G
Gustav
Команда форума
Администратор
- Сообщения
- 26.410
- Лайки
- 51.221
Большие данные в помощь маркетологам
Старший руководитель международного направления Unilever Ансер Али | Anser Ali выступил на конференции Performance Marketing Moscow, где поделился кейсами FMCG-брендов по использованию «больших данных». Также Али рассказал, какой подход к Big Data позволяет повысить лояльность и вовлечённость аудитории. Представляем обзор лекции Али.
Основные проблемы FMCG:
• Сегментирование.
• Персонализация.
• Скорость и динамичность.
Это означает, что производители товаров должны:
• Сфокусироваться на потребителях, а не на брендах.
• Перейти от односторонних взаимодействий к интерактивности и вовлечённости в общение.
• Перейти от массовой продукции к персонализированной.
• Использовать не ретроспективные оценки, а аналитику в режиме реального времени.
— Ожидания потребителей
Важны, прежде всего, высокое качество обслуживания потребителя в нужное время и в нужном месте. Люди больше не покупают продукт — им важен опыт, эмоции и впечатления, которые он даёт.
— Большие данные в FMCG
По мнению Али, чтобы сделать потребительский опыт осмысленным и запоминающимся, FMCG-компании должны научиться использовать «большие данные». С его точки зрения, осмысленность возникает тогда, когда бренд очень хорошо знает своих клиентов.
— Предиктивная аналитика
Это аналитика, которая отвечает на вопрос: «Что будет?» Одна из главных тенденций в этой сфере — мониторинг социальных медиа, который позволяет превратить «большие данные» в полезные и значительно улучшить потребительский опыт.
Инструменты, которые помогают узнать ответы на вопросы о клиентах с помощью интеграции разных источников:
• Маркетинг (отношения с клиентами): понимание клиентов на уровне сегмента или личных отношений. Это помогает выстраивать персональные коммуникационные стратегии.
• Бизнес-аналитика и социальная аналитика: более широкий взгляд на мир клиента, который можно получить с помощью анализа социальных данных или коммерческой информации.
• Поддержка: цифровые контакт-центры, которые помогают клиентам что-то получить в режиме реального времени.
Кейс 1. Чай латте от Lipton
Пример Lipton Chai Latte: что позволяет узнать предиктивная аналитика на основе мониторинга социальных сетей:
1. Когда именно люди говорят о чае латте и как это зависит от сезона?
2. Кто говорит о продукте больше всего?
3. Какой вкус чаще интересует аудиторию: миндаль, карамель, корица, эспрессо, тыква или ваниль?
4. Как клиенты хотят заваривать чай латте: с помощью капсул, концентрата или порошка?
5. Как и когда клиенты готовили чай латте дома?
Кейс 2. Антиперсперант Sure
Бренд антиперспирантов Sure получил данные для предиктивной аналитики с помощью сотрудничества с компаниями, выпускающими фитнес-браслеты. Несколько вопросов, на которые Sure получил ответы:
• Когда срабатывает потоотделение.
• При какой температуре.
• Через сколько минут.
• Есть ли различия между: молодыми и пожилыми и между мужчинами и женщинами.
Кейс 3. Отели Red Roof Inn
Сеть гостиниц Red Roof Inn использовала данные об отмене рейсов, чтобы увеличить число бронирований. В результате за год число бронирований номеров увеличилось на 10%.
• Предписывающая аналитика
Это аналитика, которая отвечает на вопрос: «Как мы это реализуем?»
Такой подход помогает маркетологам:
1. Создать сценарий не только отдельной рекламы, но и кампании.
2. Определить желаемый результат.
3. Понять, где и в какой момент бренд должен получить этот результат.
Пример 1. Сеть супермаркетов Kroger
Компании удалось уменьшить среднее время обслуживания покупателей с четырёх минут до 30 секунд. В Kroger стали использовать специальные датчики для прогнозирования очередей и автоматического вызова сотрудников при необходимости.
Пример 2. Колл-центр
Компания может использовать сенсор, чтобы вычислить агрессивно настроенных или огорченных клиентов по голосу и соединить их с более опытными операторами.
