Помоги проекту - поделись книгой:
Какова, на ваш взгляд, вероятность того, что доход компании от путешествий Мэри, Сьюзен и Тома снизится в следующем году соответственно на 80, 50 и 20 %?
Многие люди, которым мы задавали этот вопрос, довольно быстро с ним справлялись.
Ответы их были довольно похожими и все они указывали примерно на то же, что и мой собственный ответ, приведенный ниже.
В течение двенадцати месяцев перед мартом Мэри стабильно летала по восемь или двенадцать раз в месяц. В марте она летала всего три раза. Это довольно необычно для нее – видимо, в этом месяце произошло нечто особенное. Возможно, она взяла отпуск, начала работать дома или просто заболела. С учетом прежних тенденций ее поведения шансы на то, что в течение следующих двенадцати месяцев она будет тратить на полеты на 80 % меньше прежнего, довольно невелики. Куда больше шансы, что доходы от работы с ней снизятся на 20 %, поскольку далее мы заметим в ее поведении два или три месяца низкой активности.
Между предыдущим мартом и ноябрем поведение Сьюзен было похоже на поведение Мэри. Однако с ноября она начала значительно реже пользоваться услугами нашей авиакомпании.
Судя по всему, речь идет о каких-то системных изменениях. Именно поэтому я считаю, что у нее имеется куда бо́льшая вероятность снижения количества полетов в ближайшие двенадцать месяцев, чем у Мэри.
А поведение Тома кажется совсем иным – оно не носит системного характера. Он стал летать всего два раза в месяц, а в последующие месяцы практически совсем прекратил полеты. Вот почему я совершенно не уверен, что будет происходить с доходами от полетов Тома в следующие двенадцать месяцев.
Уверен, вы поставили Мэри, Сьюзен и Тому примерно такие же оценки, ведь мы все склонны интуитивно анализировать поведение людей примерно сходным образом. Мы посмотрели, насколько часто наши участники летали в среднем, насколько сильно могут колебаться данные от месяца к месяцу, насколько сильно просел показатель количества полетов в марте и приняло ли это характер тенденции.
Я могу создать статистический алгоритм, способный анализировать эту информацию так же, как мы это делаем в своем подсознании. Для этого мне нужно преобразовать наши интуитивно важные факторы в математические переменные. Вот как это могло бы работать.
В крайней правой колонке содержатся переменные нашей модели, буквально предсказывающей вероятность снижения доходов. Статистическая модель выявляет клиентов, доход от которых сократился на 20, 50 и 80 % за прошлый год, затем изучает значение предсказывающих переменных (чуть подробнее об этом ниже) за двенадцать месяцев до начала снижения доходов. Это позволит «научить» модель рассчитывать вероятность того, что расходы какого-то клиента могут снизиться на определенный процент. Безусловно, это довольно существенная информация. Если вы знаете, что один (или несколько) из ваших наиболее важных клиентов (приносящих вам доходы и прибыль) собирается уйти от вас, вы можете предпринять шаги по предотвращению этого. Как минимум вы выясните у них причины ухода и, возможно, предложите им стимулы (скидки, улучшение условий обслуживания и что-то еще), заставляющие их остаться.
Итак, мы с вами рассмотрели данные и практически интуитивно поняли, кто перестанет быть нашим клиентом. Однако в подобных ситуациях лучше воспользоваться статистическими моделями, что будет более эффективно, чем ваша интуиция. Модели могут не только принимать решение, подобное нашим, и делать это гораздо быстрее, но и повторять тот же алгоритм размышлений в отношении тысяч, а то и миллионов других мэри, сьюзен и томов. В дополнение к этому модель способна изучать сотни различных предсказывающих переменных. Переменные в таблице можно сопоставить со всеми остальными нашими знаниями о клиенте: возрасте, поле, национальности, почтовом индексе, использовании призовых баллов программы лояльности (для оплаты билетов, покупки товаров или какой-то комбинации обоих вариантов) – причем практически одновременно. Поэтому статистическое моделирование стало таким мощным инструментом.
