Customer Data... Profit! Легкий способ использовать данные

Тезисы вебинара:

1) По статистике, более 60% собранных данных компании никогда не используют. Как исправить ситуацию?

2) Как извлечь прибыль из пользовательских данных (CDP, GDPR, LTV и т. п.).

Мы обсудим, что такое Customer Data (пользовательские данные) и как их использовать в каждодневной практике email-маркетолога. Хочу обратить внимание, что мы рассматриваем именно легкий способ использовать данные, поскольку сложных способов достаточно много: это и отдельный рекомендательный сервис, и персонализация, основанная на алгоритмах, построенных, чтобы эти данные персонализировать. Мы же хотим предложить варианты того, как сделать персональные данные доступными маркетологу и использовать их в ваших рекламных компаниях легким способом.

Мы будем говорить о легком способе использования данных, потому что есть достаточно высокий спрос на то, чтобы разобраться, что такое Customer Data. Я недавно записывал обучающий курс по Customer Data Management и по платформам управления персональными данными. Разбираясь в этом предмете, я был удивлен тем, насколько быстро растет этот сегмент, насколько велико внимание к персональным данным и к их использованию эффективным образом.

Мне кажется, явно существует огромная проблема в том, что данные, которые мы собираем, которые нам становятся доступными, которые мы можем использовать для персонализации, для выстраивания каких-то разумных и красивых логических схем коммуникации с пользователем, маркетологам доступны только частично. Даже статистика по Западным странам говорит о том, что от 60 до 70% всех данных, которые собирает компания, остаются неиспользованными. Мы где-то там собираем в Google Analytics данные о посещениях страниц, собираем в отчетах о продажах данные о том, сколько мы продали в рознице, собираем в сервисе по обслуживанию персональных данных какую-то информацию, как-то ее кодируем. Все это приводит к тому, что система получается раздробленная, не целостная и данные в итоге к нам не попадают, хотя их становится все больше.

Я человек в управленческом консалтинге уже немолодой, имею более 10 лет опыта и в основном я занимался проектами по оптимизации бизнеса. 5 лет назад я пришел в компанию eSputnik и с тех пор занимаюсь стратегией в бизнесе, в маркетинге и построением систем по управлению маркетинговыми коммуникациями. Кроме того, достаточно большой опыт у меня непосредственно в email-маркетинге, поскольку фактически управлял нашим агентством и руководил в основном проектами по работе с западными клиентами. Поэтому передовой опыт Западных стран я знаю, кроме того, вы знаете, что мы с моими коллегами ездим по многим конференциям, пытаемся вдохновиться оттуда и найти какие-то интересные идеи. Часть из того, что я собрал у себя в голове и изучил, я хочу сейчас изложить. Самое главное, что сейчас у всех нас должны появиться идеи, как легко можно использовать данные для коммуникации.

Стратегия голубого океана

Начать я бы хотел из замечательной аналогии, которая большинству известна. Это стратегия голубого океана, в которой рассматривается наша типичная конкуренция. Алый океан, в котором плавают хищные рыбы, им тесно, они друг с другом воюют, кусают, пожирают друг друга, и голубой океан. Это когда мы можем выйти из конкурентной борьбы, отстроиться от конкурентов таким образом, чтобы не воевать с ними. Мне кажеться, что идеальный мир, в котором есть голубой океан и отсутствует конкуренция, для многих сегодня все-таки недостижим. Я объясню почему.

Основные факторы

Есть 3 основных фактора, определяющих то, почему еcommerce сейчас в нашем русскоязычном пространстве и во всем мире становится алым океаном. Например, по статистике, стоимость привлечения лида за последние два года выросла более чем в 2 раза. При этом эффективность этой рекламы выросла всего лишь в полтора раза. Это сокращение маржи в конечном счете приводит к тому, что компании вынуждены тратить больше денег на привлечение, а получают от этого все меньше вовлеченности пользователей. Второй аспект – это конкуренция за внимание. Сейчас промежуток внимания человека ограничивается восемью секундами, то есть меньше, чем у золотой рыбки. Это говорит о том, что у вас есть один шанс и он очень короткий, чтобы завладеть вниманием вашего пользователя, для того чтобы донести до него ценную для вас информацию.

