Отзывчивый маркетинг: как распознавать намерения клиентов и эффективно на них реагировать

Воронка продаж — представление о том, что есть линейная схема, в рамках которой клиенты отсеивают альтернативные варианты выбора покупки, — тоже быстро теряет актуальность. Процесс решения о покупке становится значительно более цикличным и динамичным. Потенциальные клиенты то сужают, то расширяют список возможных вариантов, используют информацию из самых разных источников, а после покупки активно делятся впечатлениями, что может как помогать, так и вредить бренду. Более того, если одна компания впечатляет клиента гибкостью обслуживания, ассортиментом или подходом (например, Amazon предлагает бесплатную доставку в течение двух дней, покупку одним нажатием кнопки и индивидуальные рекомендации), то впоследствии он будет ожидать того же самого от всех остальных брендов.

Специалистам по продажам все сложнее распознавать намерения клиентов и своевременно на них реагировать. Для этого необходимы инструменты анализа, позволяющие отслеживать, готов ли клиент к новым предложениям, и система реагирования на такие сигналы во всех точках взаимодействия и каналах продаж.

Как понять клиентов

Как показывают результаты исследования DataMatics, проведенного McKinsey, прибыль компаний, которые широко используют инструменты анализа клиентского поведения, вдвое чаще превышает среднерыночные показатели, чем у компаний, которые такими решениями не пользуются. Они добиваются более высоких результатов на всех этапах жизненного цикла клиента, гораздо чаще завоевывают лояльность покупателей и опережают сопоставимые компании по показателям привлечения новых клиентов (см. схему)[1].

Чтобы эффективно распознавать намерения клиентов, компаниям необходимо совершенствовать свои навыки по нескольким направлениям.

Определение намерений клиентов. Прогнозировать поведение клиентов — значит уловить их намерения раньше конкурентов, а затем завладеть их вниманием и обратить его на свои продукты. А для этого бизнесу необходимы как инструменты анализа поведения, так и система оперативной реакции на распространенные сигналы от клиентов, такие как подписка на получение купонов или вопросы о продукте в социальных сетях.

Весьма уместно привлекать новые источники данных. Например, страховщики жизни изучают образ жизни людей, обращающихся к ним за полисами, потенциальные угрозы их здоровью и другие риски (занимаются ли эти люди экстремальными видами спорта, куда ездят на отдых, каков их вес, уровень преступности в их районе и т.д.). Анализируя эти риски, страховщики могут определить индивидуальные условия договора для каждого клиента.

Или, скажем, компании могут отслеживать перемены в жизни людей, которые побуждают их к новым покупкам. Например, когда семья переезжает в более просторное жилье, в нем появляется место для домашнего кинотеатра, который давно хотелось купить. Если человек получает крупную премию или наследство, его могут заинтересовать новые банковские продукты. Определенные события в жизни потребителей коренным образом меняют их покупательское поведение. Когда в семье рождается ребенок, некоторые родители начинают покупать подгузники в магазинах-дискаунтерах; такие походы в магазин меняют их поведение в отношении совершенно других товаров.

Есть и более тонкие методы. Бывает, что намерение купить тот или иной товар формируется у потребителя постепенно: например, он видит, как продуктом пользуется другой пассажир в метро, или этот продукт обсуждают в интернете его друзья. Инструменты комплексной аналитики, способные определять зарождение потребительского интереса, позволяют намного раньше начать работу с потенциальным клиентом, чтобы подвести его к покупке. В рамках традиционной модели управления жизненным циклом клиента к подобным методам сбора и анализа данных обращались лишь раз в год, да и то чтобы подтвердить ранее выдвинутые гипотезы. В новой модели такие исследования играют определяющую роль, проводятся в реальном времени и максимально персонализированы.

Предвидение намерений. Замечать намерения клиентов чрезвычайно важно, но еще лучше уметь их предугадывать. Инструменты комплексной аналитики позволяют заметно точнее прогнозировать будущие покупки клиента по текущим покупкам. Самый простой пример: если человек приобрел дорогой телевизор, то в будущем он, вероятно, захочет приобрести многоканальную акустическую систему. Один из ведущих операторов связи в Юго-Восточной Азии разработал инструмент прогнозирования таких покупок потребителей и сумел на 30% увеличить выручку от сопутствующих продаж существующим клиентам.