Давайте еще раз посмотрим на Сьюзен. Если мы чуть сильнее углубимся в свои знания о ней, то поймем, что она не так давно сменила работу – об этом свидетельствовали изменения в ее профиле участника программы лояльности. Также мы знали, что она переехала на другую квартиру и использовала все накопленные призовые мили, чтобы купить большой телевизор у одного из партнеров авиакомпании. Мы не знаем причин произошедшего, но можем заметить, что и другие клиентки в возрасте Сьюзен (из ее профиля следует, что ей только что исполнилось тридцать шесть лет) совершали подобные вещи и переставали летать на самолетах компании с прежней частотой (это могло быть связано с такими простыми причинами, как снижение частоты путешествий или желание завести семью). Как бы то ни было, но согласно нашему алгоритму будет правильным предположить, что авиакомпания начнет получать меньше доходов от клиенток с таким профилем.
Эта история помогла мне сбросить покров таинственности с процесса статистического моделирования поведения людей. Я понял, что если мне удастся создать детальный список, описывающий клиентов, – не только их имен, но и другой информации (возраст, пол, профессия, уровень дохода, сумма их затрат), – то я смогу сделать вполне обоснованные предположения, сколько продуктов у компании они купят в сравнении с лучшими ее клиентами.
Чтобы лучше представлять ситуацию с будущими продажами, вам имеет смысл пригласить на работу статистика и поручить ему разработку моделей, сходных с той, которую я сделал для авиакомпании. Но в будущем – в течение трех или четырех лет – я ожидаю появления таких программ, которые позволят вам делать все это самостоятельно. Не исключено, что Google даже выпустит бесплатную версию.
Полная детальная модель
В предыдущем сюжете, рассматривая пример авиакомпании, мы опирались лишь на один из трех компонентов, составляющих пожизненную ценность, – изменение дохода в будущем (увеличение или снижение). Порой, когда вытаскиваешь какие-то ключевые данные из имеющейся клиентской базы, требуется создание модели, включающей в себя еще две переменные – ценность индивидуального клиента и продолжительность связи с компанией. Я расскажу, как это делается, на примере нашей работы с крупной розничной сетью. Предположим, эта сеть (назовем ее Retailco) наняла нас для оценки качества своей клиентской базы. Мы начали с классификации каждого домохозяйства по показателю пожизненной ценности, чтобы дать Retailco возможность индивидуального обращения к каждому из них. (Клиенты с самым высоким показателем потенциальной пожизненной ценности по вполне понятным причинам должны были получать от компании больше внимания.)
В то время, когда мы начали работать с Retailco, у нее было около полутора тысяч магазинов. И покупатели, как вы можете понять, снабжали компанию невероятно большими объемами данных. В базе данных содержалась информация почти о двадцати миллионах домохозяйств. Компания знала, что именно приобретало каждое из них, как часто и где. Размер базы данных мог показаться пугающим, но тем, кто любит копаться в цифрах, было где развернуться!
Прежде Retailco уже нанимала на работу опытных маркетологов и поручала им выжимать максимум из своей клиентской базы. Специалистам удалось внедрить некоторые из самых крупных и сложных программ лояльности в розничной отрасли. Теперь Retailco хотела разобраться с показателями пожизненной ценности клиентов, чтобы полностью сосредоточить внимание на лучших для торговой сети покупателях (как настоящих, так и потенциальных) и со временем еще сильнее увеличить их ценность. Модель позволяла нам понять простую, но важную вещь: с ее помощью мы могли знать, сколько денег потратит каждое отдельно взятое домохозяйство на отношения с Retailco в течение следующих трех лет – именно таков срок «всей жизни» в динамичном мире розничной торговли!
Цель была простой, но для ее реализации потребовался сложный и запутанный математический аппарат. Для начала мы выяснили, что означает пожизненная ценность для Retailco на концептуальном уровне, а результат представили в виде диаграммы (см. ниже). Хочу предупредить, что чуть далее приводится самая сложная статистическая модель в этой книге. Если вам удастся понять смысл следующих двух абзацев, то вы не только можете считать себя большим молодцом, но и вправе гордиться, что понимаете суть принципа цепей Маркова.
Как вы можете заметить, мы поместили клиентов в четыре различные группы в зависимости от уровня их расходов. «Отсутствие» означало домохозяйства, не совершавшие в любом из магазинов сети покупок в течение двенадцати месяцев.
