Loginom+BPM'online=analytical CRM. Выступление Павла Калмыкова на Loginom Day 2018

15 октября 2018
0 комментариев

Как прокачать свою CRM и добавить ей возможности продвинутой аналитики? Простая формула: Loginom + bpm'online = analytical CRM. Машинное обучение, микросегментация, анализ жизненного цикла и другие методы анализа станут доступны без написания кода.

pdf Loginom+BPM'online=analytical CRM

Текстовая расшифровка выступления

Добрый день. Я представляю компанию системного интегратора. Мы работаем с различными CRM технологиями 15 лет. В основном, мы работали с Oracle Siebel CRM и назывались Siblion. Сейчас в нашем портфолио много разных технологий, в том числе Loginom. Сегодня мы хотели продолжить презентацию Алексея, рассказать полнее о кейсе, который основан на сумме опыта наших клиентов.

Все знаем CRM теорию еще с 90-х годов. Она говорит про адекватность нашего предложения, адекватность времени, формы и состава оффера: то, что называется персонализацией, ориентацией на пожизненную ценность клиента, расчет его перспективной доходности, взаимодействие с учетом понимания доходности, на адаптивность тестирования и подстройку под адекватность клиента. Когда мы успешно преодолеваем данные барьеры, нам удается доставить до клиента бесконечную ценность того, что мы хотим ему предложить.

Однако, недавно (по нашим наблюдениям) и технологически, и методологически практика дозрела до того состояния, чтобы относительно легко преодолевать эти барьеры. Сейчас состояние технологии и тех методик, о которых рассказывал Алексей, позволяет брать и внедрять аналитику с минимальными докрутками. Что касается бизнес-метрик (аналитика наших проектов это подтверждает), - грамотная персонализация примерно в 2 раза сокращает стоимость привлечения, и порядка 20-30% (в отдельных случаях чуть выше) повышает эффективность маркетинговых вложений.

Для того чтобы построить такой комплекс взаимодействия, мы принципиально можем оперировать тремя потоками данных:

  • данные CRM-системы (например, профиль клиента);
  • данные о транзакции клиентов (как правило, под этим подразумеваются покупки, но на самом деле, под этим можно понимать транзакции или какие-то отдельные факты - это также индикаторы востребованности сервиса);
  • трекер действий (больше применимо для e-Commerce, для онлайн торговли, где можно следить, что клиент делает на сайте, в интернет-магазине: зашёл в какой-то раздел, слишком много времени там провел, положил в корзину, но не заплатил).

Мы, в основном, будем говорить про первые два массива.

Постановка проблемы

Проблема в том, что непосредственно использовать эти данные нам, как правило, не удается. Мы вынуждены их каким-то образом препарировать, пропустить через те или иные модели интерпретации: либо модель интерпретации эксперта, либо модель интерпретации аналитика. Далее подать это в операционный CRM, обработать это в коммуникациях, использовать в тех или иных каналах, доставить наше предложение, посмотреть отклики, зафиксировать факт продажи, снова отдать это аналитической системе для уточнения модели.

Мы хотели бы представить комплекс, который основан на Loginom - аналитической платформе, которая несет в себе все содержательные вычисления, и BPM’online - маркетинговом движке разработки компании Terrasoft, широко известном и популярном на рынке, который выполняет коммуникационную и операционную часть. Если смотреть на классический маркетинговый цикл, то практически на каждом шаге возникает много мест, где может быть использован тот или иной вариант глубокой аналитики:

  • Сегментация: практически целиком аналитический шаг, и только что Алексей подробно рассказал про это решение, которое мы дальше обсудим подробнее.
  • Персонализация предложения: рассчитывать персональные офферы или пытаться прогнозировать то, что тому или иному клиенту может показаться интересным, можно бесконечно. Это очень увлекательная задача, содержащая огромное количество различных алгоритмов.
  • Оптимизация предложений: когда мы по разным методикам, по-разному алгоритму генерируем в сторону клиента тот или иной набор офферов, то используем понятие коммуникационной политики («не заспамить» клиента, предложить клиенту тот оффер, который с большей вероятностью даст лучший отклик, либо даст нам больший средний чек).
  • Нетривиальная задача прогнозирования и выбора оптимальной стратегии из разных стратегий.
  • Определенные задачи тестирования компании.
  • Выбор канала.
  • Анализ результата откликов.

В каждом из шагов по этому большому циклом у нас очень много мест, где востребована аналитика.

Проблема в том, что постоянно переключаться между операционной аналитической системой очень сложно. Скорее всего, это залог того, что работа никогда не будет сделана должным образом.

Решение проблемы

Мы пытались решить эту проблему, и, в итоге, предложили на платформе BPM’online пересобрать вот такой конструктор. Надо отметить, что Terrasoft BPM’online - это система визуального проектирования бизнес-процессов. Фактически, осуществилась мечта, о которой разработчики бизнес-аналитики мечтали уже не один десяток лет - «Dragg and drop»: соединяем стрелочками, настраиваемый условия, потоки данных. И это уже никакой не инструмент проектирования, типа Visio, а рабочая живая система. Пользуясь тем, что эту систему мы неплохо знаем, у нас есть контакты разработчиков компании Terrasoft, мы расширили эту палитру инструментов, добавили туда аналитические кубики Loginom.

