Логотип Alytics
Получить демо-доступ Регистрация
+7 495 215-23-57

23 Января 2019

Цели и задачи сквозной аналитики при построении мультиканального маркетинга в омни-ритейле

Материал написан на основе выступления главного архитектора компании AWG, ex. директора IT департамента развития омниканальности и интернет-продаж ГК «Спортмастер» Евгения Скорикова.

30 октября система сквозной аналитики Alytics провела в Москве вторую конференцию «День сквозной аналитики». Посмотреть видеозаписи всех выступлений можно на сайте конференции.

В своем докладе Евгений рассказал об актуальности персонализации и её роли в прогнозировании поведения пользователей и проблемах сбора, подготовки и объединения пользовательских данных на всех этапах взаимодействия. 



Компания AWG занимается автоматизацией омниканального бизнеса. В этом направлении сотрудничает с РЖД, «Леруа Мерлен», «Альфа-банком» и другими крупными клиентами. За годы работы специалисты компании вывели несколько правил, которыми поделился Евгений Скориков.

Две проблемы идентификации пользователей

Люди переходят из телевидения в интернет, доля интернет-рекламы растет, и конкуренция толкает ритейл на путь персонализации, где большую роль играет полнота собранных данных о поведении клиента.

И тут возникает первая проблема — невозможно точно оценить эффективность рекламы. В 70% случаев пользователь делает не спонтанную покупку. Они заходит на сайт несколько раз с различных устройств, выбирает, приценивается и после этого, возможно, покупает. При этом 80 — 90 % клиентов вообще не авторизуются, и маркетологам сложно связать реальную покупку с просмотром рекламы.

Мультиканальность позволяет клиенту купить товар в любое время любым удобным для него способом. И это создает еще одну проблему для последующего анализа — пользователь видит рекламу в интернете, заходит на сайт, смотрит, а покупает потом в рознице, в офлайн магазине. При этом доподлинно неизвестно, видел ли он рекламу, откуда он узнал о товаре, и невозможно связать рекламу с покупкой.

Разберем на примере, как это происходит

Допустим, вы зашли в Facebook с ноутбука и увидели там рекламу кроссовок. Прошли по ссылке на сайт интернет-магазина, посмотрели кроссовки, но не купили — старые еще хорошие. После этого вы приехали домой, открыли планшет (другое устройство) и опять увидели рекламу кроссовок. Снова зашли на сайт, увидели те самые кроссовки, решили авторизоваться и положить в корзину — на всякий случай. Но опять не купили, потому что зарплата нескоро.

Потом вас через ретаргетинг «догнала» брошенная корзина, вы вспомнили про кроссовки, но опять не купили — ведь их нужно мерить. Вместо этого посмотрели на сайте, в каком магазине эти кроссовки имеются в наличии, поехали туда, примерили и купили.

Получается, вы один клиент, но маркетологи видят вас как трех разных людей. Первым двум была показана реклама (одному с ноутбука, второму с планшета), а третий по какой-то причине пришел в магазин и купил кроссовки. И маркетологи не знают, что перед покупкой вы уже видели их рекламу, не связали поведение клиента и его реакцию на рекламу. По этой логике, реклама не привела к этой покупке.

Что делать в таких случаях?

Еще один пример, который ближе к нашей теме. Допустим, есть три клиента: А, В и С. У клиентов А и В одинаковый номер телефона. А у клиентов В и С одинаковый идентификатор в Facebook. Клиенты А и В увидели рекламу, клиент С купил товар. Возникает вопрос: эта реклама эффективна? Это один и тот же клиент или несколько?



Можно запустить сложные механизмы очистки данных, сопоставить и сделать выводы, но есть решение проще. Надо решать проблему там, где она возникает, а не бороться с ее последствиями. То есть начинать с основ — прежде всего подготовиться.
  1. Сделать максимальную идентификацию: опознание клиента во всех точках взаимодействия, там, где это возможно. 
  2. Накопить нужные данные. 
За счет этого вы улучшите анализ эффективности рекламы, качество персонализированного маркетинга и подготовите хорошие качественные данные для машинного обучения.

Кейс автоматизации мультиканального маркетинга в компании ОLDI

Шаг 1. Максимальная и простая идентификация клиента во всех точках:
  • покупка онлайн, регистрация по телефону (это самое простое: при любой покупке клиент указывает номер телефона, при этом происходит неявная регистрация в CRM); 
  • регистрация на сайте (тоже максимально просто, в один клик — клиент авторизуется через соцсети или вводит телефон, email); 
  • подписка на email-рассылку (данные идут сразу в CRM); 
  • подписка web-push (туда же); 
  • проверка баланса клубной карты (сессия клиента связывается с аккаунтом в CRM); 
  • инсталляция мобильного приложения; 
  • покупка офлайн (регистрация в системе лояльности через номер телефона); 
  • звонок клиента (регистрация через телефон).
Таким образом во всех точках, где происходит идентификация, можно быстро и просто отправить данные клиента в CRM, с помощью чего мы можем объединять кросс-девайсные и мультиканальные контакты с покупателями в единое целое — идентифицировать покупателя, который приходит с разных устройств, а также приходит в офлайн.