И третий важный аспект – это то, как структурируется рынок. Это нормальная ситуация, и наблюдаем мы это не только в еcommerce, на рынке по автоматизации маркетинга ситуация точно такая же, есть лидеры, такие как Salesforce Marketing Cloud, Adobe Marketing Cloud, которые из года в год увеличивают свою долю рынка, а доля, приходящаяся на других игроков, постепенно сокращается. В еcommerce глобально есть один большой гегемон – Amazon, который постепенно увеличивает свою долю рынка настолько, что уже сейчас более ⅓ всех онлайн-продаж в еcommerce в США происходит через Amazon. Мы также знаем, что Amazon выходит в другие страны и что модель масштабируется не только в пределах одной страны, но и идет по разным регионам.

Давайте посмотрим повнимательнее на то, что же происходит в этой усиливающейся конкурентной борьбе. Здесь есть лидеры, и давайте посмотрим на механики этих лидеров, за счет чего они побеждают.

Amazon – самый успешный еcommerce проект в мире. Он зарабатывает огромные деньги не только в еcommerce, он зарабатывает и на доставке товаров, и на хостинге, и на рекламе, и на сопутствующих продуктах, которые они выпускают и разрабатывают. Но все-таки чем славен Amazon? Amazon славится тем, что он предоставляет пользователям максимально персонализированный контент. К чему это приводит? А приводит к тому, что сейчас почти половина, а точнее 49% всех поисковых запросов введено на Amazon. Если человек начинает искать новый товар, он начинает искать его с Amazon. Он реже идет в Google, чем в Amazon, чтобы найти интересующий его товар.

Представьте, насколько изменилось то, как пользователи используют средства поиска. И не удивительно, что после этого у Amazon всегда улыбающийся логотип. Это речь была о лидерах, а что происходит с теми, кто не справляется с этой ситуацией?

Более половины компаний исчезнут, то есть 250 компаний из 500 топ-компаний, согласно Fortune 500, исчезнут из-за того, что не смогут конкурировать с современными диджитал-компаниями, которые применяют современные технологии. Есть также другой пример из более близких к нам регионов – компания Rozetka. По их данным, они выросли в 2018 году на 40%. В то время как другие компании из этого же сегмента сообщили о росте 20-30%. Некоторые компании не растут уже больше. И вот эта напряженная конкурентная борьба продолжается и приводит к тому, что все больше компаний покидают рынок.

При этом всеми этими компаниями управляли разумные, талантливые люди, которые старались сделать максимально хороший продукт для своих клиентов, максимально их удовлетворить. Тем не менее этого было недостаточно.

Персонализировать как Amazon

Похоже, что нам нужно научиться персонализировать как Amazon. Нам нужно научиться делать так, чтобы наши клиенты чувствовали такую же вовлеченность и такую же заботу о них, как когда они пользуются Amazon. Возможно это или нет? Предположим, вы считаете, что нет. Это было бы логично, я тоже так вначале думал. На самом деле так же, как Amazon, не получится, но взять лучшие технологии вполне возможно. Давайте представим, что у вас, как у маркетолога компании, есть такие возможности:

1. Вам доступны все данные обо всех касаниях клиентов в реальном времени. То есть вы понимаете, что происходит с вашим реальным клиентом, который зашел к вам на сайт, позвонил в колл-центр или еще что-то.
2. Вы можете узнать клиента на всех устройствах и локациях и можете построить с ним абсолютно бесшовное общение. Не важно, где он к вам обратился или где он сейчас находится, вы знаете и можете дать этому человеку достойное предложение, которое учитывает его потребности.
3. Вам не нужны программисты для выбора критериев таргетирования, и вы можете использовать любые каналы активации.

А теперь давайте посмотрим на то, как это можно сделать с помощью продвинутой сегментации и персонализации.

Продвинутая сегментация и персонализация – это продукт, который появился у eSputnik примерно полгода назад, может быть, немного больше. Продукт появился в ответ на то, что мы видели, и для того, чтобы дать клиентам возможность персонализировать, чтобы давать решения для крупных компаний. Это когда вы представляете рекомендации, которые вам подготовил специальный сервис. Все это достаточно сложно, а самое главное – лишает маркетолога контроля над ситуацией. И мы решили, что нужно вернуть контроль маркетологу над данными. Вернуть ему возможность контролировать, как он эти данные использует, какие коммуникации после этого выстраивает. И вот появился наш продукт. 

