Собирая информацию о клиенте из разных каналов, CRM фактически генерирует очень большие объемы сырых данных
Анализ этих данных позволит бизнесу четко сегментировать свою клиентскую базу, лучше понимать поведение клиентов, прогнозировать его и даже управлять им, поскольку за счет использования аналитического блока CRM компании будут выполнять те действия и делать те предложения, которые воспринимаются клиентом наиболее благосклонно. Пока такой аналитикой пользуется в основном крупный бизнес: банки, страховые компании, телеком-операторы, но подобный подход в ближайшее время станет актуальным и для среднего и малого бизнеса — значение клиентской лояльности в современной экономике постоянно растет.
На сегменты рассчитайсь!
Эксперты выделяют пять уровней клиентской аналитики и использования аналитических данных о клиенте для маркетинговых предложений и контакта.
Первый — «все для всех». То есть практически все клиенты компании получают идентичные предложения, такая своего рода «ковровая бомбардировка».
Второй — «макросегментация». Клиенты разделены на 3–4 основных сегмента по самым основным параметрам. Например, возрасту, уровню дохода или наличию определенного продукта.
Третий — «микросегментация». Компания выделяет 10 и более сегментов в своей клиентской базе на основании уже не только базовых параметров, но и прибыльности клиентов, их поведенческих моделей. Например, в программе лояльности российского Сбербанка «Спасибо от Сбербанка» выделено 195 сегментов.
Четвертый — «персональный подход». Здесь уже компания переходит к анализу каждого конкретного клиента, продажа идет во время обслуживания. Персонализация предполагает не только обращение к клиенту по имени, но и возможность сделать ему предложение, отражающее его реальные потребности.
Пятый — «динамическая персонализация». На этом уровне для анализа используются не только демографические, транзакционные, продуктовые, поведенческие данные, но и информация из социальных сетей, данные, получаемые в режиме реал-тайм. Фактически компания постоянно подстраивает свое предложение под поведение пользователя.
Уже начиная с этапа микросегментации, компании используют персонализированный подход, запуская большее число маркетинговых кампаний, каждая из которых направлена на конкретный клиентский сегмент. Маркетинговые кампании на этом этапе ощутимо оптимизируются, поскольку бизнес обеспечен информацией для принятия лучших решений.
Реальное время
Все больше людей оставляет о себе много информации в открытых источниках — они пользуются соцсетями, ставят лайки, ищут что-то через поисковые системы, оставляя за собой информационный хвост. Многие уже понимают, что все эти данные будут использоваться бизнесом. И вполне логично надеются, что этот информационный хвост позволит телеком-операторам, банкам, ритейлерам улучшить сервис и сделать так, чтобы клиенты получили максимально своевременное предложение. По данным компании Monetate, 61% покупателей готов пожертвовать своей личной информацией в пользу более подходящих для них предложений.
«Самое интересное, что много информации происходит здесь и сейчас, и это надо учитывать», — уверен Алексей Рундасов, руководитель направления CRM и клиентской аналитики компании SAS Россия/СНГ. И приводит примеры удобных и своевременных предложений для клиента, сделанных с учетом как внутренней информации компании о клиенте, так и внешней — той, которая приходит в реальном времени.
«Например, я прилетел в командировку в другую страну. Спустился в лобби отеля и заказал себе чай, оплатил его картой. Как только я это сделал, банк знает, что я в другой стране. Банк в курсе, что у меня есть несколько карт разных банков, поскольку я регулярно делаю переводы с одной на другую. Вот тот самый контекст, под который должно быть подстроено предложение — есть геолокация и есть профиль клиента — то есть банк знает про несколько карт, — объясняет он. — Задача банка сделать так, чтобы его карточка стала первой, о которой я подумаю, расплачиваясь».
То есть после идентификации клиента аналитическая система начинает просчитывать, что можно ему предложить, исходя из бизнес-логики и той информации, которая была получена от клиента прямо сейчас. Рундасов отмечает, что взаимодействие онлайн значит, что не нужно привлекать клиента: он сам пришел, совершив специфическое действие, которое аналитическая система выделила как бизнес-событие. Так же как клиент сам звонит в контакт-центр банка, например, чтобы уточнить реквизиты своей карты. Если из разговора понятно, что клиент ждет поступления средств, не нужно предлагать ему кредит (а это, отмечает спикер, случается регулярно). Клиент известен банку, и все, что необходимо сделать — рассчитать для него в режиме реального времени специальное депозитное предложение и озвучить его.
И хотя Алексей Рундасов приводит примеры динамической персонализации клиентов банков, применять подобные подходы можно во многих сферах бизнеса. Например, в колл-центре техподдержки интернет-провайдера, еще на этапе звонка выявляя ценность клиента для компании, уровень его компетенции при обсуждении проблем (есть разница, звонит технически подкованный человек или тот, кто кнопку «выкл. » на своем модеме находит не сразу), и даже определяя важность возникшей проблемы, ориентируясь на уровень его экспрессивности при разговоре: это легко понять, если в профиле клиента будет отметка, что все предыдущие звонки он был спокоен, а сейчас почти кричит. В зависимости от всех этих факторов на звонок конкретного клиента будет отвечать именно тот оператор, который может максимально удовлетворить его потребности.
Формула Big Data+CRM=рост продаж обязательно сработает, если не забывать, для чего создается клиентская аналитика — для повышения не только эффективности бизнеса, но и лояльности клиента. Если же сотрудник, который работает на первой линии, клиенту нагрубит, последний вряд ли заметит, что в бизнес-процессах компании что-то изменилось в лучшую сторону.