Затем мы определили пожизненную ценность домохозяйств следующим образом:
Пожизненная ценность = (Вероятность будущего состояния) × (Ценность в будущем состоянии)
Это означает: пожизненная ценность клиента отчасти состоит из вероятности того, что в последующие три года она окажется в одной из групп (с высоким, средним и низким показателями или показателями отсутствия), а отчасти – из ценности этого домохозяйства в будущем (с высоким, средним или низким показателями). Другими словами, для расчета пожизненной ценности мы должны были сначала предсказать вероятность того, что в следующем году кто-то останется в группе с высоким показателем или, напротив, переместится в другую группу (с низким или средним показателями или его отсутствием). Затем мы умножали эту вероятность на среднюю ценность клиентов, находившихся в том или ином состоянии.
Изложенное мной может показаться слишком сложным, но на практике все было куда проще. Вот вам пример (вполне гипотетический) работы метода. Предположим, мы внимательно изучили данные и заключили, что клиенты Retailco с высоким уровнем ценности тратят 1000 долларов в год, клиенты со средним уровнем – 500 долларов, а с низким – 50 долларов. Предположим также, что сам я отношусь к клиентам Retailco с высоким уровнем ценности.
Затем мы строили две модели. Первая из них предсказывала вероятность, что я останусь клиентом (с использованием метода, который я описал в рассказе об авиакомпании). А вторая предсказывала вероятность, что я останусь клиентом с высокой ценностью или, напротив, перемещусь в группу средней или даже низкой ценности.
Давайте предположим, что, согласно модели, у меня есть 20-процентный шанс перестать быть клиентом, 10-процентный – стать клиентом в группе низкой ценности, 30-процентный – клиентом из средней группы и 40-процентный шанс остаться в группе с высокой ценностью. С помощью приведенной ниже формулы могу рассчитать свою возможную ценность на год второй:
Ценность (второй год) = 20 % × 0 + 10 % × 50 долл. + 30 % × 500 долл. + 40 % × 1000 долл. = 555 долл.
Получив данные для второго года, мы сможем, основываясь на прогнозе, повторить расчет и понять, что скорее всего произойдет в течение третьего года.
Итак, у нас появился идеальный механизм расчета приоритетов для Retailco, позволяющий развивать долгосрочные отношения с клиентами, основанные на предположении, что они собираются стать со временем более ценными. Когда Retailco создаст новые программы лояльности и начнет напрямую работать с клиентами, основываясь на нашей модели пожизненной ценности, то продуктивность компании может оказаться значительно выше эффективности ее конкурентов. Подобный метод работы позволяет вам выявлять лучших клиентов и концентрировать усилия на общении с ними.
Разобравшись с этой моделью, Retailco пошла дальше и решила оценить каждого нового клиента с точки зрения того, какую сумму он сможет потратить за время, проведенное с компанией. Специалисты компании сравнили размер начальной покупки с соответствующими данными о своих существующих клиентах. Однако первая покупка вряд ли способна рассказать о многом. Не исключено, что примерно 23 % всех покупателей, совершающих первую покупку, станут со временем крайне ценными клиентами. Но сама по себе такая покупка ничего не скажет о том, перейдет ли клиент в ключевую группу или останется в 77-процентной группе менее ценных.
Со второй покупкой вы получаете больше информации и уже можете хоть что-то сказать о клиентах: в первый раз им был нужен небольшой ремонт машины; во второй раз они купили детские вещи, а когда заполнили форму на получение карты лояльного покупателя, мы узнали, что они живут в пригороде. Давайте отправим им в августе предложение о 20-процентной скидке на школьные принадлежности, а также предложим особые условия покупок на День матери и День отца!
Если вы точно знаете, что именно вам нужно им сказать, то сможете заработать немалые деньги.
Задание на утро следующего понедельника
1. Определите, кто является для вашей компании ценным клиентом. Используйте следующие вопросы:
• сколько денег он тратит на нас в настоящее время?
• считаете ли вы, что он потратит много денег в будущем?
• как долго он был вашим клиентом?
• способен ли он убедить других клиентов покупать ваш бренд?
