Энциклопедия маркетинга, http://www.marketing.spb.ru

Адрес документа: http://www.marketing.spb.ru/conf/iMetrics-conf/index.htm
Обновлено: 20.11.2017

Конференция iMetrics (2014)

Данные материалы - лишь скромная часть докладов с конференции iMetrics 2014.

Шри - основатель и владелец британского digital агентства Net Media Planet, которое помогает компаниям и брендам максимизировать эффект от интернет-маркетинга. Среди его клиентов такие компании как HSBC, Superdrug, Singapore Airlines, Cotswold Outdoor и др. Шри является признанным экспертом в области веб-аналитики и оптимизации digital маркетинга и успешно выступает в качестве спикера на отраслевых конференциях по всему миру.

Джим - основатель и президент Napkyn Inc., известной платформы веб-аналитики, базирующейся в Канаде. Он занимается не только развитием бизнеса, но и является идеологом и руководителем проектов, пишет множество статей по веб-аналитике, избранные из которых опубликованы в блоге компании Napkyn.

Роберто отвечает за развитие и продажи сервиса Google Analytics Premium в регионе SEMEA. Ранее в Google занимал должность консультанта платформы Doubleclick Digital Marketing.

Обратите внимание: стенограммы выступлений представлены в кратком варианте, а также опущены ответы на вопросы аудитории.

Serve the heart of the customer, as the rational mind is easy to achieve (Sridhar M Sharma)

Общаясь с клиентами, стоит задать себе вопрос, взываете ли вы к эмоциям или к рациональному началу. К голове или к сердцу. Анализ более нескольких десятков тысяч ситуаций показал, что маркетинг, направленный на эмоции, на 15% выгодней.

Вы легко можете повысить эффективность своей работы. Для этого в первую очередь нужно «разобраться» в своих клиентах.

Во-первых, нужно собирать максимум информации, тем более что данных очень много. Локационного характера, о поведении, браузинговом поведении, истории поиска и так далее. Благодаря различным сервисам и продуктам вы можете детально узнать демографическую структуру ваших клиентов. Или структуру поиска.

Во-вторых нужно разобраться с предпочтениями ваших клиентов. К примеру, в одной и той же казалось бы категории, в единой возрастной группе молодым девушкам нравится Michael Kors, а юношам – бренд Accurist.

В-третьих, нужно разобраться не только в том, как распределяются предпочтения, но и в том, как совершаются покупки. Мужчины готовы оставлять покупки на последний момент, в то время как для женщин характерен более организованный процесс. Или, например, после покупки одного парфюма обычно тот же самый покупатель решает купить тот же или похожий на него парфюм через 4-6 месяцев. Важно при этом использовать информацию из всех каналов. К примеру, не только технические моменты типа размеров одежды/флаконов, но и того, какие цвета и стили предпочитают клиенты.

Естественно, важно анализировать отзывы ваших клиентов. Когда вы научитесь понимать своего клиента, до него будет гораздо проще достучаться – всего лишь в правильное время, в правильном месте и правильным каналом.Все те данные, которые вы смогли собрать, вы можете использовать для таргетирования групп своих пользователей: в соцсетях, по почте, по страницам и интересам и т.п. К примеру, телеканал sky в Британии предлагает таргетирование уже и для телевизионной рекламы.

Давайте рассмотрим 4 абсолютно разные потребительские истории.

Первая. Дано: Perfume shop выяснили, что 30% покупок под рождество – покупки, совершаемые мужьями и бойфрендами.

Мужчины довольно ленивы и откладывают покупки до последнего. Это означает, что ближе к дате можно было повышать цену. Плюс использовать демографическое таргетирование и «заточить» рекламные коммуникации и слоганы под эту аудиторию. А зная, что через полгода клиенты (или их дамы) будут готовы к следующей покупке, можно составить списки покупателей сейчас и вновь обработать их через определенное время. Таким образом мы можем выбрать подходящие коммуникации и для дисплейной, и для поисковой рекламы. Все это можно легко сделать с помощью гуглового и яндексовского инструментария – и работа с аудиторией будет уже эффективнее.

Вторая. Дано: В WatchSHOP 60-70% покупаемых часов приобретаются в подарок.

Мы анализировали отзывы и обнаружили в них «важные даты» - подарки в основном на 18-летие или 21-летие. Мы настроили таргетирование в соцсетях в первую очередь для этих дней рождения. К примеру, одной студентке мы специально активно показываем те самые часы Michael Kors, самого популярного бренда для этой возрастной категории. И добавляем специальную кнопку "Пошлите эту ссылку своим родителям". Вы не представляете, насколько выросли продажи.