Давайте разберемся, какие преимущества он вам дает.

Преимущества CDP

Все это можно рассмотреть на стандартных функциях Customer Data Management. Есть 4 основные аспекта:

• сбор данных,
• профилирование данных (объединение их вокруг конкретного контакта),
• детальная сегментация на основании собранных данных,
• активация (использование полученных данных для дальнейшего общения с клиентом).

Инфраструктура подразумевает несколько вещей. Если помните такую фразу “Мы, как маркетологи, должны стремится все сделать правильно”, это “правильно” включает в себя 4 компонента, иногда 5, иногда вообще 7.

Мы же сейчас разберем 4 базовые:

1. Общаться с правильным контактом
2. Отправлять правильные сообщения
3. Выбирать правильное время
4. Использовать правильные каналы

Все это позволяет сделать фундаментальные компоненты продвинутой сегментации. Это собственно сегментация, выбор правильных контактов, автоматизация, позволяющая отреагировать в нужный момент времени на то, что произошло у вас на сайте, в мобильном приложении, на почте или во внешней системе CRM, и предоставить правильный контент для этого человека и, наконец, использовать правильный канал. Все это взаимосвязано. Те данные, которые мы получаем из различных внешних источников, мы используем для сегментации, на основании сегментов строим автоматизацию, эти же сегменты позволяют нам персонализировать и использовать эти данные в различных каналах.

Какие данные можно собирать и использовать

1. Данные о поведении на сайте. Это самый большой источник данных в еcommerce, так как больше всего времени наши пользователи проводят на сайте.
2. Активность в сообщениях. Здесь имеется в виду и еmail, и web-пуш, и Viber-сообщения, и SMS. В общем любой месседж, который вы отправляете, должен быть прослежен, и вовлеченность человека, перешел он по ссылке или нет, должна быть отмечена и зафиксирована. Это скажет вам о том, добились ли вы успеха в своей коммуникации с клиентом.
3. Импорт данных из CRM.
4. Импорт данных из внешних файлов. Например, мы предлагаем использовать прямой импорт данных из BigQuery, когда вы размещаете какие-то данные в BigQuery либо локально развернутой базе Postgre.
5. Активность в мобильном приложении.

Все эти источники данных уже сейчас можно использовать для того, чтобы практически мгновенно получить к ним доступ через интерфейс eSputnik.

Использование пользовательских данных

1. Продвинутая сегментация позволяет, например, включить всех тех, кто в течение последней недели интересовался вашими товарами из категории “Обувь”. При этом мы можем исключить всех тех, кто в течение последней недели уже совершил покупку товаров из этой категории. Таким образом мы получаем группу людей, которые интересовались товаром, но не купили. В итоге мы получили замечательный сегмент, чтобы отправить какую то дополнительную скидку и оффер.
2. Структура базы данных. Эти данные, которые могут использоваться для персонализации предложений, могут храниться в виде связанных таблиц. Как пример: вам нужно отправить сообщение конкретному человеку, но у него может быть несколько автомобилей (если у вас автосалон или автосервис), и этот человек владеет автомобилями разных производителей, и они проходят обслуживание на разных станциях. Приглашая его пройти ТО, вам нужно понимать, что этот автомобиль связан с таблицей станции и соответственно именно туда его и нужно пригласить проходить это ТО. Эти связанные таблицы замечательно работают через инструмент Postgre или BigQuery. Для человека, который знаком с базами данных, это будет несложно. Для человека, который не знаком, это тоже будет достаточно несложно понять. В конце концов, это наборы таблиц, которые связываются между собой через ключи, и в этом разобраться совсем несложно.
3. Настройки внешнего источника. Если у вас есть такая база данных, вы можете подключить ее как внешний источник данных. Представьте, ваша база данных хранится у вас, а вся персонализация и все, что нужно для того, чтобы использовать в емейле, можно получить прямо из интерфейса eSputnik. Как только мы настроили сегмент, признаки, которые используются в таблицах, становятся доступны в интерфейсе eSputnik. Вы можете строить сегмент и ссылаться на те данные, которые хранятся в вашей таблице на вашей стороне.
4. Автоматизация. Следующая немаловажная часть – это то, что, когда построили такой детальный сегмент, вы можете запускать автоматические цепочки на клиентов. При этом это будет не одноразово, как будто вы выбрали сегмент и запустили какую-то серию на него, это будет работать автоматически.

