"Маркетинг на основе баз данных", Артур Хьюз (ч. 2)

Вторая часть майнд карты по книге Артура Хьюза "Маркетинг на основе баз данных".

Get Started. It's Free
or sign up with your email address
Rocket clouds
"Маркетинг на основе баз данных", Артур Хьюз (ч. 2) by Mind Map: "Маркетинг на  основе баз данных",  Артур Хьюз (ч. 2)

1. УДЕРЖАНИЕ КЛИЕНТОВ И ЛОЯЛЬНОСТЬ

1.1. Лояльность

1.1.1. ↑ Удержание

1.1.1.1. Ключевой показатель лояльности

1.1.2. ↑ Расходы клиентов

1.1.3. ↑ Рекомендации

1.1.4. ↑ LTV

1.1.5. ↓ Затрат на  обслуживание

1.1.6. ↑ Дорогостоящие покупки

1.2. Формирование лояльности

1.2.1. Предпочтения клиентов

1.2.2. Персонализация коммуникаций

1.2.3. Коммуникации, управляемые событиями

1.2.3.1. День рождения

1.2.3.2. Крупные покупки

1.2.3.3. Годовщина

1.2.4. Маркетинговые сообщения, управляемые событиями

1.2.4.1. Товарные рекомендации

1.3. Укрепление лояльности

1.3.1. Определите цель программы

1.3.2. Выпустите клиентские карты

1.3.2.1. Клиенты специально подписываются на участие

1.3.3. Обеспечьте выгоду от регистрации

1.3.4. Фиксируйте информацию

1.3.4.1. Имя

1.3.4.2. Покупки

1.3.4.3. Демография

1.3.4.4. И т.д.

1.4. Вознаграждение

1.4.1. Призовые баллы

1.4.2. Призовые мили

1.4.3. Ценные призы

1.4.3.1. Например, краска не заинтересовала маляров в качестве вознаграждения - они и так её покупают. Когда стали предлагать ценные призы - получили лучший результат

1.5. Кейс из области страхования

1.5.1. Первоначальная схема комиссионных: 40% (1 год) / 4% (2 год) / 4% (3 год)

1.5.1.1. Агенты получали больше комиссионных за счёт постоянного привлечения новых клиентов

1.5.2. Новая схема комиссионных: 20% (1 год) / 20% (2 год) / 20% (3 год)

1.5.2.1. Смена схемы комиссионных переориентировала агентов на поиск клиентов с ДОЛГОСРОЧНЫМИ отношениями

1.6. Опрос "дезертиров"

1.6.1. Уделить внимание LTV ушедших

2. СЕГМЕНТАЦИЯ

2.1. Определение сегмента

2.1.1. Имеет определяемые характеристики потребительского поведения и демографических данных

2.1.2. Может обеспечить рост продаж, достаточный, чтобы оправдать специальную маркетинговую программу

2.1.3. Содержит клиентов, на поведение которых МОЖНО повлиять в прибыльную сторону

2.1.4. Эффективно использует доступные данные

2.1.5. Пригоден для создания контрольных групп

2.1.6. Оправдывает существование отдельного подразделения (сотрудника), специально созданного для сегмента

2.2. Разработка стратегии

2.2.1. Конкретные цели

2.2.1.1. В плане изменения потребительского поведения

2.2.2. Коммуникации / Вознаграждения

2.2.3. Контрольные группы

2.2.4. Бюджет

2.2.5. Подразделение / сотрудник, ответств. за сегмент

2.3. Инфраструктура

2.3.1. БД с интерфейсом, позволяющим анализировать и управлять кампаниями

2.3.2. Онлайн обновления

2.3.3. Автоматизация

2.3.4. Простота

2.3.5. Многоканальные коммуникации

2.3.6. Поддержка приложений для сегментации

2.4. План действий

2.4.1. "Дорожная карта"

2.4.1.1. Как попасть из А в Б

2.4.2. Бюджет

2.4.3. Схема ответственных за сегменты

2.4.4. Цели и контрольные точки

2.5. Контрольные группы

2.5.1. Особое поле в БД для кодов контрольных групп (+дата перевода в обычный сегмент)

2.5.2. 12-18 месяцев в контрольной группе

2.5.3. Некоторые могут узнать, что недополучают услуги

2.5.3.1. "Наверное, это ошибка компьютера. Простите. Исправим сегодня"

2.6. Не стоит сегментировать на основе расходов

2.6.1. "Серебряные", "Золотые", "Платиновые" - хорошо для ДЕМОНСТРАЦИИ статуса, но не помогут спланировать кампании, т.к. единственный посыл будет: "покупайте больше"...