• дорого ли обходится его обслуживание, то есть является ли общение с ним прибыльным для вас?
• есть ли в нем что-то еще, важное для компании?
2. Переведите свое представление о ценности в нечто реальное – что вы в состоянии измерять и отслеживать (с использованием инструментов, о которых я рассказал в этой главе). Это может быть доля кошелька, пожизненная ценность или что-то другое, более уместное для вашей компании.
3. Отсортируйте своих клиентов по степени ценности для вашей компании (например, высокая, средняя и низкая).
Глава 3
Обретение – о чем следует говорить с клиентами?
Мы знаем, с кем нам стоит разговаривать. Но о чем? Напрашивается ответ: «О том, что мы хотим им продать».
Это правильно – но лишь с нашей точки зрения.
В этой главе я покажу вам, как это сделать.
Мы будем говорить о том, каким образом вам следует собирать и анализировать данные для лучшего понимания мотивации своей целевой аудитории. Начиная с этого момента, мы с вами будем изучать принципы создания сегментов из группы людей, имеющих сходные потребности или мотивации. Мы представим вам технологии, способные предсказать, в каких продуктах или предложениях могут быть сильнее всего заинтересованы ваши клиенты. Мы также увидим, как легко мы можете узнать о потребностях и желаниях аудитории – о них вам расскажут данные, доступные в социальных сетях и других бесплатных источниках. Наконец, мы обсудим новые методы, которые помогут вам буквально вторгаться в мозг клиента, чтобы лучше понимать, как удовлетворять его потребности.
Людям нужна причина, по которой они будут слушать ваше предложение. В нем должно быть что-то интересное для них, а не только то, что вы продаете. Вам необходимо создать так называемый ценностный обмен. Приведенный в первой главе пример Amazon.com наглядно показывает, что я имею в виду. Мне нравится, когда компания отслеживает историю моих покупок, потому что взамен я получаю рекомендации, соответствующие моим интересам.
Пожалуй, еще лучше с идеей ценностного обмена работает компания Netflix. Каждый год она организует соревнование среди аналитиков и программистов, направленное на дальнейшее улучшение алгоритма рекомендаций. Победитель соревнования получает один миллион долларов – и это наглядно показывает, какую важность Netflix уделяет силе своих рекомендаций.
Примеры Netflix и Amazon подчеркивают, что анализ клиентских данных может дать нам немало подсказок, благодаря которым компании получают возможность модифицировать свою маркетинговую коммуникацию. Это и станет предметом нашего разговора.
Amazon и Netflix используют довольно сложные алгоритмы для сортировки данных, но для вас в них нет никакой необходимости. Вы вполне в состоянии просто отслеживать, что говорят о ваших продуктах и услугах в Интернете, а затем откорректировать позиционирование своего бренда. Напомню пример, который уже приводил в первой главе: компания Ceasars, узнав, что клиентам ее гостиницы «Париж» очень нравится вид из окон на Лас-Вегас-Стрип, сразу поменяла картинку на своем сайте, чтобы лишний раз показать людям то, что им приятно видеть. Кроме того, компания обнаружила, что посетителей сайта прежде всего интересовали размер комнат, варианты питания и набор предлагавшихся в гостинице услуг, и она добавила всю интересующую их информацию. В результате заказ номеров через Интернет вырос более чем на 10 %. Этот очень простой пример подтверждает, почему так важно понимать потребности и желания вашего клиента: что им нужно; что им нравится; что они ненавидят. Короче говоря, узнав обо всем, что не оставляет их равнодушными, вы сможете понять, о чем им рассказывать. Как только вы по-настоящему вникнете в мысли своих клиентов, то сможете скорректировать и свое предложение, и обращение к ним, и способ донесения информации, и даже каналы, по которым выстраиваете с ними связь (ниже мы поговорим об этом в деталях). Данные помогут усилить степень вашего влияния. А как показывает опыт Ceasars, это приводит к великолепным финансовым последствиям.