Третья. Дано: Monsoon/ accessorize. 20% покупателей – это матери.

Мы решили сделать следующее. На сайте есть специальный детский раздел. И мы можем «разводить» после стандартного поискового запроса клиенток, которые уже «засветились» в этом детском разделе, и тех клиенток, которые не являются матерями, поскольку их поведение и покупки, конечно же, отличаются. И таким образом обеспечивается большая персонализация. Можно для этого использовать и покупные данные от сторонних компаний.

Четвертая. Дано: Chain Reaction Cycles – крупнейший онлайн-торговец велосипедами в мире.

Полгода назад была запущена программа по привлечению клиентов. С одной стороны, мы купили чужие данные. С другой, использовали контекстную рекламу. И за этот период мы добились 3х-кратного увеличения новых клиентов. И в дальнейшем важно использовать различные инструменты для обработки данных.

К примеру, довольно слабо используется в принципе платформа для управления данными (Data Management Platform, DMP ) – это большое хранилище данных, куда вы можете сгрузить и обрабатывать данные о ваших клиентах. Простыми решениями в области data management можно считать doubleclick, turn, appnexus. Более сложными – Oracle atg, Magneto, Venda. Гораздо сложнее устроены Exelate, [x+1], Lotame, bluekai. Все эти решения упрощают для вас использование ваших собственных данных для рекламы.

Serve the heart of the customer, as the rational mind is easy to achieve (Sridhar M Sharma) from Iskra Event on Vimeo.

Four Big Analytics Project Lessons (Jim Cain)

Примеры интересных аналитических проектов, о которых пойдет речь, на самом деле не столько про аналитику, сколько про эмоции и предоставление итоговой картинки. Вообще измерения – это некая совокупность журналистики и сторителлинга. Навык проведения интервью клиента – важное умение аналитика, которое в том числе может отличить специалиста от начинающего.

Первый проект был связан с соцмедиа. Клиент – известная международная компания, работающая с кофе. Проблема – работа отдельно в каждом канале, без отсутствия единого плана работы. Была популярность, но не было понимания о том, что в итоге работает. Было использовано большое количество различных инструментов, но при этом плохо настроенных.

В качестве одной из базовых метрик (КПЭ) было решено использовать размер активной аудитории – не только подписаны, но и активно реагируют на вашу деятельность (ретвиты, комментарии и т.д.). Мы подсчитывали и разбивали по отдельным каналам данные об аудитории. Концепция понравилась, как и созданный отчет, однако сказать, что получилось интегрировать все данные воедино, мы не можем. И в том числе помешал размер компании и занятость и "разорванность" его работников. Люди, которые занимались соцмедиа, грубо говоря не могли пообщаться с теми, кто занимался онлайн-торговлей. Возможно, если бы деньги вкладывались в другие инструменты интернет-маркетинга и аналитики, получилась бы совсем иная доходность.

Второй проект – использование мультисессионной атрибуции и представление отчета руководству. Клиент торгует розницей в одежде с огромными оборотами. В компании была поставлена жесткая задача снижения затрат. Нужно было найти правильный инструмент и правильного вендора для оценки эффективности каналов. И донести информацию до высшего руководства. На тот момент advanced attribution в GA еще вообще не было. Мы предложили им работу с Conventro и пообщались с ключевыми стейкхолдерами. Мы увидели большое кол-во аффилиатных программ, сильные завышения счетов у некоторых партнеров, огромное количество неочевидных ключевых слов с высокой рентабельностью. Мы начинали с самых простых вещей, и когда сложился интерес и запрос от руководства, занялись более сложной настройкой. В итоге клиент провел ряд изменений, и проект можно считать успешным. Компания получила полную прозрачность маркетинговых расходов. И именно это, как показывает практика, реально интересно руководству.

Третий проект – для довольно большого ритейлера с оборотом порядка миллиона. Проблема была в предоставлении детального отчета, и история была практически скандальной, так что в первую очередь нужно было менять в целом отношение. Аналитика собиралась, а "упаковать данные" для руководства не получалось.

Мы провели большое количество интервью. И постоянно всплывали две основные темы. В прошлом году была потеряна база для каталожных продаж, что повредило этому направлению в компании, а также был запущен поразительно плохой мобильный сайт.

Мы смогли составить некую карту деятельности компании – в том числе историй успеха – и активности в digital-среде за последние 53 недели. Таким образом мы смогли показать реальную рентабельность направления в целом и веб-аналитики в частности. Плюс посчитали, что было бы, если бы не произошло двух этих провальных событий. Также посчитали, что было бы, если бы не пришел новый вице-президент (и привнесенных изменений). Показав эти графики, получилось убедить генерального директора, что несмотря на некоторые трудности, общая успешность налицо.