Пример 3. Автострахование
Чтобы предложить клиенту персонализированную страховку, можно использовать данные о стиле вождения, скоростном режиме и другом.
Пример 4. Starbucks
Приложение Starbucks в США определяет расстояние от клиента до ближайшей точки продаж и позволяет сделать заказ до того, как человек зашел в кофейню. Бренд пользуется преимуществами мобильных приложений и сервисов для определения местоположения, чтобы помочь клиентам сэкономить время и сделать их более лояльными.
— Геолокация позволяет взаимодействовать с пользователем на основе его местоположения. Например, человек проходит мимо Starbucks и получает push-уведомление: «Привет! Ты сейчас возле Starbucks на Оксфорд-стрит. У нас проходит акция: 50% скидка на твой любимый напиток — ванильный латте».
Возможности геолокации:
• Превращение посетителей в покупателей.
• Второй шанс произвести впечатление на клиента.
• Широкие возможности для кросс-продаж. Например, если клиент приобрел товар или услугу конкурента, можно предложить ему попробовать свой продукт со скидкой.
• Чтобы определять геолокацию, используются разные технологии, например, iBeacons. Такие сервисы основаны на использовании датчиков. Они с помощью Bluetooth определяют, где находится пользователь.
Кейс 1. Мороженое Magnum
Бренд Magnum создал приложение M-Pulse, в котором можно найти новых друзей, определить ближайшую точку продаж и пригласить людей поесть мороженое. Также приложение оповещает пользователей о скидках и акциях.
Кейс 2. Косметический бренд Neutrogena
Компании Neutrogena удалось совместить технологии, которые определяют местонахождение человека и погодные условия. Пользователь видит рекламу солнцезащитного средства, которое соответствует уровню ультрафиолетового излучения в той точке планеты, где он находится.
ВЫВОДЫ
• Маркетологам не нужны «большие данные» в чистом виде. Они хотят получить сценарии, которые можно создать с помощью этих данных.
• Компании должны научиться превращать «большие данные» в полезную информацию в режиме реального времени.
• Анализ данных ограничивается не столько бюджетом, сколько креативным подходом маркетолога.
• Предписывающая аналитика позволяет не только предсказывать будущее, но и выстраивать его по сценарию компании.
Старший руководитель международного направления Unilever Ансер Али | Anser Ali выступил на конференции Performance Marketing Moscow, где поделился кейсами FMCG-брендов по использованию «больших данных». Также Али рассказал, какой подход к Big Data позволяет повысить лояльность и вовлечённость аудитории. Представляем обзор лекции Али.
Основные проблемы FMCG:
• Сегментирование.
• Персонализация.
• Скорость и динамичность.
Это означает, что производители товаров должны:
• Сфокусироваться на потребителях, а не на брендах.
• Перейти от односторонних взаимодействий к интерактивности и вовлечённости в общение.
• Перейти от массовой продукции к персонализированной.
• Использовать не ретроспективные оценки, а аналитику в режиме реального времени.
— Ожидания потребителей
Важны, прежде всего, высокое качество обслуживания потребителя в нужное время и в нужном месте. Люди больше не покупают продукт — им важен опыт, эмоции и впечатления, которые он даёт.
— Большие данные в FMCG
По мнению Али, чтобы сделать потребительский опыт осмысленным и запоминающимся, FMCG-компании должны научиться использовать «большие данные». С его точки зрения, осмысленность возникает тогда, когда бренд очень хорошо знает своих клиентов.
— Предиктивная аналитика
Это аналитика, которая отвечает на вопрос: «Что будет?» Одна из главных тенденций в этой сфере — мониторинг социальных медиа, который позволяет превратить «большие данные» в полезные и значительно улучшить потребительский опыт.
Инструменты, которые помогают узнать ответы на вопросы о клиентах с помощью интеграции разных источников:
• Маркетинг (отношения с клиентами): понимание клиентов на уровне сегмента или личных отношений. Это помогает выстраивать персональные коммуникационные стратегии.
• Бизнес-аналитика и социальная аналитика: более широкий взгляд на мир клиента, который можно получить с помощью анализа социальных данных или коммерческой информации.
• Поддержка: цифровые контакт-центры, которые помогают клиентам что-то получить в режиме реального времени.
