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

Оригинальное название:

Sexy little numbers. How to grow your business using the data you already have

Авторы:

Димитри Маекс и Пол Браун

Тема:

Маркетинг

Правовую поддержку обеспечивает юридическая фирма AllMediaLaw

www.allmedialaw.ru

Как сделать маркетинг более эффективным, не потратив ни копейки больше? Авторы книги «Ключевые цифры» предлагают использовать научный подход к вопросам оценки бюджета. Это значит обосновывать решения в маркетинге на цифрах, а не интуиции. Цифры брать из анализа имеющихся данных. Для анализа использовать методы математической статистики и машинного обучения. Применять эконометрику, научную дисциплину о взаимосвязи экономических показателей. Проводить такой анализ самостоятельно или обращаться к сторонним организациям.

Научный подход – это еще и организация работы в контексте «гипотеза – эксперимент». Это значит выдвигать предположения и проверять их на практике, проводить тестирование. Димитри призывает заниматься этим каждый день. И сегодня для этого есть все необходимые инструменты.

Новая технология рождается каждые 15 лет. Последняя волна технологических инновация прокатилась с 1992 по 2008 гг. Она ознаменовала эру компьютерных сетей. Сегодня происходит новый цикл роста технологических инноваций. Его называют «эрой умных машин». У нее две характерных черты.

Во-первых, цифровой мир привел к накоплению огромных массивов данных. Google сообщает, в 2020 году человечество будет создавать 53 зеттабайта данных. Во-вторых, стремительное развитие методов прогнозной аналитики. Сегодня данные и аналитика влияют на все сферы деятельности человека.

Книга «Ключевые цифры» написана от первого лица. Ее можно сравнить с заметками путешественника, где гид по миру аналитики проводит читателя через 7 ступеней. Это 7 бизнес-задач, с которыми сталкивается любая компания. Последуем за авторами книги. Узнаем, что это за задачи и как их можно решать, анализируя данные. Начнем с главного человека в компании – вашего клиента!

По мнению Маекса, оптимизация расходов на маркетинг начинается с трех вещей:

1. Ответа на вопрос: «Кто наш самый ценный клиент?»;

2. Трансформации ценности клиента в измеримые показатели;

3. Разделения клиентов на группы по степени их ценности.

Эти три пункта помогут сконцентрировать маркетинговые средства на действительно ключевых клиентах. Но как их вычислить?

Главная идея книги – удочка – у вас уже есть, научитесь ей пользоваться. Удочка – это данные, которые вы собираете. Посмотрите, как с их помощью можно «поймать» крупную рыбу.

Чтобы определиться, на каких клиентов ориентироваться, автор предлагает строить «Ценностный спектр». Так называется один из методов сегментации клиентов. Здесь потребуются данные о продажах.

Возьмем категорию товаров. Рассмотрим две переменные: ценность и лояльность клиента. Первую определим как количество денег, которое клиент потратит в данной категории. Вторую – как «долю в кошельке покупателя». Клиент покупает не только у нас. Часть всех расходов клиента, которая приходится на наш продукт, и есть доля в его кошельке. Она отражает лояльность клиента.

Пусть «ценность» и «лояльность» принимают два значения: «низкая» и «высокая». Две переменные с двумя значениями дадут четыре группы людей. Они задают направление для распределения ресурсов маркетинга. Познакомимся с ними.

Таблица. Модель ценностного спектра

Данный показатель можно оценить, используя внутренние данные. Нужно сравнить компании из одной отрасли. Пусть мы продаем услуги. Предположим, что клиенты, одинаковые по типу бизнеса, количеству сотрудников, географическому положению будут тратить одинаковые суммы на услугу, предлагаемую нами. Таким образом, если один заплатил нам 20, а другой 100, можно предположить, что у первого есть потенциал. С этим клиентом можно поработать, чтобы увеличить долю в его кошельке.

Рассматриваемый показатель можно также оценить, используя внешние данные. Обзоры, аналитические исследования, которые показывают в среднем по рынку затраты компании на тот или иной вид услуг, закупку продукции.

Модель ценностного спектра – не единственная для определения ключевых клиентов. Существую и другие. Возможно, они больше подойдут для вашего бизнеса. Например, популярная модель пожизненной ценности клиента.

Идея заключается в том, чтобы предсказать, как долго клиент будет с вами, и рассчитать его ценность на протяжении этого срока. Зная этот показатель, можно оценить размер инвестиций в приобретение нового клиента и развитие отношений с ним.

Пожизненная ценность – это функция трех переменных, а именно: текущей ценности клиента, его ценности в будущем, а также продолжительности связи клиента с вами. Первую переменную оценить просто – вы знаете, сколько клиент платит сейчас. Со временем он будет платить больше или меньше. Опираясь на исторические данные, вы можете оценить вторую переменную.

Но как долго клиент останется с компанией? Этот показатель вызывает больше всего неопределенности. Однако задача оказалась решаемой. На помощь пришли методы математической статистики и машинного обучения. Сегодня компании собирают огромное количество информации о действиях клиентов. Используя показатели активности потребителей, аналитик данных может построить прогнозную модель и рассчитать вероятность потери клиента компанией.

Итак, три переменные определены, осталось дело за функцией. Она будет разной, поскольку у каждого бизнеса есть своя специфика. Другими словами, единой формулы для подсчета пожизненной ценности нет. В книге рассмотрены два примера. В первом случае фигурирует крупная европейская авиакомпания с условным названием Content Air. Автор предлагает считать по формуле:

RAR = P(D) × D × CV, где

RAR – величина дохода от клиента из группы риска (revenue-at-risk, RAR),

P(D) – вероятность снижения дохода,

D – ориентировочная доля снижения

CV – ценность клиента.

В другом случае речь идет о вымышленной компании Retailco, крупной розничной сети. Здесь для расчета пожизненной ценности клиента автор оперирует понятием Цепей Маркова. Основы этой теории заложил российский математик Андрей Марков почти 100 лет назад. Сегодня она широко применяется в различных сферах, от распознавания речи до анализа ДНК и оптимизации службы доставки.