Аналитические возможности CRM

Анализ Web-активности

Специалисты ИТ обычно очень легкомысленно подходят к вопросу сбора и анализа информации об активности пользователей Web-сайта. Хотя эта информация может очень многое рассказать про каждого конкретного посетителя. В частности, мы можем анализировать, как пользователь попал на Web-сайт, сколько времени он на нем провел, что он делал во время своего визита, и когда он снова вернулся. Данные о Web-активности пользователей сравнимы с камерой, установленной в зале магазина, которая записывала бы все действия посетителя: какие товары он брал с полки, но не положил в свою корзину, на чем останавливался его взгляд, к кому он обращался с вопросами и какие ответы получал.

Практика сбора данных об активности пользователей развивается одновременно с электронной коммерцией. Эти данные могут накапливаться в отдельном хранилище данных или быть частью единого корпоративного хранилища. Учитывая возможные огромные объемы этих данных, а также существующие этические ограничения по использованию, руководство компаний часто принимает решение о преднамеренном разделении информации об активности пользователей в Интернете и данных о покупателях.

Показательным примером использования анализа Web-активности является изучение так называемых "незавершенных заказов", т.е. ситуаций, когда пользователь электронного магазина наполнил свою виртуальную корзину товарами, однако так и не "дотащил" ее до виртуального прилавка, бросив свой заказ на полпути. Задача анализа здесь заключается в том, чтобы сравнить содержимое брошенной корзины с другими аналогичными корзинами и ответить на несколько ключевых вопросов, например таких:

• Какова общая стоимость товаров в брошенных корзинах (другими словами, сколько доходов потерял магазин из-за неосуществленных покупок)?
• Были ли продукты в корзине высокодоходными или убыточными?
• Присутствовали ли те же продукты в других брошенных корзинах?
• Какое количество продуктов и диапазон продуктовых категорий представлены в корзине?
• Попадают ли брошенные корзины в определенную категорию по размеру общего заказа?
• На каком этапе процесса покупки покупатель бросил свою корзину? (Когда он увидел условия оплаты или стоимость доставки? Когда потребовалось заполнить персональную анкету для окончательного оформления заказа?)
• Как соотносятся брошенные корзины с реально осуществленными заказами по объему, продуктовым категориям и т.д.?

Результаты подобного анализа могут навести на очень интересные предположения. Например о том, что ни один из продуктов в корзине не был настолько необходим потребителю, чтобы мотивировать его на осуществление покупки. Или о том, что покупателя отпугнули многочисленные запросы и анкеты. Или, что на определенной сумме общего счета покупатель передумал и отказался от всего заказа. Или определенный набор и сочетание продуктов напомнили покупателю о необходимости покупки чего-то еще, и он ушел в другой магазин в поисках комплексного решения.

Все эти предположения можно смело отнести к категории "научного тыка"*. Однако в случае использования с достаточной периодичностью, опытному аналитику подобные методы могут помочь. Что бы ни послужило причиной для покупателя оставить магазин и свою корзину, полную потенциальных покупок, продавец может и должен использовать все имеющиеся у него средства — от строгих закономерностей до неочевидных экстраполяций — для того, чтобы понять клиента и стимулировать его на осуществление покупки. Найденные закономерности могут не просто помочь улучшить дизайн и размещение информации на Web-сайте для большего удобства клиентов, но и определить продуктовые взаимосвязи, предложить возможные стратегии дополнительных и кросс-продаж. В сочетании с данными по демографии, психографии и поведенческим моделям результаты анализа Web-активности помогут компаниям лучше понимать своих клиентов.

Последние разработки в области анализа еще более интригуют. Вместо того чтобы просто анализировать пути перемещения клиента по сайту и предполагать его возможные дальнейшие действия, продавец может совмещать эти данные со специфической клиентской информацией — историей покупок, ключевыми демографическими и психографическими показателями, его ценностью и текущим этапом жизненного цикла — для формирования целостной картины ценностей и интересов данного клиента. Может быть, посетитель, бросивший корзину, был случайным гостем, и на него не стоит тратить усилия. Однако если корзину бросил кто-то из существующих ценных клиентов, то целевое электронное сообщение или купон (например, на продукт, который был оставлен в корзине) могут существенно помочь довести покупку до конца при следующем визите клиента в магазин.