2.6.2. Сегмент ≠ статус

2.7. Схема сегментации не должна быть слишком дорогой и сложной

2.7.1. Ограничьтесь сегментами, которыми вы в состоянии управлять

2.7.2. ≤ 10 сегментов

2.8. Критерии успеха

2.8.1. Отток и удержание клиентов

2.8.2. Миграция "вверх" и "вниз"

2.8.3. Рост продаж

2.8.4. Частота

2.8.5. Средний чек

3. ТЕСТОВЫЕ И КОНТРОЛЬНЫЕ ГРУППЫ

3.1. Цель тестирования

3.1.1. Постоянно совершенствовать бизнес деятельность

3.2. Возражения руководства

3.2.1. Тесты занимают время, нам нужны продажи здесь и сейчас

3.3. Группы

3.3.1. Тестовая группа - получает предложение

3.3.2. Контрольная группа - не получает предложение

3.3.2.1. Контрольная группа не обязательно равна тестовой, но достаточно крупная для статистической достоверности

3.3.3. Выборки групп по методу "Каждый N-й" (для однородности)

3.3.4. В МБД мы изучаем ДОЛГОСРОЧНОЕ воздействие на клиента каждого контакта с ним

3.3.4.1. Следим за показателями тест-группы в течение 12 месяцев после акции

3.3.4.2. Недавно купили - идут снова покупать (свежесть покупательского опыта)

3.3.4.3. Смотрим, как меняется LTV

3.4. Размер контрольной группы

3.4.1. 500 / Ожидаемый уровень отклика

3.4.1.1. 500 - эмпирически

3.4.1.2. Уровень отклика - например: 0,02

3.4.1.3. Размер контрольной группы: 500 / 0,02 = 25 000

3.5. "Заменители" контрольной группы

3.5.1. Иногда невозможно создать контрольную группу

3.5.2. Ищем приемлемую альтернативу

3.6. Риски отказа от контрольных групп

3.6.1. Без контрольных групп нельзя однозначно доказать эффективность коммуникаций

3.7. Анализ полупериода

3.7.1. Тесты занимают время

3.7.1.1. Если ускориться, можно получить больше возможностей для тестирования

3.7.2. Методика

3.7.2.1. Разослать акцию

3.7.2.2. Вести ежедневный учёт заказов

3.7.2.3. Замерить акцию спустя долгое время

3.7.2.4. Взять за основу 1/2 уровня продаж

3.7.2.4.1. Например: 2000 заказов за 5 мес., 1000 заказов за 30 дней полупериод - 30 дней

3.7.2.5. Спустя полупериод умножить получившийся результат акции на 2

3.7.2.6. Результат будущих акций становится известен быстрее

3.8. Последовательность действий

3.8.1. Цель теста

3.8.2. За раз тестировать 1 параметр

3.8.3. Тестовая группа 500 / 0,02 ≈ Контрольная группа

3.8.4. Методика измерения продаж (!)

3.8.5. Тест

3.8.6. Сравнение отклика Тест. / Контр.

3.8.7. Расчёт краткосрочной прибыльности

3.8.8. Расчёт долгосрочной прибыльности на основе LTV

4. КОММУНИКАЦИИ С КЛИЕНТАМИ

4.1. Цель МБД - поддерживать коммуникацию 1 на 1

4.1.1. Придаёт личностный характер коммуникациям, создавая иллюзию близкой связи

4.1.2. Следит за правильностью осуществления коммуникаций

4.2. Контрольные группы (!)

4.2.1. Доказывают действенность коммуникаций

4.3. Эффективный МБД

4.3.1. "Я рад, что включён в эту базу данных, потому что..."

