или иного клиента.

В «образе клиента» может иметься значительно больше данных (колонок), показывающих:

• какие продукты были куплены;

• где живет клиент;

• что представляют собой социально-демографические характеристики района, в котором живет клиент (определяется по индексу);

• контактные данные клиента (электронная почта или номер мобильного телефона);

• какие маркетинговые предложения клиент получал и как на них реагировал;

• как еще взаимодействовал клиент с компанией (обращался ли он в колл-центр, заходил ли на сайт или делал еще что-то).

Сбор подобной информации – одно из самых распространенных занятий сотрудников-аналитиков. Им занимаются не только магазины и розничные сети. Сходные базы данных имеются у телефонных компаний. Ничто не мешает и банкам с авиакомпаниями собрать информацию о финансовых операциях или забронированных билетах. Самый главный параметр в таких базах – это код клиента, позволяющий компаниям привязывать свои шаги к конкретным людям.

В «образ клиента» может включаться и информация, создаваемая на сайте во время посещения его клиентом. Я покажу вам на собственном примере, какой мощный информационный след оставляю, изучая новости о своей любимой футбольной команде.

Как-то утром я зашел на сайт BBC, чтобы проверить дела у команды «Арсенал», играющей в британской премьер-лиге. Вот что происходило после того, как я вышел в Интернет и напечатал «www.bbc.co.uk/football» в строке браузера. Компьютер связался с сервером BBC – большой базой данных, содержащей все страницы веб-сайта. Моему компьютеру присвоен определенный номер, называемый IP-адресом и работающий наподобие телефонного номера. У каждого компьютера есть свой уникальный IP-адрес (такой же уникальный, как ваш телефонный номер). Он доступен сайтам, на которые вы заходите. Иными словами, BBC знает, что я захожу на сайты сервера, связанные с футболом (или, если вам угодно, с соккером).

IP-адреса – это всего лишь один из способов выявить людей в Сети. Однако у него есть и свои недостатки. Основная проблема вызвана так называемыми прокси-серверами. Скажем, я зашел на сайт BBC со своего рабочего компьютера, то есть с сайтом компании будет связываться именно его IP-адрес, а не моего ноутбука. Сеть в Ogilvy в Нью-Йорке настроена так, что всем компьютерам, выходящим в Интернет, присваивается один и тот же IP-адрес. Иными словами, BBC не увидит моего ноутбука, а сможет лишь понять, к какой сети я подключен, а это куда менее полезно для нашей цели. Подобная проблема довольно распространена – просто вспомните, как часто вы заходите в Интернет на работе.

Для решения этой проблемы какой-то умный человек придумал cookie. Вот что возникает, когда я захожу в Интернет. Предположим, я захожу со своего ноутбука на сайт BBC. Сервер BBC отдает команду на загрузку нужных мне страниц, но при этом отправляет мне небольшой текстовый файл – cookie, – который помещается в определенную папку на моем жестком диске.

Когда я захожу на сайт BBC в следующий раз, сервер не только отправляет запрошенные страницы, но и читает содержимое, связанное с cookie BBC на моем компьютере. Фактически это дает серверу возможность понять, с какого компьютера идет обращение (даже если я при этом использую различные сети). Сервер обновит содержание cookie, чтобы отразить тот факт, что я на этот раз воспользовался другой сетью, а также зафиксирует, какие страницы я просмотрел. Разумеется, этот подход несовершенен. Потребители могут легко удалить cookie из своих компьютеров. Если бы я это сделал, а потом вернулся на сайт BBC, сервер посчитал бы меня новым посетителем. Разумеется, с точки зрения маркетологов наших дней, основная проблема стертых cookie заключается в том, что это лишает компании возможности обратиться к каждому индивидуальному клиенту напрямую.

Мне представляется, что в недалеком будущем мы будем говорить о cookie примерно так же, как сегодня говорим о первых моделях «Форда». На горизонте уже видны куда более детальные методы. Компания BlueCava работает над идеей «снятия отпечатков пальцев» у компьютеров и мобильных устройств по всему миру.

Вам может показаться, что все компьютеры одинаковы, но на практике это не так. Посмотрим, что об этом написали в Wall Street Journal в статье о компании BlueCava: «У каждого компьютера есть целый ряд элементов, делающих его уникальным, – различные параметры экрана, набор шрифтов или установленных программ. Каждый раз, когда ваш компьютер подключается к Интернету, он „транслирует“ эти уникальные детали. Специализированные компании могут использовать эти данные для выявления каждого компьютера, мобильного телефона или другого устройства, а затем и создания профилей их владельцев».

Разумеется, все это позволило бы рекламодателям выделять каждого человека напрямую. Более того, это позволило бы им создавать различные рекламные сообщения для разных типов устройств. И в будущем это станет куда более существенным моментом. Люди используют различные устройства разными способами. Так, я использую свой ноутбук для работы, а iPad – для отдыха. Если кто-то захочет найти меня как целевого клиента, связанного со спортом, то ему стоит делать свой контент удобным именно для просмотра на iPad.

Еще один способ достучаться до клиентов напрямую связан с технологией, известной как углубленная проверка пакетов, иногда ее называют мониторингом. Эта технология может читать и анализировать все биты или пакеты данных, путешествующих по Интернету. Так как она может отслеживать всю информацию, а не только связанную с путешествием по Интернету, можно представить, насколько эффективно она может собрать информацию о человеке (особенно если сравнить с cookie).

Кроме того, веб-сайты могут выявить конкретных посетителей посредством регистраций. Именно так работает Amazon.com. Как только я ввожу пользовательское имя и пароль, Amazon тут же понимает, кто именно делает запросы на страницах его сайта. Затем компания может собрать и проанализировать данные – примерно по той же схеме, что используют компании, работающие с картами лояльности. Вы можете связать поведение человека в Интернете и в реальном мире (например, в магазине).

Вот как это происходит. Предположим, я зарегистрировался на сайте Sears и провел на нем определенное время за изучением садовой мебели. Если я затем направлюсь в местный магазин Sears и куплю там стол и пару стульев с помощью выданной мне Retailco кредитной карты, то компания может изучить эти данные и заметить, что до этого времени я искал нужную информацию в Сети. Подобный метод известен как «ищем в онлайне, покупаем в офлайне» (research online, buy offline, ROBO). Именно с помощью такого анализа специалисты по онлайновому маркетингу оправдывают свое существование и отслеживают, какие из их предложений работают.

Регистрация – это самый точный способ сбора информации о личности. Она пригодна даже тогда, когда одним компьютером пользуются несколько человек (то есть когда cookie нам уже не помогают). Почему? Дело в том, что каждый раз, когда вы заходите на сайт Amazon, вам задают вопрос, являетесь ли вы новым или уже зарегистрированным пользователем. Регистрация в онлайне – единственный в данном случае способ точно узнать, какой именно человек заходит на ваш сайт.

Уверен, вы заметили некие общие черты во всем, о чем мы говорили до настоящего момента. Все это связано с получением данных из источников, которые вы контролируете, – вашего веб-сайта, кассового аппарата, телефонной сети. Все это позволяет вам создать «образ клиента» и помочь выстроить с ним правильное общение. Но в ваших силах собрать еще больше данных.

Внешние базы данных

Зачастую данные можно просто купить. Существует целая отрасль, готовая делиться данными с компаниями, которые хотят лучше знать, с кем имеют дело. Самые серьезные поставщики такой информации расположены в США и Великобритании. Американские агентства, оценивающие кредитные рейтинги, снабжают маркетологов данными, позволяющими не только понять, каким образом потребители расходуют свои деньги, но и насколько хорошо они расплачиваются по долгам. Можно получить доступ и к социально-демографическим данным (о которых я уже говорил ранее); например, американское ведомство, отвечающее за проведение переписи населения, может предоставлять информацию о людях, живущих по определенному индексу.

Компаниям наподобие Claritas удалось скомбинировать эти данные с информацией из других источников и создать детальные профили почтовых индексов. Затем компании удалось превратить эти профили в архетипические сегменты (см. третью главу), привязанные к определенным индексам.

Вновь хочу сказать, что в данных такого рода нет ничего нового. Они были в нашем распоряжении уже многие годы. Я хотел лишь упомянуть о них, чтобы вы – в процессе оценки массы новых инструментов – не забывали и о том, что у вас уже есть.

Помимо этого, существуют списки данных, которые предоставляет любой человек, подписываясь на журнал, газету или информационную рассылку (разумеется, вы всегда вправе запретить компаниям передавать вашу информацию кому-то еще, но обычно это условие печатается самым мелким шрифтом).

Поиск людей во внешних базах данных может иметь для вас огромное значение. Вы начинаете понимать, что нравится вашим клиентам (помимо продуктов, которые они покупают у вас), а это значит, что вы можете сделать свое предложение для них еще более интересным (предположим, у вас есть супермаркет, а ваш клиент любит хорошие вина – и вы предлагаете ему красивые бокалы). Вы можете также найти потенциальных клиентов, которых еще нет в ваших собственных базах данных.

Приведу еще один пример. Мы работали с одним супермаркетом, который только что представил на рынке новую линейку спортивных товаров, состоявшую из действительно хороших продуктов. Однако люди редко ищут качественные спортивные товары в супермаркетах. Поэтому значительная часть аудитории не обратила внимания на это предложение.

Для компании стало крайне важным найти покупателей во внешних базах данных. Мы просканировали рынок в поисках доступной информации. Ниже приведена первая страница списка источников, который компании стоило бы использовать. Каждый из этих источников предлагает компаниям получать за определенную плату доступ к спискам своих клиентов.

Это упражнение позволило нам найти 10 миллионов покупателей спортивного оборудования и снаряжения, сделавших покупки в этой категории в предыдущие двенадцать месяцев. Разве это не отличный пример того, как вы можете найти большую аудиторию для своей продукции с помощью доступных списков?

Другим источником поиска нужных покупателей служат потребительские панели, допускающие возможность таргетирования. Как было отмечено выше, они могут оказаться крайне полезными для выявления профиля определенной группы. Именно таким образом работают телевизионные рейтинги. Компания Nielsen создала панель из людей, представляющих всю совокупность населения, а затем отслеживает детали, связанные с потреблением телевизионного контента. Большинство панелей анонимны, соответственно, по ним невозможно проводить таргетирование. Существуют и другие, неанонимные панели, предоставляющие отличные возможности для компаний, торгующих потребительскими товарами и не всегда знающих, кто именно покупает у них прохладительные напитки, молоко, хлеб и мыло. Розничным сетям и отдельным супермаркетам удается решить эту проблему с помощью программ лояльности. Исследовательская компания Kantar Retail в партнерстве с рядом супермаркетов получает и обрабатывает информацию о покупках, которая привязана к этим картам. Компания объединяет данные от множества магазинов и выстраивает невероятную по размеру панель из 80 миллионов домохозяйств США. Она отлично знает, какие бренды покупает каждая семья, когда и как часто. Она также представляет, что еще находится в корзине потребителя. Единственное, чего она не знает, – их имен и адресов (эти данные остаются неизвестными для обеспечения должной анонимности). Kantar работает с независимой третьей стороной, которая собирает по магазинам информацию (имя и адрес клиента), затем присваивает каждому новый уникальный «слепой» код, а затем передает данные для обработки Kantar Retail уже с этим анонимным кодом. Таким образом, ребята из Kantar Retail не могут заглянуть в продуктовые пакеты, которые несет домой их сосед!

Несмотря на всю анонимность, доступ к таким данным имеет огромную важность. Например, розничная сеть может обратиться к данным панельного исследования и выявить каждого человека, пьющего спортивные напитки чаще обычного и живущего неподалеку от одного из ее супермаркетов. Это дает продавцу достаточно конкретную группу для дальнейшей работы. Затем он может передать «слепые» коды третьей нейтральной стороне, имеющей право использовать физическое имя и адрес для дальнейшей маркетинговой работы. Это позволяет компаниям, работающим с Kantar, нацеливаться на небольшие сегменты клиентов, сходных между собой с точки зрения покупательского поведения.

Цифровые сети

Мы уже показали, каким образом можно использовать внутренние и внешние базы данных для поиска потенциальных клиентов или выяснения того, на что тратят свое время в Сети крупные группы людей. Теперь же давайте посмотрим, каким образом вы можете выйти на индивидуального потребителя в Интернете.

Предположим, что некая фирма, занимающаяся брокерским обслуживанием в Сети, знает, что посетители сайта CNNMoney.com с большим вниманием относятся к их предложениям. Но при этом очевидно, что не каждый посетитель сайта CNNMoney является для фирмы целевой аудиторией. Так каким же образом она решает, кому показывать свою баннерную рекламу на сайте CNNMoney, а кому – нет? Поскольку за каждое появление баннера фирма платит CNNMoney определенную сумму, то подобный вопрос стоит довольно остро.

И здесь в игру вступает таргетирование в онлайне на индивидуальном уровне – пожалуй, самое интересное направление маркетинга нынешнего дня, ставшее доступным благодаря потрясающим технологическим инновациям. Для того чтобы разобраться с ним в деталях, давайте сделаем шаг назад.

Брокерская интернет-фирма может передавать свои баннеры CNNMoney двумя способами. Первый – компания выходит напрямую на CNN и просит разместить баннеры так, чтобы они появлялись при просмотре пользователями по нескольку раз. Второй вариант состоит в том, чтобы действовать через рекламную сеть (брокера), сопоставляющую спрос на размещение рекламы со стороны этого рекламодателя (и других рекламодателей, работающих в области финансовых услуг) с количеством места на рекламных площадках веб-сайта CNN (издателя).

Несмотря на прямолинейность этой схемы, она интереснее, чем может показаться поначалу. Рекламные сети отлично понимают ценность каждого посетителя сайта. Довольно быстро они начали фиксировать каждый случай отправки рекламы человеку, блуждающему по Интернету. В результате они знали, что определенный баннер показывался определенному человеку в определенном месте и в определенное время. Этот лог очень похож на логи баз данных веб-сайтов, описанные выше. Отправляя на компьютеры пользователей cookie, рекламные сети могли отслеживать, кто из них нажимает на рекламную ссылку. А это позволяет им следовать за посетителями с одного сайта на другой.

Предположим, вы зашли на первый сайт, использующий рекламные сети для размещения онлайновой рекламы на своих площадях. Допустим, рекламная сеть показывает рекламу джинсов. Сеть добавит на ваш компьютер cookie, в котором отмечено, на какой баннер вы смотрели и нажали ли вы на него.

На баннер вы нажали, но джинсы на этом сайте вам не понравились, и вы переключились на другой сайт, где принялись разглядывать свитеры. Если второй сайт принадлежит той же рекламной сети, что и первый, он распознает содержание cookie на вашем компьютере и сможет показать вам баннер с изображением джинсов другого покроя. Именно это и объясняет, почему порой при переходе с сайта на сайт вас сопровождает баннер одной и той же компании.

Не случайно, что у Google, Yahoo! и Microsoft, владельцев крупнейших сетей, – самые мощные поисковые системы. Этим компаниям удалось создать базы данных, в которых содержатся данные о каждом посетителе, о том, что они искали и какую рекламу видели. Насколько велика вероятность того, что человек нажмет на ваш рекламный баннер или даже купит ваш продукт? Вы правы – довольно большая. Когда потенциальные рекламодатели говорят, что хотят достучаться до людей, желающих получать от жизни только все лучшее (своих потенциальных клиентов), то рекламная сеть настраивает показ баннеров так, что их увидят наиболее подходящие люди. Чем больше рекламодатели тратят на работу с сетью, чем точнее рекламные сети проводят таргетирование, тем выше результативность рекламных объявлений. Вот почему наши столь привлекательные цифры делают большое дело по всему миру для таких компаний, как Google, Yahoo! и Microsoft.

И вот теперь – о самом интересном. Если я представляю брокерскую интернет-фирму, то, вполне очевидно, буду готов заплатить больше за то, чтобы мой баннер был показан компьютеру, пользователь которого с высокой вероятностью может стать моим клиентом. Дорого ли это стоит? Вы можете посчитать сами – расчеты в данном случае довольно просты:

A = (P(C) × MC) / ROI,

где

A – допустимая цена, то есть максимальная цена, которую компания готова платить за показ своей рекламы определенной персоне;

P(C) – вероятность того, что простой зритель станет держателем карты;

MC – маржа в расчете на одну конверсию, то есть прибыль, которую получает компания от работы с человеком, ставшим держателем карты;

ROI – величина ожидаемой прибыли на инвестиции. Если компания ожидает, что ROI составит три к одному, то цена, которую она готова заплатить (A), будет ниже, чем в случае, если бы ROI составляла два к одному.

Обычно компании довольно хорошо представляют себе величины MC и ожидаемой ROI. Ключевой параметр в приведенном выше уравнении – это P(C), то есть шансы на то, что кто-то подвергнется конверсии.

Согласитесь, было бы здорово, если вы могли бы рассчитать P(C) и допустимую цену для каждого cookie, а затем заплатить лишь за те, которые стоят меньше допустимой цены. Это вполне возможно, и вот как лучше это сделать. Предположим, что и вы, и я завтра зайдем на сайт ESPN.com. Я люблю компьютерные игры, а вы нет. Компания EA Sports выпускает на рынок новый симулятор баскетбольного матча и планирует рекламировать его в онлайне. Эта компания видит, что вы заходите на сайт ESPN.com, и у нее есть возможность разместить свою рекламу в верхней части наиболее часто посещаемых страниц сайта. Это обойдется компании в 5 центов. В реальности цена будет равна примерно 0,003 цента, или около трех долларов за одну тысячу показов, то есть рекламных объявлений, но для упрощения математических расчетов давайте посчитаем цену равной 5 центам – это позволит вам обойтись без калькулятора. Кроме того, компания знает, что вы никогда не посещали сайты, посвященные компьютерными играм, видели рекламу игр, но не нажимали на нее и что на сайте ESPN вы заходите только на главную страницу и страницы, посвященные гольфу. Ваш показатель P(C) будет низким (значительно ниже 5 центов).

Правильным было бы сэкономить деньги и не показывать вам рекламу. Шансы на то, что вы купите игру, довольно невелики – особенно если сравнить вас со мной. Ведь я – и это известно компании – не так давно нажал на один из ее баннеров, связанных с футболом; часто посещаю страницы ESPN, посвященные баскетболу; в течение нескольких последних дней искал билеты на матч с участием New York Knicks. Конечно, EA Sports будет правильнее потратить свои 5 центов на меня.

Условная сумма в 5 центов (или реальная сумма в 3 доллара за одну тысячу показов) может показаться незначительной, но умножьте ее на миллионы ежедневных рекламных показов, и вы поймете, насколько важно выбрать правильную цель: конкретного и подходящего вам человека, а не просто рядового посетителя сайта ESPN.com. Преимущества индивидуального таргетирования очевидны, и многие компании в наши дни идут именно по этому пути. Чтобы это стало возможным, должны были появиться две вещи – возможность обмена рекламными баннерами и развитие системы торгов за показ баннеров в режиме реального времени.

Торги представляют собой борьбу за рынок рекламных мест. В них участвуют издатели (такие как ESPN) и покупатели (такие как EA sports). Торги предназначены и для того, чтобы сделать процесс купли-продажи более гибким, простым и эффективным с помощью технологических решений.

К основным баннерообменным сетям относятся AdECN (принадлежащая Microsoft); Right Media (подразделение Yahoo!); CONTEXTWEB Ad Exchange; а также DoubleClick Ad Exchange (принадлежащая Google). Одно из основных преимуществ обмена рекламой подобного рода связано с тем, что ставки на рекламу устанавливаются в режиме реального времени.

Концепция реального времени достаточно прямолинейна. Давайте вернемся к нашему примеру с посещением страницы ESPN.com. Чтобы упростить ситуацию, представим себе, что на рынке имеются два потенциальных покупателя – EA и BMW (ваши визиты на страницы ESPN.com, посвященные гольфу, повысили показатель P(C) до уровня, заинтересовавшего автопроизводителя). Итак, мы с вами вводим адрес ESPN.com, и рекламный сервер распознает, кто мы такие. Так как вы обладаете большей потенциальной ценностью, чем я, то автопроизводитель (BMW) готов заплатить больше EA, лишь бы только вы увидели его рекламу. Моя же допустимая цена для EA Sports выше, чем готова платить BMW. EA Sports выигрывает торги, и я увижу рекламу ее нового баскетбольного стимулятора. Все это происходит за долю секунды.

Скорее всего ни EA, ни BMW сами не занимаются расчетами допустимой стоимости показа баннера. Для этого они нанимают внешнюю компанию, проводящую расчеты на основании установленных ими параметров. Подобные специализированные подрядчики не только рассчитывают допустимую цену с помощью некоторых описанных выше алгоритмов, но и предсказывают, сколько будут готовы заплатить за показы другие участники рынка. Именно такой тип алгоритма используют брокеры на Уолл-стрит для выбора акций. Бывшие ученые-ракетчики, прежде писавшие алгоритмы для Уолл-стрит, теперь пишут их для баннерообменных сетей. Один из них, зарабатывающий созданием подобных алгоритмов себе на жизнь, рассказал мне, что основная проблема таких предсказаний – угадать, чему может быть равна вторая по размеру ставка, а затем сделать свою ставку всего на доли центов выше. Это имеет немалый смысл.

Давайте еще раз воспользуемся тем же примером с BMW и EA Sports (и крайне упрощенным математическим аппаратом) и покажем, как это работает. Если допустимая цена показа рекламы ESPN.com составляет для BMW 10 центов, но при этом компания знает, что вторая по размеру ставка будет равна 5 центам, то ей имеет смысл снизить ставку до 5,5 цента, а не заявлять о готовности заплатить 10 центов. Компании, которым удается овладеть таким подходом, с одной стороны, экономят огромные суммы, с другой – успешно выбирают самых интересных для себя людей.

Победа в этой игре сводится к двум вещам – управлению математическим аппаратом и получению доступа к данным cookie. Чем больше информации о cookie у вас есть, тем лучше будет работать математический аппарат и тем больше денег вы будете экономить, делая ставки, учитывая правильные cookie. Именно таким образом в цифровом мире ставится знак равенства между данными и деньгами, и именно поэтому сбор, управление и анализ таких данных – это большой и серьезный бизнес. Компании типа BlueKai специализируются на строительстве платформ управления данными, помогающих клиентам решать такую задачу. Это – одна из самых быстрорастущих отраслей в сегодняшнем маркетинге.

Я уже упомянул, что Google, Yahoo! и Microsoft владеют крупными рекламными сетями. Теперь в игру вступает и Apple. Представьте, что эта компания знает о ваших предпочтениях, связанных с использованием программы iTunes. Когда человеку нравятся определенные фильмы, музыка и приложения, это способно многое сказать о других продуктах, к которым он может иметь интерес. Поэтому Apple разработала специальное решение для онлайновой рекламы, получившее название iAd. iAd позволяет размещать рекламную информацию на устройствах пользователей Tunes, учитывающую, каким образом и для чего они используют iTunes.

И мы говорим не только о баннерной рекламе. iPad позволяет рекламодателям обеспечить значительно более богатый опыт погружения в рекламу (более привлекательный, чем лучшие из ТВ-роликов), а также отбирать своих ключевых потребителей с невероятно высокой точностью. Приведу пример. Мы создали крайне успешную кампанию для бренда Perrier во Франции, в ходе которой приглашали пользователей попасть (с помощью iPad) в виртуальный кафешантан – мир, наполненный прекрасными женщинами в нижнем белье (поверьте, это было намного заманчивее любой печатной рекламы).

