Александр Горник: «Маркетинг становится почти инженерной профессией»
Можно ли в давно существующем бизнесе увеличить конверсию маркетингового канала в 20 раз? Или сделать так, чтобы рассылки приносили более четверти всей выручки? Оказывается, можно. Мы поговорили с Александром Горником, CEO компании Mindbox, о традиционных и новых технологиях в персонализированном маркетинге, как с их помощью увеличить выручку на 20%, и что нужно сделать, чтобы совершить прорыв в индустрии.
Об инструментах маркетинга
- Благодаря чему до сих пор эффективны традиционные маркетинговые инструменты?
- Маркетинг - довольно консервативная отрасль. Поскольку это коммуникация с человеком (а наши органы чувств все те же), информацию мы воспринимаем примерно так же, как и раньше, и каналы коммуникации не сильно меняются.
Однако за счет цифровизации и автоматизации они становятся более эффективными. В корне неверно убеждение о том, что маркетинг должен постоянно менять канал коммуникации, ведь если мы используем его не массово, а персонализировано, то у клиента не возникает отторжения и эффекта «слепоты».
У бизнесов, которые знают об этом, по-прежнему эффективно работают и традиционные инструменты: e-mail, телефонный обзвон, SMS-рассылки и личное общение консультантов.
Вопрос не в канале, а в том, как через этот канал доставить релевантный клиенту контент. Благодаря цифровизации все каналы, которые раньше считались модными, сегодня можно восстановить и эффективно использовать.
Частый пример: клиент жалуется, что e-mail рассылка не работает. Выясняется, что сообщения отправлялись по всей базе клиентов с частотой три раза в неделю на протяжении двух лет. Ставим рассылку на паузу на 3 месяца, затем адресуем персональные сообщения аккуратно подобранным сегментам - и в результате конверсия канала увеличивается в 20 раз.
- Можете привести примеры инструментов автоматизации?
- В основе всего лежат автоматизированные сценарии: когда маркетолог задает правила, в какой момент, на какой сегмент аудитории, какое сообщение и по какому каналу отправлять.
Затем возникает вопрос, какой контент отправлять, и появляется инструмент автоматического подбора контента маркетологом или алгоритмом машинного обучения. Дальше другие оптимизации: например, запускать сценарий не через три недели после первой покупки, а через оптимальное время, подобранное машинным обучением для конкретного человека.
То же самое применяется и в программах лояльности, когда вместо массовых акций скидки предлагаются персонализировано. Мы можем выбирать каналы, тонко настраивать правила ценообразования.
Можно использовать каскад каналов, то есть отправлять клиенту e-mail, а если нет обратной связи - SMS или пуш-уведомление. Это сокращает стоимость рассылок.
Если у нас есть единый идентификатор, мы можем узнать человека на сайте при переходе из рассылки даже без ввода пароля и дополнительно персонализировать предложение, показать релевантные товары, предложить персональную акцию или даже полностью персональные цены во всём каталоге товаров.
Можно использовать чат-ботов, которые позволят клиенту быстрее получить нужную информацию в удобном канале или просто развлечься. Также можно персонализировать голосовых роботов. Возможности есть во всех каналах.
- Вы упомянули про алгоритм машинного обучения. А как эта технология работает у вас?
- Допустим, перед нами стоит задача сделать подборку контента в данный момент времени. Алгоритмы позволяют находить «похожести» в данных. Например, после того, как человек зашел на сайт и просмотрел какие-то страницы, мы знаем его покупки и основные признаки. Теперь мы можем порекомендовать, что приобретали другие похожие клиенты, и какие товары обычно покупают те, кто смотрит подобное.
Поскольку у нас есть данные, какие коммуникации были успешны, а какие нет, алгоритмы могут оптимизировать последующие коммуникации: например, решить пропустить письмо, так как оно, скорее всего, не будет открыто.
Еще один пример: наш ML-алгоритм Next Best Action, который позволяет определить наиболее вероятную дату следующей покупки клиента. Для того, чтобы его применить, мы собираем информацию о действиях клиентов - заказах, просмотрах товаров и категорий. Полученные данные разбиваем на несколько сегментов: число покупок за все время, количество месяцев с момента регистрации, средний чек, частота покупок и так далее - всего около 30 признаков. Затем используем алгоритм «Градиентный бустинг», который предсказывает, через сколько дней после последней активности клиенту можно отправить письмо, чтобы помочь сделать следующую покупку.
