Как использовать клиентские данные в ритейле для увеличения продаж

Зачем нужна стратегия обработки данных

В любом бизнесе клиентские данные служат базой для принятия решений на разных уровнях. Потребительский спрос влияет на выбор ассортимента, ценовую политику, логистику, оформление торгового зала или онлайн-магазина, маркетинг. В ритейле эти сведения тоже используют для решения типичных задач, например, таких:

• увеличение количества покупателей;

• уменьшение оттока клиентов;

• увеличение среднего чека;

• разработка программ лояльности и системы скидок;

• выбор нового места для торговой точки с учётом района города, арендной платы, близости к бизнес-центрам или конкурентам;

• сравнение точек продаж по доходности на квадратный метр.

Такие задачи обычно входят в компетенцию разных отделов, но формируют единую стратегию продаж. Поэтому работа с клиентскими данными тоже требует единой политики, определяющей технологии, процессы, людей и правила управления информационными активами компании. Основные цели стратегии — улучшить коммуникации с клиентами, сократить расходы и получить конкурентные преимущества. 

Вот еще несколько причин для разработки стратегии работы с клиентскими данными:

1. Большое количество информации. Чтобы получить показательный результат, нужно обработать внушительный объём разнородных сведений о потребителях. Даже с современными средствами автоматизации — это масштабная задача, которая потребует времени, трудозатрат и бюджета. Продуманная стратегия помогает избежать неэффективного расходования всех этих ресурсов — например, на многократный анализ одних и тех же сведений под разные задачи. 

2. Контроль результата. В рамках стратегии перед исследованием всегда формулируется цель и желаемый результат, это позволяет отслеживать эффективность маркетинговых инструментов и корректировать стратегию на будущее.

3. Связь между онлайн и офлайн продажами. Информация о поведении покупателей в интернете помогает улучшить клиентский опыт и в физических магазинах. Например, расположить рядом товары, которые часто покупают вместе, подстроить ассортимент под сезонные запросы, более эффективно расположить рекламные щиты.

Какие данные нужны ритейлу и где их найти

Какие именно сведения о клиентах нужны ритейлу — зависит от текущей задачи. Все характеристики потребителей делятся на следующие группы:

1. Географические: где живут и работают потенциальные покупатели, в каких районах они склонны проводить свободное время. Онлайн-магазины получают эту информацию из данных о доставках, офлайн-площадки — через свои инструменты (анкеты, дисконтные карты). При этом они обычно могут выяснить максимум город, для уточнения данных понадобятся маркетинговые исследования или анализ Bigdata.

2. Демографические: пол, возраст, семейное положение, наличие детей. Эти характеристики определяют график покупок, интерес к определенным товарным категориям, требования к характеристикам. Например, для девушки без детей в йогурте важно количество калорий, а маму двоих детей больше интересует натуральность ингредиентов и какие персонажи мультфильмов нарисованы на упаковке. Найти информацию о демографических параметрах относительно легко: её указывают в личном кабинете и анкете для дисконтной карты, в соцсетях, опросах. 

3. Социально-экономические. Уровень образования и доходов, сфера деятельности, формат занятости. Эти факторы определяют финансовые возможности покупателя, а значит — и ценовую политику продавца. Ещё они влияют на приоритеты потребителя. Для трудоголика, практически живущего в офисе, важна круглосуточная доставка, для домохозяйки — свежесть продуктов и широта ассортимента, для студента — скидки и акции. Такие сведения редко выкладывают в открытом доступе, но их можно получить в рамках маркетинговых исследований или анализа большого массива данных.

4. Поведенческие. Предпочтительный формат покупок, средний чек, отношение к акциям, время шоппинга, реакция на рекламу — к этой категории относятся покупательские особенности, влияющие на организацию торговли. Проще всего получить такую информацию о тех, кто у вас уже покупал: из данных внутренней CRM, кассовых чеков, истории запросов и заказов онлайн-магазина. Электронная коммерция собирает такие сведения автоматически: тип используемого клиентом гаджета, браузер и его версию, некоторые демографические данные, приблизительную локацию. Получить такую информацию о потенциальных клиентах сложнее: придется применить конкурентный анализ, проанализировать статистику, обработать большой массив данных.

5. Психографические. Эмоциональные особенности потребителя, влияющие на решение о покупке — триггеры, актуальные социальные темы, фобии, вкусы, гражданская позиция, отношение к религии. Сделать выводы о таких особенностях можно по поведению потенциальных клиентов в соцсетях, истории покупок, а также комментариям и другим вариантам обратной связи.

Современный ритейл использует для поиска клиентских данных IT-инфраструктуру, машинное обучение, искусственный интеллект и другие технологии автоматизации.

Для чего используют клиентские данные в ритейле

Сегментация целевой аудитории

Розничным брендам важно определить, какие потребительские сегменты наиболее прибыльны, как установить цены и распределить товары, чтобы максимизировать выручку. Вместо того, чтобы анализировать клиентскую базу в целом, более эффективно разбить её на группы с однородными характеристиками и настроить маркетинговые кампании под каждую из них. Для этого нужно найти все необходимые сведения о покупателях (действующих и потенциальных). Какие данные нужны для сегментации — зависит от её цели и выбранного метода исследования. 