После того как мы запустили рекламную кампанию, клиент начал жаловаться на то, что ни разу не видел ее, сколько бы ни путешествовал по Сети на своем iPad. Нам потребовалось немало времени, чтобы убедить его, что рекламная кампания действительно шла, однако была настроена только на людей с максимальным потенциалом конверсии, и что наш клиент по каким-то причинам не попал в их число (возможно, потому что он получает свой Perrier бесплатно). Это совсем не то, что реклама на телевидении, когда ролики видят все зрители. Неудивительно, что методы iAd приводят рекламодателей в состояние сильного возбуждения.

До этого момента я рассказывал только об интернет-рекламе. Но есть и другие цифровые сети, в которых вы можете найти интересных для себя людей. Одним из примеров нового направления работ являются социальные сети. Все затронутые мной до сих пор примеры были основаны на том, что мы знаем, какие сайты посещают люди и с кем они взаимодействуют. А теперь представьте, сколько могут знать о своих пользователях Facebook, Foursquare, Twitter и MySpace. Они знают не только о ваших интересах, но и об интересах ваших друзей. Эти данные рассказывают о том, что вам нравится или кто еще может быть заинтересован в интересных для вас продуктах. Пока что данная зона работы находится на этапе «младенчества», но совсем неудивительно, что капитализация компании Facebook уже сейчас составляет свыше 50 миллиардов. И связано это с тем, что Facebook и другие социальные сети могут приносить рекламодателям аудиторию, готовую их слушать. Социальные сети говорят рекламодателям: «Мы можем найти для вас людей с нужными параметрами – возраст, место проживания, доход, интересы. Скажите, кого вы ищете, и дайте свое объявление, и мы доставим его вам за определенное вознаграждение».

Парни из Facebook знают, что эффективность рекламы, о которой рассказывают вам друзья, значительно выше, чем у рекламного сообщения, появляющегося перед вашими глазами ниоткуда. Брэд Смоллвуд, глава аналитической службы Facebook, даже сказал мне, что рекомендация со стороны друга повышает намерение купить тот или иной продукт в четыре раза! И это не должно нас удивлять.

Что все это значит с точки зрения таргетирования? Крайне много. На момент моего разговора с Брэдом у страницы любителей одежды марки North Face было 482 тысячи подписчиков, а у них, в свою очередь, было в совокупности почти 52 миллиона друзей. Иными словами, Northface может нацелиться на эти 52 миллиона людей с рекламным объявлением на Facebook, под которым «подписываются» их друзья, – и эффективность такой рекламы будет в четыре раза выше, чем при размещении в любом другом месте.

Степень влияния людей друг на друга часто привлекает многих ученых и послужила основной для целого ряда интересных исследований. Социальные сети обеспечивают ученых идеальной лабораторией для исследования процессов распространения информации по Сети. Этой теме посвящена работа Дэвида Хаффейкера.

Дэвид – эксперт в области аналитики социальных медиа, нового и крайне интересного поля исследований. Он проанализировал поведение участников социальной сети Google Groups (социальная медиаплатформа компании Google), для того чтобы лучше понять, как ведут себя лица, оказывающие влияние на других (которых он называет лидерами). Он выделяет лидеров, основываясь на трех критериях.

1. Приводит ли создаваемый ими контент к возникновению комментариев?

2. Приводят ли эти комментарии к возникновению беседы?

3. Берут ли фолловеры (люди, подписавшиеся на чей-либо микроблог) в ходе беседы на вооружение слова, используемые влиятельным для них лицом.

1. Могут ли они вас найти сами? Разумеется, вы хотите иметь возможность найти нужных вам клиентов, но иногда случается так, что они сами начинают вас искать. Первое, что вы должны сделать с утра, это заняться оптимизацией – каждый раз, когда кто-то ищет в Сети имеющийся у вас продукт, название вашей компании должно быть в первых строчках результатов поиска (для начала я рекомендую ознакомиться с двумя книгами на тему оптимизации поисковых систем, которые я упомянул выше в этой главе).

2. С чего вам начать их поиски? Разумеется, вы не можете полагаться только на людей, которые сами пытаются вас найти. Поэтому вам нужно самому заняться поиском и установлением контакта с потенциальными клиентами. Отправная точка будет зависеть от того, сколько денег вы можете потратить и на что (следующая глава поможет вам найти ответы на эти вопросы). Если вы тратите средства на массовое медиапокрытие, то убедитесь в том, что ваши знания о целевой аудитории отражены в вашем медиаплане. Устройте встречу со своими медиапартнерами и заставьте их объяснить, почему они выбрали те или иные средства медиа. Попросите их показать вам свои расчеты – теперь вы знаете, что означают их цифры.

3. Для множества мелких компаний масштабные медиакампании не подходят. Но это не проблема. Огромную помощь может оказать индивидуальное таргетирование. Попытайтесь для начала порыться в своих собственных базах данных. Затем изучите внешние базы данных, которые мы обсудили выше. Не забудьте обратить внимание на цифровые и социальные сети. Расходы по работе с ними по плечу каждой компании.

Итак, мы знаем, с кем хотим говорить и как найти этих людей. Сколько денег мы собираемся тратить на общение с нашими нынешними и будущими клиентами? Теперь данный вопрос становится для нас самым важным. Вне зависимости от суммы вы должны обеспечить максимально высокий возврат на инвестиции в маркетинг. Такова тема следующей главы. Это позволит вам оказаться на голову выше своих конкурентов. Но, как вы узнаете чуть ниже, большинство компаний быстро принимают решение о том, сколько тратить на маркетинг, – подобное положение справедливо как для компаний, тратящих несколько тысяч, так и для компаний, тратящих несколько сотен миллионов долларов в год.

Моя цель в этой главе двояка: с одной стороны, я хочу помочь вам определить, как должен выглядеть ваш маркетинговый бюджет, то есть помочь найти лучший способ понять, сколько нужно тратить на создание спроса. С другой – как только в вашем распоряжении окажется нужная цифра, я покажу, как распределять средства по задачам, географическим регионам и каналам.

Приведенная ниже кривая показывает, что вы можете получить за свои деньги, когда речь касается маркетинга. Я часто называю ее кривой расходов и отдачи. Расходы означают инвестиции в маркетинг, а отдача означает то, что вы пытаетесь получить за счет этих инвестиций: рост объемов продаж или прибыли; достижение целей, связанных с брендом (реклама для создания осведомленности или реклама для создания должного внимания). На рисунке ниже приведена типичная кривая ответной реакции на рекламу, формирующую осведомленность о бренде.

Давайте посмотрим на эту простую кривую более внимательно.

• Она имеет положительный угол наклона – это значит, что чем больше вы тратите на формирование осведомленности, тем выше будет ее степень.

• Кривая показывает снижение предельной отдачи – это значит, что вы получите различные результаты в зависимости от уровня расходов и уровня осведомленности. Как вы можете заметить, чем больше денег вы тратите, тем меньшую отдачу получаете. В итоге вы дойдете до точки насыщения – когда уже не сможете увеличивать показатель осведомленности вне зависимости от размера инвестиций (подобная ситуация наблюдается в крайней правой части кривой).

Построение таких кривых сопряжено с определенными проблемами, так как расчет нередко носит интуитивный характер. Если вам доступны прошлые данные об уровнях расходов и степени осведомленности, то вы сможете значительно упростить свою жизнь с помощью эконометрического моделирования, позволяющего рассчитать для кривых отдачи их форму и угол наклона. Это, разумеется, требует от нас четкого ответа на вопрос: что такое эконометрическое моделирование?

В Антверпенском университете я специализировался в области количественной экономики – области, основанной на математических расчетах. Неудивительно, что этот предмет не был особенно популярен. Приверженцы математики предпочитали заниматься техническими или точными науками, но не экономикой. Поэтому встречалось довольно мало студентов – с одной стороны, не убоявшихся математики, с другой стороны, не желавших становиться инженерами, – которые занимались количественной экономикой. Я не преувеличиваю. Из тысячи студентов моего курса степень в области количественной экономики получили лишь шесть выпускников. Но зато это нас сплотило. Для сравнения представьте, насколько сильными могут быть связи между двумя сотнями психологов, собирающихся в одном зале.

Правда, нам не сильно повезло с руководителем, специалистом в области эконометрики – дисциплины, которая занимается исследованием количественных и статистических методов в применении к экономическим принципам. Эконометрические методы – чуть ли не самое важное направление, которым только могут заниматься специалисты в области количественной экономики. Мой наставник предпенсионного возраста, будучи отличным профессионалом, так и не научился общаться с аудиторией. Он стоял в аудитории, рассчитанной на пятьсот слушателей, и бубнил что-то маленькой кучке студентов (мы так и не нашли того идиота, который отвечал в университете за распределение аудиторий). Сначала мы, все шестеро, заняли первый ряд, напротив кафедры, но преподаватель ни разу даже не взглянул на нас. В какой-то момент мы решили распределиться по всей огромной аудитории – он не обратил на это никакого внимания и продолжал свои девяностоминутные бормотания.

Поэтому нет ничего странного, что мой энтузиазм по отношению к эконометрике был довольно низок, равно как и представление о ее практическом применении. Ситуация коренным образом изменилась в мой последний университетский год, когда у нас появилось несколько очень интересных преподавателей. Один из них отвечал за экономическую политику бельгийского правительства и смог объяснить нам, каким образом эконометрика может использоваться для прогнозирования спроса и предложения в экономике (что позволяло правительству заблаговременно совершать важные шаги). Другая преподавательница показала нам, каким образом эконометрика и другие количественные методы могут использоваться в маркетинге и продажах. И если бы не она (и не моя легкая влюбленность в нее), я вряд ли смог бы написать эту книгу!

Так как же работает эконометрическое моделирование? Этот метод позволяет рассчитать влияние на систему целого набора параметров (например, объемов общего потребления продукта или спроса на него). В области маркетинга специалисты по эконометрике пытались оценить спрос на тот или иной бренд.

Что может повлиять на величину спроса? Спрос на продукт зависит от цены, качества, дистрибуции, рекламы и множества других факторов. И все это может быть выражено в виде математической функции, например функции линейной регрессии. (Тут нам не обойтись без некоторых специфических подробностей, но не беспокойтесь, я постараюсь сделать это быстро и безболезненно – вы даже не заметите.) Основное уравнение линейной регрессии выглядит так:

где β (бета) в каждом случае означает некий неизвестный фактор, определяющий, каким образом та или иная переменная будет влиять на спрос вашей продукции, то есть какое значение имеет дистрибуция. Если тот или иной параметр имеет большое влияние, то он имеет и большую бету. Если дистрибуция не имеет особого значения, то ее бета будет минимальной.

Вы знаете величину показателей, связанных с предложением, дистрибуцией, ценой и маркетинговыми усилиями. Как только вы определите величину беты, то сможете понять, в какой степени эти факторы влияют на объем продаж. Таким образом, основная задача состоит в нахождении значения беты. Каким образом эконометрическое моделирование может помочь нам в этом процессе?

Давайте рассмотрим практический пример, и вы сами увидите причину, по которой вам имеет смысл заниматься такой работой. Она позволяет вам создать диаграмму причинно-следственных связей (в том числе с включением фактора неизвестности) в виде самых простых графиков. А все, что способно упростить картину, – это благо.

Предположим, мы хотим разобраться, как влияют маркетинговые усилия на продажи одновременно двух брендов – при прочих равных условиях (уровень предложения, дистрибуции и цены). В данном случае мы пытаемся вычислить, какой эффект будет иметь та или иная величина маркетинговых расходов на продажи с течением времени. Приведенный ниже график показывает, каким образом могли бы выглядеть эти данные для обоих брендов. На вертикальной оси отмечены продажи брендов. На горизонтальной оси приведены маркетинговые затраты. Каждая точка представляет собой «наблюдение», то есть в нашем случае период с определенной величиной расходов и связанным с ней уровнем продаж.

Мы видим две различные картины. Для бренда А почти не заметна связь между маркетинговыми усилиями и продажами. Каждый уровень маркетинговых расходов приводил к совершенно разным значениям показателя продаж. С точки зрения математики мы возвращаемся обратно к формуле (Продажи = β4 × маркетинг) и считаем бету незначительной в статистическом смысле слова. Фактически здесь не наблюдается никакой существенной корреляции. Совсем иначе обстоят дела с брендом B, где связь заметна сразу.

Эконометрическое моделирование помогло нам найти взаимосвязь маркетинговой политики и продаж. Иными словами, мы смогли нарисовать кривую, оптимальную с точки зрения всей совокупности точек. Визуально заметно, что к верхней линии ближе куда больше точек, чем к нижней.

Пока все идет неплохо. Однако мы не хотим всякий раз рисовать эти линии от руки, а кроме того, не каждая ситуация в реальной жизни будет столь же простой. Нам необходимо научить компьютер рисовать эти линии и находить тенденции даже там, где мы сами их не видим.

Вот каким образом мы добились этого. Мы попросили компьютер рассчитать дистанцию между каждой точкой и линией. Затем мы попросили его сложить величины всех этих дистанций. Показатель суммы дистанций отражает степень соответствия. Чем выше сумма, тем хуже соответствие. Именно таким образом компьютер может рассчитать, какая линия лучше всего соответствует всем точкам, образующим облако.

Теперь, после того как нам стал ясен алгоритм, компьютер может нарисовать сотни линий и выбрать одну с наименьшей суммой, то есть с наибольшим соответствием. То же самое можно сделать в отношении показателей продаж и цен, продаж и дистрибуций. В сущности, мы не только можем, но и должны использовать систему для создания кривых расходов и отдачи для каждой переменной, способной повлиять на объем продаж.

Как только нам стали понятны все кривые, которые мы хотим создать, мы можем попросить компьютер найти оптимальную точку на каждой кривой, позволяющей увидеть, сколько мы должны потратить, чтобы обеспечить максимально возможный возврат на наши инвестиции в маркетинг, – и ни долларом больше.

Как вы можете заметить, эконометрическое моделирование – довольно сложная процедура, которую обычно проводят дорогостоящие специалисты. Многие компании попросту не могут себе позволить их услуги. Но даже компаниям, использующим эконометрику, часто приходится прикладывать немалые усилия, чтобы включить результаты исследований в процессы принятия решений. В итоге им приходится обращаться к слишком простым способам: разработке маркетингового бюджета в зависимости от объема продаж или использованию данных предыдущего года с поправкой на инфляцию. Почему? Дело в том, что компании не понимают те подспудные предположения, на которых основаны эконометрические заключения. Поэтому они предпочитают простые методы (о которых я рассказывал выше) – интуитивно понятные и более доступные, хотя и не основанные на реальных данных.

Дабы помочь компаниям, не имеющим возможности позволить себе эконометрическое моделирование или не способным понять его преимущества, давайте обсудим некоторые альтернативы.

В свое время в тайны гибридного метода меня посвятил мой коллега Дэвид Коппок, получивший степень доктора экономики в Йельском университете. Он занимался созданием сложных эконометрических моделей еще в то время, когда я собирал Lego в детском саду.

Согласно подходу Дэвида, эконометрика используется там, где имеются доступные данные, а когда нет данных, пустоты заполняются нашими предположениями. Как только у вас появится набор данных и расчетов, гибридный подход Дэвида потребует от вас ответа на четыре вопроса.

• Минимум. Если взять кривую осведомленности, о которой мы говорили выше, то каково будет значение параметра осведомленности, если мы вообще не будем тратить на него денег (крайняя левая часть кривой)?

• Максимум. Какого значения параметра осведомленности мы могли бы достичь в случае неограниченного бюджета (крайняя правая часть кривой)?

• Настоящий момент. Чему равны уровни осведомленности и затрат на данный момент?

• Приращение. Как, с нашей точки зрения, изменится параметр осведомленности, если мы будем увеличивать или уменьшать свои инвестиции на X %?

Пока что все наши предположения основывались на том, что отделу маркетинга будут без особых проблем выделять бюджет на их работу. Но сколько компании могут позволить себе тратить на рекламную политику в тяжелые времена? Я отлично помню рецессию в сентябре 2008 года. Крупные клиенты – а в борьбе за них я тогда играл крайне незначительную роль – моментально исчезли из нашего поля зрения. Об этом я расскажу подробнее.

Летом 2008 года Ogilvy работала над презентацией для Wachovia, на тот момент четвертого по размеру банка в США. Для нас это был крупнейший тендер года. Мы пережили уже несколько раундов отбора. Банк сократил список финалистов до двух компаний, и уже с самой первой встречи нам было ясно, что его руководители очень нуждались в тщательно проведенном анализе (в конце концов, они были типичными банкирами).

Настало время презентации, которую мы проводили перед СЕО и председателем правления Wachovia Бобом Стилом. Обычно аналитики Ogilvy присутствуют лишь на первых встречах, в самом начале процесса, просто для того, чтобы клиент мог оценить нашу мощь и боевую готовность и, фигурально выражаясь, поставить нам «галочку». Дальнейшие встречи посвящались вопросам стратегии и созидательных концепций. Но поскольку наши банкиры проявляли крайнюю заинтересованность в цифрах, было решено включить аналитиков в общую команду.

Презентация прошла великолепно, вся встреча протекала в дружеской и даже веселой атмосфере. Банкиры задавали множество вопросов. Мы, довольные и преисполненные надежд, вернулись в свой манхэттенский офис. Через несколько дней нам подтвердили, что тендер нами выигран. А еще через день я прочитал в Интернете статью, что Citibank собирается поглотить Wachovia, пошедший ко дну в самом начале финансового кризиса. Мы получили многообещающий заказ, который испарился в считаные часы.

После этого начался коллапс всей мировой экономики, и мы оказались в глубокой рецессии. В течение этого периода все как один принялись спрашивать нас, сколько денег в таких условиях нужно тратить на маркетинг. (Если быть совсем честным, то вопрос звучал иначе: «На сколько я могу урезать свой маркетинговый бюджет?»)

В попытках найти ответ я принялся изучать исследования, проведенные в периоды прошлых рецессий. Поглотив массу информации, я нашел в ней крайне мало свежих мыслей. А большинство статей либо были перепечатками старых материалов, либо предлагали уже знакомые всем подходы к анализу новых данных в новых условиях.

Самый распространенный подход состоял в сравнении финансовых результатов компаний, сокративших свои рекламные бюджеты во время рецессии, с компаниями, сохранившими или даже нарастившими их. Эта методология была впервые предложена в 1920-х годах Роландом Вейлом и опубликована в апреле 1927 года в Harvard Business Review. Вейл сравнил компании, сохранившие свои бюджеты во время рецессии 1923 года, с компаниями, сократившими расходы. Он обнаружил, что основной прирост продаж наблюдался у компаний с максимальными рекламными затратами. Исследование по методу Вейла повторялось во времена почти всех последующих экономических спадов, и результаты всегда были одинаковыми: компании с сокращенными бюджетами показывали более низкие результаты как в период рецессии, так и в период экономического восстановления.

Изучая все эти работы, я довольно сильно нервничал из-за содержавшихся в них выводов и рекомендаций, на которые полагается большинство людей, считавших, будто у них есть полное научное обоснование увеличивать размеры инвестиций во время рецессии. Они считают, что за счет таких действий смогут пересилить более слабых конкурентов и забрать у них долю рынка, что приведет их к возникновению устойчивого преимущества во время периода восстановления и после него. С их точки зрения, здесь есть четкая причинно-следственная связь, однако этот вывод не подкрепляется ни одним исследованием. Действительно ли компании, тратящие больше денег во время рецессии, показывают более хорошие результаты именно из-за этих затрат? Или компании, бывшие эффективными до, во время и после рецессии, просто занимали более выгодное положение, чтобы сохранять и даже наращивать расходы во время экономического спада? Этими вопросами задаются многие исследователи, но пока ни один из них не смог дать внятного ответа.

Я полагаю, что для определения размера длительных инвестиций в маркетинговую политику во время экономического спада требуется скрупулезный анализ, особенно если мы хотим, чтобы к нашим аргументам прислушивались столь скептически настроенные финансовые директора и СЕО. В этом мы будем опираться на три важнейших положения.

1. Расширять применение метода эконометрического моделирования.

2. Использовать целостный подход к общему плану сбыта, принимая во внимание как расходы на средства рекламы, так и характер потребления рекламной продукции в период рецессии.

3. Определять долговременные эффекты маркетинговой деятельности и величину ее вклада в повышение акционерной стоимости.

Понимание того, сколько нужно тратить в «худые и тучные» годы, – всего лишь первый шаг. Как только вы узнаете ответ на этот вопрос, вам придется подумать о том, как распределить средства наилучшим образом. Поэтому давайте обсудим, как нужно выравнивать бюджет для различных маркетинговых целей, распределять его между рынками и средствами информации. Мне доводилось видеть компании, которым удавалось увеличить капиталовложения в маркетинговую политику до 30 % за счет принятия правильных решений в соответствии с подходом, о котором мы поговорим чуть ниже.

Вы уже узнали ответ на вопрос о размере бюджета. Теперь, при обсуждении вопроса о распределении бюджета, вы должны быть уверены в одном: деньги расходуются на то, что даст наибольшую отдачу.

Многие компании используют подход «маркетинговой воронки», приводящей клиентов к решению о покупке за счет:

• осведомленности – то есть дайте клиентам знать о своем существовании;

• привлечения внимания – то есть сделайте так, чтобы клиенты думали о вас;

• покупки – то есть сделайте так, чтобы клиенты купили то, что вы продаете;

• лояльности – то есть сделайте так, чтобы клиенты возвращались и покупали снова.

Каждый уровень воронки имеет свои задачи, связанные с формированием спроса и требующие своей доли в бюджете. Инструмент, разработанный Дэвидом Коппоком и названный «воронка распределения расходов» (Funnel Allocator), помогает вам решить, сколько денег потратить на каждую задачу.

Воронка распределения расходов включает три стадии.

1. Создание модели дохода.

2. Создание кривой расходов и отдачи.

3. Оптимизация.

При создании модели дохода вы определяете, каким образом в вашей воронке создаются продажи. Предположим, что вы продаете новый вид подгузников Huggies и в стране имеется 4 миллиона домохозяйств, готовых их покупать. Около 80 % (3,2 миллиона домохозяйств) из них знакомы с вашим брендом. Из них 30 %, или 960 тысяч, домохозяйств размышляют, какие подгузники лучше приобрести, а благодаря хорошей репутации Huggies половина группы выберет именно этот бренд. Иными словами, у вас есть 480 тысяч клиентов. В среднем – пока ребенок не приучится к горшку – обычное домохозяйство купит 28,5 упаковки по 64 подгузника в каждой. Это означает, что вы продадите ему 1824 подгузника в расчете на каждого ребенка. Если средняя цена одного подгузника составляет 20 центов, то речь идет о 175 миллионах долларов дополнительного дохода.

Наша воронка будет выглядеть так, как показано ниже.

Вы можете произвести ряд манипуляций с этой моделью и увидеть, что при увеличении степени осведомленности на первом уровне всего лишь на 1 % доходы вырастут на 2 190 000 долларов (при условии, что все показатели других уровней воронки останутся на прежнем уровне).

Эта стратегия может быть хорошей или плохой – все зависит от того, сколько вам нужно заплатить за повышение осведомленности с 80 до 81 %. Возможно, имеет смысл лучше сконцентрироваться на этапах покупки или лояльности. И – что чрезвычайно важно – принятие решения о том, чтобы сфокусировать усилия на этих этапах, зависит от необходимой величины расходов. На втором этапе мы создаем кривую расходов и отдачи и, как обычно, при этом используем гибридный подход для каждого уровня воронки. Эти кривые расходов и отдачи могут подсказать вам, насколько сильно может вырасти уровень осведомленности в случае дополнительных инвестиций. Результат второго этапа работы инструмента представлен ниже.

Как можно заметить, вы в состоянии получить величину расходов для каждой кривой и каждого уровня воронки.