Стимулы для добровольного предоставления данных. Потребители активно делятся мнениями друг с другом и прислушиваются к рекомендациям друзей по поводу того, что именно, где и как лучше покупать. Поэтому важна изобретательность при разработке решений и предложений, побуждающих клиентов предоставлять персональные данные. Пример такого решения — браслет Nike Fuelband, который собирает информацию о физической активности потребителей и предлагает тем продукты, которые могут их заинтересовать. Еще один ценный источник информации о предпочтениях — системы, помогающие покупателям подобрать нужную комплектацию автомобиля. Можно действовать и более прямо. Как показывают результаты наших исследований, 35% потребителей, совершающих покупки в интернет-магазинах, готовы предоставлять личную информацию в обмен на скидки[2].

Но чтобы получить с помощью этих данных конкурентное преимущество, нужно действовать очень активно. Почти две трети компаний, по мнению их руководителей, выделяют слишком мало средств на изучение поведения и предпочтений клиентов. Об этом свидетельствует наш недавний опрос, в котором приняли участие почти 700 руководителей. Что еще хуже, лишь в 6% компаниях, по мнению руководства, потребности клиентов понимают действительно хорошо; в 45% фирм признали, что плохо представляют, как именно клиенты пытаются взаимодействовать с ними в интернете[3].

Своевременная реакция

В очень многих компаниях тщательно анализируют данные о клиентах, но не могут извлечь из них действительно ценные выводы и оперативно направить их в каналы продаж. А такая своевременная реакция на намерения потребителей необходима для того, чтобы превращать новых клиентов в постоянных и предотвращать уход не вполне лояльных покупателей. Как показывают наши исследования, персонализация подхода к клиентам позволяет в 5-8 раз повысить рентабельность инвестиций в маркетинг и увеличить продажи на 10% и более.

Инструменты для анализа поведения клиентов позволяют, например, составлять «тепловые карты» процесса решения о покупке, которые показывают как новые возможности, так и проблемы в восприятии бренда, в том числе в интернете. Составленные карты необходимо адаптировать для каждого клиентского сегмента с учетом множества критериев — особенностей поведения, возраста и других демографических данных, места проживания, этапа решения о покупке и т. д. Затем следует разработать каталог индивидуальных обращений к клиентам. Например, у компании Gilt Groupe более 3 тысяч таких индивидуализированных обращений. Сообщения рассылаются клиентам ежедневно в полдень, и в них учитывается, какие товары покупатели просматривали, что им понравилось, размеры их одежды и обуви.

Здесь уместны не только цифровые каналы взаимодействия. В одной розничной компании, работающей на азиатском рынке, разработали печатные рекламные листовки с учетом шести основных клиентских сегментов. В каждом сегменте компания поставила несколько целей (удержание клиентов, увеличение среднего объема покупки, стимулирование потребителей к повторному визиту) и использовала для их достижения индивидуальные стимулы, от бонусов за покупку до купонов на товары из новых категорий. В результате удалось на три процентных пункта увеличить продажи в имеющихся магазинах, на 300% повысить эффективность продаж, а рентабельность инвестиций в рамках программы достигла 100%.

Информация, позволяющая индивидуально подходить к каждому клиенту, должна быть у сотрудников под рукой. В интернете это уже стандартная практика благодаря Amazon и другим интернет-лидерам. Кроме того, активно развиваются индивидуальные подходы к обслуживанию в розничных точках продаж и колл-центрах. При этом сотрудники должны не только опираться на базы данных, но и учитывать результаты собственного общения с клиентами.

Необходимые навыки

Эти тенденции очень сильно влияют на приоритеты маркетинговых подразделений. На наш взгляд, компаниям, которые хотят завоевать и удержать лидерство на рынке, необходимы следующие меры.

• Привести в порядок систему сбора и хранения данных. Зачастую самые ценные сведения о намерениях потребителей уже содержатся в имеющихся базах данных, но не систематизированы или не проанализированы, что не дает оперативно ими пользоваться. А между тем данные о конкретных действиях потребителя (например, покупка продукта в определенной категории или переход по рекламной ссылке с изображением продукта) позволяют прогнозировать его поведение в 5-10 раз точнее, чем демографические данные из внешних источников. Современные аналитические программы позволяют отслеживать такие события в различных каналах взаимодействия. Например, если в компанию позвонил ценный клиент, то специалист по работе с клиентами может ответить на звонок оперативнее или перенаправить его торговому представителю; тот предложит клиенту сопутствующие продукты, исходя из его предыдущих покупок.