Те методы, о которых сейчас упоминал Алексей, доступные в пространстве операционного маркетинга просто как внешние сервисы, если говорить языком IT, и как маленькие черные ящики для маркетологов, для тех людей, которые смотрят на это через призму бизнес-анализа. У нас есть какое-то стартовое состояние, мы можем реагировать от какого-то события, от какого-то изменения в данных или просто по таймеру, то есть определенному расписанию регулярность поддерживать.

У нас есть аналитическая палитра, которую мы можем использовать, и есть определенные кубики, связанные с воздействием на клиента. Либо мы непосредственно воздействуем, отправляем какой-то email, push-уведомление, включаем клиента в аудиторию той или иной маркетинговой компании, которая работает фоново сама по себе. Либо мы накапливаем наши знания и отмечаем в профиле клиента, что этот клиент ведет себя таким образом, у него изменилась такая-то характеристика. Может быть, сейчас мы не знаем, как это использовать или не используем, но учитываем при взаимодействии на каких-то следующих циклах.

Ещё один скриншот системы BPM’online: достаточно типичные показатели, 55 показателей, о которых говорил Алексей, доступны все непосредственно в интерфейсе системы. Они доступны в сегментаторе для любых бизнес процессов. От них мы можем строить практически любую бизнес логику средствами самой системы.

Принцип конструктора: мы вставляем кубик, дальше от этого кубика можем строить уже любые развилки, практически так же, как мы моделируем бизнес процессы в современных средствах визуализации, только здесь за этим всем стоит живой бизнес процесс, который дальше может быть отлажен и выполнен.

Вернемся к нашему примеру: я буду где-то дополнять, где-то противоречить Алексею, потому что модель, которая подразумевает анализ жизненного цикла, не единственно возможная, она очень хорошая, может быть хорошо проработана, ее потенциал в современной розничной торговле точно не реализован полностью, но она не единственно возможная. Есть еще ряд приемов, о которых можно и стоит поговорить. Но сегодня мы ее до конца детализируем. Вот схема, я не буду на ней останавливаться, так как Алексей очень хорошо рассказал.

На всякий случай, если вдруг к нам кто-то присоединился, то выделяется несколько состояний клиента, стадий жизненного цикла. Если наши оффлайн технологии, онлайн-магазин позволяют, то идем от зарегистрированного клиента, от клиента, который стал новым и после этого в какой-то момент совершил первую покупку.

Если мы видим, что клиенты с второй или третьей покупкой тоже составляют существенную долю базы, то можно выделить и промежуточное состояние, и смотреть, что на самом деле они покупают во второй или третий раз. В какой-то момент клиенты могут стать активными и дальше уйти на ту или иную стадию засыпания.

Наша операционная компания отталкивается от того, в каком состоянии сейчас находится этот клиент, и что мы с ним можем сделать. Практически та же схема, которую Алексей показал в виде скриншота, я показал (для большей читаемости) в виде диаграммы. Сейчас выделен активный клиент, что с ним дальше можно сделать.

Обратите внимание, здесь был первый кубик, который считает стадию жизненного цикла, после идет ответвление к активному клиенту, и что же мы можем дальше с ним сделать? Вот крупнее изображен тот же кусок, также мы можем посмотреть, в первую очередь. Мы смотрим, в первую очередь, на календарь его покупок, то есть вычисляем тот самый индивидуальный ритм потребления, к которому склонен данный клиент. Здесь есть ещё несколько неявных моментов, я их чуть позже прокомментирую. Но, в первую очередь, нужно понять, что стоит за тем ритмом потребления, который клиент сейчас демонстрирует.

Две базовые ситуации:

  • либо клиент потребляет достаточно редко, что такое «достаточно редко», это нужно детализировать, определить точнее (либо продукт, например, скоропортящийся, он потребляет его существенно с большими периодами);
  • клиент потребляет с какой-то частотностью, который мы можем признать как нормальную.

Пойдем дальше по второй ветке. Например, что такое редкая частота? Можно поработать с частотностью потребления по этому клиенту и проводим дополнительный анализ. Опираемся на конкретные товары и сервисы, здесь можно столкнуть жизненный цикл клиента, его состояние с жизненным циклом того или иного товара и сервиса.

Условно, можно выделить товары с коротким жизненным циклом, товары с длительным жизненным циклом. Если мы хотим увеличить частоту, мы прогнозируем, когда у клиента возникает следующая потребность (либо в его ритме, либо в ритме исчерпания предыдущей закупленной партии товара), и делаем ему промо на покупку, которое действует какой-то фиксированный срок, высылаем за несколько дней (если мы говорим про какую-то онлайн продажу, - может быть, даже за несколько часов), может быть оно должно действовать какое-то определённое время суток.

Сейчас вышла довольно интересная статистика, которая показывает, что в Корее, где сегмент онлайн-торговли очень высоко развит, есть определенная категория молодых людей, которые делаются там практически 100% своих покупок в определенной категории строго либо в часы глубокой ночи, либо в часы раннего утра.