Финальный этап – обычная оптимизация. Как только вы создадите кривые расходов и отдачи, любой сравнительно прямолинейный компьютерный алгоритм может использовать их для поиска точки оптимума для каждой кривой, то есть места, в котором вы можете максимизировать свои маркетинговые инвестиции.

Впервые я внедрил этот метод, работая на одну мощную технологическую компанию. Ее сотрудники попросили меня помочь им определить, сколько денег необходимо тратить на создание масштабной программы формирования осведомленности об их компании и сколько денег они должны потратить на превращение этого фактора в реальные продажи. В сущности, они просили нас подумать о воронке из двух уровней: «Осведомленность» и «Привлечение внимания» вверху и «Создание спроса» внизу.

У нас не было ни готовых эконометрических моделей, ни времени для их создания, поэтому мы выстроили кривую с использованием гибридного метода, описанного выше. В итоге мы создали четыре различных сценария с различными предположениями, что влияло на разную форму кривых расходов и отдачи. Затем мы провели оптимизацию по каждому сценарию, чтобы увидеть, как изменилась предложенная схема распределения бюджета в результате изменения основных предположений. На приведенном ниже рисунке показан конечный результат.

Результаты были совершенно ясны. Изначально 70 % бюджета тратилось на деятельность в области «осведомленность и рассмотрение», а все остальное – на создание спроса. Все наши сценарии предполагали, что распределение расходов производится в пропорции 45–55 % или 55–45 %.

Клиент остался очень доволен нашим исследованием, причем по целому ряду причин. Прежде всего, в нем отсутствовало какое-либо шаманство. Все было прозрачным. Кроме того, наш подход позволял ему получить план конкретных действий: сократить расходы на формирование осведомленности и использовать свободные деньги на увеличение спроса и стимулирование роста продаж. Однако больше всего клиенту понравился сам механизм работы нашей аналитической модели, который поможет ему делать правильные и систематические предположения, что будет работать, а что нет.

Этот успех по-настоящему меня порадовал. Однако когда к нам обратился с подобным предложением еще один клиент, то беседы с его представительницей, которой было не слишком комфортно иметь дело с математическими выкладками, практически вогнали меня в депрессию. Вот каким образом это происходило. Я описал процесс оптимизации представительнице потенциального клиента, и она попросила меня уточнить, каким образом я обычно создаю кривые расходов и отдачи. Вот наш разговор:

– Мы используем все доступные данные и заполняем пробелы здравыми суждениями. В этом и заключается красота подхода. Он по-настоящему гибок и соединяет фактические данные и здравый смысл.

– У нас нет достаточного объема данных.

– Нет проблем, – продолжил я и рассказал историю о другом клиенте, у которого тоже не было достаточных данных, но это не помешало нам решить проблему.

– То есть вы просто манипулируете с формой этих кривых?

– Если нам недостает данных, мы делаем разумные предположения, которые позволили бы нам их выстроить.

Она немедленно отвергла мой подход и сказала, что ни в коем случае не хотела бы использовать столь ненаучный метод для принятия значительных финансовых решений.

Я спросил ее, что бы сделала она сама при нехватке данных.

Она ответила, что воспользовалась бы одним из традиционных методов приближенного подсчета.

Я был крайне разочарован, потому что знал, что могу помочь ей, но не могу убедить ее в ценности нашего аналитического подхода. Эта компания так и продолжила вкладывать миллионы долларов в маркетинг на основании неверных предпосылок. В частности, она использовала в качестве точки отсчета маркетинговый бюджет предыдущего года и корректировала его на сумму прироста общих корпоративных расходов на следующий год. Это очень распространенный метод, но, как мы уже видели, он далек от оптимального.

Столь неудачный опыт работы с клиентом, не способным увидеть ценность аналитики, в итоге сослужил мне добрую службу. Я обнаружил, что такие люди, как мой первый клиент (которому понравился наш подход), встречаются крайне редко. Большинство компаний не может осознать ценности кривых, создаваемых при отсутствии или нехватке данных. Это кажется им нелогичным. Мне удалось понять причину такой точки зрения. Все дело было в том, что я использовал для расчета суммы затрат научные инструменты – кривые и алгоритмы оптимизации. У клиентов складывалось впечатление, что этот метод предполагает обработку множества данных. Разумеется, когда у вас есть данные, вы их используете. Когда же данных недостает, вы делаете разумные предположения, основанные на имеющейся информации. В сущности, вам приходится заниматься манипуляциями, и некоторых клиентов такое положение вещей, мягко говоря, тревожит.

Поэтому теперь я говорю об этом подходе как об инструменте для принятия решений, требующих ответов на целый ряд вопросов. Ответы даются на основании доступных данных и вашего делового опыта. Что это за вопросы? Те же самые, что вы задаете в процессе создания кривых расходов и отдачи:

• чему равен текущий уровень расходов;

• каким будет уровень осведомленности, если мы вообще не будем тратить на него деньги;

• что произойдет с показателем осведомленности в случае неограниченного бюджета;

• что, с нашей точки зрения, может произойти, если мы изменим величину имеющихся расходов (увеличим или снизим) на X %.

Ответы на эти вопросы предполагают несколько сценариев распределения инвестиций.

Когда я начал позиционировать свой инструмент таким образом, то сопротивление со стороны клиентов резко снизилось. Если они все равно испытывали дискомфорт от того, что им приходится выдвигать предположения при отсутствии данных, я напоминал им: они делают ровно такие же предположения при любом другом подходе – и об этом должен помнить каждый клиент. Например, если вы рассчитываете рекламный бюджет как долю от объема продаж, то предполагаете, что все компании делают то же самое и мыслят так же, как и вы. А это очень опасное предположение.

Инструмент воронки распределения расходов оказался крайне успешным. Думаю, помогли мои объяснения. Но основная причина его успеха заключается в том, что он работает. Создание кривых расходов и отдачи и применение различных сценариев оптимизации, по сути, могут использоваться каждый раз, когда вам нужно принять решение по тем или иным капиталовложениям.

Теперь давайте обсудим, каким образом вы можете распределить свой бюджет по странам и каналам.

Как мы уже видели, вполне возможно принимать грамотные решения в области инвестиций в маркетинговые мероприятия с очень ограниченными данными или даже при их отсутствии. Все, что вам нужно, – это время и возможность поработать над созданием кривых расходов и отдачи. Однако порой у вас нет даже такой возможности. Меня часто просят помочь в решении инвестиционных задач за несколько дней, а то и часов (и при минимальном сотрудничестве со стороны клиента). Но даже в таких обстоятельствах вы можете использовать простой математический аппарат для принятия грамотных решений.

Я работаю с большим количеством крупных международных компаний, которым в какой-то момент в процессе планирования годового бюджета необходимо решить, сколько денег они должны потратить на маркетинговую политику в каждой стране (если у вашей компании нет общемировой деятельности, то замените слово страна на слово отдел или подразделение). Вы можете представить, к каким политическим и организационным дебатам с руководителями подразделений в разных странах обычно приводит то или иное решение. И в этой связи особую важность приобретает наличие у компании прозрачного механизма распределения бюджетов по странам.

Вы можете довольно быстро использовать в практической деятельности следующий простой подход. Его уже применяют и извлекают из него немалую пользу несколько международных компаний из списка Fortune 100.

– Шаг 1. Спроектируйте общий рост дохода в следующем году (или в следующие пять лет, если вы используете долговременное планирование).

– Шаг 2. Распределите маркетинговый бюджет на основании доли каждой страны в будущем росте дохода.

– Шаг 3. Поместите каждую страну в матрицу два на два, основываясь на их текущей доле в доходе – то есть доле каждой страны в глобальных продажах – и предположениях о будущем росте их доходов.

Это дает нам возможность выстроить модель, представленную ниже.

Рассмотрим отдельно каждый сектор.

– Сектор A состоит из стран с высоким текущим доходом и высоким ростом дохода. Они получат значительную часть инвестиций, и их бюджет должен быть распределен по всей маркетинговой воронке.

– Сектор B состоит из стран с низким текущим доходом, но прогнозируемым высоким ростом. Страны в этом квадранте должны тратить основную часть своих денег в верхней части воронки на создание осведомленности о бренде и его рассмотрение в качестве возможного варианта для покупки.

– Сектор C – в нем располагаются страны с высоким текущим доходом, но низким планируемым ростом дохода в будущем. Они находятся в достаточно прочной позиции, а следовательно, им потребуется меньше тратить на верхушке воронки и больше – там, где они пытаются конвертировать свое присутствие на рынке в реальные продажи.

– Сектор D состоит из стран с низким доходом в настоящем и низким потенциалом роста дохода в будущем. Очевидно, что в эти страны стоит инвестировать меньше всего, а закрепленные за ними бюджеты должны направляться в развитие продаж.

Если вам хватает данных, то вы можете воспользоваться более сложным подходом и создать кривые расходов и отдачи для каждой страны. Однако, когда у вас нет данных или времени, вы можете воспользоваться описанным выше простым правилом для определения того, куда направить свои ресурсы (а также объяснить, почему вы сокращаете бюджеты для той или иной страны). Этот метод настолько прост, что с его выводами сложно спорить.

Последний вопрос в отношении распределения денег связан с типами средств информации. В наши дни компании применяют комплексное использование самых разных средств распространения рекламы, поскольку им есть из чего выбирать: начиная от традиционных средств (радио, телевидение, печатная продукция) и заканчивая новейшими технологиями (поисковые системы, интернет-баннеры, социальные сети, дисплеи в магазинах, мобильные сети, электронная почта, SMS-сообщения, RSS-ленты, блоги, приложения для iPhone). Последний список увеличивается с каждым днем, и его можно продолжать до бесконечности. Таким образом, становится все труднее понимать, какая часть вашего бюджета тратится на каждое средство коммуникации. Ситуация стала настолько сложной, что на рынке даже появилась целая отрасль, занимающаяся моделированием комплекса средств информации; достаточно упомянуть такие компании, как Marketshare Partners, Hudson River Group, Milward Brown Optimor, Analytic Partners, M-Factor и MMA. Все они при помощи данных и сложных статистических алгоритмов дают ответ на непростой вопрос: какие средства распространения рекламы мы должны использовать, чтобы достучаться до нынешних и потенциальных клиентов. По сути, все они создают кривые расходов и отдачи, о которых мы говорили выше. Они формируют эти кривые для каждого средства коммуникации, что, в свою очередь, позволяет создать сценарий оптимизации, распределяющей бюджет по отдельным средствам коммуникации.

На самом базовом уровне существуют два способа получения соответствующих данных – исторические данные и данные опросов. Есть, правда, и третий вариант – моделирование атрибутов на индивидуальном уровне (мы поговорим о нем в шестой главе).

Суть исторических данных полностью объясняется их названием. Вы смотрите, как меняются с течением времени разные средства распространения рекламы, и следуете за этими изменениями, чтобы понять, в какой степени они влияют на результаты бизнеса. Вы можете воспользоваться методом эконометрического моделирования, описанным нами ранее. Основное преимущество этого метода заключается в том, что вы имеете дело с реальными цифрами, то есть ваше решение основано на реальных исторических фактах. К сожалению, с этим связано и основное ограничение такого подхода. Если вы хотите сделать нечто радикально новое, то прошлое никак не поможет вам спрогнозировать будущее. Например, если вы ранее использовали только рекламу на телевидении, радио и в печати, то прошлое никак не подскажет вам, сколько денег вам предстоит потратить в будущем на оптимизацию поисковых систем. Аналогичным образом, если вы собираетесь потратить лишь половину того, что тратили в течение последних лет, ваши исторические тенденции вновь не смогут предсказать ваше будущее.

Вот почему исторический анализ часто сопровождается дополнительными исследованиями. Существует целый ряд поставщиков исследовательских данных, которые собирают данные о потреблении клиентами тех или иных видов размещения рекламы и о том, какое влияние средства коммуникации оказывают на их решение о покупке. Затем полученные данные могут использоваться для создания кривых расходов и отдачи для каждого средства коммуникации. Такие данные собирает, например, голландская фирма Pointlogic. Они позволяют компаниям создать кривые расходов и отдачи для всех типов маркетинговых задач (ниже показан пример работы для одного из клиентов компании).

Преимущество дополнительного исследования состоит в том, что оно позволяет вам получить данные о прежде не использовавшихся каналах. Основной недостаток метода – он может оказаться слишком дорогостоящим, если вы решите собирать нужные данные самостоятельно.

Разумеется, вы можете найти партнеров, способных помочь вам с моделированием комплекса средств распространения рекламы. В процессе поиска вам следует воспользоваться приведенным ниже списком, помогающим убедиться, что вы получаете в точности то, что вам нужно.

Вы можете использовать исторические данные, или опросы, или какую-то другую комбинацию этих методов. В любом случае для оптимизации ваших маркетинговых инвестиций вам понадобится сделать несколько шагов.

1. Собрать данные о расходах на маркетинг и результатах работы из широкого набора источников.

2. Собрать данные в единую систему. Поместите все эти данные в один источник и обеспечьте легкий доступ к нему для людей, которые будут делать анализ.

3. Статистическое моделирование. Создайте статистическую модель, привязывающую расходы на маркетинг к результатам работы компании.

4. Оптимизация. Используйте статистические модели для определения оптимального размера маркетинговых расходов и направлений расходования бюджета.

5. Сценарное планирование. Для определения всех возможных вариантов создайте несколько инвестиционных сценариев, демонстрирующих влияние различных инвестиционных стратегий на работу компании.

6. Приборные панели и системы управления. Вы можете дать возможность доступа к данным и сценариям пользователям, не имеющим достаточного технического опыта. Для этого используется система поддержки решений, позволяющая им понять суть ваших выводов. (В шестой главе мы будем говорить о сравнительно простом методе для этого – создании приложений.)

7. Стратегическое консультирование и планирование. Вам необходимо помочь лицам, принимающим решения, выбрать лучший из имеющихся вариантов и показать, как они могут использовать эти инструменты для принятия решения.

В ходе моих бесед с поставщиками данных я выявил несколько важных факторов, определяющих привлекательность того или иного предлагаемого ими решения.

Позвольте мне чуть подробнее рассказать о том, что я обнаружил.

– Доступ к данным. Некоторые поставщики имеют доступ к специализированным источникам данных через альянсы с третьими лицами или владельцами поисковых систем.

– Автоматизированная подготовка данных. Подготовка данных может забирать у вас массу ресурсов, вне зависимости от того, что именно вы планируете делать со своими цифрами. Вам нужно понять, что спрашивать, затем задать вопросы, после этого собрать результаты, затем просуммировать их, провести анализ. Думаю, что идея вам понятна, хотя предстоит уйма работы. Некоторые поставщики смогли автоматизировать многие из этих шагов, что позволяет им производить сбор и объединение данных быстрее, лучше и значительно дешевле.

– Уникальные алгоритмы. Алгоритмы окружают нас десятилетиями, поэтому кое-кто может подумать, что все методы эконометрического моделирования сходны между собой. Но вы и представить не можете, насколько сильно различаются методы и качество статистического моделирования между различными поставщиками. Поэтому не поленитесь узнать, кто конкретно занимается этим методом.

– Инструменты поддержки решения. Некоторые поставщики включают свои отдельные инструменты в приложения или системы сценарного планирования и поддержки решения. Эти инструменты могут оказаться крайне полезными для конечных потребителей (особенно не имеющих математического или научного опыта). Теперь они могут добавить в свои процессы принятия решений некоторые из научных методов работы.

– Служба передачи данных, расширяющая ассортимент услуг. Пожалуй, эта зона может считаться самой важной. Мне доводилось видеть немало проектов в области моделирования, пылящихся на полках в отделах маркетинга. Создать модель несложно – гораздо сложнее применять ее в реальной жизни. Поэтому попытайтесь найти партнера, способного помочь вам в решении обеих этих задач.

Вне зависимости от того, предпочитаете ли вы работать с поставщиком или делать все самостоятельно, вам важно убедиться, что у вас есть все нужные вам ресурсы, а также нет ничего лишнего (потому что никто не хочет тратить деньги зря).

В процессе принятия бюджетных решений может случиться много хорошего. В седьмой главе мы обсудим с вами, каким образом компания TD Ameritrade использовала научные методы для оптимизации своей работы в области цифрового маркетинга. Сейчас мы увидим, каким образом компания применила некоторые из методов, описанных выше, для значительных изменений в комплексном использовании разных средств распространения рекламы.

В эпоху пузыря доткомов значительная часть инвестиций TDA застряла в довольно дорогостоящем канале – трансляции рекламы на национальном телевидении. После того как пузырь лопнул, а объемы торгов значительно сократились, компания больше не могла позволить себе столь большие расходы. Поэтому мы решили изменить состав средств распространения рекламы. В частности, мы посмотрели на два решения, описанные мной в этой главе, – как много нужно тратить на отдельные задачи и средства коммуникации.

Нами было решено использовать инструмент воронки распределения расходов. Как показано ниже, у TDA получилась сравнительно простая схема.

Изучению подверглись два уровня – расходы, связанные с брендом и формирующие осведомленность («Да, я слышал о TD Ameritrade») и предпочтение («Мне нравится эта компания»), а также расходы на приобретение клиентов, то есть позволяющие превратить предпочтение в реальные контракты с компанией. С помощью исследований мы обнаружили, что рост предпочтения на 1 % увеличивает прирост количества клиентов на 4,3 %. Это показало связь между работой на самой верхушке воронки и результатами на ее дне.

Затем мы создали кривые для двух уровней воронки и проиграли оптимизационные сценарии, которые подтвердили, что TDA довольно точно распределяла доли бюджетов по обоим уровням воронки.

На втором этапе мы перешли к распределению по типам средств распространения рекламы. Для этого мы использовали комбинацию исследований внешнего поставщика (Pointlogic) и эконометрическое моделирование.

В результате мы поняли, что именно нужно менять, и предприняли следующие действия:

• бюджеты на печатную рекламу выросли более чем в два раза;

• бюджеты на ТВ-рекламу были снижены на 20 %;

• снижение бюджетов на баннерную рекламу составило 19 %;

• деньги, изъятые из бюджетов, связанных с баннерной рекламой, были направлены на продвижение с помощью потокового видео.

Так как в данном случае процесс распределения состоял из двух шагов, то мы смогли создать комплекс средств распространения рекламы для каждого уровня воронки, как показано на графике ниже.

В результате этого упражнения мы смогли перенаправить значительную сумму инвестиций в дорогостоящую телевизионную рекламу на более дешевую рекламу с прямой обратной связью и на работу с цифровыми медиа, что позволило компании достичь своих целей и при этом сэкономить миллионы долларов.

1. Заставьте эти инструменты работать. К сожалению, для большинства компаний выводы этой главы могут показаться неприемлемыми. Однако реальность состоит в том, что мало кто из маркетологов использует методы эконометрического моделирования для оценки влияния маркетинга на бизнес. Не надо на них равняться. Откажитесь от принятия многомиллионных решений об инвестировании на основании интуитивного подхода. Он приведет вас к катастрофе вне зависимости от общего состояния экономики!

2. Попробуйте воспользоваться интуитивным методом из списка Гарри Генри. Конечно, это крайне грубый инструмент, однако он позволяет вам достаточно быстро произвести расчеты и понять, где вы находитесь. Затем вы можете использовать свои выводы в качестве начальной точки при расчете различных уровней расходов.

3. Затем используйте приведенные выше рекомендации для начала диалога со специализированными компаниями, способными помочь вам оптимизировать маркетинговый бюджет.

4. Наконец, внимательно посмотрите на свои три главные маркетинговые цели и определите, какие из рассмотренных нами инструментов помогут вам превратить их в реальность.

Теперь вы не только можете найти свою целевую аудиторию, но и имеете надежные инструменты для установления контакта с ней с помощью правильной тактики, точного распределения рекламной продукции и адекватного бюджета.

Следующий важный вопрос: каким образом после создания и внедрения плана вы сможете понять, что в нем работает, а что нет? Разумеется, вы можете видеть общую картину: продажи выросли на 12 % или доходы сократились на 4 %, – но это слишком расплывчато. Помните, наша цель состоит в том, чтобы определить, насколько эффективно мы расходуем каждый доллар с точки зрения поставленных целей. Мы все понимаем, что с помощью единственного показателя этого делать нельзя.

Благодаря новейшим разработкам в системах показателей измерять теперь можно практически все (ниже мы остановимся на этом подробнее). Но всегда стоит помнить об одном обстоятельстве: процедуры оценки должны носить дружественный характер – люди и без того тонут в информации и цифрах. Вот почему вам необходимо создать доступные для понимания каждого показатели. На следующих страницах я отвечу на те вопросы, которые обязательно встанут перед вами:

1) что измерять?

2) как измерять (а также как найти то, что вам необходимо измерить)?

3) как рассказывать о том, что вы узнали, доступным для всех образом?

4) как реализовать все это на практике?

Я всегда был сдвинут на компьютерах. Когда мне исполнилось девять лет, у меня появился первый компьютер – это был ZX Spectrum с 116 килобайтами памяти, в которой могло храниться лишь несколько предложений текста.

В возрасте десяти лет я вместе с парочкой друзей занялся программированием на языке Бейсик. Самим себе мы казались совершенно обычными ребятами, и только сейчас я понимаю, как мы ошибались. Что может быть «обычного» в десятилетнем мальчике, не интересующемся ничем кроме программирования? Но продолжим. Вскоре я смог создать свою первую (и последнюю) компьютерную игру: маленький синий персонаж, напоминавший известного Пакмана[11], бегал по желтому экрану и поедал зеленые кактусы.

Когда появился Интернет, я сразу стал его фанатом. Хорошо помню тот день, когда компьютеры с доступом в Интернет впервые появились в лаборатории Антверпенского университета. Небольшие группы иступленных фанатов (боюсь, к тому времени уже полностью чокнутых ребят – их еще называют «гиками») начали проводить в той комнате по многу часов. Мы приходили туда к восьми утра и уходили с закрытием, в девять вечера (в те времена путешествие по Сети не было быстрым и занимало многие часы, так как для загрузки самой простой картинки требовалось не меньше пары минут).

Любопытство к новым технологиям осталось со мной и в моей профессиональной жизни. Когда я принялся изучать Интернет с точки зрения маркетинговых исследований, то довольно быстро понял, какие перспективы открываются перед нами – на серверах, где хранятся веб-страницы, накапливается немыслимое количество информации. Теперь мы могли измерять практически все: отслеживать каждое нажатие кнопки мыши и любое взаимодействие посетителей с веб-сайтами наших клиентов.

Еще работая в Бельгии, я вел проект, связанный с открытием первого веб-сайта одного нашего клиента. Я связался с бельгийским провайдером интернет-услуг и попросил его прислать мне файлы логов, созданные сервером и хранящие информацию обо всех действиях на любом сайте, размещенном на его сервере (в том числе и сайте нашего клиента).

Сотрудник провайдера поинтересовался, зачем мне это надо.

Я объяснил, что хочу понять, каким образом посетители используют веб-сайт клиента.

«Интересная идея», – сказал мой собеседник. (Это было в 1997 году. А не так давно Forrester Research предсказала, что аналитическое исследование сетевых данных к 2014 году превратится в отдельную отрасль с оборотом в одних только США в один миллиард долларов!)

Логи сервера выглядели примерно так, как показано ниже.

Не пугайтесь. Перед вами всего лишь необработанные данные. Если вы внимательно посмотрите, то увидите целый ряд постоянных величин.

• Время – запись была начата в 2:55:04 утра.

• IP-адрес – как мы уже говорили, этот адрес представляет собой некую аналогию телефонного номера, который компьютер использует в ходе сессии. В данном случае «телефонный номер» имел вид 127.0.0.1

• GET – означает, что компьютер сделал запрос на получение данных.