Персонализация и "совместный выбор"

В разделе про маркетинг мы уже обсуждали термин "персонализация", т.е. практику специализированного взаимодействия лично с каждым клиентом (или узким целевым сегментом). Подобная практика построена на предпосылке, что, собирая необходимую информацию о клиентах, компания может ориентироваться в маркетинге на конкретные потребности, которые могут существовать у клиента сейчас или в будущем. Персонализация является мощным аргументом при обосновании необходимости сбора и хранения информации о клиенте, в идеале — с любезного разрешения самого клиента. Ко взаимной выгоде продавец должен суметь предложить покупателю более аккуратные рекомендации по продуктам, специализированные источники информации, целевые маркетинговые предложения, причем в режиме реального времени.

В Москве есть хороший грузинский ресторан, который известен вовсе не своей отменной кухней. Основная его достопримечательность — гардероб, а точнее — гардеробщик, который не пользуется номерками для одежды. Сколько бы посетителей ни было в ресторане в этот вечер, он безошибочно встретит вас на выходе с той верхней одеждой, в которой вы пришли в ресторан. Людям приятно чувствовать персональность и узнаваемость в общении — пусть даже они достигаются за счет способностей натренированной памяти, а не за счет личного общения...

Эффективное использование возможностей персонализации не просто увеличивает лояльность, но и должно обеспечивать дополнительные доходы. Персональная информация о потребителе может определять тактику взаимодействия с ним. Вот лишь несколько примеров из сферы фармацевтики:

• Для потребителей, которые приобрели витамины или интересовались ими, какие дополнительные фармацевтические препараты могут быть интересны?
• Насколько потребитель А готов приобретать рецептурные препараты через Интернет?
• Какие продукты обычно приобретаются с каплями для глаз ХХХ?

Персонализация может принимать разные формы. В самом простом случае она может означать изменение внешнего вида Web-страницы в соответствии с предпочтениями данного конкретного потребителя. Многие Web-сайты позволяют пользователям настроить интерфейс в соответствии со своими предпочтениями — продавец, таким образом, создает у потребителя ощущение "личного окна в компанию" и тем самым повышает его лояльность.

Различаются два основных вида персонализации: на основе правил и адаптивная.

• Персонализация на основе правил использует устоявшиеся правила и определяет, например, какие продукты могут быть приобретены вместе, или какие экраны необходимо показывать конкретному пользователю в соответствии с задачей, которую он пытается выполнить. Когда клиент в электронном магазине программного обеспечения покупает систему управления финансами, магазин может предложить ему приобретение соответствующих книг по финансовому управлению прежде, чем он осуществит окончательный заказ. В современных системах электронной коммерции правила для подобной персонализации не "зашиты" в коде самой системы, а управляются из внешнего интерфейса аналитиком — это позволяет оперативно изменять и настраивать правила персонализации в зависимости от изменяющихся факторов внешней среды.
• Другому виду персонализации — адаптивному — обучаются по мере взаимодействия с клиентом. Этот метод, известный также как "совместный выбор" (collaborative filtering), накапливает знания о поведении пользователей и применяет их для того, чтобы упростить в дальнейшем процесс поиска и выбора. Если система персонализации на Web-сайте по продаже товаров для садоводства определит, что покупатели луковиц многолетних цветов часто заказывают также и инструменты для садоводства, она будет размещать предложения наиболее часто покупаемых цветов для всех покупателей, выбирающих соответствующие инструменты. Технология "совместного выбора" использует модель поведения других "похожих" покупателей в качестве основы для формирования рекомендаций. Главное отличие систем адаптивных от систем на основе правил заключается в том, что для определения и программирования соответствующих закономерностей не требуется участие человека, — система делает это автоматически. Такие технологии на порядок сложнее и, соответственно, дороже, чем системы, построенные на основе правил.

Наиболее широко возможности персонализации используют продавцы книг — такие, как Amazon.com или Ozon.ru. Первый активно использует принципы "совместного выбора": на основе прошлой истории покупок и географии клиента система строит свои рекомендации по принципу "Что читают ваши соседи со схожими интересами?" Чем больше покупок совершают "похожие" клиенты, тем "умнее" становится система, определяя потребности клиентов, и тем точнее становятся ее рекомендации.

При определении стратегии персонализации необходимо решить для себя, должна ли данная персонализация быть заметной для пользователя, или нет? В разделе "Маркетинг в стратегии CRM" мы рассматривали понятие "маркетинг по разрешению", когда клиент добровольно предоставляет персональную информацию в расчете на то, что это окупится: компания будет использовать полученную информацию для предоставления дополнительных услуг — скидок, целевых предложений и т.д. Тем не менее возможен вариант, когда пользователь даже не заметит, что Web-сайт использует средства персонализации, а продукты и документы, которые он видит на экране, отличаются от тех, которые может увидеть другой посетитель сайта.