4.4. Матрица Риск-Прибыль

4.4.1. Вероятность оттока клиентов (по горизонтали)

4.4.1.1. Высокая

4.4.1.2. Средняя

4.4.1.3. Низкая

4.4.2. LTV (по вертикали)

4.4.2.1. Высокая

4.4.2.2. Средняя

4.4.2.3. Низкая

4.4.3. Сосредоточить ресурсы на приоритетных клиентах

4.5. Кейс

4.5.1. Уровень текучести в группе клиентов, не ответивших на послания, был НИЖЕ уровня текучести в контрольной группе клиентов, которым вообще не было адресовано НИКАКИХ коммуникаций

4.6. Возможности для перекрёстных продаж

4.6.1. Исходя из накопленных данных выбираем, какой продукт предложить клиенту для следующей покупки и когда это сделать?

5. ПРОГНОЗИРУЮЩЕЕ МОДЕЛИРОВАНИЕ

5.1. Цели

5.1.1. Какие реальные и потенциальные клиенты совершат покупку с большей вероятностью

5.1.2. Какие клиенты могут легко уйти/остаться

5.1.3. Какие товары они захотят приобрести

5.2. Условия для моделирования

5.2.1. Отток клиентов является предсказуемым

5.2.2. В базе есть история покупок и демографические данные

5.2.3. В базе есть информация по откликам на промоакции

5.2.4. На промоакции охотнее всего откликаются именно те покупатели, которые недавно совершили последнюю покупку

5.3. Методика моделирования

5.3.1. Создать базу для моделирования

5.3.1.1. Провести промоакцию или использовать уже имеющиеся результаты (минимум 500 заказов, ~25 000 клиентов,)

5.3.1.2. Собрать поведенческую информацию

5.3.2. Присоединить демографическую информацию

5.3.3. Присоединить географическую информацию

5.3.4. Поделить данные

5.3.4.1. 1/2 - тестовая группа

5.3.4.2. 1/2 - контрольная группа

5.3.5. Избавиться от "выбросов" (сильно отличающихся результатов измерений)

5.3.6. Разработать модель

5.3.6.1. Модель множественной регрессии

5.3.6.1.1. Отношения между зависимой переменной (откликом) и независимыми переменными (поведение, демография, география)

5.3.6.2. CHAID-анализ

5.3.6.2.1. Древовидные диаграммы

5.3.6.2.2. Стр. 198

5.3.7. Определить "вес" каждой переменной

5.3.7.1. Какие переменные влияют на отклик,

5.3.7.2. В итоге оставить 5-6 переменных (примерно из 30)

5.3.8. Разработать алгоритм

5.3.8.1. Математическая операция, которая оценивает каждого имеющегося или потенциального клиента

5.3.8.1.1. 5-95% вероятность покупки

5.3.9. Оценить достоверность

5.3.9.1. Если алгоритм для тест-группы спрогнозирует результат контрольной группы (уже известный) с хорошей точностью, то модель можно использовать

5.4. Выявление вероятных покупателей

5.4.1. Оценить клиентов по модели, присвоить баллы

5.4.2. Поделить базу на децили

5.4.3. Выполнить сортировку баллов по возрастанию

5.4.4. Рассылать предложения верхним 5-ти децилям, игнорировать нижние

5.4.5. Делать контрольную рассылку на 5% каждого нижнего дециля, чтобы проверить модель

5.5. Cross-sell / Up-sell

5.5.1. Определение покупателей, которые купят снова, и товаров, которые с наибольшей вероятностью им подойдут

5.5.2. Клиенты, которые с наибольшей вероятностью купят новую версию продукта

5.6. Сбор данных для моделирования

5.6.1. Коммуникации

5.6.1.1. Письма

5.6.1.2. Звонки

5.6.1.3. Предложения

5.6.2. Транзакции

5.6.2.1. Товар

5.6.2.2. Дата

5.6.2.3. Цена

5.6.2.4. Категория

5.6.2.5. Количество

5.6.2.6. Способ покупки

5.6.2.7. Способ оплаты

5.6.2.8. ... ... ...

5.7. Продукт-"заменитель"

5.7.1. Определение наиболее подходящего продукта для клиента

5.8. Прогнозирование оттока клиентов

5.9. Если моделирование не даёт результатов

5.9.1. Изменить модель

5.9.2. Отказаться от моделирования

5.9.3. Ответ не всегда находится в имеющихся данных

5.10. Аутсорс

5.10.1. Моделирование - это сложно, поэтому лучше поручить его специалистам

5.10.2. Стоимость моделирования 5-50 тыс. $