Шаг 2. Получение контактных данных

После того как будет получен один из идентификаторов клиента, нужно сопоставить разные его аккаунты, склеить их в один. Для этого мотивируем клиента на дозаполнение анкеты: ненавязчиво просим указать email, телефон, возможно соцсеть. И если будет обнаружен другой аккаунт клиента с таким же идентификатором — то все накопленные данные будут склеены воедино. В отличие от алгоритмов машинного обучения, где есть погрешности, вы получаете достоверные данные, потому что сам клиент подтверждает свой идентификатор.

Еще пара лайфхаков идентификации

1. История неавторизованных посетителей. Любой клиент, заходящий на сайт, получает cookie, которая сохраняет информацию о его поведении на сайте. И когда он идентифицируется, можно связать сохраненную историю с созданным аккаунтом клиента. Таким образом вы клиента «узнаете».
В работе со «Спортмастером» Евгений воплотил в жизнь этот лайфхак, и за полгода количество идентифицированной истории увеличилось на 18%.

2. Конверсия по идентифицированным клиентам. Если брать омниканальный ритейл, то бизнес ориентирован на то, чтобы клиент покупал. И не просто пришел на сайт и спонтанно купил, а осмотрелся, подумал и сделал в конце концов заказ. В «Спортмастере», например, доля спонтанных покупок составляет всего 2%. А если считать конверсию по идентифицированным людям, которые зашли, а потом в течение двух недель купили на сайте или в офлайне, то конверсия в покупку составляет уже 35%. Разница колоссальная!

Поэтому не надо торопиться принимать решение по первой конверсии (традиционно конверсией считают спонтанную покупку товара на сайте) — велик риск ошибиться. Во втором случае затрагиваются все касания клиента на первых этапах воронки и принимаются более взвешенные решения.

Какие еще данные нужны?

Многие компании измеряют эффективность маркетинга по продажам, выстраивая воронку продаж от заинтересованности к покупке и получению товара, встраивая счетчики и метрики на каждой стадии воронки для последующего анализа.



Но если компания нацелена на удержание клиентов и повторные продажи, то этого недостаточно. А значит, нужна дополнительная информация о том, понравилось клиенту или нет?

Почему это важно? Если клиенту не понравилось, присылать ему рекламу бесполезно — он вспомнит свой прошлый негативный опыт и не будет ничего покупать. Поэтому собирать обратную связь нужно после каждой покупки. Если все понравилось — отлично, если нет — то нужно работать с жалобой так, чтобы клиент остался лояльным. Ну а если услышите твердое «нет» — смиритесь. Так вы сэкономите рекламный бюджет, и у клиента не возникнет еще большего раздражения.

Как измерять эффективность интернет-рекламы?

Как вы помните, 70% клиентов делают неспонтанную покупку, поэтому по модели LastClick измерять эффективность просто бесполезно.

Какие 2 метода оценки эффективности можно посоветовать?

Первый — для всех клиентов, это метод атрибуции каналов, когда считается вес вложения каждого рекламного источника в покупку. Для этого есть разные модели от довольно простых, когда вес распределяется равномерно, до довольно сложных, когда веса считаются через статистические вычисления. Например, система сквозной аналитики Alytics позволяет анализировать эффективность по всем существующим моделям атрибуции и создавать свои.

Второй метод работает только для идентифицированных клиентов. Это метод контрольного сегмента. Вы берете сегмент клиентов, которому хотите прислать рекламу, из этого сегмента выделяете небольшую часть — он останется без рекламы. И смотрите, насколько больше покупок было сделано теми, кто посмотрел рекламу. Так вы получите статистически достоверный ответ — сработала реклама или нет. Вот почему важно иметь как можно больше идентифицированных клиентов.

Итак, зачем нужны инструменты бизнес-аналитики?

Рассмотрим кейс. Генеральный директор крупной компании обнаружил, что конверсия на мобильной версии сайта в два раза меньше, чем на десктопе. И поручил исправить этот момент. В итоге команда из 5 человек 5 месяцев допиливала мобильную версию и потратила на это 5-6 миллионов рублей. Пока они это делали, появилось другое решение, сделанное быстро и с минимальными тратами, которое позволило оценить конверсию с учетом омниканальных эффектов.

И оказалось, что конверсия на самом деле одинаковая, просто люди по несколько раз заходят с телефона перед тем, как сделать покупку, а с десктопа заходят меньше. Итог — потраченные впустую деньги и время специалистов.

Сколько компания потеряла? 6 миллионов рублей на улучшение, которое можно было не делать, но главное, что команда за это время могла бы сделать что-то действительно полезное. Оценим недополученную прибыль.

Норма окупаемости инвестиций один год, команда не сделала другую задачу, из-за чего компания за 5 лет недополучила 25 млн. Итого 31 млн.

Поэтому да, инструменты для понимания текущей ситуации определенно нужны.



Делаем вывод: инструменты бизнес-аналитики нужны, чтобы: 
  • получить полные достоверные данные; 
  • более точно оценивать показатели конверсии и эффективность рекламы в целом; 
  • связывать любую покупку с показом рекламы. 
Полные достоверные данные на входе ведут к чистым данным на выходе — эффективность бизнеса растет. Profit! 

Материал опубликован на https://www.shopolog.ru/metodichka/analytics/celi-i-zadachi-skvoznoy-analitiki-pri-postroenii-mul-tikanal-nogo-marketinga/
Пройти тест «Узнай, готов ли ты к внедрению сквозной аналитики»