Вот почему мир бизнеса так высоко ценит моих коллег. Одна из них – Ми Демин. Порой мне кажется, что она сделана из губки, впитывающей информацию из массы различных источников: книг, отчетов о динамике развития, исследований рынка, авторитетных мнений, – а затем использует ее, чтобы легко и непринужденно, в процессе изучения потребителей, переходить от одной темы к другой. Ее манера работать производит огромное впечатление, но при этом мне было крайне тяжело с ней сотрудничать. Я как аналитик запрограммирован на углубленное изучение больших объемов данных и на дальнейшее упрощение общей сложной картины. А специалисты, подобные Ми, которым вменено в обязанность добиваться понимания потребителей, сначала пытаются охватить все: добыть любую информацию; использовать каждый удобный случай; успеть задать кучу вопросов, причем не всегда в строгой последовательности; разобраться в каждом варианте, – а уже потом заняться подведением итогов. Порой кажется, что у них нет никакого определенного принципа работы. Их методы кажутся мне хаотичными и непроизводительными, они порой здорово раздражают. Иногда мне хочется, чтобы Ми перешла к сути дела и сформулировала самое существенное. Насколько ее выводы способны подтолкнуть нас к конкретным действиям? Мне потребовалось немало времени, дабы понять, насколько Ми права. Нам не дано знать, что именно вычленить из общей картины как самое важное, пока не удастся рассмотреть каждый элемент картины.
Возможно, в вашей компании нет специалистов по планированию. Но это нисколько не помешает вам собрать пару людей, умеющих скрупулезно вникать во все имеющиеся в вашем распоряжении цифры, и пару людей с тонкой интуицией и более широким взглядом на мир.
В нашем бизнесе именно разработчики маркетинговых направлений способны навести мосты между стратегией и творческой идеей. Один из лучших разработчиков, с которыми мне довелось вместе трудиться, – мой друг Колин Митчелл, руководитель планового отдела Ogilvy. В голове у него больше информации, чем мне пришлось узнать за всю свою жизнь. Он человек творческий, но как великолепного профессионала его отличает способность рационализировать сложное. Мне доводилось бывать на множестве встреч, на которых несколько человек долго спорят о принципах и содержании стратегии; в какой-то момент появлялся Колин, слушал собравшихся около десяти минут, потом в одном предложении суммировал всю беседу и формулировал пару простых правил для дальнейшего развития правильной стратегии.
Вместе с Колином мы создали блог thedoublethink, http://thedoublethink.com. Для его названия мы позаимствовали у Джорджа Оруэлла слово doublethink («двоемыслие») – для нас оно означало способность одновременно удерживать в голове две конфликтующие идеи. Мы разделили блог на две части. Визуально на левой стороне сайта находились мои статьи по математике и аналитике, а на правой – комментарии Колина по совершенно разным вопросам. Именно разность подходов и взглядов – иногда мы писали об одном и том же, но чаще всего нет – заставляет людей считать наш блог «интригующим» и «стимулирующим».
Почему наш блог вызывает такой интерес? Читая его материалы, вы можете видеть результат взаимодействия левого и правого полушарий человеческого мозга. А для сегодняшнего дня это очень актуальная модель – в условиях, когда ежеминутно появляются огромные массивы данных, симбиоз аналитического метода и стратегического планирования может привести к очень глубокому пониманию.
Для иллюстрации этого подхода давайте посмотрим на один из источников информации, наиболее часто использующийся для анализа поведения потребителей и их мотивации.
В рамках качественного исследования рынка обычно проводятся беседы с ограниченной группой потребителей (от десяти до двадцати человек), происходит это либо индивидуально с каждым, либо коллективно. Поскольку для таких встреч отбирается небольшое количество людей, то у исследователя появляется возможность подробнее выяснить много интересных деталей: почему потребители покупают определенные бренды, в чем состоят их потребности и каковы их подспудные мотивы делать те или иные покупки.
Возможно, вам тоже доводилось участвовать в подобных интервью, которые могут длиться по нескольку часов. Один из основных методов такого маркетингового исследования – это целевой опрос так называемой фокус-группы, когда несколько потребителей, сидящих в одной комнате, отвечают на вопросы и ведут дискуссии относительно категорий продуктов, брендов и даже идей рекламных кампаний.