Между тем средства интеллектуального анализа скрытых закономерностей остаются скорее в разряде технологических новинок. Пройдет еще несколько лет, прежде чем они прочно войдут в общепринятую деловую практику. Сейчас более распространенным подходом является прямой опрос посетителей (включая тех, кто так ничего и не купил) об их приоритетах и предпочтениях. Данные опросов становятся затем частью профиля клиента и используются для выработки соответствующих рекомендаций и маркетинговых предложений.

Хотя персонализация кажется достаточно безобидным маркетинговым средством, эффект от ее использования может быть таким же сильным, как и от правильного мерчендайзинга* в традиционных магазинах. Персонализация также обладает серьезным дополнительным (отчасти противоречивым) потенциалом, который заключается в возможности динамического ценообразования. Первые эксперименты по динамическому ценообразованию проводил магазин Amazon.com, продавая DVD-диски с одним и тем же фильмом различным покупателям по разной цене. Эта концепция переворачивает с ног на голову традиционное представление о том, как покупатель осуществляет свой выбор. Возможности Web-технологий, которые, с одной стороны, позволили покупателям осуществлять выбор товара с лучшей ценой за считанные секунды и несколькими движениями мышью, с другой стороны, позволили поставщикам дифференцировать своих покупателей по принципу "чувствительности к цене". Принцип динамического ценообразования использует знания о клиенте, заложенные в CRM-систему для сравнения степени желания клиента приобрести данный товар с его возможностью заплатить за данную покупку. В этом случае уже покупатели становятся конкурентами за возможность приобрести данный товар.

Данная функция — одна из наиболее востребованных на российских корпоративных Web-сайтах: в условиях "закрытого информационного пространства" производители зачастую не хотят, чтобы их клиенты или торговые партнеры видели один и тот же диапазон предлагаемой продукции и уровень скидок. Под каждого из партнеров — пользователей сайта необходимо динамически создавать прайс-листы и списки продуктов в соответствии с оговоренным уровнем персональной скидки...

Аргументы "за" и "против" динамического ценообразования затрагивают вопросы защиты личной информации потребителей, а также принципы этики. В конце концов, чем больше потребитель покупает у данного поставщика, тем больше поставщик знает о потребителе и тем слабее позиция потребителя в процессе ценовых переговоров. Практика динамического ценообразования выходит далеко за рамки Web-технологий. Так, стратеги Coca-Cola в свое время подверглись жесткой критике за попытки ввести в действие автоматы по продаже газировки, которые автоматически повышали цену по мере роста температуры. Некоторые крупнейшие авиакомпании были замечены в том, что повышали тарифы для держателей карт "постоянный клиент", т.е. для своих наиболее лояльных клиентов, т.к. были уверены в том, что они все равно полетят именно этим рейсом...

В защиту динамического ценообразования электронные торговцы апеллируют к сферам традиционного бизнеса, где подобная практика используется десятилетиями. Аптеки продают лекарства от простуды в холодных регионах существенно дороже, чем в жарких. Ажиотаж вокруг игровой приставки Sony Playstation 2 в свое время позволил существенно "задрать" на нее цены в канун Рождественских праздников практически во всем мире.

Однако именно современные Web-технологии "вдохнули новую жизнь" в данную концепцию, предоставляя корпоративным стратегам мощный инструмент по оперативному анализу и принятию решения о готовности конкретного клиента заплатитьза конкретный товар определенную цену... В Интернет-мире, где данные о клиенте могут включать его домашний адрес, уровень доходов, количество детей и даже решимость купить товар, динамическое ценообразование наряду с другими технологиями персонализации может применяться быстрее и к более широкому кругу клиентов.

В случае с динамическим ценообразованием на Amazon.com трюк мог бы пройти незамеченным, если бы, опять же, не открытые возможности Web-технологий. Посетители через форум магазина начали сравнивать чеки за покупки и заметили, что постоянным лояльным покупателям товар обходится дороже, чем новым! Руководство компании поспешило оправдаться, что это были лишь эксперименты с динамическим ценообразованием, и откреститься от подобной практики в будущем.

Однако прецедент был создан, и он показал, что возможности Интернета существенно влияют на деловые и социальные отношения. В этих условиях даже технологии CRM могут стать "палкой о двух концах".