Четвертый проект – о HiPPO, Highest Paid Person's Opinion, мнение наиболее оплачиваемого сотрудника. В компании с высокой сезонностью была серьезная проблема: высшее руководство не рассматривало аналитику от маркетинговых отделов. Отчеты не принимались во внимание. Существовали некоторые разрывы и различия (к примеру, между заказом и звонком в колл-центр с внесением изменений). Был заменен инструмент сбора аналитики. Были также проведены беседы с финдиректором, созданы custom channel в GA в соответствии с тем, как он это видел для себя, искали различия в данных и сопоставляли их. Возможно, этот проект можно назвать наиболее успешным, так как позволил убедить финансистов учитывать данные маркетологов как надежные цифры - в том числе и на будущие периоды - и наладил взаимодействие между специалистами.

Пятый проект – про Omni-Channel. Есть клиенты, которые много тратят на онлайн-рекламу, но и в традиционных каналах активно работают. Крупная компания тратит десятки миллионов долларов в том числе на региональном телевидении. И необходимо было оценить эффективность многоканальной рекламы. Давать полную уверенность в цифрах было трудно, но мы изучали данные по городам и сопоставляли их.

Four Big Analytics Project Lessons (Jim Cain) from Iskra Event on Vimeo.

The Data Opportunity. Marketing Analytics solutions for the Enterprise. (Roberto Crocci)

79% опрошенных нами отметили, что они не доверяют предоставляемых аналитиками данных. Но современные технологии должны помочь в работе специалистов. Бизнес развивается быстро, и метрики должны также развиваться. И чем дальше – тем больше разнородных сигналов будет приходить. До сих пор при этом офлайн- и онлайн-миры плохо связаны, и есть некоторые разрывы в мониторинге поведения клиентов. И в большинстве бизнесов по-прежнему нет представления о клиентах, особенно если говорить об интегрированных данных. И важно подбирать качественные инструменты для этой интеграции.

При этом многие компании приобретают и внедряют некоторые технологии в виде фрагментированной экосистемы, без понимания о возможностях использования в стратегическом ключе или без желания делиться информацией внутри компании и так далее. Плюс важно понимать, что анализ ради анализа – не цель. На основе полученных данных важно принять правильные решения о возможных изменениях, развитии и так далее.

Изменения, происходящие сейчас на рынке, особенно интересны крупным клиентам, поскольку налицо тренд персонализации и возможности координации бизнес-процессов внутри компании.

Что важно в работе с данных о клиентах:

  • Масштаб. Здесь имеется в виду работа в самых разных объемах и с разными устройствами. Специалисты хотя измерять не просто показы, а увиденные показы и конверсию, к примеру. И на данный момент до сих пор используются технологии, которые плохо взаимодействуют друг с другом. Есть потребность в некоторой универсальной аналитике и сборе данных с любого подключенного к интернету девайса в целом, чтобы уйти от посессионной версии аналитики.
  • Таргетинг. Имеем в виду выход только на нужную аудиторию. Мы должны держать в голове жизненный цикл пользователя. И чем грамотнее мы сегментируем, тем лучше и эффективнее достучимся до клиента. Можно использовать традиционные правила по различным фильтрам, а также создавать специфические клиентские сценарии и прописывать их на уровне сегментации, рассчитывая конверсию для каждого варианта. Дальше сегменты можно успешно использовать в real-time-кампаниях, снижении СРА, повышении ROI и так далее, а вы тем самым получите более клиентоцентричные решения.
  • Производительность (вернее ее повышение) и связанные с ней эффективность и оптимизация затрат. Атрибуция будет работать эффективнее, если вы сможете разобраться, как увязаны ваши кампании и каналы. Если вы сможете «вычистить» информацию и убрать дубли в клиентской базе, вы сэкономите средства и в том числе время, которое потратите на решение других важных дел, разработкой мероприятий и др. Атрибуция при этом должна быть максимально простой. И вы можете прийти к ней различными путями. Если вам нужно работать с наиболее продвинутыми элементами атрибуции, возможно потребуется использовать adometry. Но в любом случае важно задать стратегические вопросы, прежде чем ориентироваться на технологии.

The Data Opportunity. Marketing Analytics solutions for the Enterprise. (Roberto Crocci) from Iskra Event on Vimeo.


© 1998-2017 Дмитрий Рябых