Алгоритм протестирован на нескольких проектах, например, в интернет-магазине «Book24» и онлайн-зоомагазине «Старая Ферма». Полученные результаты оказались весьма заметными: показатель open rate вырос на 25%, click rate - на 20%, конверсия в заказы - в 2 раза, пользователи в 3 раза реже отписывались от рассылки.
- Кто в компании занимается разработкой умных инструментов?
- У нас сформирована специальная команда. Платформа клиентских данных (CDP) написана на C#, а ML-разработчики пишут на Python - языке, который идеально подходит для этих целей.
ML-модели забирают данные для фоновой обработки из CDP, рассчитывают результат, который загружается обратно в централизованную платформу, где ими пользуется маркетолог для аналитики и настройки механики. Качество моделей проверяется при помощи A/B-тестов и обучающих выборок.
Об эффективности автоматизированного маркетинга
- Какие результаты дает использование инструментов персонализированного маркетинга?
- В среднем по рынку наблюдается рост выручки на 10-20%, и это не предел. За счет персонализированного маркетинга уменьшается отток клиентов: вместо того, чтобы оптимизировать стоимость одной покупки, бизнес переходит к оптимизации LTV (дохода с клиента за всё время). В некоторых случаях отток можно снизить до нуля, что может за несколько лет увеличить выручку в разы.
- Можете привести реальный кейс?
- Наглядным примером служит кейс издательства «МИФ». Через несколько месяцев после внедрения персонализированного маркетинга удалось увеличить выручку от e-mail рассылок на 20%, а внедрение триггерных рассылок дало еще больший прирост - +30% выручки e-mail канала.
Рассылки теперь приносят более четверти всей выручки.
Изначально издательство работало с обычными рассылками, которые отправлялись вслепую, потом базу подписчиков сегментировали по интересам, и для каждого сегмента формировали индивидуальные сообщения. При этом использовались данные о поведении пользователей на сайте издательства, информация о возрасте, профессии и так далее. Сейчас у издательства около 800 сегментов читателей, среди них есть сегменты на пару сотен человек, а есть и на сотни тысяч. Сегментация выполнялась для того, чтобы отправлять интересный персонализированный контент заинтересованным читателям.
В результате клиенты издательства теперь открывают более 50% писем, а рассылки собирают благодарности, их публикуют в соцсетях и пересылают друг другу.
О технологической революции в маркетинге
- Можно ли совершить революцию при помощи новых технологий - ИИ, Big Data и машинного обучения (ML)?
- Какие бы новые технологии не возникали, сами по себе они не создают решающего преимущества - необходима основа в виде чистых данных. Чем новее технология, тем больше требуется автоматизации, тем лучше должно быть качество единого профиля клиента.
Это нельзя назвать революцией, скорее - последовательным развитием и улучшением. Революция возникает раньше, когда от традиционного управления оффлайн каналами происходит переход к цифровизации и единому профилю клиента.
Технологический прорыв состоит не в том, чтобы применять искусственный интеллект, Big Data и машинное обучение, а в том, чтобы создать единую технологическую платформу, которая объединит все, что касается клиента. Это относится не только к маркетингу, но и к бизнесу в целом.
Mindbox - часть этой революции. Мы разрабатываем маркетинговый инструмент нового поколения, который позволяет согласованно управлять всеми каналами маркетинга.
- А каким тогда должен быть маркетолог, чтобы работать с технологиями?
- Раньше маркетолог был похож на дизайнера - креативщика с хорошей интуицией, которая позволяла угадывать удачный ход. Сейчас нужен другой набор навыков.
Нужно знать, как работать с автоматизированными сценариями, понимать, как функционирует машинное обучение, анализировать A/B тесты. Маркетинг становится почти инженерной профессией.
- И напоследок назовите 2-3 проблемы, которые мешают прорыву в маркетинге.
- В первую очередь, это изменение стратегии компании под новые реалии. Клиент все более осознан, у него шире выбор и больше информации. Поэтому требуются стратегические изменения в бизнесе: отношение к клиенту как к личности, отход от массовых эмоциональных предложений в сторону индивидуальной помощи каждому в выборе.
Остро мешает нехватка IT-компетенций: и у маркетинга, в части управления данными и инструментами, и у бизнеса в целом, в части приоритезации автоматизации, выбора и внедрения нужного ПО.