• Sc-status – этот код показывает, была ли успешно выполнена команда «GET» («304» значит, что все прошло нормально).

Итак, из анализа первого ряда данных мы понимаем, что без пяти три утра компьютер с номером 127.0.0.1 попросил сервер загрузить домашнюю страницу клиента и этот запрос был успешно выполнен. По записям в следующих строчках вы можете видеть, как тот же самый компьютер примерно в то же самое время запрашивает и другие данные. Большинство запросов были связаны с изображениями на домашней странице. (Логи сервера покажут все эти запросы по отдельности.) Файлы логов для этого клиента состояли из миллионов строк. Я принялся группировать их, чтобы узнать, что делали люди в Сети.

Мой рассказ носит столь подробный характер по двум причинам. Во-первых, я хочу продемонстрировать: в данных нет ничего волшебного или невероятно сложного. Если вы потратите совсем немного времени, то поймете, что этот процесс донельзя логичен. Во-вторых, мой пример наглядно показывает, каким образом (особенно в Сети) можно измерять практически любой параметр.

Пока я копался с логами сервера, в Кремниевой долине несколько толковых ребят, осознав потенциал этой идеи, принялись разрабатывать программные продукты, способные проделывать всю компиляцию данных автоматически. (В дни зарождения веб-аналитики самым популярным из них стал, пожалуй, Webtrends Log Analyzer.) Программы изучали файлы логов сервера, а затем ежедневно создавали семидесятистраничный отчет с сотнями показателей, оценивающих происходящее на вашем веб-сайте. Процедура, потребовавшая от меня нескольких дней тяжелой работы, теперь оказалась доступна с помощью единственного нажатия на кнопку. Как только я получил доступ к Webtrends, то сразу настроил программу на анализ сайтов всех своих клиентов. Каждое утро они открывали свои почтовые ящики и находили семидесятистраничные отчеты обо всех действиях на их сайтах за последние сутки. Поначалу они приходили в немалое возбуждение: «Это неправдоподобно!», «Все измеряемо!», «Наша мощь теперь безгранична!»

Однако медовый месяц быстро закончился, а после него наступил долгий период молчания. Клиенты принялись вести упорную борьбу с данными. Им приходилось переваривать слишком много показателей. Вскоре стало очевидно, что ежедневные семьдесят страниц – это уже чересчур. Однако даже когда мы перешли на еженедельные, а потом и двухнедельные отчеты, это все равно уже не вызывало прежнего восторга. Я поинтересовался у одного из клиентов, почему такое происходит, и услышал: «Мы не видим никакого контекста. Какой толк в знании того, что на моем сайте ежедневно регистрируется пять тысяч визитов и что посетитель в среднем проводит на нем две минуты и пятьдесят две секунды? Хорошо это или плохо?»

И тогда до меня дошло, в чем настоящая проблема. Мы настолько сильно сконцентрировались на самой возможности все собирать, измерять и анализировать, что совсем забыли о том, что именно нужно измерять – мы забыли о действительно важных показателях.

Приступив к решению этой проблемы, я выяснил, что есть еще один человек, который немногим ранее с нею столкнулся. Его звали Адриан Джарвис, и он работал в нашем лондонском офисе. Я позвонил ему, но с трудом мог разобрать его речь. Он оказался уроженцем небольшого городка Халл, а мне ранее никогда не доводилось сталкиваться с жителями Северной Англии. Но как только мы начали работать вместе, я быстро привык к его акценту. Адриан и я сосредоточились на нашей общей задаче: помочь клиенту понять стоящий за собранными интернет-данными смысл.

Вскоре мы обнаружили упущение. При процедуре оценки показателей мы полностью пренебрегли этапом планирования. Нами не был учтен один существенный момент – с чего именно необходимо начинать свою работу, то есть какими из имевшихся данных нам надо оперировать в первую очередь, чтобы объяснить клиенту, насколько успешна его работа в Интернете.

Начать следовало с простого вопроса клиенту: «Что такое успех?» – на него нам требовался такой же простой ответ. Мы с Адрианом довольно быстро обнаружили, что вся последующая работа шла намного легче, как только клиент формулировал свою цель: чего именно он хотел бы достичь.

Чтобы наши беседы с клиентами протекали более плодотворно, мы взяли на вооружение некоторые популярные концепции, которые уже несколько десятилетий успешно применяют консультанты по управленческим вопросам. Пользуясь этими механизмами, они объясняют своим клиентам правильность той или иной стратегии, с помощью которых те добьются успеха в бизнесе. Одна из таких концепций принадлежит Роберту Каплану и Дэвиду Нортону и изложена ими в книге «Сбалансированная система показателей. От стратегии к действию»[12] (The Balanced Scorecard: Translating Strategy into Action). Благодаря предложенной системе управляющие могли выявлять причинно-следственные зависимости различных критически важных факторов стратегического успеха. Авторы предлагали руководителям решать стратегические задачи на всех уровнях управления и во взаимосвязи со всеми функциональными областями их бизнеса.

Перечислим опорные моменты.

• Финансы. Как мы выглядим в глазах акционеров?

• Клиенты. Как мы выглядим в глазах своих клиентов?

• Процессы. Чем мы выделяемся на рынке?

• Обучение персонала и инновации. Как мы поддерживаем свою способность к изменениям и развитию?

Самое главное в плане исследования – понять, что точно вы собираетесь измерять. Для этого нам потребуется ввести три вида показателей.

– Входные показатели. Что мы вкладываем в рост спроса? Рассмотрим этот вопрос на нашем старом примере компании Huggies. Предположим, я хочу повысить спрос за счет новых клиентов, для чего размещаю рекламу в бумажных журналах для родителей новорожденных и покупаю ключевые слова, связанные с младенцами, для поисковых запросов Google. Мои параметры на входе – это суммы, потраченные на печатную и онлайновую рекламу.

– Выходные показатели. Что возникает в результате этих инвестиций? На выходе я получаю рекламу в бумажном журнале и контекстную рекламу, появляющуюся в процессе поиска, а значит, рост осведомленности среди молодых родителей и определенное количество просмотров интернет-рекламы.

– Итоговые показатели. Нам надо сравнить затраченные средства с полученными результатами, то есть к какому количеству новых клиентов привели наши маркетинговые усилия.

Входные показатели

Показатели на входе измеряют ресурсы, которые вы вкладываете ради повышения спроса. Как ни странно, но порой доступ к этим ресурсам довольно сложен. Часто системы финансового учета препятствуют получению данных или информация хранится в виде, мало подходящем для аналитической работы. Обычно у нас не возникает проблем, чтобы получить общую величину расходов, но при этом практически невозможно рассортировать этот показатель по основным видам деятельности, влияющим на эффективность работы.

Предположим, передо мной стоят две основные проблемы: создать осведомленность о бренде и повысить частоту пробного использования продукта среди молодых людей. Для достижения поставленных задач я инициирую маркетинговые программы, а затем, получив результаты рекламной кампании, пытаюсь сопоставить их с намеченными заранее показателями.

Я не случайно использую слово «пытаюсь», так как большинство компаний, с которыми мне доводилось работать, не смотрят на маркетинговые расходы с точки зрения разбивки по указанным двум целям. Это связано с тем, что корпоративные финансовые системы часто создаются людьми, которых не волнует вопрос детализации в отслеживании расходов в связи с теми или иными маркетинговыми задачами. Компании, которым удается выявить эту проблему, а затем найти для нее решения (порой довольно простые), получают возможность отслеживать эффективность капиталовложений во все виды деятельности.

В интересах наших исследований весьма важно иметь возможность оценивать показатели маркетинговых инвестиций с точки зрения разбивки по целям, странам, средствам коммуникации, клиентским сегментам или отдельным маркетинговым программам.

После того как мы внедрили свою систему показателей для одной компании из списка Fortune 50, занимавшейся бизнесом на рынке B2B, ее директор по маркетингу сообщила нам, что наконец поняла во всех тонкостях, на что расходуются маркетинговые бюджеты. Теперь она детально знала, куда идут деньги (не только по общей категории «печатная или онлайновая реклама») и как выглядят результаты в разбивке по средствам коммуникации, рекламным кампаниям и странам. Может быть, прозвучит банально, но мой опыт показывает, что мало кто из клиентов действительно понимает всю важность такого подхода. Большинство организаций, с которыми мне доводилось работать, знают, сколько они тратят и как эти затраты разнесены по различным регионам и бизнес-единицам, но обычно на этом все и заканчивается.

Неудивительно, что, увидев анализ полученных результатов, директор по маркетингу перераспределила деньги, забрав их из недостаточно рентабельных направлений (традиционная печатная реклама) и направив в эффективно работающие (реклама в деловых программах, на воскресном утреннем телешоу, адресные электронные и почтовые рассылки).

Выходные показатели

Показатели на выходе оценивают непосредственное воздействие вашей деятельности на степень вовлеченности клиентов в рекламную кампанию. Вовлеченность, за которой следует лояльность, – крайне важный параметр для измерения, поскольку маркетологи могут легко увидеть, как происходит в цифровом мире взаимодействие потребителя с рекламным сообщением, которое выведено на рынок.

Давайте в качестве примера сравним телевидение с онлайновым видео. В случае с традиционными телевизионными рекламными роликами вам доступны лишь несколько параметров измерения: объем (число просмотров), степень запоминаемости и отношение к той или иной рекламе.

Вывод на рынок рекламных интернет-роликов намного раздвигает границы вашего исследования, поскольку теперь вы можете:

• отследить точное количество зрителей и количество просмотров конкретного ролика;

• понять, смотрели ли ролик целиком или просматривали отдельные фрагменты, отправляли ли ссылку на него друзьям, размещали ли его на своем сайте, писали ли о нем комментарии;

• проанализировать написанные комментарии и измерить количество людей, позитивно или негативно отнесшихся к данному ролику.

Вы видите, что в условиях цифрового контента потребитель ведет себя намного свободнее и разнообразнее, и любое его действие может быть отслежено и измерено. Такая степень заметности помогает маркетологам вести серьезную работу по улучшению содержания контента.

Для замера степени вовлеченности предлагаю использовать систему показателей, представленную ниже.

Чем ближе к концу таблицы, тем бо́льшую степень вовлеченности и ценности потребителей можно заметить. Разумеется, ваша самая главная цель – достичь стадии пропаганды. В наши дни людям просто делиться своим мнением. Ради чего тогда создавались блоги и социальные сети? Именно этот фактор придает особую важность активной позиции потребителя (как позитивной, так и негативной).

Итоговые показатели

Цифры, связанные с результатом, измеряют степень достижения поставленных задач. Промежуточные показатели оценивают, были ли достигнуты наши маркетинговые цели:

• Осведомленность о бренде – сколько людей знают о бренде, продукте, услуге?

• Расположенность к бренду – скольким людям нравится бренд, продукт, услуга?

• Внимание к бренду – сколько людей размышляют над покупкой бренда, продукта, услуги?

• Приобретение – сколько новых клиентов смогли привлечь?

• Лояльность – сколько клиентов сохраняют лояльность по отношению к бренду? Каждая компания должна самостоятельно определить для себя понятие лояльности; параметры могут быть самые разные: частота покупок; покупка в течение последних тридцати дней; доля кошелька; продолжительность взаимоотношений; комбинация вышеперечисленных параметров (самый распространенный вариант).

Приведенные показатели позволяют понять, в какой степени вы достигли маркетинговых целей, они не обязательно показывают влияние маркетинга на бизнес. Для этого надо привлечь дополнительных «игроков» – общие показатели оценки бизнеса:

• доля рынка;

• доходы;

• прибыль;

• средний размер корзины, то есть сумма покупок средним клиентом в рамках отдельно взятой сделки;

• прибыль на инвестиции;

• цена акций.

Перечисленные показатели оценивают степень влияния маркетинговых усилий на общее состояние вашего бизнеса. Сложность в том, чтобы не создавать ложной картины, при которой возможна манипуляция с количеством показателей. Иногда возникает соблазн отфильтровать несколько факторов в пользу какого-то одного параметра, что позволяет сконцентрироваться на нем полностью, не отвлекаясь на другие вещи, – а это существенно влияет на общие результаты. В таких случаях возникает проблема «приписывания», о которой мы поговорим несколько позже.

Как только вы решите, что именно собираетесь измерять, то надо сразу приниматься за поиски информации. Представлю беглый обзор некоторых наиболее распространенных источников данных, которыми вы можете воспользоваться в своем аналитическом исследовании.

– Корпоративные финансовые системы – основной источник конечных выходных показателей, таких как объемы продаж и величина прибыли. Кроме того, в финансовых системах можно найти следующую информацию: показатели по странам, бизнес-единицам и потребительским сегментам; данные по эталонным показателям и прогнозам ключевых показателей бизнеса. Все это дает нам возможность получить общий контекст для интерпретации полученных результатов: удалось ли вам достичь своей цели; смогли ли вы справиться со своей задачей лучше, чем прогнозировали. Показатели без контекста не имеют смысла.

– План сбыта и использования средств рекламы – если финансовые системы обеспечивают нам контекст в виде основных бизнес-показателей, на которые вы пытаетесь влиять, то планы в области медиа и маркетинга смогут помочь в этом куда лучше, чем промежуточные маркетинговые и медиапоказатели, о которых мы говорили ранее.

– Базы данных по отдельным сделкам – о них мы уже говорили во второй главе, где описывали принципы поиска клиентов, с которыми хотим наладить общение. Эти источники часто интегрированы в корпоративные финансовые системы, обеспечивающие нас информацией об общей результативности организации. Но когда вы исследуете результативность работы в определенном клиентском сегменте, то вам нужны детальные динамические характеристики – такую информацию вы найдете в базе данных по отдельным сделкам.

– Системы управления взаимоотношениями с клиентами (CRM) – источники огромных массивов данных о прямом взаимодействии с потребителями, поскольку благодаря этим системам отслеживается практически любая информация о целевых группах. Если в вашей компании есть свой отдел продаж, то информация о взаимодействии продавцов с клиентами или заинтересованными лицами может послужить отличным дополнением к CRM-системам.

– Изучение конъюнктуры рынка – крайне важный источник данных для измерения результатов вашей работы, особенно когда речь заходит о промежуточных показателях, таких как осведомленность, предпочтение и знание о бренде. Именно они чаще всего не принимаются во внимание в финансовых системах компаний или в базах данных по отдельным сделкам. В третьей главе мы уже обсуждали вопрос об исследовании рынка, когда говорили о получении ценной информации, помогающей нам правильно формулировать рекламные сообщения для целевой аудитории. Например, вряд ли покупатель сообщает кассиру в магазине, что покупает мыло Dove, потому что ему понравилась рекламная кампания фирмы или потому что запах именно этого мыла как нельзя лучше соответствует его настроению. Анализ конъюнктуры рынка методом выборки является единственным способом узнать мнение потребителей: как люди относятся к тем или иным брендам и какие чувства испытывают при покупке этих брендов. Как ни удивительно, но затраты денег и времени на такие исследования могут оказаться ниже, чем обычно представляется. Существуют специализированные фирмы, как Dynamic Logic, которые организуют быстрые и доступные по цене онлайновые исследования рынка, тем самым помогая вам грамотно и взвешенно определять группы респондентов. В ходе исследования вы получаете ценную информацию, позволяющую намного точнее сформулировать анкеты для опросов аудитории.

Предположим, вы торгуете газонокосилками, и вас интересует, какие характеристики товара будут наиболее привлекательны для потенциальных клиентов. Что обычно вы делаете в таких случаях? Рассылаете анкеты с вопросами, адресованными в основном жителям пригородов. Но, невзирая на все старания, значительная часть ваших маркетинговых усилий пропадает даром, поскольку в пригородах немало многоквартирных домов и кондоминиумов, и их жильцы не покупают садового оборудования. Однако вы можете сделать так, чтобы ваш опрос появлялся на дисплее компьютера каждый раз, когда кто-то заходит на веб-сайт магазина Wal-Mart в поисках садового оборудования (естественно, вам придется взять на это разрешение Wal-Mart). Велики шансы, что кто-то из жаждущих приобрести газонокосилку откликнется на вашу анкету. Можно действовать даже более целенаправленно. Вы выбираете не вообще потенциальных покупателей косилок, а таких, которые интересуются вопросами безопасности, так как у них в семье есть маленькие дети. И ваша анкета будет появляться на экране только после того, как посетитель зайдет на страницы, посвященные газонокосилкам и детским игрушкам.

Помимо перечисленных традиционных источников информации существует огромное количество других ресурсов. Вы вполне можете рассчитывать на то, что найдете там достаточно данных для оценки результативности вашей кампании.

– Веб-аналитика – маркетинг начал особенно динамично развиваться в последние годы благодаря фирмам, специализирующимся на сборе и анализе огромных массивов данных, поставляемых самыми разными веб-сайтами. К нашей радости, специалисты этих фирм автоматизировали множество задач, связанных с обработкой данных, необходимых для проведения анализа. Научиться работать с такими программами может каждый. Более того, их приобретение будет недорогим или даже бесплатным.

Google Analytics – бесплатная программа, умеющая отлично собирать и объяснять суть данных, связанных с веб-сайтами. Ее просто установить и еще проще ею пользоваться. После инсталляции программа автоматически начнет отслеживать деятельность посетителей вашего веб-сайта. Вы получаете доступ ко всей статистике в режиме реального времени через довольно дружелюбный интерфейс.

Более того, вы можете настроить отправку уведомлений по электронной почте, оповещающих вас в случаях пикового значения трафика. Причем бесплатно. Я просто фанатею от всего этого. А вы узнаете все подробности на сайте http://www.google.com/analytics/. Аналогичный сервис есть у Yahoo – http://web.analytics.yahoo.com/. Другие поставщики веб-аналитики, такие как Omniture и Webtrends, предлагают более продвинутые программы, однако они берут плату за их использование.

– Данные социальных сетей – в наше время уже недостаточно просто знать, что делают на вашем сайте клиенты и потенциальные покупатели. Взаимодействие со своей аудиторией все чаще происходит за пределами сайта: в социальных сетях и блогосфере. Мы уже обсудили в четвертой главе некоторые программы, благодаря которым можно анализировать весь материал, в котором содержится мнение о вашем бренде людей, пишущих в Интернете. Помимо всего, такие программы помогают вам не только отслеживать количество ведущихся разговоров в онлайне о ваших брендах, но даже оценивать тональность этих разговоров.

Информация, поставляемая социальными сетями, такими как Facebook и Myspace, также поддается мониторингу. В Facebook существует сервис под названием Facebook Insight, показывающий количество людей, которым нравится ваш веб-сайт, сколько посетителей у него есть и многое другое. Facebook, где миллионы людей каждый день выражают свое мнение по множеству проблем, сегодня вообще стал мощным инструментом для исследования рынка и отслеживания происходящего. Команда аналитиков из Facebook использует свой гигантский информационный массив для выявления разных тенденций – общественных, деловых или политических. Программа под названием «Бренд Обамы» отслеживает рейтинги одобрения тех или иных действий президента, и ее результаты почти идентичны цифрам таких традиционных поставщиков информации, как Gallup и Rasmussen. Такое не может не впечатлять. В дополнение к этому Facebook предоставляет компаниям доступ к такой информации в режиме реального времени. Мне довелось видеть, как одна фирма провела опрос, собравший свыше тысячи ответов менее чем за две минуты. При традиционном исследовании подобная процедура заняла бы недели, если не месяцы. Facebook позволяет сделать это значительно быстрее и намного дешевле.

– Платформы цифровой рекламы – онлайновая реклама и поисковые системы в Интернете постепенно начинают забирать все более крупную долю расходов на маркетинг у большинства компаний. Эти каналы также позволяют получать невероятно большие объемы данных, которые можно использовать для измерений. Организации, занимающиеся управлением баннерными кампаниями, разработали целый ряд интерфейсов, позволяющих вам понять, сколько баннеров было показано, на каких площадках, во что это вам обошлось и сколько человек прошло по этим баннерам дальше.

– Онлайновые видео – эта новая технология начинает играть важнейшую роль для большинства компаний в их планах комплексного использования средств распространения рекламы. Сегодня самой крупной видеоплатформой в Сети является YouTube; на его сайте имеется ряд специальных инструментов, позволяющих оценить, сколько человек взаимодействовало с размещенным вами видео. Наверняка вы захотите знать, как к вам относятся. Измерять можно так много вещей, что есть риск легко утонуть в данных. И даже если вы сами знаете, что именно хотите измерить и оценить, вам необходимо дать объяснения и другим людям, которые будут использовать ваши данные. Огромную помощь здесь могут оказать маркетинговые приложения. Они позволяют объединить множество фрагментов данных, необходимых для управления бизнесом, и представить их на одном экране. Например, Ogilvy Live собирает для отчетности данные из множества различных источников, описанных выше, и автоматически создает для них единую форму представления.

В нынешние дни нам доступно так много данных, что визуализация превратилась в отдельную специализированную дисциплину, лежащую на пересечении искусства и науки. Визуализация данных представляет информацию легким и доступным для понимания образом. Ее крестным отцом принято считать Эдварда Тафти.

Тафти опубликовал в 1983 году книгу The Visual Display of Quantitative Information («Визуальное изображение количественной информации») – самую важную работу, когда-либо написанную на эту тему. Труд Тафти содержит массу примеров самых лучших и самых ужасных изображений данных. Его книга прекрасна сама по себе. Тафти хотел сделать все в полном соответствии со своими принципами, поэтому решил публиковать ее самостоятельно и даже ради этого перезаложил свой дом. Хочу предупредить вас, что после чтения книги вы имеете все шансы приобрести аллергию на графики, нарушающие правила Тафти.

Но я остановлюсь лишь на трех его правилах. А вас призываю обязательно прочитать его книгу целиком, как только вы покончите с моей.

Правило первое. Графическая целостность

Тафти полагает (и я с ним согласен), что представление данных должно соответствовать реальным числам (не стоит рисовать небольшие цифры так, чтобы они выглядели гигантскими). Вот пример того, как делать не надо.

Правило второе. Соответствие данных и краски

Тафти полагает, что хорошее графическое представление основной информации требует больше краски, чем вспомогательные элементы. Отличным примером этого правила служит электроэнцефалограмма.

Бросив даже беглый взгляд на энцефалограмму, вы сразу понимаете: во-первых, о чем идет речь; во-вторых, что в ней нет ничего лишнего.

Правило третье. Ничего лишнего

Основное внимание должно сосредоточиваться на главной информации. Избавляйтесь от диаграммного мусора – так Тафти называет избыточное и ненужное использование графических эффектов, заставляющих обращать больше внимания на работу дизайнера, а не на сами данные.

Вот пример того, что Тафти считал худшим графиком из всех размещенных в образовательных журналах 1970-х годов.

Я благодарен Тафти за свою аллергию на диаграммный мусор.

Внедрив описанные выше принципы измерений, вы можете создать целый набор индикаторов, позволяющих отслеживать вашу работу на протяжении времени и оценивать, хорошо ли вы работаете. Но это – лишь часть процесса измерений. Одно дело – знать, насколько хорошо у вас получается, а другое – понимание того, каким образом ваши действия влияют на что-то еще.

Давайте воспользуемся простым примером. Когда пару лет назад у компании Toyota резко упали продажи, это не было вызвано будто бы неэффективной рекламной политикой. Причина состояла в неправильной конструкции ковриков, мешавших пользоваться педалью тормоза, что приводило к авариям и отпугивало потенциальных покупателей. В этом и заключается суть «приписывания». Если я измеряю влияние маркетинговой кампании на продажи, то мне нужно не только отслеживать показатели продаж, но и определять, каким именно образом на них повлияла та или иная кампания. Иными словами, какая доля прироста продаж была вызвана моими действиями?

