Скажи мне, что ты покупаешь, и я скажу, кто ты — так с поправкой на современный рынок можно перефразировать античного поэта Еврипида. Добавив к этому тезису такой: «И какую рекламу тебе показать». Данные о покупках интернет-пользователей — источник множества знаний о них, важных для маркетинга и коммуникаций любого бренда. О том, почему они важны и как их можно использовать, рассказывает Александр Старостин, CEO и сооснователь martech-компании First Data.
Любой бизнес постоянно генерирует большой объем разнообразных данных, которые влияют как на его деятельность, так и на работу других компаний. Объем мирового рынка аналитики больших данных (Big Data) огромен: в 2024 году он оценивается в $348,21 млрд, а к 2032 году может вырасти до $924,39 млрд.
Любой бизнес постоянно генерирует большой объем разнообразных данных, которые влияют как на его деятельность, так и на работу других компаний. Объем мирового рынка аналитики больших данных (Big Data) огромен: в 2024 году он оценивается в $348,21 млрд, а к 2032 году может вырасти до $924,39 млрд.
Важная (а для маркетолога — одна их важнейших) категория Big Data — транзакционные данные, то есть детализированная информация о покупках. Бизнес, который собирает и анализирует ее, может лучше понимать истинные интересы и потребности клиентов. А благодаря этому — более прицельно персонализировать маркетинговые предложения, проводить более эффективные рекламные кампании и наращивать продажи даже в самых высококонкурентных сегментах.
Разберемся в практической ценности транзакционных данных и том, как их использовать.
О чем нам говорят транзакционные данные
У каждой покупки есть множество подробностей, которые обязательно фиксируются:
- участники;
- дата, время и место покупки;
- полная сумма транзакции;
- товары в чеке;
- особые условия (например, наличие скидок) и т. д.
Анализируя эти данные, маркетологи могут обнаружить важные закономерности и понять:
-
в каких сегментах целевой аудитории люди лучше реагируют на маркетинговые сообщения и совершают целевые действия;
-
какие продукты пользуются популярностью у тех или иных потребителей;
-
в какие годы, месяцы, дни недели, время суток происходит больше покупок или просмотров товаров;
-
как ценообразование и рекламные акции влияют на продажи, какие именно маркетинговые активности вызывают наибольший интерес у клиентов из различных групп.
А вот в чем эти знания могут быть им полезны.
3 способа использовать транзакционные данные
Информация о покупках и поведении пользователей помогает маркетологам эффективно сегментировать аудиторию, оптимизировать коммуникации и строить прогнозы.
Сегментация аудитории
Сегментация нужна, чтобы разрабатывать целевые маркетинговые кампании, которые будут более релевантны и привлекательны для каждой группы клиентов.
Кастомные предложения, которые попадают точно в цель, не только выделяют конкретный продукт в бесконечном потоке коммерческой информации, но и отвечают запросам потребителей. Для 76% покупателей индивидуализированная реклама — главный стимул обратить внимание на конкретный бренд. 78% клиентов с большей вероятностью совершат покупку повторно, если получат персонализированное предложение (McKinsey).
Существует несколько способов сегментировать аудиторию. Например, RFM-анализ, основанный на трех факторах: давность, частота и сумма покупок клиента.
Или группировка пользователей по разным признакам:
-
демографическому (возраст, пол, доход, род занятий);
-
географическому (страна, регион, город);
-
поведенческому (история касаний с брендом, покупок);
-
психографическому (личностные особенности, ценности, интересы, образ жизни).
Мы в First Data собираем транзакционные данные и формируем аудиторные сегменты для рекламы. У нас уже больше 130 таких сегментов — от покупателей недвижимости до хозяев домашних животных. С помощью этих сегментов клиент может настроить персонализированные рекламные кампании и запустить таргетированную рекламу именно на ту группу покупателей, которая ему нужна.
