Маркетинг 5.0. Технологии следующего поколения - Филип Котлер
Шрифт:
Интервал:
Закладка:
Эти техники высокосодержательны, так как такие сегменты точно отражают кластеры покупателей с разными потребностями. Таким образом, маркетологи могут подстроить свои стратегии под каждую группу. Психографическая и поведенческая сегментация, однако, сложнее применяется на практике.
Сегменты, названные, например, «искатель приключений» или «охотник за скидками», полезны только в создании рекламного креатива или при pull-маркетинге[25]. Однако в push-маркетинге определить эти сегменты при встрече с покупателями сложнее для продавцов и других сотрудников на передовой.
Необходимо использовать оба типа сегментации: и сверху-вниз, и снизу-вверх. Другими словами, она должны быть как содержательна, так и легко применима на практике. Таким образом, она должна сочетать все четыре типа переменных: географические, демографические, психографические и поведенческие. Используя психографическую и поведенческую сегментацию, маркетологи могут разделять покупателей на содержательные группы, а затем добавлять географические и демографические профили для каждого сегмента, чтобы его легко было применить на практике.
Создание портрета
Получившееся в результате краткое вымышленное описание покупательского сегмента по четырем типам переменных называется портрет. Ниже приводится пример такого портрета покупателя:
Джон – сорокалетний менеджер по цифровому маркетингу с 15-летним опытом, который сейчас работает в крупной компании в сфере товаров широкого потребления. Он отвечает за создание, разработку и реализацию маркетинговых кампаний во всех цифровых медиа и подчиняется директору по маркетингу.
Директор определяет эффективность Джона по показателям общей узнаваемости бренда и онлайн-конверсии в каналах электронной коммерции. Помимо стремления улучшить эффективность по этим показателям, он также обращает сильное внимание на стоимость и верит, что бюджеты на маркетинг должны тратиться настолько эффективно, насколько это возможно.
Для достижения целей Джон работает со своей командой, а также с агентствами по цифровому маркетингу. У него в подчинении пять сотрудников, каждый из которых отвечает за свой медиаканал. Он сотрудничает с SEO-агентством по задачам управления сайтом, а также агентством по социальным сетям, которое помогает с контент-маркетингом.
Рисунок 8.1. Составление портрета клиента для «сегмента из одного»
Это пример портрета покупателя, который может быть полезен для агентства по цифровому маркетингу или ищущей клиентов компании, разрабатывающей программное обеспечение для автоматизации цифрового маркетинга. Портрет раскрывает профиль вымышленного потенциального клиента и, что самое важное, того, что ему важно. Таким образом, портрет может быть полезен для создания подходящей маркетинговой стратегии.
Сегментация и создание портрета покупателя были неотъемлемой частью работы маркетолога. Но распространение больших данных открывает для маркетологов новые возможности для сбора новых типов рыночных данных и создания микросегментации (см. рисунок 8.1). База клиентов и исследования рынка больше не единственные источники информации о покупателях. Данные из медиа, социальных сетей, сайта, с точек продаж, устройств «интернета вещей» и по вовлечению могут обогатить портреты покупателей. Для компании сложность состоит в создании экосистемы данных, которая бы интегрировала бы все эти данные.
Как только экосистема данных отлажена, маркетологи могут улучшить свою существующую практику сегментации двумя способами:
1. Большие данные дают маркетологам возможность разделить рынок на самые детальные сегменты: вплоть до отдельного покупателя. Маркетологи могут фактически создать реальный портрет для каждого покупателя, на основании которого компании могут реализовывать маркетинг «один-на-один» или «сегмент из одного», подгоняя свои предложения и кампании под каждого покупателя. И благодаря невероятной вычислительной мощности нет предела тому, насколько детальным может быть этот портрет или сколько покупателей может быть описано.
2. Сегментация становится более динамичной с большими данными, что позволяет маркетологам менять стратегию на лету. Компании могут отслеживать движения покупателя от одного сегмента к другому в реальном времени, в зависимости от различного контекста. Например, авиапутешественник может предпочитать бизнес-класс для командировок и выбирать эконом для путешествий с целью отдыха. Маркетологи также могут отслеживать, если маркетинговому мероприятию удалось превратить того, кто часто меняет бренды, в лояльного покупателя.
Важно отметить, что, несмотря на расширение технических возможностей, традиционная сегментация все еще полезна. Она развивает базовое понимание рынка. Навешивание описательного ярлыка на группу покупателей помогает маркетологами разбираться в рынке. Этого нельзя достичь с помощью большого числа сегментов из одного, так как вычислительные мощности человека не такие сильные, как у компьютера. Простые для понимания ярлыки также могут быть полезны для мобилизации людей внутри организации в сторону общего ви́дения бренда.
Создание управляемого данными маркетинга
Отличный маркетинг обычно происходит от отличных выводов о рынке. За последние несколько десятилетий маркетологи улучшили способы проведения маркетинговых исследований для обнаружения неизвестной конкурентам информации. Совмещение качественных и количественных исследований становится нормальной практикой для каждого маркетолога перед любым циклом планирования в маркетинге.
За последнее десятилетие маркетологи также помешались на сборе крепкой базы клиентов для усиления систем управления клиентами (CRM). Доступность больших данных привела к подъему управляемого данными маркетинга. Маркетологи верят, что скрытое за массивными объемами данных – это аналитические выводы в реальном времени, которые могут дать им толчок к активному развитию маркетинга, как никогда раньше. И они начали размышлять о том, как слить воедино два изолированных набора данных, полученных в результате маркетинговых исследований и аналитики, в единую платформу управления данными.
Самая большая ошибка, которую компании совершают в процессе внедрения цифровых инструментов в работу сотрудников на передовой – это фокусирование на технологиях, а не целях их внедрения.
Несмотря на перспективы, лишь немногие компании придумали лучший способ для реализации управляемого данными маркетинга. Большинство из компаний в конечном счете вложили огромные инвестиции в технологии, но им еще предстоит реализовать полностью потенциал экосистем данных. Неуспех практик управляемого данными маркетинга сводится к трем основным причинам:
1. Компании часто относятся к управляемому данными маркетингу как к ИТ-проекту. Отправляясь в путь, они фокусируются слишком сильно на выборе инструментов программного обеспечения, вложении инвестиций в инфраструктуру и найме аналитиков данных. Управляемый данными маркетинг должен быть маркетинговым проектом. IT-инфраструктура следует за маркетинговой стратегией, а не наоборот. Это не только значит сделать отдел маркетинга авторами проекта. Маркетологи должны быть теми специалистами, которые определяют и создают процесс управляемого данными маркетинга полностью. По мнению многих исследователей, более крупные объемы данных не всегда означают лучшие выводы. Ключевое – это понимание, что искать в океане информации, имея четкие маркетинговые цели.
2. Аналитика больших данных часто воспринимается как волшебная палочка, которая разгадает все закономерности поведения покупателей и решит все маркетинговые проблемы. Большие данные – это не замена традиционным методам маркетинговых исследований, особенно требующих взаимодействия с человеком, как например: этнографические исследования, юзабилити-тестирование или дегустации продукта. На самом деле