Кейс 1. Чай латте от Lipton
Пример Lipton Chai Latte: что позволяет узнать предиктивная аналитика на основе мониторинга социальных сетей:
1. Когда именно люди говорят о чае латте и как это зависит от сезона?
2. Кто говорит о продукте больше всего?
3. Какой вкус чаще интересует аудиторию: миндаль, карамель, корица, эспрессо, тыква или ваниль?
4. Как клиенты хотят заваривать чай латте: с помощью капсул, концентрата или порошка?
5. Как и когда клиенты готовили чай латте дома?
Кейс 2. Антиперсперант Sure
Бренд антиперспирантов Sure получил данные для предиктивной аналитики с помощью сотрудничества с компаниями, выпускающими фитнес-браслеты. Несколько вопросов, на которые Sure получил ответы:
• Когда срабатывает потоотделение.
• При какой температуре.
• Через сколько минут.
• Есть ли различия между: молодыми и пожилыми и между мужчинами и женщинами.
Кейс 3. Отели Red Roof Inn
Сеть гостиниц Red Roof Inn использовала данные об отмене рейсов, чтобы увеличить число бронирований. В результате за год число бронирований номеров увеличилось на 10%.
• Предписывающая аналитика
Это аналитика, которая отвечает на вопрос: «Как мы это реализуем?»
Такой подход помогает маркетологам:
1. Создать сценарий не только отдельной рекламы, но и кампании.
2. Определить желаемый результат.
3. Понять, где и в какой момент бренд должен получить этот результат.
Пример 1. Сеть супермаркетов Kroger
Компании удалось уменьшить среднее время обслуживания покупателей с четырёх минут до 30 секунд. В Kroger стали использовать специальные датчики для прогнозирования очередей и автоматического вызова сотрудников при необходимости.
Пример 2. Колл-центр
Компания может использовать сенсор, чтобы вычислить агрессивно настроенных или огорченных клиентов по голосу и соединить их с более опытными операторами.
Пример 3. Автострахование
Чтобы предложить клиенту персонализированную страховку, можно использовать данные о стиле вождения, скоростном режиме и другом.
Пример 4. Starbucks
Приложение Starbucks в США определяет расстояние от клиента до ближайшей точки продаж и позволяет сделать заказ до того, как человек зашел в кофейню. Бренд пользуется преимуществами мобильных приложений и сервисов для определения местоположения, чтобы помочь клиентам сэкономить время и сделать их более лояльными.
— Геолокация позволяет взаимодействовать с пользователем на основе его местоположения. Например, человек проходит мимо Starbucks и получает push-уведомление: «Привет! Ты сейчас возле Starbucks на Оксфорд-стрит. У нас проходит акция: 50% скидка на твой любимый напиток — ванильный латте».
Возможности геолокации:
• Превращение посетителей в покупателей.
• Второй шанс произвести впечатление на клиента.
• Широкие возможности для кросс-продаж. Например, если клиент приобрел товар или услугу конкурента, можно предложить ему попробовать свой продукт со скидкой.
• Чтобы определять геолокацию, используются разные технологии, например, iBeacons. Такие сервисы основаны на использовании датчиков. Они с помощью Bluetooth определяют, где находится пользователь.
Кейс 1. Мороженое Magnum
Бренд Magnum создал приложение M-Pulse, в котором можно найти новых друзей, определить ближайшую точку продаж и пригласить людей поесть мороженое. Также приложение оповещает пользователей о скидках и акциях.
Кейс 2. Косметический бренд Neutrogena
Компании Neutrogena удалось совместить технологии, которые определяют местонахождение человека и погодные условия. Пользователь видит рекламу солнцезащитного средства, которое соответствует уровню ультрафиолетового излучения в той точке планеты, где он находится.
ВЫВОДЫ
• Маркетологам не нужны «большие данные» в чистом виде. Они хотят получить сценарии, которые можно создать с помощью этих данных.
• Компании должны научиться превращать «большие данные» в полезную информацию в режиме реального времени.
• Анализ данных ограничивается не столько бюджетом, сколько креативным подходом маркетолога.
• Предписывающая аналитика позволяет не только предсказывать будущее, но и выстраивать его по сценарию компании.