Продвинутая персонализация

Персонализация – это не только отправка определенным людям. За это отвечает сегментация. А вот какие данные использовать в отправленном сообщении – за это отвечает персонализация. Как пример, мы можем обращаться к различным переменным, которые по сути есть значением из колонок таблицы, которые мы с вами настроим. Все предельно прозрачно и просто для внедрения. После этого можно увидеть, как все это работает и какие данные подтянутся, насколько красиво все произойдет. Так же если мы говорим о постройке целостной системы и хотим сделать так, чтобы пользовательские данные были доступны и полезны, то для вас будет критически важной и та информация, которая есть на стороне eSputnik или любого другого ESP.

Вы собираете данные о поведении в рассылке, ведь это огромный источник информации об интересах пользователей, об их активности, об их квалификации. И соответственно не использовать эти данные во внешней системе было бы тоже неправильно. Именно поэтому мы исповедуем принцип открытости, даем возможность пользователям экспортировать данные в любую внешнюю систему, в которой эти данные буду обращаться с данными о продажах, о поведении на сайте. Очень несложно представить, что вы строите дашборд вовлеченности пользователей у себя, в котором будут видны не только продажи, но и вовлеченность пользователя в рассылку, его посещение сайта, когда были последние посещения и так далее. Если вам кажется, что для ваших задач стандартной отчетности недостаточно в вашем ESP, тогда это можно довольно несложно настроить через экспорт данных в BigQuery и потом визуализировать.

Сейчас мы разобрали то, что должно быть ответом на проблемы, которые описывались ранее. Вот в этом алом океане нужно найти способы удержать внимание пользователя. Для этого нужно дать ему персонализированный контент. А легкий способ дать этот контент – это, единожды настроив интеграцию с вашей базой данных, позволить использовать эти данные. Вам, как маркетологу или директору по маркетингу, безусловно, будет очень комфортно, когда данные, которые вам нужны, доступны мгновенно, вам не нужно становиться в очередь. Все это мы стремились исключить, чтобы дать вам свободу творить.

А теперь давайте все это рассмотрим на конкретном примере. Мы будем рассматривать пример о персонализированных цепочках.

Стадии использования персональных данных на реальных пользовательских данных. Есть набор таблиц, они между собой находятся в некой взаимосвязи. И в конечном счете вся база данных может быть представлена в виде таблицы. В ней есть некоторые переменные или наборы характеристик, такие как город, станция, название станции ТО, к какому юридическому лицу она относится, какие бренды обслуживает и так далее.

Обычно такая таблица имеет строгие данные, которые должны быть в каждом поле. Но есть набор переменных, которые могут быть в дальнейшем использованы. Вы можете внести любую дополнительную колонку, и она автоматически станет доступна вам в интерфейсе eSputnik. В такой взаимосвязи обычно находятся таблицы, но вы будете работать не с разрозненными таблицами, это нужно для того, чтобы база данных имела правильный вид. Вы будете работать с так называемым View (представлением), это когда все необходимые вам для персонализации данные собираются в одну общую таблицу.

Например, мы хотим знать пользователя, его автомобиль, адрес станции и так далее. Эти данные будут собираться из разных таблиц и группироваться вокруг главных идентификаторов, обычно это емейл. После этого, когда база данных есть, если вы один раз настроите эти таблицы, все данные, включая новые, будут вам становиться доступными без дополнительных запросов. Даже если вы сейчас стартуете с триггера “Поздравляем с днем рождения”, но если у вас в таблице изначально есть все возможные параметры, вы все их сможете использовать для персонализации, уже никогда не обращаясь к разработчику.

Коннектор настраивается тоже довольно просто: здесь есть технические параметры, такие как адрес хоста, порт, название базы, к которой мы обращаемся, и ключи для подключения. Для нас же более важным является определение важности контакта. Как правило, это имейл, но это может быть и номер телефона или любой другой ключ, который вы будете использовать. Разработчики говорили, что можно использовать даже ключи, которые не являются уникальными (как пример, использовать в качестве контакта город). После того как коннектор настроен, у нас появляется новый источник данных. Эти источники данных автоматически появятся в интерфейсе.