Вы можете провести сегментацию по мотивации или реакции среди групп потребителей, имеющих одинаковые пристрастия и потребности. В каком-то смысле вы ищете архетипы потребителей. А как мы знаем, архетип всегда становится прототипом, возьмем хотя бы такие типажи, как «папочка НАСКАР» или почти исчезнувший в наши дни «яппи»[8 - НАСКАР (NASCAR) – Национальная ассоциация гонок серийных автомобилей (National Association of Stock Car Auto Racing), которая занимается организацией автомобильных гонок, транслируемых в прямом эфире, с конца 1970-х гг. Папочки НАСКАР (NASCAR Dad) – социологическая группа, выделенная в начале 2000-х гг. как особая группа избирателей, за которую идет постоянная борьба между демократами и республиканцами; ее типичным представителем является белый мужчина неопределенных лет, принадлежащий к рабочему классу или нижнему слою среднего класса, любитель пива и спортивных передач, особенно автомобильных гонок (отсюда и название). Яппи (Yuppie; аббревиатура от Young Urban Professional Person «молодой городской профессиональный человек») – молодой преуспевающий представитель среднего или высшего класса, получивший хорошее образование и стремящийся к высокому положению в обществе; понятие «яппи» появилось в Америке в начале 1980-х гг., однако после краха фондового рынка в 1987 г. увлечение культурой яппи постепенно пошло на спад.].
Различные типы личностей будут по-разному взаимодействовать с продуктами и брендами, поэтому для вас крайне важно понять, в чем заключаются различия между ними, – это позволит выстроить более эффективную маркетинговую коммуникацию. Может показаться, что это слишком сильно напоминает идеи Юнга, но в реальной жизни люди принимают решение о покупке, руководствуясь и психологическими, и рациональными причинами. То, в какой степени наше поведение определяется рациональностью или эмоциями, вызывает множество дискуссий. Однако я как количественный аналитик – то есть архетип рациональности – могу сказать о своей глубокой убежденности в том, что в большинстве категорий продуктов процесс принятия решения о покупке определяется рациональными соображениями куда меньше, чем вы можете себе представить.
Объясню на собственном примере. Убедив себя, что мне в квартире необходим новый телевизор, я провел несколько часов в Интернете в попытках выбрать идеальную модель и читая все подряд, что подворачивалось под руку на эту тему. Время не было потрачено зря: я нашел что искал – телевизор Panasonic с плоским 42-дюймовым экраном. Однако когда я пошел в магазин и увидел «живой» 52-дюймовый Sony – такой большой, с таким ярким изображением, – то он мне сразу приглянулся, и я выбрал его.
Качественные исследования могут снабдить нас крайне полезной информацией, однако небольшой размер выборки требует определенной проверки, поскольку необходимо разобраться, соответствует ли точка зрения ваших собеседников мнению больших групп людей. Количественные исследования предполагают более короткие опросы с участием уже масштабной группы клиентов, которая может достигать нескольких тысяч человек. Чем больше людей вовлечено, тем больше данных у нас есть – к вящей радости аналитиков. Данные – это наше сырье, и чем больше сырья мы захватим, тем проще становится найти ключевые моменты, выявить тенденции и подтвердить правильность различных выстроенных нами моделей.
За счет совмещения результатов количественного и качественного анализа вы можете получить результат, которому можно доверять.
Стив Нарт, мой друг с семи лет и шафер на моей свадьбе, работает на исследовательскую компанию Censydiam, расположенную в Антверпене и по-настоящему способную влезть в души людей. Поэтому Стив хорошо знает, когда говорит: «Не представляет никаких проблем наблюдать и измерять степень влияния тех или иных причин, оправдывающих покупку. Однако это очень напоминает айсберг – самые мощные движущие силы стратегий удовлетворения потребителей лежат далеко не на поверхности». Его компания занимается исследованиями именно на этом уровне. «Там, ниже ватерлинии, мы находим чувства и эмоции, мотивацию, стремления и потребности, которые не в состоянии увидеть в обычных условиях».
