Как преодолеть трудности релевантного маркетинга

Релевантный маркетинг называют по-разному: персонализированный, индивидуальный, микромаркетинг и т. д. Многие компании хотели бы использовать его, в основном по двум причинам: подписчикам не нравится массовый спам, а продавцы убеждены, что благодаря релевантности можно увеличить число откликов клиентов. При этом до сих пор нет общепринятого мнения о том, как создавать содержательные и уникальные сообщения для каждого пользователя. Отсюда вытакают основные трудности релевантного маркетинга.

Разработка индивидуальной рассылки для каждого клиента кажется неподъёмной задачей. Большинство маркетологов содрогаются при мысли, что нужно отправить миллион уникальных емейлов миллиону подписчиков. Трудности релевантного маркетинга состоят не в технических ограничениях емейл-провайдеров, поскольку многие из них способны обрабатывать меняющиеся данные. Компании, заинтересованные в релевантном маркетинге, могут подобрать подходящие ESP (Email service provider).

Подготовить для емейл-провайдера необходимый файл с правильно организованными и отформатированными данным ― трудоёмкая задача, но она вполне по силам специалисту. Некоторые ESP автоматизировали эту работу, и она занимает всего несколько минут.

Что же мешает?

Главное препятствие ― необходимость создать миллион уникальных сообщений. С ума сойти! Даже при наличии обширных демографических данных невозможно составить миллион качественных индивидуальных емейлов. Можно создать десяток таких писем, но, скажем, пятьдесят ― уже перебор. Сегментирование и профили не решат эту проблему.

Существует простое, но не очевидное решение: вам не нужен миллион уникальных сообщений. Вполне достаточно миллиона уникальных предложений по продуктам.

Как создать миллион предложений

Если ваша компания занимается розничной торговлей, онлайн-продажами или предлагает продукцию по каталогам, у вас, вероятно, имеются тысячи товарных позиций. Используйте шаблон емейла с четырьмя или пятью пропусками для наименований продуктов. Качественная аналитика поведения потребителей поможет выбрать наименования продуктов, которыми можно заполнить пропуски.

При подборе продуктов есть два варианта: «апселл» (категории товаров, которые покупатель уже приобретал) и «кросселл» (продукты, которые клиент ещё не покупал). У онлайн-магазинов есть множество клиентов, которые сделали покупку всего один раз. В этом случае кросселл кажется соблазнительным.

Теперь существуют готовые решения для создания миллионов относительно разнообразных комбинаций продуктов, каждая из которых адаптирована для конкретного клиента.

Если у вас несколько миллионов покупателей и сто тысяч товарных позиций, вы сможете создать индивидуальные предложения для всех клиентов меньше, чем за день. А если у вас пятьдесят тысяч клиентов и меньшее число продуктов, та же самая работа займёт не больше часа. При наличии данных о потребителях, продуктах и покупках, а также инструментов для анализа создание индивидуальных предложений превращается в обычный рабочий процесс. Индивидуальный маркетинг ― способ использовать такую аналитику.

Насколько мощный у вас микроскоп?

Персонализация с помощью предложения была неочевидным решением, сообществу маркетологов потребовалось время, чтобы прийти к этой идее. Методика разработки индивидуальных предложений также приживается медленно. Сегодня уже можно утверждать, что самый эффективный способ создания персонализированных предложений ― детализированная аналитика.

Чаще всего анализ поведения потребителей проводится на уровне сегментов. Мы оцениваем всех клиентов, проживающих в определённом месте, или всех покупателей, которые приобрели конкретный продукт. Как правило, маркетологи проводят регрессионный анализ, цель которого ― определить один продукт, который имеет ценность для всех клиентов данного сегмента.

Вместо этого можно осуществлять анализ на уровне отдельного потребителя. Если вы хотите узнать, что купит клиент, нужно посмотреть, какие покупки он совершал раньше, т. е. оценить поведение конкретного покупателя, а не сегмента. Ведь вас не интересует ценное предложение для целой группы, вы хотите предугадать выбор определённого клиента.

Почему не работает RFM

Для проведения анализа на уровне отдельного клиента придётся пересмотреть математический подход. Анализ RFM (Давность, Частота, Деньги) и другие подобные техники не подходят, поскольку игнорируют информацию о продукте. Как вы можете предугадать, что купит клиент, если не принимаете во внимание его предыдущие покупки?

Казалось бы, всё это очевидно. Возможно, легкодоступные результаты RFM были достаточно ценными для маркетологов, что позволяло им игнорировать более эффективные способы. Однако сегодня клиенты больше не хотят подвергаться ковровым бомбардировкам спамом и требуют более релевантных сообщений. К счастью, появились инструменты и техники, позволяющие удовлетворить такую потребность и преодолеть трудности релевантного маркетинга.