Для измерения степени приписывания существует два метода – эконометрическое моделирование и оценка приписывания на индивидуальном уровне.

Как мы уже обсудили выше, эконометрическое моделирование (мы говорили на эту тему в пятой главе) использует математику для расчета степени влияния законов спроса и предложения. Например, оно помогает определить, до какой степени спрос на продукт определяется его ценой, уровнем дохода потребителей и другими параметрами, такими как наши действия в области маркетинга.

Мои коллеги в Китае использовали эконометрическое моделирование для демонстрации влияния рекламы на продажи продукции Motorola. В середине 1990-х годов ее репутация в стране оставляла желать лучшего. Качественные исследования показали: этот бренд ассоциировался у среднего китайца с образом «старого бизнесмена». Даже самим пользователям телефонов Motorola казалось, что бренду недостает стиля.

Для Китая такое отношение превращалось в большую проблему. Внешний вид телефона очень важен, ведь эту вещь человек постоянно носит с собой. В ходе исследований китайские потребители говорили, что бренд – самый важный фактор для принятия решения о выборе, более важный, чем цена или набор функций. А мобильные телефоны Motorola казались большинству населения довольно скучными и непривлекательными. Задача маркетологов состояла в том, чтобы изменить восприятие бренда, сделать его крутым, модным и стильным в глазах нового поколения.

Была собрана мультидисциплинарная группа под названием «Команда Moto»; в нее входило девяносто человек, среди которых были бизнес-консультанты, а также специалисты по рекламе, средствам массовой информации, розничным продажам, пиару и цифровым технологиям. Группа разрабатывала презентацию бренда, которая была бы уместна во всех средствах распространения рекламы и во всех точках контакта, начиная от баннеров в супермаркете и заканчивая веб-сайтом и корпоративными мероприятиями. Причем все участники группы пришли к решению не проводить общей рекламной кампании по раскрутке бренда. Отношение к нему изменилось вследствие рекламы отдельных моделей телефонов. Перед всеми стояла довольно трудная задача, ведь у каждой модели имелись свои преимущества. Однако вся рекламная коммуникация безошибочно ассоциировалась именно с «Moto» благодаря единству дизайнерского решения, тона обращения и эмоционального настроя. Это единство сыграло важнейшую роль. Именно оно помогло убедить потенциальных покупателей присоединиться к модному стилю. Нужно сказать, что китайская аудитория одновременно склонна и к приключениям, и к конформизму. Новая кампания была основана на довольно сильной идее моды, связанной с растущим желанием аудитории выделяться из серой и унылой обыденности.

В ходе программы были реализованы многие творческие инновации и задействованы различные средства информации.

Компании обычно уделяют слишком мало внимания работе в Сети. Но в Китае проживает 500 миллионов пользователей Интернета – больше, чем в любой другой стране. Расходы Motorola на работу в онлайне выросли на 68 % (в среднем в этой отрасли затраты на рекламу выросли на 12 %). Одним из примеров работы компании стал запуск сайта motomusic.com.cn, с которого можно было легально скачать музыку. Ежедневное число просмотров сайта составило 2 миллиона, а после запуска кампании объемы продаж телефонов с поддержкой воспроизведения музыки (моделей Razr и Rokr) выросли более чем на 50 %.

Мало внимания обычно уделяется и рекламным плакатам, но именно на них Motorola потратила почти треть своего рекламного бюджета (основной конкурент тратил на рекламные плакаты всего лишь пятую часть бюджета). Яркое печатное изображение оказалось лучшим рекламным ходом и придало всей рекламной кампании визуальную красоту, тогда как при раскрутке других брендов плакаты использовались всего лишь как средство напоминания.

Крайне важным для успеха кампании было взаимодействие онлайновой и офлайновой стратегий. Например, в рамках кампании для модели Q рекламные плакаты сумели повысить эффект оплаченного поиска на 44 %. Комбинация плакатов и оплаченного поиска, позволившая аудитории обратить больше внимания на рекламу в Интернете, помогла компании получить в 2007 году золотую, серебряную и бронзовую медали за эффективность маркетинговой политики среди азиатских стран в категории «использование новых средств медиа».

Сочетание высокого уровня творческого подхода и инновационных рекламных средств привело к тому, что кампания стала известна куда больше, чем ожидалось с учетом ее бюджета. Nokia потратила на рекламу в 2006 году на 21 миллион долларов больше, чем Motorola, однако в результате осведомленность о двух брендах оказалась почти на одном уровне: 77 % для Nokia и 76 % для Motorola.

После рекламной кампании, связанной с выходом Moto Tribes в конце 2005 года, доля рынка Motorola в 2006 году выросла до 20 % (то есть рост составил 59 %).

Мировой успех Motorola был подкреплен выходом в 2006 году крайне успешного продукта – телефона модели Razr – Motorola продавала больше RAZR, чем Apple – плееров iPod. Однако рост в Китае оказался еще выше, чем по всему миру. В Китае продается практически тот же набор продуктов Motorola, что и во всем остальном мире, поэтому рекордные показатели продаж нельзя объяснить одними лишь совершенствами модели.

Это не было связано и с низкими ценами. Хотя по мере выхода на рынок Китая Motorola продавала в основном недорогие модели, но в 2006 году у нее все равно имелась определенная ценовая премия по сравнению со средней ценой телефона на рынке. Эконометрические модели позволили выделить изолированный эффект рекламы и рассчитать ее влияние на продажи (то есть были исключены факторы цены и усилий по продвижению). По всем данным, кампания действительно сработала. Примером немедленного влияния рекламы на продажи можно считать запуск телефонов модели Q. На нее в 2007 году можно было сделать предварительный заказ за 46–47 недель и получить начиная с 48-й недели. Онлайновая рекламная кампания началась на 49-й неделе. Количество просмотров соответствующей страницы сайта выросло на 1750 % – с 29 тысяч до 800 тысяч в неделю. С помощью рекламы продажи модели Q росли в шесть раз быстрее, чем у основного конкурента. Наши аналитические выкладки показали, что маркетинговые расходы в целом обеспечили 26 % продаж Motorola. Основной движущей силой стала реклама. Она создала 55 % новых продаж, то есть 14 % от общих продаж компании, при этом ее доля в маркетинговых расходах составила всего 11 %. О результатах говорит еще один факт: каждые 10 тысяч китайских юаней, потраченных на рекламу, позволили продать 384 телефона, в то время как та же самая сумма, потраченная на промоакции в магазинах розничной продажи, позволила продать лишь 96 телефонов. Предположив, что средняя отраслевая норма прибыли за проданный телефон составляет приблизительно 30 % процентов, реклама принесла около 15 юаней прибыли на каждый вложенный юань. Такой возврат на инвестиции оказался куда выше, чем от любых предпринятых в розничной сети активных мероприятий.

Вполне закономерен вопрос: так ли сильно нам нужна эконометрическая модель, если для ее правильного построения нужно продираться сквозь такие нагромождения? Разве не проще – вместо стольких трудностей – просто связаться с целевыми группами, на которые была направлена рекламная политика, и выяснить, купили ли люди наш продукт? Разумеется, такой путь вполне возможен, но лишь в том случае, когда используются рекламные методы адресного воздействия, которые сегодня всецело связаны с цифровыми носителями информации. Подобный подход, названный атрибуцией на индивидуальном уровне, стал невероятно популярным в области применения интернет-рекламы, поскольку при работе с ней мы всегда точно знаем, сколько человек увидели наше сообщение, сколько из них нажали на наш баннер сразу, сколько стали взаимодействовать с нашим контентом позднее (об этом мы говорили в четвертой главе). Метод атрибуции на индивидуальном уровне практически безошибочен – ведь вы изучаете поведение конкретных людей, а не общие тенденции продаж. Однако для традиционных средств массовой информации он не подходит, так как для них на сегодня мы не имеем ни одного столь же точного инструмента измерения. Маленький пример: каким образом мы сможем достоверно узнать, повлияла ли на каждого человека, купившего автомобиль марки Honda, именно телевизионная реклама этой фирмы? Вот почему – когда маркетологи используют комбинированный метод по привлечению средств рекламы – для анализа эффективности рекламной кампании нужен эконометрический анализ.

Приведенная ниже диаграмма показывает, как работает метод атрибуции на индивидуальном уровне.

Вы можете видеть «путешествия» шести потребителей (слева направо). Первая покупательница видела баннерную рекламу на Yahoo! мультимедийную рекламу (движущееся изображение) и рекламу на MSN.com, баннеры Cnet и Sky Sports. Затем она обратилась к поисковой системе Goggle. Знак «C» означает, что она нажала на кнопку «Узнать больше или купить продукт».

Теперь возникает важный вопрос: что заставило ее предпринять то или иное действие? Рекламный баннер Yahoo? Другие баннеры? Контент в мультимедийном формате? Или стоит благодарить поисковую систему? Возможно, это была комбинация всех элементов? Однако нам принципиально важно знать, какую роль сыграл в процессе покупки тот или иной элемент коммуникации. Если предположить, что решающая роль принадлежит последнему шагу перед покупкой, то поисковая система получит незаслуженно большие почести. Это метод называется «фактор последнего клика». Невзирая на всю очевидную неточность, он – в силу своей простоты – до сих пор популярен среди компаний.

Вернемся к нашему вопросу «приписки». Позвольте мне проиллюстрировать, насколько важно уметь своевременно увидеть проблему и правильно ее интерпретировать. Когда мы начали работать с гостиничной сетью Ceasars в конце 2007 года, показатели заполняемости гостиничных номеров неуклонно снижались, поскольку общее экономическое положение уже явно шло на спад. Наша задача была проста: невзирая на рецессию и расширение конкурентной среды, придать новый стимул существовавшей в компании системе бронирования мест через Интернет. Благодаря масштабному сбору данных и внедрению новых методов измерения результаты оказались быстрыми и значительными. В течение одного года, при той же величине бюджета на работу с медиа, Ceasars удвоила доход от своей системы бронирования.

Вопрос атрибуции был решен путем лобовой атаки. Компания использовала множество инструментов (баннерная реклама, мультимедийные средства, поисковые запросы и многое другое). Вопрос состоял лишь в том, какой подход мог бы сработать лучше других? Мы начали с нуля и решили поглубже разобраться с данными, содержащимися в логах (мы уже знаем из четвертой главы, что каждый раз, когда вы видите баннерную рекламу или нажимаете на нее, компания, отвечающая за обслуживание системы баннеров, отслеживает ваши действия).

Покопавшись в логах, мы обнаружили наличие интересного эффекта: 40 % общего дохода от баннерной кампании принесли клиенты, которые сначала не нажали на баннер, однако в течение последующих пятнадцати дней все-таки забронировали гостиничный номер. Это было принципиально важным открытием! Если мы принимали бы во внимание только прямые доходы, связанные с нажатиями на баннеры сразу после просмотра, то упустили бы из виду 40 % продаж. В результате нам грозила опасность сделать ошибочный ход: отказаться от дальнейшего проведения баннерной рекламной кампании, которая на самом деле давала отличные результаты (кроме того, мы завысили бы роль других кампаний, ошибочно приписывая именно им те доходы, которые приносила баннерная реклама).

Помимо изучения косвенных эффектов баннерной кампании мы проанализировали все другие показатели. В процессе рекламной кампании обнаружилось, что поисковые запросы дали 12 % прироста конверсии. Более того, реклама, размещенная в определенных местах, влияла на количество последующих поисков сильнее, чем реклама, размещенная в каких-то других местах. Это тоже оказалось принципиально важным открытием, поскольку при прямых измерениях (когда баннер является последним фактором перед совершением покупки) рекламные объявления обнаруживали якобы свою неэффективность. Например, те, кто видел рекламу на туристических сайтах, не нажимали сразу на баннер для автоматического перехода на сайт Ceasars, а – в надежде найти более выгодные предложения – предпринимали самостоятельный поиск гостиничного номера.

Вы уже знаете о многом: как создавать план процедуры измерений; какие источники данных задействовать; какие механизмы использовать для отслеживания результатов. Мы поговорили на тему, каким образом интегрированные приложения помогают получить единое представление о работе всей системы; познакомились с некоторыми новейшими методами, позволяющими не только отслеживать показатели деятельности, но и анализировать, какие конкретные шаги приводят к успешным результатам. Настало время разобраться, как работают вместе все элементы исследовательского процесса, то есть увидеть всю картину в целом. Я покажу это на примере одного из крупнейших клиентов Ogilvy – транспортной компании UPS.

UPS смогла вырасти в гигантскую успешную корпорацию за счет самых высоких стандартов ведения бизнеса. Компания обеспечивает достижения высочайшей эффективности во всех направлениях своей деятельности. Маленькая деталь: грузовики UPS почти никогда не делают на трассе левых поворотов, так как, по расчетам специалистов компании, в ожидании левого поворота обычно теряется бесценное время. Это экономит UPS многие миллионы долларов. Поэтому водители грузовиков используют левоповоротный маневр лишь в самых безнадежных ситуациях. При таком тщательном подходе к любому аспекту бизнеса, естественно, UPS оказалась в первых рядах, когда решила рассмотреть свой бюджет на маркетинговую политику и оценить ее коммуникационную эффективность.

Мне довелось познакомиться с принципами работы UPS в самом начале экономического кризиса 2008 года. Компания, чтобы сохранить возможность дальнейшего развития, была вынуждена искать новые фундаментальные стратегии. Кристина Оуэнс, старший вице-президент, отвечавшая за такие направления, как коммуникации и управление брендом, сформулировала задачу предельно ясно. По ее мнению, отдел коммуникаций не был затратным подразделением – напротив, он отвечал за динамику роста компании, то есть являлся реальным лидером среди других бизнес-единиц. Кристина как специалист практически выросла в компании, пройдя все основные этапы производственного и административного пути, так что особенности коммуникационной деятельности UPS она знала досконально. Мы поняли главное – для решения задачи было принципиально важно совместить стратегию развития бренда с общей стратегией предприятия.

Команда Ogilvy решила выстроить более глубокие со стратегической точки зрения отношения с имеющимися и потенциальными клиентами. Собственно изменение взаимоотношений и являлось нашей ключевой целью. У компании имелся мощный потенциал, далеко выходящий за пределы ее основного вида деятельности (транспортные и курьерские услуги), – она много что могла предложить своим клиентам, которые, в свою очередь, должны были начать воспринимать UPS как делового партнера. Руководители прекрасно понимали эту зависимость: чем больше услуг они предоставляют, тем чаще клиенты платят деньги и тем реже хотят расстаться с удобной компанией. Более крепкая связь со своим потребителем позволит компании обеспечить надежные перспективы дальнейшего развития.

После долгого, мучительного и крайне подробного обсуждения нашего плана действий – UPS не оставляет на волю случая ничего, особенно процесс выбора потенциальных партнеров – осенью 2009 года компания наняла Ogilvy для решения этой непростой задачи.

Прежде всего мы очертили круг важнейших задач.

1. Укрепить бренд UPS за счет его перепозиционирования в качестве поставщика нового широкого ассортимента услуг.

2. Дать возможность отделу сбыта продавать более широкий набор услуг.

3. Обеспечить увеличение общей выручки в результате расширения спектра услуг.

4. Убедить сотрудников в правильности выбранного направления и стимулировать их заинтересованность.

Наша стратегия была выстроена на вполне определенных аналитических наблюдениях, которые я и собираюсь изложить ниже.

– Большинство мелких и средних компаний стремятся укрупнить свой бизнес, для чего им нужен не просто поставщик услуг и товаров, а серьезный и надежный партнер. Компания UPS всегда успешно и активно оказывала транспортные и курьерские услуги, но в условиях высококонкурентного рынка этого было мало. Клиентам – мелким и средним фирмам – требовался деловой партнер, способный помочь им расти профессионально, расширять бизнес и делать его более производительным. Однако вряд ли они ожидали найти такого делового помощника в лице транспортной компании. Мы должны были раскрыть все потенциальные возможности UPS и таким образом изменить отношение к ней ее клиентов. Чтобы превратить своих потребителей в стратегических партнеров, компания могла бы предлагать им дополнительные услуги: организовывать хранение клиентских грузов на своих складах; растаможивать грузы любой сложности – от небольших посылок до грузов, перевозимых самолетами; производить транспортную сортировку и обработку груза, вплоть до его ремонта. Компания UPS действительно могла резко повысить эффективность логистических цепочек своих клиентов, а значит, сделать их более конкурентоспособными.

– Традиционно считается, будто заниматься управлением цепями поставок под силу лишь крупному бизнесу, однако и мелкие и средние фирмы тоже сталкиваются с логистическими проблемами – и тогда им требуется помощь крепкого партнера. Обычно такие фирмы стараются даже не употреблять термин «управление цепями поставок», поскольку связывают его исключительно со столь пугающими понятиями, как «размещение груза», «хранение груза» и «складские помещения». Они предпочитают использовать понятия, более подходящие их небольшому предприятию, – «координация», «планирование», «перевозка». UPS получала возможность стать первой компанией, которая протянула бы руку помощи и устранила помехи с пути мелких и средних игроков в этом сегменте рынка. Такой шаг мог оказаться очень перспективным. Стоит отметить, что UPS имела полное право заявлять о подобном намерении, поскольку обладала в этой сфере бизнеса действительно уникальным ассортиментом услуг. Со своими мощными логистическими ресурсами компания могла реально помочь небольшим фирмам стать более сильными и успешными.

Все вышеизложенное нам предстояло сжать до рекламного лозунга. Мы искали яркую, но крайне простую формулировку, которая вобрала бы в себя весь контекст того, что UPS способна дать своим клиентам. Наша идея заключалась в том, чтобы привнести в рекламную кампанию – с крайне уродливыми ключевыми словами логистика и складирование – некий привлекательный и совсем не деловой элемент.

С самого начала своей работы мы понимали: когда имеешь дело с таким сложным направлением, как логистика, невозможно обойтись расхожим рекламным ходом вроде «Чистое на 99 и 44 сотых процента». Мы собирались выдвинуть нечто концептуальное, в корне меняющее представление об UPS, причем не только у клиентов, но и среди сотрудников компании.

В любом творческом процессе требуется свежая мысль, вот и мы начали с того же: принялись обдумывать, что нового сможем сказать миру бизнеса – при этом прекрасно осознавая, насколько будут важны тон и стиль сказанного. Рассматривая со всех сторон предмет нашего исследования, мы старались представить, будто имеем дело с чрезвычайно сложным (что вполне соответствовало истине) и совершенно неизведанным явлением в бизнесе. Именно такую концепцию логистики мы собирались разрабатывать для нашей рекламной кампании, но сам разговор необходимо было вести на нормальном человеческом языке, не усложняя его деловой лексикой, а выбирая слова, отражающие насущные потребности каждого клиента UPS.

Мы остановились на очень лаконичной, но все определяющей теме: «Мы любим логистику», – что отражало страстное желание UPS не только предоставлять своим клиентам столь нужные им логистические услуги, но и создавать для их бизнеса конкурентное преимущество. Затем мы выбрали ряд графических символов, указывавших на надежность UPS – насколько ответственно компания относится к защите окружающей среды и охране человеческого здоровья.

Нам важно было донести мысль о любви и надежности прежде всего до сотрудников, чтобы каждый смог взглянуть на свою компанию свежим взглядом и переосмыслить собственное представление о ней. Поэтому мы организовали видеообращение СЕО, откровенно говорившего с коллективом о том, что никогда раньше их компания – всегда занимавшаяся грузоперевозками – не думала о своем деле как о совершенно новом подходе к логистике, к которой можно относиться с любовью.

Для внешней рекламной кампании мы привлекли престижные медийные площадки. При содействии Washington Post, New York Times и Harvard Business Review был проведен ряд интернет-презентаций, продемонстрировавших мощь новых логистических услуг, способных поддерживать и развивать бизнес клиента. На деловых мероприятиях, проводившихся компанией GrowCo совместно с New York Times, мы устраивали для представителей малого бизнеса «логистические бары». Свою новую концепцию логистики мы доносили до потребителя и через традиционные печатные средства информации. Однако это были не рекламные объявления в привычном смысле, а полноценные тексты, в которых развернуто и четко объяснялось, почему именно «Новая логистика» представляет собой силу, стимулирующую растущий бизнес многих фирм. В телевизионной рекламе мы показывали сюжеты, представлявшие логистические процессы как что-то большее, чем просто грузоперевозки и складирование товара, – как вдохновенную и гуманистическую деятельность. Нашими союзниками стали не только члены многотысячного международного коллектива UPS, но также и их многочисленные клиенты; совместными усилиями мы даже написали гимн логистике и положили его на музыку знаменитой композиции Дина Мартина That’s Amore. Нам казалось, что простой и запоминающийся ритм свинга, дойдя до души каждого слушателя, передаст всю сложность и энергичность работы логистической сети UPS.

Высококачественная наружная реклама подчеркивала важность, масштабность и необходимость нового подхода к логистическим услугам. Мы разместили ее на станциях метро, на вокзалах, на офисных зданиях в деловых районах с интенсивным движением. На огромных цифровых билбордах вспыхивала надпись «We ♥ Logistics» и одновременно начинал звучать наш гимн. Был создан специализированный корпоративный сайт, на котором мы размещали материалы, полностью посвященные специфическим проблемам этой сферы бизнеса: видеоматериалы, книги, методические статьи, аналитические обзоры, примеры из практики. Ссылки на наш контент распространялись и через социальные медиа, и через оплаченные каналы, а мы постоянно поддерживали интерактивную связь с читателями сайта, которые делились с нами своими впечатлениями и соображениями.

В какой момент и каким образом мы поняли, что наш подход сработал? Думаю, когда мы вернулись к тем четырем задачам, которые поставили перед собой в самом начале работы. Повторю их здесь: укрепить репутацию UPS как поставщика широкого ассортимента новых услуг; обеспечить возможность продавать как можно больше новых услуг; увеличить общий доход за счет новых направлений работы; убедить сотрудников в правильности нового подхода компании.

В приведенной таблице можно видеть, как связаны поставленные задачи с показателями и источниками информации (о которых будет рассказано ниже).

Первая задача рекламной кампании UPS. Мы решили убедиться, что нам удалось изменить общее представление о компании, а следовательно, укрепить ее бренд. Для оценки мы применили два источника данных. Прежде всего мы запустили программу слежения (бренд-трекер), с помощью которой узнавали, как целевая аудитория воспринимает UPS. Эти данные позволили проанализировать, каким образом менялось восприятие клиентов – небольших и средних фирм – в ходе рекламной кампании. В течение нескольких недель после ее запуска доля аудитории, признавшей UPS «лидером в области логистики», составила 70 %; доля аудитории, согласная, что UPS предлагает «широкий набор услуг, соответствующих их потребностям», составила 90 %.

Мы оценили общую силу бренда с помощью опроса BrandZ (об этой базе данных мировых брендов рассказывается в третьей главе). Данные, полученные в ходе опроса, позволили на основании показателей пирамиды вычислить совокупный показатель, названный потенциалом роста бренда (Brand Voltage), который уже доказал свою эффективность при предсказании роста доли рынка в будущем. Через несколько месяцев после запуска логистической кампании мы заметили рост показателя потенциала роста – он составил 142, что означало 14,2 % вероятности, что UPS увеличит свою долю на рынке в следующем году.

Вторая задача рекламной кампании UPS. Для оценки результатов мы составили специальную анкету и опросили по ней непосредственно самих сотрудников отдела сбыта. Благодаря рекламной кампании большинству продавцов стало значительно проще предлагать новые услуги UPS.