Например, для супермаркета в спальном районе, который уже не может расширить свою клиентскую базу, не особо актуальны методы поиска дополнительной ЦА. Но такой ритейлер может оптимизировать работу с имеющимися покупателями. Для этого используют, в частности, RFM-анализ. Эта аббревиатура складывается из трёх параметров: «Recency» (давность), «Frequency» (частота) и «Monetary» (стоимость чека). Эти метрики позволяют ответить на следующие вопросы:

1. Кто ваш самый выгодный клиент? На этой категории имеет смысл сосредоточиться в первую очередь — персонализировать рассылки и предложения, выяснить ожидания относительно ассортимента и дополнительных сервисов.

2. В каких категориях возможен отток покупателей? Часто клиентов, теряющих интерес к бренду, можно удержать через программы лояльности и персонализированные предложения.

3. Какие сегменты ЦА приносят наименьшую прибыль? Возможно, вкладываться в продвижение для таких групп нерентабельно.

Персонализация рекомендаций

Персонализация проявляется по-разному: это может быть уникальная домашняя страница сайта, индивидуальные рассылки, точечные предложения, уникальные программы лояльности. Индивидуальный подход укорачивает путь потребителя от интереса к покупке и повышает вероятность повторного обращения.

Ещё один вариант персонализации — это ретаргетинг рекламы, то есть показ определённых рекламных креативов потребителям, которые уже посетили ваш сайт или магазин. Этот метод увеличивает конверсию и улучшает покупательский опыт.

Прогнозирование спроса

Используя данные о покупках клиентов в определенных категориях, вы можете прогнозировать будущие потребности клиентов, а значит — эффективно планировать предстоящие закупки, распродажи и акции. В ритейле понимание будущего спроса жизненно важно, оно нужно для принятия практически любого коммерческого решения. Например, как сформировать ассортимент, сколько складских площадей арендовать, с какими поставщиками работать, как настроить рекламу. 

Чтобы предсказать, как поведёт себя покупатель, нужно не только понять, как он тратит деньги, но и почему именно таким образом. Для этого понадобится информация о его особенностях, локации, транзакциях. Придётся учесть даже информационное поле — что он смотрит по телевизору, ищет в интернете, на что обращает внимание в соцсетях, в какие игры регулярно играет. Так выявляются информационные тренды, которые влияют на дальнейший спрос. 

Главный вопрос — где легально получить все эти сведения, ведь персональную информацию потребителей защищает закон. Ещё один важный фактор — это количество данных, которые нужно обработать, чтобы получить показательный результат. У ритейла обычно довольно широкая ЦА, и чтобы предсказать её поведение, нужно проанализировать разнородные данные миллионов людей: историю покупок и передвижений, интернет-активность, привычки телесмотрения. Сделать это вручную невозможно: понадобится такое количество специалистов и времени, что результаты утратят актуальность ещё до того, как исследование будет закончено. Поэтому для прогнозирования спроса современный ритейл использует математические модели.

Такую модель прогнозирования спроса предлагает, например, Platforma — маркетплейс инструментов BigData. Этот сервис не только обрабатывает огромные массивы данных с помощью нейросетей, но и решает главную задачу — как найти нужную информацию. Platforma получает доступ к данным о банковских транзакциях, интересах в интернете и других действиях потенциальных покупателей в рамках межотраслевых партнёрских проектов. Математическая модель обрабатывает массивы данных от представителей рынка коммуникаций (например, «Ростелеком» и «Теле2»), финансовых компаний (ВТБ), платёжных сервисов. При этом все данные обезличены и анонимизированы, они выражаются исключительно цифрами, нужными для прогнозирования. Потребитель остается абсолютно анонимным, но ритейлер может сделать выводы о его мотивации, покупательских привычках и других важных метриках.

Маркировка товара

Один из простых способов подчеркнуть характеристики продукта — это маркеры, на которые может ориентироваться покупатель. Активнее всего такие маркеры используют в электронной коммерции: это могут быть ярлыки, хэштеги, SEO-ключи в описании товара в карточке. Помимо того, что покупателю так легче найти нужный продукт, марку или категорию, правильная маркировка снижает количество возвратов и делает персонализированные предложения более эффективными. Анализ клиентских данных помогает понять, какие параметры предложения, сервиса или продукта важнее всего для каждого сегмента ЦА. Обладая такой информацией о своих покупателях, маркировку можно использовать в качестве дополнительного аргумента в пользу покупки.

Оптимизация остатков

Нераспроданные запасы на складе и проблема «длинного хвоста» актуальны для большинства ритейлеров, неважно — офлайн или онлайн. В Fashion-ритейле сложно избавиться от остатков нераспроданной коллекции, а в Food-ритейле важно следить за сроком годности. В книжном бизнесе возникает проблема «длинного хвоста», когда продажи не очень популярных книг ограничиваются небольшой группой потенциальных читателей.

Задачи оптимизации остатков — как правильно изменить цену и настроить маркетинговые уведомления на каждый сегмент ЦА. Для этого нужно учитывать социально-экономические, поведенческие и другие характеристики клиентов.

Мы рассказали о самых распространённых вариантах использования клиентских данных, в ритейле их может быть гораздо больше. Как видите, правильно обработанная информация о покупателях помогает принимать рациональные решения на всех стадиях бизнес-цикла: от планирования ассортимента до послепродажного обслуживания.