Мы закончили настройку, после этого уже работа будет происходить внутри eSputnik. И уже после этого у вас появятся главные возможности. Это:

1. Легкая сегментация. Она позволит легко и быстро использовать любые критерии, которые есть у вас в базе.
2. Легкий запуск автоматических кампаний.
3. Легкая подстановка персонального контента.

Как это все будет происходить? Есть какая-то условная группа, и та база, которую мы подключили, становится доступна в качестве критерия для отбора контактов в сегмент. Например, мы можем отобрать по бренду всех, кто пользуеться Toyota, или по модели. Мы можем отобрать контакты в необходимый сегмент сразу по данным в таблице.

После того как мы построили сегмент для автоматизации, нам нужны ивенты, нужно, чтобы генерировалось событие, которое расскажет, что у нас появился новый человек, который входит в эту группу. То есть критерии, подобранные для построения этой группы, нашли нам нового человека. Когда мы задаем запуск сценария, есть способ запуска “Регулярный”, это означает, что он будет регулярно перепроверять составы этой группы. И каждый раз, когда будет генерироваться событие, в него будут подставлять некие параметры, к которым уже потом мы сможем обратиться с еmail или из сценария.

Здесь параметрами будут ключи, но самый главный – это JSON – параметр, где перечисляется набор значений, что был в таблице. Например, используя Velocity, можно достаточно просто подставить необходимые данные. На выходе получаем замечательную формулировку.

Ивет, который обладает набором всех этих данных, запускает цепочку. Например, это цепочка, которая приглашает на первое ТО после того, как человек приобрел автомобиль из салона. Изначально отправляется велком-письмо, потом приглашение пройти ТО, после этого еще что-то. И важно, что эта цепочка, к примеру, будет запускаться каждый час, для того чтобы сделать коммуникацию максимально приближенной к реальному времени.

Все что мы делаем, призвано заставить данные работать на вас. Вы, как маркетологи, просто обязаны обладать этими данными. Но мы еще хотим сделать, чтобы эти данные работали на вас легко! Именно так мы и видим будущее автоматизации маркетинга. Мы будем собирать все возможные данные и давать вам возможность их использовать максимально легким способом, в частности, тот же Velocity мы планируем заменить на более удобный для настройки с точки зрения пользовательского опыта интерфейс.

Настройка рекомендаций вручную

Отступление, которым я решил с вами поделится. Это JSON, в котором через скобки массивов и параметров выводятся пары. Как пары идут некий ключ и его значение. Это массив рекомендаций, которые используються у нас в массовых или триггерных коммуникациях на базе технологий анализа Big Data.

Иначе говоря, это технологи наших партнеров из компании Soft Cube. Структура данного массива полностью соответствует той, что мы можем получить из таблицы. И теперь представьте, какой у нас может быть интересный пример. Представьте, что у вас магазин пока не настолько крупный, чтобы автоматически получать какие-то рекомендации от компании Soft Cube. Просто пока не хватает данных, чтобы сгенерировать что-то релевантное.

Представьте, что вы сами можете дать какую-то рекомендацию. В данном случае рекомендация будет носить алгоритмический характер. Предположим, есть книжный магазин, и последняя покупка была из категории фэнтези. Предложить еще человеку топ-3 позиции из категории “Фэнтези” можно не через какие-то сложные технологии и рекомендательные сервисы, а можно просто взять и вручную за полчаса накидать набор рекомендаций для основных 10 категорий, которые у вас есть в магазине.

Не факт, что это подойдет уже для среднего бизнеса, но для малого бизнеса, мне кажется, подготовить такую таблицу с рекомендациями, которые менеджер еще и будет обновлять и использовать ее автоматически в рассылке триггерных сообщений, совершенно несложная задача, которую с этой новой технологией можно реализовать.

Еще раз: вы продумываете, что на ваши 10 категорий книг у вас есть по топ-3 предложения. Эти 3 предложения через Velocity вы вставляете в код письма и в зависимости от того, в какой категории была последняя покупка, подставляете ему соответствующие рекомендации. И все, и не привлекли никакого рекомендательного сервиса. У вас просто появился простой инструмент, в таблицу внести набор рекомендаций и механизм, который эти рекомендации туда быстро подставит.

Special Request Inline