Третья задача рекламной кампании UPS. Измерение влияния коммуникационных усилий на продажи в секторе B2B всегда является довольно непростой задачей. Любая многомиллионная сделка между деловыми партнерами обычно представляет собой результат долгих усилий со стороны отделов продаж и маркетинга. Реклама бренда, как правило, формирует высокий уровень осведомленности, и этот фактор имеет весьма положительное значение для продажи услуг. Свою роль играет интерактивная взаимосвязь клиентов в Интернете, которая не ограничивается форумом и блогом корпоративного сайта. Первоначально лиды у компании могут появляться с помощью инструментов создания спроса – это электронная почта, телемаркетинг, прямая почтовая рассылка, телевизионные ролики с прямым откликом, печатные средства массовой информации. Определенную лепту в этот процесс вносят пиар-технологии, оценки экспертов и, конечно, сарафанное радио. В ходе переговоров о сделке продавцы активно работают над развитием и стимулированием лидов. Определить результативность каждого элемента рекламной кампании – задача практически непосильная. Тем более это касалось рекламы нового логистического направления UPS, представлявшей собой клубок всех возможных средств коммуникации. На сложность оценки повлияло еще несколько параметров, присущих среде корпоративных партнеров в таком секторе рынка, как B2B.

• Решение о покупках в среде корпоративных партнеров обычно принимаются целым рядом людей, работающих в так называемых центрах принятия решений. Трудно найти корреляцию между влиянием маркетинга на отдельных представителей этого подразделения и принятием коллективного решения.

• Циклы продаж в среде корпоративных партнеров обычно бывают довольно долгими. Между получением маркетингового обращения и покупкой может пройти несколько месяцев, что значительно усложняет задачу выявления причины и следствия.

• В результате длинных циклов продаж у принимающих решение лиц обычно скапливается довольно много маркетинговых обращений. Естественно, очень сложно вычленить, какое из них сильнее всего повлияло на принятие решения.

• Отделы продаж играют настолько важную роль в процессе заключения сделок, что часто становится невозможным определить прямое влияние работы маркетологов на общий доход компании.

Мы все-таки отследили выполнение третьей задачи, разработав новую методику исследования, позволявшую сопоставлять данные опросов о состоянии бренда UPS с продажами. Данные опросов позволили компании увидеть поведение клиентов, которые после просмотра рекламы говорят, что бренд им понравился. Осталось выяснить, действительно ли они покупают больше услуг UPS?

Подобное сопоставление позволяет UPS обращать более пристальное внимание на людей, чье отношение каким-то образом изменилось в течение пары месяцев после опроса. Компания проводит статистический анализ и рассчитывает корреляцию между человеком, увидевшим рекламу, человеком, изменившим свое восприятие, и человеком, покупающим в итоге больше услуг.

UPS способна анализировать последовательность событий: запуск рекламной кампании; ответная реакция потенциального клиента – интерес к предложениям компании и готовность купить услугу UPS; реальное приобретение услуги. Все сложные процессы моделирования проходят за кулисами бурной рекламной деятельности, поэтому результаты кажутся простыми, интуитивно понятными и позволяющими дать количественную оценку взаимосвязям различных решений, которые принимает клиент на пути к покупке.

Анализ показал, что всего за восемь месяцев рекламной кампании общая выручка от логистических операций, осуществлявшихся в интересах мелких и средних фирм, составила более 20 %.

Четвертая задача рекламной кампании UPS. Чтобы оценить, какое влияние оказала рекламная кампания на внутренний климат в UPS, мы использовали специальный опрос. Оказалось, что рекламная политика позволила сотрудникам вновь обрести ощущение гордости и осмысленности своей работы: доля сотрудников, признававших, что рекламная кампания адекватно рассказывает обо всем, что делает UPS, составила почти 84 %; доля сотрудников, веривших, что именно использование новых подходов к логистике, а не манипуляции с ценами может помочь UPS успешно конкурировать на рынке и завоевывать клиентов, составила 77 %. Благодаря обратной связи с коллективом мы собрали довольно обширный объем качественных данных.

При помощи описанных выше технологий UPS смогла убедиться в эффективности проведенной рекламной кампании. Более того, компания создала механизмы контроля, позволявшие довольно быстро ознакомиться с предварительными результатами рекламных шагов.

Огромную роль в этом процессе сыграло приложение Live dashboard, позволявшее пользователям (более пятидесяти человек) получать доступ к результатам рекламной кампании в режиме реального времени. Приложение было размещено в Интернете, а пользователи, заходившие на защищенный сервер, могли изучать данные под разными углами. Данные из восьмидесяти одного информационного источника записывали в отдельный файл, который потом размещали в приложении Live dashboard, что позволяло рассчитывать свыше трехсот показателей по каждому информационному каналу, использованному UPS в рамках рекламной кампании. Помимо этого, в приложение были включены данные о произведенных инвестициях, что давало UPS возможность контролировать в режиме реального времени рост прибыли от капиталовложений. Помимо этого, команды, работавшие в компании, получали доступ к единому источнику данных. Факты, собранные из всех источников, показали, что рекламная кампания смогла не просто обеспечить UPS значительный прирост доходов, но и укрепить свои позиции на будущее.

1. Все начинается с понимания того, что именно вам необходимо измерять. Взгляните на свои цели. Поймите, что вам понадобится сделать для их достижения, и привяжите показатели к каждому этапу исследования. Затем сформулируйте, каким образом вы собираетесь отслеживать изменения и выяснять, остаетесь ли вы на верном пути.

2. После создания плана идите и ищите нужные данные. В этой главе рассказано о довольно большом количестве возможных источников информации.

3. Все собранные данные введите в маркетинговое приложение (которым может быть и простая электронная таблица). Как только все необходимые цифры окажутся на своих местах, вы сможете приступать к аналитическому исследованию результатов и поиску оптимальных решений.

Оптимизация – то есть улучшение маркетинговой работы с помощью анализа и тестирования – ни в коем случае не разовое действие. Это цикл постоянных улучшений, в котором вы должны измерять, анализировать, выбирать лучшие решения, а затем снова измерять, анализировать и находить самые оптимальные решения – и все повторять сначала.

Мы с вами обсудим, каким образом следует внедрять процессы, позволяющие постоянно и последовательно улучшать деятельность вашего предприятия. В ходе обсуждения вы узнаете, каким образом маленькие привлекательные цифры могут стать лучшими друзьями ваших творческих работников – маркетологов и рекламистов – и помочь им выводить на рынок именно те маркетинговые обращения, которые клиенты хотят услышать.

На каждом новом витке компании улучшают свою деятельность. Почему? Дело в том, что всякий раз у них появляется нужный для этого процесс.

Слово процесс может показаться кому-то довольно скучным, однако, начиная с самых первых шагов, именно процессы помогают делать все правильно. С помощью процессов гораздо проще разработать взвешенный подход, позволяющий гарантированно внедрять в практику оптимальные методы работы.

Когда дело доходит до наших маленьких привлекательных цифр, то обнаружить результативные методы несложно, главное – реализовать их на практике. Одному нашему крупному клиенту, высокотехнологической компании, очень помогала система отлаженных процессов. Мы заметили, что, несмотря на значительные усилия в области оценки влияния рекламы, компания почти не занималась аналогичными исследованиями в области прямого маркетинга. Поэтому мы задействовали систему «от анализа к действию» (Analysis to Action, A2A), внедрение которой привело к повышению доходов компании на 100 миллионов долларов. В графическом виде это выглядит так:

Понятно, что начинать надо с данных. Вы сами знаете, как часто нужные вам данные оказываются в самых разных местах. В старые времена, чтобы внедрить у крупных клиентов систему A2A, нам приходилось изучать сотни электронных таблиц в формате Excel, созданных взамен различных баз данных, – для нас это было равносильно погружению в ад. Не самое приятное место. В подобных ситуациях все, что вам остается, – это вручную сводить данные из множества электронных таблиц в один файл, который наверняка даст сбой именно в тот день, когда вам нужно будет сделать самый важный отчет.

Все это забирает невероятно много времени. Перемещение цифр из одного места в другое приводит к ошибкам, которые делают даже лучшие и самые дотошные аналитики. В случае большого объема ручной работы шансы на ошибку всегда возрастают.

В наши дни этого можно легко избежать с помощью программ, выполняющих любые задания. Работа делается только один раз – когда программист пишет код. С этого момента задача становится автоматической, то есть безошибочной. Мне доводилось видеть, как единственный программист заменял десять операторов, обрабатывавших данные вручную. Именно это мы сделали и для нашего высокотехнологического клиента. В результате мы смогли не только повысить точность данных, но и сократить продолжительность цикла работ, что позволило нам потратить больше времени на аналитическую работу с имевшейся информацией.

На этапе анализа вы определяете, что сработало, а что нет. Мы постоянно занимаемся изучением и переосмыслением данных, основываясь на новых вопросах, возникающих у наших клиентов, сотрудников творческих профессий, планировщиков, управляющих по работе с клиентами и аналитиков. При возникновении нового вопроса мы формулируем гипотезы, а затем находим данные по последним рекламным кампаниям, которые помогают нам подтвердить или опровергнуть эти гипотезы.

Приведу пример. Так как многие продукты нашего клиента достаточно сложны с технической точки зрения, компания часто использует интернет-трансляции, в которых объясняются все необходимые детали. Чтобы просмотреть такую трансляцию, посетитель должен заполнить форму и оставить свою контактную информацию, что позволяет продавцам компании впоследствии с ним связываться. Одна из наших гипотез заключалась в том, что продолжительность интернет-трансляции оказывает прямое влияние на долю регистрации (то есть отношение людей, которые заполняют регистрационную форму, ко всем людям, которым были разосланы приглашения просмотреть трансляцию). В частности, мы считали, что у роликов продолжительностью свыше одного часа будет более низкая доля регистрации. Мы проанализировали исторические данные и пришли к выводу, что так оно и бывает. У коротких видеороликов доля регистрации была почти в два раза выше, чем у длинных. Поэтому мы рекомендовали компании ограничить продолжительность каждого ролика одним часом.

Мы видим, что даже простые вещи могут приводить к значительным последствиям, особенно если учитывать количество интернет-трансляций, которые компания ежегодно выводит на рынок.

Суть в том, что вы можете протестировать все что хотите.

• Какой тип маркетингового предложения работает лучше других на определенном этапе цикла покупки? Для ответа на этот вопрос проведите тестирование.

• Что привлекает больше лидов – онлайновый калькулятор энергозатрат или бесплатный аудит энергозатрат потенциального клиента? Протестируйте оба варианта и сравните результаты.

• Разумеется, методы, которые вы выбрали, наверняка работают неплохо, но вы вполне можете найти что-то, способное поднять продажи еще на 2 %. Просто об этом вы сможете узнать, только если проведете тестирование.

Первые три пузыря модели «от анализа к действию»: анализ, данные, тестирование – группируются вокруг понятия «анализ». Два последних пузыря: исполнение, обмен – связаны с понятием «действие». Первый шаг к действию состоит в том, чтобы поделиться и обменяться, во-первых, информацией, собранной по всем рекламным кампаниям и тщательно проанализированной, а во-вторых, результатами всех проведенных тестов. Работая на нашего клиента, мы ежемесячно проводили мероприятия, на которых маркетологи из многих стран мира собирались вместе и обсуждали результаты своих тестов. Помимо этого, мы исследовали состояние воронки тестирования.

Воронка тестирования может быть очень ценным инструментом управления.

Сетка показывает, какие тесты были обсуждены, исполнены, отложены или завершены. В колонках указаны основные выявленные нами зоны для обучения или места, для анализа которых нам нужны были дополнительные знания.

Последняя и, возможно, самая существенная часть цикла «от анализа к действию» – это реализация. Именно на этом этапе особенно поможет работа, правильно проведенная на предыдущих четырех стадиях. Все они направлены на то, чтобы сделать жизнь лучше и повысить осведомленность о тестах и связанных с ними улучшениях.

В основе этого процесса лежит простая мысль: вы можете провести все нужные анализы и тестирование и затем обменяться информацией, – но все это не приведет к улучшению того, что вы делаете на практике, и ваша работа потеряет всякий смысл. В итоге все будет зависеть от человека, который занимается реализацией программы, и от того, чему он смог научиться.

Большинство рекомендаций, основанных на модели «от анализа к действию», носят тактический характер и могут показаться незначительными. Однако когда эти постепенные улучшения применяются в целом ряде программ, они могут сложиться в нечто важное. К примеру, наш клиент рассчитал, что совокупный эффект от внедрения всех идей модели «от анализа к действию» приведет к росту доходов на 100 миллионов долларов в год. Для этого компании потребовалось «всего лишь» улучшить десятки небольших операций – например, оптимизировать содержание поля «тема» в электронных сообщениях, что может заставить больше респондентов открывать письма, а это, в свою очередь, ведет к росту продаж. Небольшие изменения приводят к огромной отдаче.

Покончив с основами модели «от анализа к действию», поговорим теперь более детально о стадиях анализа и тестирования. В ходе этого процесса я поделюсь с вами несколькими примерами, как мы помогли компаниям оптимизировать их коммуникацию. Давайте для начала посмотрим на то, каким образом данные улучшат творческий продукт, затем изучим несколько продвинутых способов тестирования в цифровом мире, а закончим наш рассказ примером компании TD Ameritrade (нашего клиента, которому удалось добиться невероятных результатов после оптимизации деятельности своих кампаний).

Убедить людей в том, что аналитика может быть катализатором свободного творческого процесса, не так-то просто. Я достаточно долго занимался аналитикой в «творческой» среде коммуникационного агентства и знаю, что союз аналитиков и творческих сотрудников, вынужденных работать вместе, не всегда бывает удачным.

Творческие сотрудники часто воспринимают работу аналитиков с предубеждением. Их считают «бездушными» и думающими исключительно в терминах вроде «прибыль на инвестиции». Считается, что они оценивают качество новых идей, не видя перспективы, а глядя в прошлое – тем самым они защищают сложившийся порядок вещей и встают на пути инновации. Аналитики, с их бесконечными фокус-группами и исследованиями рынка, способны (по мнению других) задушить любую творческую мысль. Из-за этого аналитика часто воспринимается как препятствие для новых идей и враг «истинной» творческой инициативы.

Я соглашусь, что тестирование (или любой другой дизайн формы данных) может оказаться совершенно непродуктивным, но только если вы не учитесь на уроках прошлого. Да, чрезмерное, навязчивое тестирование может замедлить творческий процесс. Но основные принципы дизайна и коммуникаций уже используются компаниями довольно долго, и они не требуют проведения одного теста за другим. Экспертам в соответствующих областях должно быть предоставлено право вето по отношению к идеям слишком рьяных аналитиков. Здесь вам может помочь система управления тестированием, обычно включающая в себя несколько основных компонентов.

– История тестирования. Результаты предыдущих тестов должны быть тщательно и последовательно задокументированы, после чего необходимо обеспечить их хранение. Как минимум это может быть простая электронная таблица, в которой перечислены все тесты, проведенные в течение последних лет, их цели, основные гипотезы и результаты. Вряд ли вы захотите вновь изобретать колесо.

– Документация тестирования. Каждому тесту должен соответствовать специальный документ – спецификация, в которой перечислены все основные гипотезы, формат теста, сроки проведения, ожидаемые выгоды, расходы, показатель прибыли от капиталовложений и имя сотрудника, ответственного за проведение. Этот детальный документ позволяет стандартизировать все входные параметры, необходимые для создания истории тестирования.

– Воронка тестирования. Воронка тестирования позволяет отслеживать все настоящие и запланированные тесты. В зависимости от количества проводимых вами тестов и сложности вашей организации это может быть и простая электронная таблица с указанием всех запланированных тестов с коротким описанием, указанием сроков и текущего статуса, и сложные платформы, управляющие масштабными рекламными кампаниями.

– Руководства к действию. Недостаточно просто собрать результаты прошлых тестов в едином хранилище идей. Все полученные выводы должны быть сгруппированы в виде руководств к действию, которые затем нужно довести до всей организации. И еще раз отметим, что проведенные и протестированные принципы не требуют повторной или многократной проверки.

– Приоритеты для тестирования. Для каждого нового теста желательно установить приоритет на основании нескольких параметров: 1) истории тестирования; 2) руководств к действию; 3) текущего содержания воронки тестирования; 4) размера потенциального показателя прибыли от капиталовложений. Установление приоритетов позволит вам избежать лишних проверок.

Мы вкратце продемонстрировали принципы тестирования на примере компании IBM. Однако подход «от анализа к действию» может применяться повсюду, особенно в цифровых каналах, где возможности для тестирования кажутся почти безграничными. Приведу пример. Мы пытались улучшить домашнюю страницу интернет-магазина Kodak при помощи нескольких тестов. Ниже вы увидите первоначальный вариант страницы, который мы хотели оптимизировать. Однако сотрудники Kodak не видели никакой проблемы, а просто хотели знать, можно ли слегка улучшить внешний вид.

Для оценки мы создали шесть различных страниц. Иными словами, испытания класса A и B превратились в испытания A, B, C, D, E, F. Приведенный ниже вариант оказался лучше остальных и привел к 11,3 % роста дохода – всего лишь за счет изменения расположения элементов.

У этого подхода был весомый недостаток. Мы знали, какой из вариантов страницы показал наилучшие результаты, но никак не могли выделить тот отдельный элемент, который отвечал за различие в результатах. Чуть позже я покажу вам несколько методов, помогающих в точности выявить, что вызывает различия. Однако перед этим позвольте мне сказать одну важную вещь.

Тестирование позволяет исключить субъективизм и мнения отдельных людей в процессе принятия решений. Вам может нравиться один дизайн страницы Kodak, а мне – другой, однако лишь тестирование скажет, кто из нас прав. Вместо того чтобы обсуждать различные версии, основываясь на собственном вкусе, опыте или аналогиях, мы можем просто попробовать их все и позволить аналитике нас рассудить и сказать, что работает лучше. Конец дискуссии.

Надеюсь, к этому моменту вы уже поняли всю силу оптимизации, но если вам нужны дополнительные аргументы, я приведу еще один пример. Победа Барака Обамы на президентских выборах 2008 года отчасти была связана с умным применением наших маленьких цифр. Ниже вы можете увидеть две версии домашней страницы сайта Obama.com, запущенного во время избирательной кампании.

Слева приведен первоначальный вариант домашней страницы. Будущий президент посетил штаб-квартиру компании Google в 2007 году, когда в ней еще работал Дэн Сирокер. Дэн был настолько вдохновлен разговором с Обамой, что оставил Google, уехал в Чикаго и там присоединился к его команде. Поначалу у него не было своего угла, поэтому он ночевал на полу в квартире своего друга. Однако это не помешало ему со временем организовать команду аналитиков, работавших с новыми видами медиа для избирательной кампании. В итоге Обама смог собрать 656 миллионов долларов, из которых около 500 миллионов пришло через интернет-каналы, в основном через сайт Obama.com.

Позвольте мне рассказать, как это происходило. Дэн и его команда использовали некоторые из методов, описанных мной в этой главе, для изменения домашней страницы (слева приведен исходный вариант, справа – итоговый). В сущности, произошло всего два изменения. Дэн поменял фотографию и текст на кнопке (было – sign up «Зарегистрируйтесь», стало – learn more «Узнайте больше»). Как показано в приведенной ниже таблице, эти простые коррективы полностью изменили ситуацию.

Страница справа оказалась лучше изначальной на 40 %. Это привело к привлечению 288 тысяч добровольных помощников и к 57 миллионам долларов дополнительного финансирования (примерно на 25 % выше суммы, собранной противником Обамы Джоном Маккейном).

Дэн Сирокер не ограничился ни тестированием класса A и B, ни даже A, B, C, D, E, F. Он использовал многовариантное тестирование, ставшее куда более мощным инструментом именно в цифровую эпоху, позволяющую автоматизировать массу аналитических процессов. Впервые я познакомился с многовариантным тестированием в 2002 году.

К тому времени в Ogilvy я руководил деятельностью международной аналитической группы, и часть моей работы состояла в организации ежегодных конференций, на которых аналитики со всего мира обсуждали лучшие примеры и размышляли над тем, в какую сторону будет развиваться их практическая деятельность. Во время моей работы в Лондоне доллар был довольно слаб, и мы решили провести конференцию в Майами. Мне никогда прежде не доводилось бывать в этом городе, и я не ждал от него ничего особенного. Репутация Флориды у жителей Европы довольно невысока, однако я был приятно удивлен. Город наполнен приятной эмоциональной вибрацией, а в центре можно увидеть целый ряд потрясающих зданий в стиле ар-деко. Я вел конференцию вместе с Найджелом Хоулеттом, настоящим ветераном мира прямого маркетинга и работы с базами данных. Найджел – настоящий британский джентльмен и феноменальный пловец (о чем я узнал на собственном печальном опыте). Он умудрился выиграть у меня 50 долларов, поспорив, что сможет двадцать пять раз проплыть стометровку в знаменитом бассейне отеля «Националь» (пари было заключено после нескольких коктейлей в баре). Я до сих пор отлично помню, как он залез в бассейн, а затем начал проплывать одну стометровку за другой. Мне показалось, что за этим занятием он провел пару часов!

Помимо умения заключать заведомо выигрышные пари Найджел отлично чует, какие компании или новые технологии будут особенно интересны в будущем. Он пригласил на конференцию австралийскую компанию Memetrics, и та продемонстрировала технологию своего автоматизированного многовариантного теста. Особенно сильно нас поразил пример работы на eBay.

Сотрудники eBay попросили Memetrics оптимизировать свой сайт с помощью перспективной технологии. Ниже вы увидите пример страницы.

На первом этапе работы Memetrics выявила шесть контентных зон, которые требовали тестирования.

Второй этап заключался в развитии различных версий для каждого блока контента. Memetrics создала по четыре варианта для таких блоков, как список категорий, верхнее, левое и правое поля с контентом.

Если попытаться совместить все варианты, то вы получите 4096 возможных комбинаций (то есть 4096 немного различающихся между собой веб-страниц). Memetrics разработала технологию, которая позволяла демонстрировать пользователям в ходе тестирования все варианты страницы, а затем оценивать, какой именно из них показал наилучшие результаты.

После пары недель компания смогла выбрать выигрышную комбинацию и измерить ее показатели. Ниже вы можете увидеть изначальный и оптимизированный варианты страницы. Самая выигрышная комбинация позволила увеличить в десятки раз долю конверсии, то есть количество посетителей, заходивших на сайт и что-то там купивших (а не просто блуждавших по нему). Доля конверсии рассчитывалась как частное от деления количества покупателей на общее количество посетителей (то есть и тех, кто ничего не купил).

Как мы отреагировали на этот рассказ? Нам показалось, что нас накачали стероидами, и мы захотели немедленно применить многовариантное тестирование на практике. В мире традиционной почтовой рекламы аналитику пришлось бы вручную создавать тест и проводить все коррективы. Было очевидно, что ни один аналитик не в состоянии справиться с подобным количеством комбинаций. Memetrics автоматизировала весь процесс, а благодаря огромным объемам данных, получаемых в ходе тестирования, возможности аналитиков расширились до невероятных пределов. Позднее Memetrics была куплена консультационной компанией Accenture.

Мы начали использовать технологию многовариантного тестирования при работе со своими клиентами, и это оказалось крайне успешным. Об одном таком клиенте – TD Ameritrade – я расскажу чуть позже. В наши дни с этой технологией работает множество подрядчиков в области веб-аналитики, и многовариантное тестирование становится все более общепринятой практикой. Несколько лет назад Google вывела на рынок свою версию программы под названием Google Site Optimizer (GSO), причем стоит отметить, что она совершенно бесплатна для пользователей. Поэтому теперь у вас нет никаких оправданий, чтобы не проводить на своем сайте тестирование, причем даже довольно сложное.

GSO показывает результаты тестирования в режиме реального времени. Ниже вы можете увидеть снимок эксперимента GSO с сайтом Обамы.

