Ключевые идеи книги: Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть. Димитри Маекс, Пол Браун

Smart Reading, 2020

Этот текст – сокращенная версия книги Димитри Маекса и Пола Брауна «Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть». Только самые ценные мысли, идеи, кейсы, примеры. Представьте, что вы можете определить наиболее прибыльных клиентов, разработать лучшую маркетинговую стратегию и увеличить продажи… А теперь представьте, что вы можете это сделать, используя те ключевые цифры, которые у вас уже есть. Объемы данных, собранных в интернете, огромны. Кто-то просматривает веб-страницы на смартфоне, кто-то использует поисковики – так в режиме реального времени пополняется бесценная сокровищница данных. Методы анализа становятся проще, дешевле и точнее. Димитри Маекс, управляющий директор нью-йоркского рекламного агентства OgilvyOne, заведующий международным аналитическим отделом, рассказывает, как превратить ключевые цифры в прибыли компании. Маркетологи, владельцы малого бизнеса, бизнес-аналитики найдут в книге идеи для создания востребованных продуктов и услуг. Зачем читать • Оптимизировать расходы вашей компании на маркетинг. • Узнать о новейших методах сегментации клиентов. • Познакомиться с бизнес-кейсами лидеров рынка, среди которых British Telecom, Cisco, Kodak, Ceasars, TD Ameritrade и другие. Об авторах Димитри Маекс – бельгийский бизнес-аналитик, изучал статистику и финансы в Университете Антверпена. Начинал карьеру как финансовый аналитик в компании Kraft Foods. В течение 17 лет работал в рекламном агентстве OgilvyOne, дослужился до должности управляющего директора нью-йоркского офиса. Он работал с массивами данных для крупнейших мировых брендов, таких как IBM, Nestle, American Express и других. Область его интересов – анализ данных интернета вещей для выявления психологии потребителей. Пол Браун – писатель, сотрудник газеты The New York Times, колумнист и редактор журнала The Conference Board Review. В прошлом выпускник юридической школы Ратгерского университета и член коллегии адвокатов Нью-Джерси и Массачусетса. Десятки его книг, написанных под собственным именем и в соавторстве, продаются по всему миру суммарными тиражами более 3 миллионов копий в год.

2. Что хочет клиент?

Анализ данных может выявить потребности клиента, которые ранее были не очевидны. Зная их, можно разработать и предложить потребителю новые товары и сервисы. Это повысит лояльность клиентов к компании. Узнаем, как Ogilvy помогла British Telecom (BT) понять потребности клиентов.

2.1 Сегментация по потребностям

Перед агентством стояла задача выявить потребности мелких и средних клиентов британского телекоммуникационного гиганта. Цель — провести сегментацию, основанную на потребностях. Результатом станут маркетинговые сообщения. Они будут привлекательными для целевой аудитории, поскольку примут во внимание ее интересы. Подход должен учитывать данные, уже имеющиеся у компании. Было предложено следующее:

• Создать список потенциальных потребностей клиентов, которые BT могла бы удовлетворить.

• Выявить, какие из потребностей важны для клиентов.

• Выяснить, как список потребностей зависит от бизнеса клиента. Например, две компании имеют близкий годовой оборот, но одна — сервисная, а другая — производственная. Их потребности в коммуникации одинаковые или нет?

По итогам работы был создан список из 17 потребностей. Чтобы выявить из него наиболее важные для клиентов, провели интервью. Выборка была достаточно крупной. Результаты количественного исследования учли при последующем кластерном анализе. Последний включает в себя набор различных алгоритмов, с помощью которых объекты распределяют по группам. О том, какой именно был использован алгоритм, автор книги на сообщает.

Димитри подчеркивает важность интерпретации групп клиентов, сформированных компьютером. Он пишет, что «кластеризация — это наполовину наука, а наполовину искусство». Провести четкую границу между двумя группами не всегда представляется возможным. Тем не менее аналитикам удалось выявить различные сегменты клиентов, у которых были уникальные приоритеты с точки зрения потребностей.

При проведении кластерного анализа были учтены все 17 потребностей. Алгоритм выдал 5 кластеров. Внутри кластера потребности клиентов, соответственно, были схожими. В результате BT разделила рынок. Теперь в каждой группе она выстраивала свою коммуникацию. Маркетинговые сообщения компании стали более адресными.

Конец ознакомительного фрагмента.