• Использовать аналитические инструменты в каналах продаж. Зачастую продвинутая аналитика применяется лишь в недрах службы маркетинга или только при развертывании целевых кампаний. Так компания упускает возможность снабдить остальных сотрудников, особенно менеджеров по продажам, актуальной и полезной информацией о клиентах — в частности, об их поведении в прошлом, а также рекомендациями о работе с каждым конкретным покупателем (например, кому-то стоит предложить обновленную версию продукта). Одна крупная страховая компания сумела увеличить прибыль, объединив инструменты для анализа поведения клиентов с системой выявления мошенничества. При рассмотрении претензий страховые агенты используют упрощенные аналитические решения, позволяющие быстро урегулировать претензии в тех клиентских сегментах, где мошенничество маловероятно. Это не только повышает удовлетворенность клиентов, но и сокращает операционные расходы.

  Чтобы такая система была эффективной, к ее разработке нужно привлечь торговых партнеров, представителей бизнес-единиц и сотрудников, непосредственно работающие с клиентами. Проработке таких процессов и развитие навыков у сотрудников нужно уделить не меньше, а то и больше сил и времени, чем собственно сбору данных. Менеджеров по продажам не воодушевляют непрозрачные решения, в основе которых лежат не очевидные им предложения по продвижению продуктов. Им важно быть в курсе контекста и знать больше о клиентах, чтобы понять, почему конкретному покупателю стоит предложить тот или иной продукт или использовать при общении определенный подход. Еще лучше, чтобы у продавцов была возможность на ходу корректировать предложение или выбирать одно из нескольких предложений с учетом беседы с клиентом.

• Измерять ценность клиента на протяжении жизненного цикла. Одна из самых сложных задач в новой модели CLM — изменить подход к измерению показателей и отчетности и уделять больше внимания не конверсии в краткосрочной перспективе, а тому, как привлечение клиентов влияет на бизнес компании. Следует ориентироваться на более точные и информативные показатели, такие как увеличение «доли в кошельке клиента», лояльность на протяжении жизненного цикла клиента (и чистая приведенная стоимость), динамика прибыльности в различных клиентских сегментах. Взаимодействие между компаниями и клиентами становится все более разносторонним и персонализированным, поэтому необходимо и более детально его измерять. Это позволяет определять как долгосрочную политику работы с клиентами, так и актуальные разовые предложения, а в конечном счете — понять, как усилия компании по повышению прибыльности клиентов и снижению их оттока сказываются на «пожизненной» ценности клиента. Определив этот показатель, компании могут использовать его в повседневных решениях. Например, скидка в размере 20 долларов в месяц для ценного абонента кабельного телевидения, который требует расторжения договора, — совсем небольшая плата за прибыльность в долгосрочной перспективе.

• Развивать кадры. Крайне важно совершенствовать навыки работы с данными в организации: тогда служба продаж сможет на практике использовать все преимущества, связанные с «большими данными». Найти подходящие кадры бывает весьма непросто. Лишь 3,4% директоров по маркетингу, опрошенных McKinsey в 2013 г., были уверены, что у них достаточно специалистов, умеющих работать с такими инструментами. И узких специалистов здесь не достаточно. Компаниям нужны сотрудники, способные играть роль «переводчиков» — наводить мосты между разными службами, выстраивать эффективную коммуникацию между ними. Это стимулирует спрос на менеджеров с двойной специализацией в таких взаимодополняющих сферах, как программирование и финансы, статистические исследования и маркетинг, психология и экономика. Крупные компании, например, Walmart и Allstate, открывают представительства и центры инноваций в Кремниевой долине. Таким образом они ищут новых сотрудников и развивают навыки, необходимые для новой модели маркетинга.

Суть этой новой модели — вовремя определить намерение клиента и быстро отреагировать на него, предложив нужное покупателю и прибыльное для компании решение. Преимущество здесь имеют маркетологи, способные действовать гибко: не только находить клиентов с наибольшей «пожизненной» ценностью, но и быстро подбирать адекватные альтернативы своим решениям.

Полная версия статьи опубликована в журнале Sales Management Review.

Об авторах:

Брайан Грегг (Brian Gregg) — партнер McKinsey, Сан-Франциско
Ваутер Мас (Wouter Maes) — партнер McKinsey, Бостон
Эндрю Пикерсгил (Andrew Pickersgill) — старший партнер McKinsey, Торонто

[1] «Исследование DataMatics 2013: использование систем анализа поведения клиентов для повышения эффективности компаний» (McKinsey, январь 2014 г.).

[2] Исследование iConsumer, 2012 г.

[3] The Funnel is dead. Long live the customer decision journey («Воронка продаж умерла. Да здравствует процесс формирования решения о покупке!»), Дэвид Эдельман (David Edelman) и Франческо Банфи (Francesco Banfi), The Economist, 14 февраля 2014 г.