В первой колонке можно увидеть все различные комбинации, подвергающиеся тестированию. Небольшой график показывает в режиме реального времени, какая комбинация показывает наилучшие результаты. Смотреть на него так же увлекательно, как наблюдать за ходом лошадиных бегов. Я несколько раз ловил себя на том, что вместо работы сижу, уставившись в экран, – ничего не мог с собой поделать, слишком это было притягательно.

Во второй таблице вы можете увидеть, какие именно элементы теста определили его успех. Как вы можете заметить, кнопки «Узнать больше» и фотография семьи сыграли в данном случае самую важную роль.

Вам, наверное, уже ясно, что возможности для оптимизации вашей коммуникации в цифровом мире поистине безграничны. В сущности, цифровой мир является идеальной площадкой для экспериментов, после чего вы можете спокойно проводить тестирования средств коммуникаций в нашем обычном мире. Цифровой мир превратился в идеальную лабораторию по целому ряду причин: в нашем распоряжении есть огромные массивы данных; тестирование различных вариантов обходится довольно недорого; вы получаете нужные результаты за считаные минуты (как максимум дни), а не месяцы, как при работе во внешнем мире.

Приведу еще один пример. Анализ интернет-рекламы для гостиничной сети Ceasars показал, что подавляющее большинство всех бронированных номеров было сделано через онлайновые баннеры только гостиницы Caesars. Так как реклама направляла посетителей на общую страницу бронирования, исследователи проверили данные и по другим гостиницам сети (в частности, Paris Las Vegas, Harrah’s, Bally’s). Казалось, Caesars обладал каким-то магнетическим эффектом. В ходе тестирования телевизионного ролика, в котором рассказывалось о гостинице Caesars в одном из регионов страны, мы обнаружили, что показатель бронирования в этом регионе вырос на 12 %, причем для всех брендов сети. Мы использовали эту информацию для оптимизации телевизионной кампании и начали активно упоминать бренд Caesars. Это отличный пример того, как происходящее в цифровом мире может помочь оптимизировать более традиционные кампании.

Совсем скоро все каналы станут цифровыми. Google уже предоставляет вам возможность покупать время для размещения телевизионной рекламы через онлайновый интерфейс. Компания сделала процесс покупки телевизионного времени настолько простым, что теперь им может пользоваться буквально каждый. Покупая время Google TV, вы можете четко понять, насколько много данных собирается в устройствах, подключенных к системам поставщиков вашего кабельного или спутникового телевидения. Например, Google TV позволяет видеть данные по переключению каналов. Это дает рекламодателям возможность понять, сколько зрителей предпочитает не смотреть их рекламу. Мы эти данные использовали для оптимизации рекламных кампаний некоторых из наших клиентов.

Большинство людей, перестающих смотреть рекламу (переключаясь на другой канал), делают это в первые же секунды показа. После первоначального всплеска количество переключающихся зрителей постепенно сокращается. Это вполне типичная ситуация.

Однако мы заметили, что у одного из рекламных роликов Allstate наблюдался второй всплеск после шестнадцати секунд показа.

Это происходило в момент трансляции довольно агрессивного призыва к действию. Полученные данные помогли нам сменить тональность с информирующей на продающую, а также снизить за счет этого частоту переключения на другие каналы.

Мы с вами перебрали ряд методов, которые вы можете использовать для оптимизации своих средств коммуникации. Теперь пришло время посмотреть, каким образом они работают все вместе. Для этого мы изучим опыт компании TD Ameritrade, много лет стоявшей на переднем крае оптимизации бизнес-процессов.

Одним из первопроходцев в области аналитики цифровых данных стал Джим Дравиллас, ранее работавший в Ogilvy, а теперь возглавляющий отдел рекламных исследований в Google. Именно он проделал огромную часть работ, описанных в этой главе. Уже с момента нашей первой встречи я понял, что мне есть чему поучиться у этого человека, особенно в технологиях, повышающих эффективность онлайнового маркетинга. Некоторые из его лучших идей нашли свое выражение в работе для компании TD Ameritrade, занимавшейся оказанием брокерских интернет-услуг.

TDA довольно быстро принимает на вооружение новые технологии и представляет собой идеальную бизнес-модель для аналитики. Стратегия компании состоит в наращивании количества обслуживаемых клиентских счетов, что означает: она управляет бизнесом на основании всего двух показателей – количества новых счетов и величины расходов по получению нового счета.

Компания также использует принцип замкнутой обратной связи, то есть она в точности знает, с кем вступает в общение и открывают ли ее собеседники со временем счета или нет. Иными словами, мы можем с легкостью определить причины и следствия различных видов маркетинговой деятельности.

Одним из первых проектов, которые Джим сделал для TDA, был автоматизированный инструмент по отслеживанию частоты показа роликов. Когда вы заходите на сайт CNN.com и видите там рекламу TDA, то можете либо нажать, либо не нажать на ссылку. С большей вероятностью вы кликнете на ссылку, когда увидите рекламу во второй или третий раз (не исключено, что в первый раз вы не обратили на нее внимания). Однако если TDA показывает вам свою рекламу двадцать пятый раз, а вы все не нажимаете на ссылку, будет справедливым предположить, что вы этого уже никогда не сделаете. Вас не заинтересовало предложение этой компании – и все. В дальнейшем TDA начнет показывать свою рекламу кому-то другому, а на вас она сэкономит свои деньги, поскольку вы достигли точки насыщения, после которой компании уже нет смысла донимать вас рекламными сообщениями.

Разумеется, самая сложная задача состоит в определении точки насыщения. Когда она наступает – после того как вы увидели рекламу 15, 25 или 35-й раз? И одинаков ли этот показатель для всех? Именно в этот момент на сцене появился Джим. Он разработал статистическую модель, позволявшую рассчитать точку насыщения, основываясь на характеристиках объявления, места размещения (CNN.com или какой-то другой сайт) и истории вашего поведения в Сети. Кроме того, он создал способ автоматического отключения просмотров рекламы после достижения точки насыщения. Это позволяет вам использовать оставшиеся деньги на что-то другое. В результате внедрения этой программы количество новых лидов выросло на 15 % (при той же величине маркетингового бюджета).

Другим сконструированным Джимом устройством стала программа автоматической ротации (я несколько раз просил его придумать более изящное название, но Джиму не свойственно тратить время на подобные пустяки). Компании типа TDA обычно запускают одновременно сразу несколько рекламных кампаний. Программа Джима анализирует результативность работы каждой из них в режиме реального времени, а затем интегрирует все результаты на рекламном сервере компании.

В результате сервер автоматически запускает в Сеть ролики, которые пользуются большим успехом, и убирает те, которые не приносят ожидаемого отклика. После внедрения этого инструмента TDA заметила, что рост новых лидов подскочил на 25–35 % (без всякого увеличения маркетингового бюджета)!

Программа Джима не только позволила сделать онлайновую рекламу более эффективной, но и помогла творческим командам получать обратную связь практически тоже в режиме реального времени. Джим снабдил их отчетами, какие форматы изображения, цветовые гаммы, визуальные эффекты и вербальные обращения вызвали наибольший отклик. Понятно, что творческим командам подобная информация пришлась по сердцу. Наконец у них появилась возможность сразу получать оценку своего труда. Теперь, экспериментируя с новыми идеями, они мгновенно видят плоды своей работы. Джим превратил цифровую экосистему в экспериментальную лабораторию, о которой мы уже говорили выше.

Другой пример связан с «анализом дня», в ходе которого мы изучали, какое время суток было наиболее предпочтительным для интернет-рекламы. Цифровой мир дает вам возможность дойти и до такой степени детализации – когда вы сравниваете показатели по каждому часу! Проводя это исследование, мы заметили, что потенциальные клиенты, которых нам удавалось привлечь в течение последнего часа торгов, обладали значительно большей ценностью, были готовы отдать в распоряжение компании больше денег и изъявляли большее желание работать с TDA. Таким образом, мы взяли на вооружение медиастратегию, направленную на то, чтобы завоевать этот временной интервал. Мы закупили все медийное время последнего часа операционного дня на целом ряде крупных сайтов типа CNNMoney и Yahoo Finance. Эта рекламная кампания привлекла на 15 % больше самых ценных клиентов, чем любая другая из проведенных нами. Отличный пример того, как полученная благодаря анализу данных ценная информация способна продуцировать творческие идеи.

Один из самых примечательных примеров работы Джима для TDA был связан с оптимизацией стартовой страницы. Когда кто-то нажимал на баннер TDA, то оказывался на странице, изображенной ниже.

В то время TDA надеялась, что потребители, попав на страницу, сразу начнут нажимать на кнопку, расположенную в верхнем правом углу (Apply online now – «Зарегистрируйтесь прямо сейчас»). После этого запускался процесс регистрации клиентов. TDA могла потратить все деньги мира на то, чтобы привлечь людей на свою страницу, но если посетители их сайта не нажимали на оранжевую кнопку и не запускали процесс оформления, все затраты компании уходили впустую. Можете представить, насколько важна эта страница с точки зрения эффективности маркетинговых усилий. Джим понял, что подобная ситуация может оказаться идеальной для применения Memetrics (он тоже видел презентацию компании в Майами и так же, как и я, проспорил пари Найджелу). Он принялся экспериментировать с некоторыми зонами, расположенными на периферии страницы (ниже я выделил эти зоны другим цветом).

Творческие команды создали по паре версий для каждого из четырех модулей, в частности, на оптимизированных нами страницах.

• Кнопка регистрации клиента:

Вариант 1 – сегодняшний вариант

Вариант 2 – новый вариант

Вариант 3 – информация о процессе регистрации

• Ссылка «Посетите tdameritrade.com»:

Вариант 1 – «Посетите tdameritrade.com»

Вариант 2 – «Посетите наш основной сайт»

Вариант 3 – без ссылки

• Текст кнопки регистрации нового клиента:

Вариант 1 – «Зарегистрируйтесь прямо сейчас»

Вариант 2 – «Откройте свой счет»

Вариант 3 – «Начните работу»

• Цвет кнопки регистрации нового клиента:

Вариант 1 – зеленый

Вариант 2 – синий

Вариант 3 – оранжевый

• Специальные предложения в нижней части экрана:

Вариант 1 – одно меняющееся предложение (меняется каждый раз, когда на страницу заходит новый посетитель)

Вариант 2 – три предложения

Вариант 3 – четыре предложения

В совокупности все эти варианты создают 243 разновидности стартовых страниц, немного различающихся между собой. Джим при помощи Memetrics разместил эти 243 страницы в Сети на 15 дней. Технология позволяла пользователю, посещавшему сайт более одного раза, видеть одну и ту же версию. После 15 дней Джим выбрал страницу, показавшую самые высокие результаты. Ниже вы можете увидеть две страницы – ту, с которой мы начали (справа), и ту, которая показала самые высокие результаты в ходе эксперимента (слева).

Результаты были не просто хорошими – они оказались великолепными! Доля конверсии на странице выросла на 15 %. Это означает, что из каждых 100 человек, заходивших на стартовую страницу, счета открывало на 15 человек больше, чем прежде. Показатель прибыли по капиталовложениям по итогам теста составил 43 к 1!

Теперь, если вы сравните две изображенные выше страницы, то сможете заметить, что они очень похожи, однако имеют незаметные различия, которые и привели нас к столь значимому успеху. Ниже приведена таблица, показывающая, что именно мы изменили.

Например, зеленая кнопка сработала лучше оранжевой. Что даже удивляет, поскольку оранжевый цвет, по мнению многих, более заметен. Однако на этом сайте выяснилось, что оранжевый цвет ассоциируется с опасностью, а зеленый – с приглашением.

Текст «Начните работу» оказался более успешным, чем «Зарегистрируйтесь прямо сейчас». Второй вариант более агрессивен, а первый – мягко приглашает пользователей (то же самое было обнаружено и на сайте Барака Обамы, где текст «Узнайте больше» оказался привлекательнее текста «Зарегистрируйтесь»). Единственный меняющийся баннер с рекламным предложением оказался лучше, чем четыре статические картинки. Кстати, это момент очень важен. Многие компании хотят размещать на своих сайтах как можно больше рекламных предложений в надежде, что хотя бы одно из них заинтересует потребителя. В данном случае сработало правило: чем меньше, тем лучше.

Джим работал с TDA на протяжении десяти лет, и приведенный ниже график наглядно показывает результаты его постоянных усилий по оптимизации. На нем изображены два показателя, которые TDA использует для управления бизнесом: по вертикали – количество новых клиентских счетов, приобретенных в течение года; по горизонтали – затраты на каждое приобретение.

Джим начал работать с TDA в 1999 году в самый разгар бума доткомов, и на графике видно, с какой скоростью росло число новых счетов. К сожалению, с такой же скоростью росли и затраты на приобретение. Когда пузырь лопнул, TDA заметила резкое снижение количества новых клиентов и более не могла поддерживать прежний уровень затрат. В тот период Джим использовал свои аналитические навыки для радикального перераспределения средств рекламы: он перестал размещать рекламу на дорогостоящих кабельных телевизионных каналах и начал вкладывать деньги в низкозатратные цифровые каналы и информационную рекламу с прямым откликом. В то же самое время мы стали использовать описанные выше инструменты – автоматическая ротация, изменение частоты показа популярной рекламы, анализ результатов в течение суток и многовариантная оптимизация сайта. Результаты очевидны. Затраты на приобретение новых клиентов резко упали, а TDA удалось сохранить, а потом и увеличить количество вновь открываемых клиентских счетов.

Слияние Ameritrade с TD Waterhouse произошло в 2005 году. В результате этого выросло количество клиентских счетов, унаследованных Ameritrade у TD Waterhouse. Однако усилия объединенной компании по привлечению новых клиентов оказались значительно менее эффективными, что выявил резкий рост удельных затрат на клиента. Обратите внимание, как после 2006 года Джим и его команда смогли вновь снизить величину этого показателя с помощью ежедневных процедур по оптимизации.

1. Просто сделайте это. Превратите тестирование в повседневную процедуру. Постоянно используйте подход «от анализа к действию». Никогда не переставайте разрабатывать, формулировать и тестировать новые гипотезы.

2. Занимайтесь тестированием в цифровом мире. Именно здесь оно будет самым достоверным, быстрым и недорогим. Испытывайте программы многовариантного тестирования. Помните, вы можете совершенно бесплатно пользоваться программой Google Site Optimizer!

3. Считайте цифровой мир своей лабораторией. Применяйте все новое, что вы вынесете из этой среды, во всех средствах коммуникации.

Сейчас я поделюсь с вами прогнозом, в точности которого я почти уверен: маркетинг, исследования, реклама и другие средства, с помощью которых мы пытаемся в наши дни увеличивать продажи, – все это видоизменится до неузнаваемости или даже исчезнет уже при нашей жизни. То же самое могу сказать и об аналитике: будут автоматизированы такие механизмы, как тестирование, автоматическая ротация и таргетирование. Закупка рекламного времени и места; принятие решений по вопросам маркетинговой политики – и эти процессы также подвергнутся автоматизации в режиме реального времени.

Чем будут заниматься люди? Думаю, им что-то останется. Но по-настоящему востребованы будут всего лишь два типа работников: «техники» – люди, отвечающие за бесперебойность работы автоматических механизмов, и «волшебники» – люди, использующие преимущества всех доступных инструментов для создания и воплощения творческих идей, способных резко повысить объемы продаж и доходы компаний.

Если вы занимаетесь бизнесом, я рекомендую уже сейчас подумать, с кем вы хотели бы быть.

Поговорим о потоках цифровой информации. Вот интересная статистика: по некоторым расчетам, если нам удалось бы собрать в одну базу данных все слова, которые когда-либо произносились представителями человечества, то размер этого хранилища составил бы около пяти эксабайтов[13] данных. По состоянию на конец 2010 года для хранения всех имеющихся в мире данных потребовалось бы хранилище размером в 1000 эксабайтов. Невероятно большой объем данных! Основной объем их создается – и будет создаваться – через цифровые мультимедиа всех видов, и этот показатель продолжит расти, ведь, как мы уже обсудили, цифровым станет практически все. Это означает, что в распоряжении специалистов по маркетингу появится еще больше данных. По расчетам Google, к 2020 году мы будем создавать 53 зеттабайта[14] данных.

Технологии, которые мы используем для выявления интересующей нас самой ценной информации, вскоре смогут применяться во всех комбинированных средствах рекламы. Реклама на телевидении станет адресной, а вы будете сами определять своих зрителей, не тратя деньги на контакт с остальной аудиторией. Основная доля печатной рекламы мигрирует на цифровые платформы – айпады, смартфоны, ридеры. То же самое касается и радиорекламы. Что это означает? Специалисты по маркетингу и рекламе смогут нацеливаться на отдельных людей, зная все об их предпочтениях, вкусах и образе жизни.

Чем дольше люди взаимодействуют с цифровыми платформами, тем больший информационный след они за собой оставляют. Люди все сильнее погружаются в интернет-среду и делают там практически все, что им нужно и что им нравится. Для нас это открывает новую возможность узнать своих потенциальных клиентов гораздо лучше, вследствие чего мы будем еще точнее адресовать свои рекламные предложения.

Чем лучше вы будете понимать, каким образом потребители взаимодействуют с вашим брендом, тем больше у вас окажется возможностей для взаимодействия. Некоторые изменения заметны уже сейчас. Маркетинг в наши дни не ограничивается единственным путем и пытается вовлечь потребителей во взаимодействие путем бесед, других видов общения, интерактивных развлечений и прочее. Все это не только приводит к укреплению связи между потребителем и брендом, но и создает все больше данных.

Это хорошие новости. Плохие состоят в том, что не все виды такого взаимодействия происходят под контролем компании. Большинство компаний потратили миллионы долларов в течение последнего десятилетия на создание «образа клиента». Как мы уже обсуждали выше, часто они накапливают и обрабатывают информацию, созданную при взаимодействии клиентов с брендом напрямую через контролируемые компанией площадки – места продаж, колл-центры, корпоративные веб-сайты и многое другое.

В последние годы взаимодействие клиента с брендом все чаще переносится в социальные сети, информационно-поисковые системы и баннерообменные сети. Данные, полученные на этих цифровых площадках, не обязательно будут соответствовать традиционному «образу клиента», создаваемому компаниями. Это означает, что многим компаниям придется пересмотреть концепции своей работы. Им будет сложно создавать внутренние системы, достаточно гибкие для того, чтобы соответствовать каждой новой и моментально набирающей популярность платформе. Вчера это был Twitter; сегодня – Foursquare; кто знает, что появится завтра, но я уверен, что совсем скоро возникнет и станет популярной какая-нибудь новая социальная или другая сеть.

Чтобы справиться с этой проблемой, люди будут создавать внешние хранилища данных, способные интегрировать всю информацию, собираемую на этих новых платформах, и продавать результаты своей работы компаниям для размещения в корпоративных хранилищах данных. Этот процесс уже набирает обороты – сегодня создаются специализированные платформы управления данными, которые мы обсуждали в четвертой главе. Возможно, в будущем мы увидим появление своеобразных бирж, на которых начнут продавать данные, а их цена будет определяться исключительно законами спроса и предложения.

Покупка и продажа данных, содержащих сведения о потребителях, осуществляются уже довольно давно. Но как мы сможем определять истинную ценность (а значит, и цену) такой информации? В этом вопросе мы можем опереться на три ключевые категории: способность предвидения, свежесть и эксклюзивность.

1. Способность предвидения. Предположим, моя фирма производит дрели. Я пытаюсь купить информацию, которая помогла бы мне разобраться, заинтересует ли моя продукция потребителя. У меня есть возможность выбрать между двумя наборами данных.

Большинство людей согласится с тем, что первый набор данных более ценен для производителя дрелей, чем второй, поскольку именно составляющие первого набора коррелируют с вероятностью покупки дрели.

Пример довольно прямолинеен. Однако если вам предстояло бы выбирать из ста различных наборов данных, то пришлось бы создавать статистические модели, которые на основе всей информации могли бы предсказать вероятность того, что кто-то купит дрель.

Вне зависимости от того, строите вы статистические модели или нет, основной принцип заключается в том, что данные с высокой степенью прогнозирования улучшают нашу способность предсказать, будут ли потребители заинтересованы в покупке дрели. Понятно, что я как производитель дрелей готов заплатить за них больше.

2. Свежесть данных. На эту категорию я хотел бы обратить особое внимание, потому что в будущем свежесть данных будет становиться все более важным фактором. Люди нередко сообщают в Интернете о своих намерениях в режиме реального времени. Знание того, что именно делает человек: ищет информацию о дрелях через поисковые системы; читает интернет-рекламу, посвященную дрелям; смотрит интернет-видео, рассказывающее о дрелях, – все это может иметь для вас огромное значение. Такие данные по своему потенциалу превосходят более традиционные (вроде тех, что составляли первый набор в примере выше). Они напрямую выражают интересы и потребности потребителей к определенному продукту в определенный момент времени. Вот почему новизна данных так важна. Сведения о том, что кто-то ищет информацию о дрели через Google, становится очень ценной, если я могу сразу же нацелиться на этого человека. Знание того, что кто-то три месяца назад искал информацию о дрелях, нужно нам куда меньше. Данные о планируемых действиях человека начинают терять свою ценность уже через считаные минуты после того, как он о них заявляет. И так как самые свежие данные станут иметь невероятно высокую ценность, я предполагаю, что множество инноваций будет нацелено на то, чтобы улавливать события в режиме реального времени и сокращать продолжительность циклов между возникновением наблюдаемого события и действиями, направленными на привлечение клиента.

3. Эксклюзивность знаний. Последний важный фактор – это эксклюзивность. Предположим, что я могу купить данные только из первого набора. Опять же предположим, что я создал статистическую модель и определил, насколько важна информация о количестве молотков, которая с точки зрения прогнозирования обладает значительной силой. В этой связи я был бы готов заплатить больше за данные о владельцах молотков. Теперь представим себе альтернативный сценарий, при котором мне доступен еще один элемент данных: количество гвоздей, которые использует тот или иной пользователь в течение года. Предположим, что с точки зрения прогнозов эти данные полезны не меньше, чем данные о количестве молотков. В этом случае на цену, которую я готов заплатить за базу данных владельцев молотков, будет влиять доступность данных о потреблении гвоздей, а если эта информация доступна лишь мне, то ее ценность возрастает многократно. Это базовый закон спроса и предложения.

В следующие несколько лет покупка и продажа данных неминуемо станут более простым процессом, и компании смогут платить только за нужную информацию. В этом случае цену информации, которая необходима компаниям, все сильнее будут определять описанные выше категории.

Потребители начнут четче представлять, какую ценность они создают, давая компаниям возможность собирать их личные данные. Кто знает, может быть, и они захотят заявить о правах на свой кусок пирога (что вполне реально). Однако они уже получают скидку за лояльность – более низкие цены на продукты; призовые мили для частых клиентов авиакомпаний и так далее – в обмен на предоставление личной информации. Что может произойти дальше? Дав о себе еще больше информации, они могли бы получить взамен больше от компании, например частичный возврат средств за покупку, сделанную в ответ на таргетированную рекламу.

Будущее аналитического сообщества выглядит крайне радужным. Зеттабайты данных обеспечивают нас работой, а детали служат топливом для нашей машины. Однако в нашей комнате есть «слон», причем настолько большой, что мы не в силах не обращать на него внимания. Речь идет о защите частной жизни, и важность этого вопроса в последующие годы будет лишь возрастать.

Мы начали обсуждать этот вопрос в предисловии к книге. Теперь снова вернемся к нему. Позвольте мне попытаться убедить вас, что сбор личной информации на самом деле может оказаться вам на пользу (сразу хочу сказать, что я полностью поддерживаю ваше право не разглашать информацию о себе, если вы этого не хотите).