Компании борются именно на этой маленькой территории: определенный сегмент, определённое время, определённая товарная категория, пытаясь перетянуть друг у друга эту аудиторию, выдавая промо со сверхкоротким сроком. Например, на рынке акционных авиабилетов, например, там тоже, есть определенный спорт - подхватить билет по акции, этот отрезок интересный может длиться несколько минут.

Первый пример немного гипертрофированный для наших реалий, второй пример, скорее, негативный, тем не менее, можно подумать на эту тему. Что можно сделать лучше. Я, как человек, потенциально участвующий в акции на авиабилеты, но не имеющий возможности, большого желания вовлекаться в эти несколько минут, я, может быть, был бы признателен тому же Аэрофлоту, если бы был какой-то механизм более эластично сделать свою заявку.

Или вариант, когда у нас какой-то неопределенный жизненный цикл: вечный товар или товар с такой-то неравномерной какой-то неравномерной структурой потребления. Можно просто попробовать раскачать клиента, наиболее часто мы имеем ситуацию эластичного спроса на товар, не бытовая химия (мы, вряд ли, как-то промонтируем клиентов покупать ее больше), а продукты питания, скорее всего, в области «вкусного», чем полезного.

Дальше мы опять подключаем аналитический кубик для понимания, что происходит с этим клиентом: насколько он воспринял наше предложение, не воспринял, отреагировал, не отреагировал, и отмечаем, подвержен или не подвержен клиент такому уровню внимания. Если совсем углубляться, то можем отмечать успех или неуспех стратегии по конкретному SKU или по какой-то товарной категории.

Вернёмся на уровне выше: если, например, в силу каких-то причин, мы не хотим работать с частотностью по этому клиенту, то другой вариант – можно поработать с корзиной. Что можно сказать про корзину? Включается синий аналитический кубик, мы смотрим на тип, на структуру этой корзины. Здесь у нас есть две полярные ситуации:

  1. Стабильная корзина: это какие-то однотипные SKU, которые покупаются достаточно регулярно, между ними нет какой-то серьёзной замены.
  2. Спорадическая корзина: там оказываются какие-то случайные товарные элементы, нет очевидной зависимости, может быть, прыгает клиент между разными товарными категориями, и огромная масса промежуточных ситуаций.

Дальше можно предложить компанию по развитию корзины. Когда мы понимаем, что клиент покупает достаточно часто, вряд ли мы можем как-то серьезно повлиять на чек, просто провоцируя его частоту. Мы пробуем заменить те или иные элементы в его корзине на какие-то другие. На какие другие? Это тоже предмет дополнительного анализа:

  1. Если гипотеза идет от бренда, то можно попытаться замкнуть потребление внутри этого бренда: смотреть, что клиент употребляет, что нет, и реагировать на это.
  2. Предложить более дорогие, более маржинальные или, в каком-то смысле, более элитарные товары, которые закрывают ровно ту же потребность.

Для того чтобы выделить эти зависимости, нам снова нужна аналитика. Для того, чтобы участвовать в любых промо, нам тоже нужно тестировать индивидуальную скидку, чтобы не играть в массовые скидки по всем сегментам или даже по одному большому сегменту. Нужно переходить к индивидуальной особенности каждого клиента к скидке. Соответственно, задача решается достаточно типичным образом: генерируются тестовые наборы, рассылаются произвольным клиентам, после этого опытным путем для каждого клиента понимаем и закрепляем тот уровень скидки, который именно для него является пороговым, для того чтобы переходить к покупке.

Здесь нет никакого ноу-хау, это классический маркетинг. Я сейчас не буду до конца рассказать всю систему, потому что вы понимаете в деталях, что всё это на уровне каждого квадратика очевидный здравый смысл.

Нюансы заключаются ровно в том, как гармонизированные операционные и аналитические ландшафты в том, как мы можем микшировать эти шаги, обуславливая операционный шар онлайн правильной аналитики, и определяя правильный фокус для включения того или иного аналитического шага, именно за счёт того, что мы понимаем, где и когда дальше этим можно воспользоваться. Всё это - есть некоторая совершенная работа, которая на многих других ландшафтах удается очень редко.

Заключение

В заключение хочу сказать, что мы своей миссией видим обеспечить самое удачное пересечение всех технологии и решений:

  • это и наш опыт, порядка 15 лет на рынке, в том числе управления компаниями, и в области CRM;
  • это хорошо известная после сегодняшнего дня платформа Loginom; - это же известная на рынке платформа Terrasoft BPM’online.

В своих разработках мы стараемся сохранить доступность и интерактивность всего комплекса, потому что все разработки отечественные, все вендоры доступные, все готовы вступать в прямой контакт. Мы тоже всегда здесь присутствием и ведем все проекты. Это тоже один из важнейших залогов успеха. На этом у меня всё, спасибо за внимание.

Калмыков Павел
Управляющий партнер Nobilis.Team

Дата выступления:
26 сентября 2018

#презентации #мероприятие #loginom day

Смотрите также