Кейс: повышение продаж смартфона
Перед экспертами First Data стояла задача повысить продажи смартфона vivo V27. Для этого они предложили найти людей из числа основной аудитории бренда (мужчины и женщины в возрасте от 25 до 40 лет), которые готовы поменять телефон.
Из многомиллиардной базы транзакций выделили сегмент пользователей, которые несколько лет назад уже покупали смартфоны vivo — или других брендов, но со схожими характеристиками и в смежной ценовой категории. Выдвинутая гипотеза предполагала, что такие пользователи уже задумываются о новом устройстве, точно или скорее всего знакомы с брендом vivo и будут готовы рассмотреть покупку V27 в качестве замены для устаревшего смартфона.
На выделенный сегмент аудитории запустили таргетированную рекламу. Кампания началась одновременно с другими рекламными активностями и вела потенциальных покупателей на официальный сайт vivo и нужную модель смартфона.
В итоге конверсия перехода с официальной страницы смартфона в интернет-магазин для выбранного сегмента клиентов оказалась выше, чем при работе с контекстной рекламой. Конверсия перехода со страницы смартфона на сайт составила 21,9%, что на 16% больше, чем у контекстной рекламы в период проведения кампании.
Построение коммуникации
На разных этапах пути клиента общение с ним строится по-разному. С новыми или «уснувшими» пользователями важно взаимодействовать не так, как с постоянными и активными покупателями.
Для лояльных клиентов можно собирать подборки с их любимыми товарами, им стоит рекламировать сопутствующую продукцию и делать скидки на любимые бренды. Именно поэтому, например, все крупные маркетплейсы — Ozon, Wildberries, «Мегамаркет» и пр. — рекомендуют своим пользователям товары на основе ранее сделанных покупок.
А к новому покупателю можно обратиться с предложением альтернативы для привычных товаров либо услуги, нужной ему именно сейчас. К примеру, поклоннику определенных марок кофе, вероятно, будет любопытно попробовать новый сорт от другого производителя. Особенно если ему предлагают хорошую скидку. А человека, который только что купил квартиру, могут заинтересовать услуги ремонта или страхования недвижимости.
Транзакционные данные помогают маркетологам больше узнавать о постоянных пристрастиях или недавних покупках потребителей, составлять для них персонализированные рекламные предложения и выстраивать коммуникацию более эффективно.
Прогнозирование
Согласно исследованию аналитической платформы Pecan, 84% маркетологов в своей деятельности все еще больше полагаются на догадки, а не на прогнозы на основе анализа объективной информации. А ведь это снижает эффективность маркетинговых активностей и нередко приводит к потере ресурсов.
Транзакционные данные можно применять для предиктивного моделирования. Этот метод использует шаблоны, основанные на фактах и исторических данных, для прогнозирования будущих событий.
Маркетологам предиктивная аналитика, в частности, помогает:
-
Предвидеть новые потребительские тенденции и вовремя адаптировать под них бизнес — например, сворачивать производство товаров, которые вскоре перестанут пользоваться спросом, или, наоборот, запускать новые перспективные продукты и услуги.
-
Удерживать клиентов, прогнозируя их поведение и в нужный момент подталкивая к целевым действиям или делая релевантное предложение. Так, если определенные шаги посетителя на сайте позволяют предположить, что он вряд ли вернется снова, то встроенный алгоритм может показать ему всплывающее окно со скидкой, ограниченной по времени.
-
Сохранять маржинальность, не предлагая скидки и акции тем, кто (в отличие от клиентов из предыдущего пункта) купит и без них.
-
Прогнозировать спрос на определенные товары или услуги, например, в зависимости от грядущих важных событий или смены сезонов. Это помогает оптимизировать закупки и производство, чтобы получить максимум прибыли в высокий сезон и снизить издержки в низкий.
Транзакционные данные предоставляют маркетологам мощный инструментарий для улучшения взаимодействия с клиентами, оптимизации кампаний и принятия стратегических решений. Грамотное использование этой информации становится сегодня залогом успешной конкурентной борьбы и развития бизнеса.