Чтобы понять, в чем может заключаться польза, давайте вернемся к самому началу и поговорим о столь любимом нами бесплатном контенте – в телевизоре, по радио и в Сети. На самом деле он не является бесплатным. За него кто-то и как-то должен платить. Обычно это делают рекламодатели. Сначала мы поговорим о телевидении (собственно, все это относится и к радио), а затем обратимся к Интернету.

Люди постоянно жалуются маркетологам, что их любимые телевизионные программы постоянно прерываются рекламой. Но я готов биться об заклад, что это напрягает их только потому, что демонстрируемая реклама кажется им неуместной в контексте их собственной жизни. Люди старше тридцати лет – не лучшая аудитория для рекламы зубных протезов, а люди, которым за семьдесят, обычно не имеют никакого интереса к новым фильмам для подростков. Смотреть на то, что вам не интересно, как минимум скучно, а как максимум – раздражает. Неудивительно, что мы так часто жалуемся на рекламу.

Однако чем больше специалисты по маркетингу знают о том, что вы ищете, тем проще им предложить рекламу, представляющую для вас интерес (и тем проще им сделать так, чтобы вы не смотрели рекламу, вам не нужную). В сущности, чем больше у них есть данных, тем меньше рекламы вам придется (теоретически) смотреть, ведь рекламодатели будут платить премиальную наценку на каждый ролик, сделанный для целевой аудитории.

Это можно доказать с помощью простых (даже несколько упрощенных) математических вычислений. Предположим, что для производства типичной серии (двадцать две минуты) популярного сериала нам необходим бюджет в 2 миллиона долларов. Предположим, что рекламодатели платят 125 тысяч долларов за каждый тридцатисекундный ролик, транслирующийся во время сериала. При наличии шестнадцати роликов реклама покроет все производственные расходы, а в случае повтора сериала телевизионная сеть и компании-производители смогут даже заработать прибыль.

Так это работает в настоящее время. А теперь снова представим, что у рекламодателей появилась возможность направлять свою рекламу лишь тем, кто может извлечь из ее содержания реальную пользу (в частности, мужчинам не нужна реклама, предназначенная женщинам). В данном случае рекламодатели готовы заплатить 200 тысяч долларов за каждый тридцатисекундный ролик. Иными словами, когда вы смотрите серию «Теории Большого взрыва», вам будет показано не шестнадцать, а лишь десять рекламных роликов.

Одна из основных проблем нашей индустрии состоит в том, что мы не умеем четко объяснять экономическую сторону работы. Люди часто не понимают связи между рекламой и возможностью смотреть телевизор или бесплатно заходить на любые сайты. Однако эти вещи тесно взаимосвязаны. Моя позиция состоит в том, что реклама необходима, потому что никто из вас не хочет платить полную цену за потребляемые медиапродукты. Если у маркетологов есть данные обо мне, то по крайней мере мне остается надежда, что реклама станет менее назойливой.

Специалистам по маркетингу и рекламе пока что не удалось донести эту не слишком сложную мысль до аудитории, и вопрос о выборе целевых потребителей часто сводится к обсуждению защиты их личной жизни. Собственно, тот же круг вопросов встает, когда речь заходит об Интернете. Люди точно так же не думают об экономических условиях, обеспечивающих работу Сети. Интернет представляет собой экономически эффективную систему лишь благодаря онлайновой рекламе, а она определяется тем, как собираются и используются данные для персонализации сообщений. Нет данных – нет эффективной рекламы и нет никакого бесплатного контента. Вопрос защиты личной жизни играет важнейшую роль. Когда мы не знаем всех деталей происходящего, нас может пугать, что кто-то в состоянии отслеживать каждый наш шаг в процессе покупки или пользования цифровыми коммуникациями.

Мне кажется, что в будущем произойдут две вещи. Прежде всего правительство и наша отрасль достигнут консенсуса относительно законодательных рамок, четко разъясняющих, каким образом мы будем использовать собираемую информацию. Думаю, что в конце концов мы начнем работать в атмосфере полной прозрачности; а если вас принципиально не устраивает мысль о передаче своих данных, вы сможете отказаться от их предоставления. (Разумеется, в этом случае снизится объем доступной вам информации, но окончательное решение всегда будет оставаться только за вами.)

Конечно, трудно сказать, какую конкретную форму это примет, но думаю, что механизм будет включать в себя ряд компонентов, в отношении которых в отрасли уже достигнуто какое-то согласие.

1. Просвещение – следует объяснять аудитории, как в точности работают механизмы отслеживания поведения потребителей.

2. Если мы стремимся к прозрачности, то должны использовать любые возможности, чтобы донести до потребителей, каким образом мы собираем данные и как их используем, а самое главное – что клиент всегда может отказаться от предоставления какой-либо информации.

3. Потребители сами будут решать, какие данные они хотят предоставлять и на каких условиях мы можем делиться ими с третьими лицами.

4. Мы должны быть уверены (насколько это возможно), что сбор данных будет безопасным процессом.

Статистики вдруг стали популярны. Google утверждает, что в их компании работают самые сексуальные статистики в мире. IBM нанимает их на работу тысячами. Они наслаждаются возможностью копаться в невероятно огромных базах данных, ежедневно создаваемых в цифровом пространстве. Современный мир превратился в настоящее игровое поле для математиков и статистиков. Им удается находить информацию, генерирующую внедрение новшеств в медицину, производство, финансы и, разумеется, маркетинг.

Где нам находить этих внезапно ставших популярными специалистов? Хороший вопрос и большая проблема. Математика и статистика – не самые популярные предметы у студентов, особенно в США. По данным Организации экономического сотрудничества и развития (ОЭСР), деятельность которой направлена на улучшение экономического и социального благосостояния людей во всем мире, студенты из США занимают в мировом рейтинге математических знаний лишь двадцать пятое место. Мой собственный опыт говорит примерно о том же. Большинство кандидатов, направляющих мне свои резюме, получали образование за пределами США (в основном в Китае и Индии). Но нанять на работу талантливых иностранцев мешают жесткие визовые правила, а иногда их собственное нежелание покидать родину. Все больше иностранных математиков отказываются покидать страны, в которых родились и которые находятся на этапе бурного развития.

Этим проблема не ограничивается. Одних только математических навыков уже недостаточно. Нам нужны математики, интересующиеся маркетингом и желающие работать в творческой среде, в которой мало кто разбирается в математических выкладках, не говоря уже о том, чтобы их применять. Таким образом, математики-маркетологи должны не только уметь использовать продвинутые математические методы, но и объяснять свои выводы в маркетинговом контексте для аудитории, не владеющей техническими знаниями. Такие профессионалы на вес золота.

Как наверняка вы сами заметили, в последние несколько лет значительно расширились возможности людей по сотрудничеству, невзирая на часовые пояса и государственные границы. Я говорю не только об обмене электронными письмами, но и о более продвинутых платформах для сотрудничества (например, Basecamp). С их помощью множество задач осуществляется удаленным образом, а работающие по всему миру участники проекта могут быстрее обучаться и более эффективно сотрудничать. Такие платформы превращают наш мир в один огромный открытый рынок, где спрос на профессионализм и опыт (в том числе аналитический) будет возникать вне зависимости от государственных границ. Что уже происходит, и идеальный пример – это ресурс Odesk.com. Когда мы с коллегой Колином Митчеллом решили вести блог thedoublethink.com (о котором я уже упоминал выше), то наша цель состояла в том, чтобы каким-то образом совместить аналитическое и творческое мышление, традиционно противопоставляемые друг другу.

Мы хотели сделать блог, в котором я бы писал тексты «для левого полушария мозга», а Колин – для «правого», причем, по нашему замыслу, обе статьи должны одновременно появляться на одном экране. Идея казалась довольно простой, однако мы не могли найти никакого программного обеспечения для ведения блогов с нужным нам шаблоном. Поэтому нам был нужен программист, но готовый работать за умеренные деньги.

Я приступил к поиску программистов-фрилансеров в Google, довольно быстро вышел на ресурс Odesk.com – и мне открылся новый, прежде неизвестный мир. Odesk – это рынок талантов. Я описал, что мне нужно, и показал пару картинок, чтобы было понятно, каким я хочу видеть свой блог. После этого я спросил, интересует ли кого-либо такая работа.

Это послание я разместил в десять часов вечера, даже не предполагая, какую бурную ответную реакцию оно вызовет. Проснувшись на следующее утро, я увидел двадцать семь предложений от людей, хотевших сделать для меня работу и живших в Индии, Китае, Таиланде, Корее, Индонезии, России, Румынии, Италии, Испании, Португалии и Канаде. Это было просто невероятно. У каждого программиста имелось детальное резюме, содержавшее не только рекомендации, но и почасовые ставки и баллы, полученные за прохождение технических тестов на сайте Odesk.

Мне был нужен программист, умеющий работать с WordPress, поэтому я выбрал человека, получившего самую высокую оценку по итогам соответствующего теста. Кроме того, он справился с заданием быстрее других (в отчет были включены и сроки завершения задачи по всем участникам). Весь сайт был создан и размещен в Интернете быстрее чем за неделю и всего за 500 долларов. Это было потрясающе.

Платформы типа Odesk позволяют создать равные условия для всех участников. На нем уже сейчас можно установить контакт с программистами, знающими принципы работы аналитических программ SPSS и SAS. В довольно недалеком будущем аналитические таланты станут доступными для всех.

Аналитические инструменты развиваются каждый день. Для управления ими требуются специалисты с высочайшим уровнем квалификации. Такая ситуация привела к процессу фрагментации в мире маркетинговой математики. Никто не предлагает полного спектра аналитических услуг и инструментов. Вследствие этого никто не способен представить всеохватывающий обзор картины.

В приведенной ниже схеме указаны компетенции, в которых очень нуждается моя команда, причем уже сегодня.

Каждый сектор будет приобретать все более технический и специализированный характер. В результате возникнут два типа профессиональных аналитиков. Появятся специалисты, знающие совершенно все об одном секторе или нескольких секторах, а также специалисты широкого профиля, то есть люди, имеющие опыт в одной области, но способные также уловить суть других направлений аналитики и могущие использовать их в различных комбинациях для извлечения максимальной ценности из своих данных. Если вам нужна простая аналогия, то это врачи общей практики и узкие специалисты. И, как в медицине, посещение курсов повышения квалификации будет постоянным и обязательным делом.

Технологии поисковой аналитики развиваются циклично. На протяжении истории мы неоднократно наблюдали пятнадцатилетние циклы, во время которых рождается новая технология (или несколько технологий), а затем наступает десятилетний период роста, при котором инвестиции в IT растут быстрее, чем экономика в целом. Обычно за этим периодом следует период снижения роста, во время которого снова возникают новые технологии.

Последняя волна технических инноваций начала свой рост в 1992 году одновременно с эрой компьютерных сетей и закончилась в 2008 году. (Если вас интересует эта тема, я рекомендую прочитать отчет о технологических циклах под названием Smart Computing Drives, New Era Of IT Growth, написанный Эндрю Бартельсом для Forrester Research.)

Мы вступили в новый цикл ускоренного роста технологических инноваций и их активного использования. Некоторые аналитики называет этот период «эрой умных машин». Именно об этом, если помните, говорил Сэм Палмизано из IBM. Мы вступили в эпоху, в которой аналитика и компьютерное моделирование начинают влиять на все, что мы делаем, и это влияние со временем будет лишь усиливаться.

Если мир вокруг нас будет населен аналитиками, то останется ли в нем пространство для воображения? Этот вопрос мне часто задают многие представители творческих профессий. Как я уже неоднократно подчеркивал, я твердо верю в возможность союза между аналитикой и творчеством. В сущности, я думаю, что основные шансы потерять работу будут у людей, которые в наши дни занимаются простейшими аналитическими функциями. Все больше аналитических задач станут автоматизироваться – эта тенденция уже прослеживается.

Ранее я описал непростую задачу ручного просеивания данных логов, в результате которого и выясняется, каким образом потребители взаимодействуют с веб-сайтами. Сравните это с примером оптимизации веб-сайта, о котором я рассказал в четвертой главе. Вы можете наглядно убедиться, что многие из прежде ручных задач уже автоматизированы.

В будущем люди станут проводить все меньше времени за сбором и анализом данных. Вместо них этим займутся автоматизированные инструменты и процессы, быстро обрабатывающие данные из различных систем и значительно быстрее предоставляющие нам идеи для новых и серьезных инноваций. Управляться все будет небольшим подразделением техников.

Однако кому-то все равно предстоит взять всю проанализированную информацию и превратить ее в действие. Именно на этом поле появятся творческие игроки, способные принимать решения на основе интуиции. В этот момент должно происходить настоящее волшебство. Поэтому нам понадобятся не только техники, но и волшебники. В рекламном агентстве или в мире маркетинга в целом эти волшебники станут новым поколением творцов, способных на чувственном уровне улавливать суть информации, на основе которой возникнут новые идеи, способные развивать бизнес.

С учетом легкой доступности технических знаний и навыков, появится необходимость в большом количестве волшебников, помогающих этой системе работать. В любом случае успех новой системы будет определяться качеством совместной работы техников и волшебников.

Каким образом ваша организация может научиться чему-то новому на выявленной информации? Каким образом организации смогут адаптироваться? Именно это бывает для них сложнее всего. Если маленькие привлекательные цифры предполагают значительные изменения, то готовы ли вы приступить к этим изменениям или вы предпочтете вкладывать миллионы долларов в маркетинговые кампании, уже запланированные на следующие пару лет? Именно компании, способные стать более гибкими, извлекут максимум пользы из возможностей аналитики. Давайте потратим некоторое время на обсуждение этого важного вопроса.

Большинство новых продуктов терпит поражение даже после удачного запуска. Это связано с неоптимальной природой продуктов. Функциональные возможности почти любой системы используются практически наполовину или не используются вообще. Это говорит о том, что множество усилий было потрачено впустую. Опрос американских автопроизводителей показал, что работающие в их бизнесе инженеры тратят на создание реальной ценности всего 20 % своего времени. Неудивительно, что команды, занимающиеся развитием новых продуктов, начали оглядываться по сторонам и размышлять над тем, что и как можно сделать по-другому.

Работа должна стать более гибкой. Именно об этом размышляла группа разработчиков программных продуктов, собравшаяся в 2001 году на горнолыжном курорте в штате Юта. В итоге обсуждений родились принципы гибкой разработки, собранные в «Гибком манифесте» (The Agile Manifesto). Он стал ответной реакцией разработчиков на традиционные методы развития программных продуктов, превалирующие в большинстве компаний и кажущиеся разработчикам слишком жесткими, чтобы соответствовать требованиям развития программных продуктов в современную эпоху. Принципы гибкой разработки программных продуктов в полной мере подходят и к маркетингу. По своей сути гибкий маркетинг сегодняшних дней является восприимчивым, адаптивным, высокоэффективным, быстрым и способным к постоянным изменениям.

Гибкий маркетинг

Гибкий маркетинг позволяет вам лучше адаптироваться к окружающей действительности. Он дает возможность действовать, основываясь на новом знании, получаемом из имеющихся у вас данных. Но как это делать? Есть ли в нашем распоряжении системы, которые могли бы уже сегодня стать гибче? Мне кажется, да. Причем одну такую систему мы нашли в непривычном источнике – вооруженных силах. Если говорить точнее, то я имею в виду теорию Джона Бойда[16] – летчика-истребителя и яркого индивидуалиста, не признающего никаких авторитетов. Этот превосходный пилот носил прозвище Сорокасекундный Бойд, потому что выигрывал любую воздушную дуэль менее чем за сорок секунд, начиная ее с любой невыгодной позиции. Как гласит легенда, он ни разу не проиграл.

Бойд был интеллектуалом и стратегом, изучавшим историю и теорию воинского дела; он – один из архитекторов проекта истребителя F-16 (меньшего и более легкого, чем его предшественник F-15). На то время F-16 был самым быстрым военным самолетом в мире, и Бойд смог наглядно доказать, что именно это качество – самое важное в мире военной авиации.

После того как Бойд завершил работу над F-16, он принялся за свою основную теорию, основным элементом которой стала петля OODA – полное название Observe—Orient—Decide—Act, что означает «Наблюдать – Ориентироваться – Решать – Действовать».

С точки зрения Бойда, эти слова означали нечто большее, чем простое перечисление шагов, которые совершает человек для принятия быстрых, гибких и – на первый взгляд – интуитивных решений. В его представлении это была общая структура для получения конкурентных преимуществ. Постоянно двигаясь по петле OODA, вы сможете переиграть любого конкурента.

Петля OODA Бойда на удивление хорошо подходит к области маркетинга, особенно когда вы стремитесь к осознанной гибкости. Позвольте объяснить, что я имею в виду.

– Наблюдать (и ощущать). Откройте все свои чувства, а не только глаза. Потребители, живущие в цифровом мире, постоянно дают маркетологам наводки, в чем нуждаются и чего хотят. На самом деле они поступали так всегда, но в наши дни у специалистов развилась способность моментально улавливать эти сигналы, так как потребители постоянно используют разные платформы для передачи информации. У нас есть широкий набор доступных инструментов, способных собирать и анализировать все данные для получения полной картины так называемого цифрового языка жестов. Лучшими профессионалами считаются те маркетологи, которые способны понять этот новейший язык и ответить на него правильным образом.

– Ориентироваться. Данные ваших наблюдений должны быть переработаны для правильной ориентации и принятия решений. Мы должны понять, что означают новые данные в контексте того, что мы уже знаем о клиентах и чего пытаемся достичь во взаимоотношениях с ними.

– Решать (и создавать). Спектр возможных решений летчика-истребителя достаточно узок: вверх, вниз, влево, вправо, быстрее, медленнее, стрелять или нет. Когда все идет не так, то появляется еще два варианта действий: катапультироваться или нет.

В маркетинге дела обстоят несколько сложнее. Нам нужно не только принять решение, но и создать что-то на практике. В ходе предыдущего этапа вы можете выявить дыры в системе коммуникации или найти зоны, в которых реклама не обладает нужными нам качествами. И все эти вопросы необходимо решить в ходе творческого процесса. Контент, создаваемый в рамках гибкой системы, отличается степенью своей взаимосвязи с другими этапами петли. Он постоянно подпитывается информацией, которую мы получаем от своих клиентов. Эта информация не только дает толчок к озарению, способному привести нас к новым идеям, – она также обеспечивает быструю обратную связь: какие идеи сработали, а какие нет. В сущности, такая петля обратной связи способна изменить саму суть творческого процесса. Он становится более экспериментальным и итеративным. По отношению к маркетингу гибкий принцип будет звучать следующим образом: сделай сегодня и адаптируй завтра, трать меньше времени на планирование и больше – на практическое тестирование в режиме реального времени.

– Взаимодействие. Конечная цель работы маркетолога – взаимодействие с клиентами, позволяющее повысить ценность нашего предложения. Такое взаимодействие может происходить где угодно и когда угодно. Взрывообразный рост маркетинговых каналов поставил перед специалистами две важные задачи – оптимизацию внутри коммуникационных каналов и интеграцию между ними.

Каждый раз при появлении нового канала коммуникации – очередного Twitter или FourSquare – маркетологам в первую очередь придется думать, как использовать его наиболее оптимальным способом; во вторую – интегрировать все каналы. Каким образом мы можем убедиться, что все точки возможного контакта с потребителями синхронизированы и позволяют беспрепятственно и постоянно общаться с ними по всем возможным каналам? Именно здесь играют значимую роль платформы автоматизации маркетинга – с их помощью вы можете не упустить из виду ни одну из точек возможного контакта.

Если будущее станет разворачиваться так, как я думаю, то вы можете предпринять целый ряд упреждающих шагов.

1. Станьте (и оставайтесь) грамотными во всем, что касается данных. В будущем у нас не останется ни одного места, куда мы могли бы спрятаться. Каждому придется так или иначе работать с данными и разбираться, чем они будут для него полезны. Не имея хотя бы базового уровня грамотности в области изучения данных, вы принципиально отстанете от других игроков (а кроме того, не испытаете чувство азарта, которое охватывает вас при соприкосновении с миром цифр).

Хорошая новость состоит в том, что вы (дочитавшие книгу до этих слов) уже можете считать себя довольно грамотными в том, что касается данных. Именно этому вопросу посвящена моя книга. Вы уже знаете, как сегментировать клиентские группы, основываясь на их текущей ценности, и даже предсказывать их будущее поведение, основываясь на продвинутых статистических методах. Вы увидели, каким образом можете понять их потребности и оценить, что влияет на их поведение. Мы научили вас самым эффективным способам поиска целевой аудитории (будь то поиск по географическому принципу, типам средств информации и цифровым сетям). Вы знаете, как измерять эффективность работы, а также понимаете, каким образом оптимизировать свои усилия с помощью множества новейших методов и техник. И вам уже окончательно ясно, сколько времени следует тратить на стимулирование спроса.

Все это хорошо, но только время не стоит на месте, и вам придется двигаться дальше, приспосабливаясь к его темпу. Вы все знаете о видеокассетах, но только весь мир перешел на DVR, и ваши знания уже никому не нужны.

2. Сконцентрируйтесь на том, чего вы хотите достичь. Перед вами открываются огромные возможности, но постарайтесь не слишком увлекаться и не попадать в типичную ловушку. С головой погружаясь в мир цифр, всегда думайте о том, какую пользу они могут иметь именно для вас. Что я хочу этим сказать? Попытайтесь не потеряться в бесконечном пространстве открывающихся перед вами возможностей. Вам необходимо постараться извлечь из них максимальную выгоду. Именно поэтому моя книга структурирована определенным образом. Каждая глава посвящена конкретной бизнес-проблеме, с которой мы все сталкиваемся буквально каждый день. С решения этих проблем надо начать и вам. Уже сегодня принимаемые вами решения позволят почувствовать всю силу маленьких привлекательных цифр.

3. Выработайте необходимый профессионализм или в крайнем случае наймите специалиста. Вся маркетинговая математика в мире не будет иметь никакого смысла, если ваша компания не способна воспользоваться результатами работы. Именно люди – а не цифры или алгоритмы – позволяют компании добиться успеха в этой области. Для того чтобы сделать все правильно и без избыточных затрат, вызванных организационной неразберихой, определитесь с тем, какие навыки вам нужны, потом создайте научный центр, найдите правильных бизнес-партнеров и приступайте в своей компании к активному совершенствованию культуры маркетинговой математики (или, если угодно, математического маркетинга).

Мне часто задают вопрос, с чего начать внедрение аналитики в организации. Многие компании развивают продвинутые аналитические навыки внутри организации с помощью создания научного центра для группы математического маркетинга. Команда этого центра обычно находится внутри группы, занимающейся маркетинговыми исследованиями, которая, в свою очередь, часто входит в состав более широкой стратегической группы.

Если вы идете по этому пути и если ваша компания достаточно велика, то это имеет смысл – ваш научный центр должен состоять как минимум из одного веб-аналитика, специалиста по оптимизации веб-сайтов, эксперта в области социальных показателей, маркетолога по базам данных, аналитика по системам поиска (оптимизатора поисковых машин), аналитиков, занимающихся количественными и качественными исследованиями, эксперта по медиааналитике, исследователя аудиторий, специалиста по эконометрике, специалиста по техническому анализу данных и специалистов по измерениям эффекта пиара.

Редкая средняя компания в состоянии содержать свою команду научного центра с подобной степенью специализации, поэтому есть другой путь – находить внешних партнеров, способных выполнять работы по всем перечисленным специализациям. Если вы можете взять в штат только одного специалиста, то берите аналитика, занимающегося поиском, – то есть человека, который будет отслеживать, как часто и насколько грамотно ваши бренд и реклама появляются в поле зрения клиента.