В Censydiam работают не только психологи, но и аналитики, которые, как и я, изучают тенденции и данные количественных исследований, чтобы лучше понять мотивацию потребителей. Один из самых изобретательных видов анализа, который мне когда-либо доводилось видеть, возник в результате сотрудничества между Censydiam и Хельмутом Гаусом, преподавателем Университета города Гент в Бельгии. Мы, люди, работающие с цифрами, всегда ищем способы прогнозирования, основанные на данных о том, что будут делать наши имеющиеся и потенциальные клиенты. Тем же самым занимались и Censydiam с Гаусом. Однако они начали задаваться крайне интригующими вопросами о взаимовлиянии изменений в экономике и перемен в психологическом состоянии общества.
Представляется заманчивым считать простым совпадением корреляцию между повышением курса акций и изменением длины юбки. Однако Гаус относится к вопросу связи между экономикой и социальным поведением куда более серьезно.
Теория Гауса началась с работ русского экономиста Николая Кондратьева, который в 1925 году открыл такое явление, как длинные волны макроэкономической динамики, повторявшиеся каждые пятьдесят лет в течение всей истории человечества и олицетворявшие периоды роста и спада.
Кондратьев дорого заплатил за свое открытие. Его предсказания, что экономический процесс со временем будет замедляться, вызвали неудовольствие Сталина – и Кондратьев был приговорен к длительному тюремному сроку, а затем расстрелян.
По вопросу реального существования волн Кондратьева написано множество книг и статей. Не все убеждены в правильности его теории, но истина в том, что она и по сей день позволяет предсказывать долгосрочные тенденции развития.
Гауса больше всего интересовали причины возникновения волн. Большинство людей полагали, что они вызываются макроэкономическими силами (ВВП, уровень безработицы и тому подобным). Гаус, напротив, был убежден, что реальные движущие силы имеют психологический характер. Он утверждал, что волны Кондратьева совпадали с так называемыми волнами беспокойства, предсказывающими изменение во вкусах, ценностях и поведении, а в ряде случаев и следовали за ними.
Для доказательства своей точки зрения Гаус собрал данные о тенденциях женской моды и обнаружил: в периоды высокого беспокойства женщины носят менее яркие цвета, более длинные юбки и кофты с высоким воротником. В периоды сравнительно низкого беспокойства цвета становятся ярче, а юбки – короче. Это позволяло ему выявить «волну беспокойства», основываясь на тех или иных колебаниях моды с течением времени.
Он обнаружил поразительную корреляцию между уровнем беспокойства и целым набором показателей, таких как количество браков, рождаемость, уровни занятости и самоубийств, а также объемом инвестиций.
Сама идея, что колебания в экономике вызваны коллективным беспокойством, может показаться интересной, однако труднодоказуемой. Данных о психологическом состоянии общества явно недостаточно, и именно поэтому Гаус решил изучать моду. Однако теперь у нас есть еще один сравнительно новый источник, содержащий огромные объемы информации о мыслях и действиях людей, – я имею в виду данные поисковых интернет-систем. Знание о том, что ищут люди и как меняются со временем их поисковые запросы, может стать барометром психологического состояния общества.
Конечно, теория Гауса еще потребует четкого подтверждения. Но мне очень нравится сама идея совмещения реальных и четких данных о потребителях с идеями, способными дать дополнительную и полезную информацию. Поэтому я внимательно изучил подход Censydiam (в меньшей степени изучая их труды и в большей – беседуя со Стивом за пивом в наших любимых антверпенских пивных). Такая информация может оказаться крайне важной. Вспомните, в предыдущей главе мы обсуждали принципы использования данных для выяснения вопроса, с какими клиентами BT имеет смысл говорить. Но мы хотели не просто найти подходящих нам людей. Мы должны были разработать убедительную маркетинговую коммуникацию, способную помочь бизнесу BT. Поэтому нам было необходимо буквально влезть под кожу британских небольших и средних компаний, чтобы понять, о чем с ними нужно разговаривать.
British Telecom – от неопределенности к точности
Чтобы по-настоящему понять клиентов BT, нам было необходимо рассмотреть со всех сторон их интеллектуальные возможности. У нас имелась точная, основанная на фактических данных информация, позволявшая провести их сегментацию (мы говорили об этом в прошлой главе). Теперь нам нужно было провести сегментацию, основанную на их потребностях. Для этого мы вместе с маркетологами-разработчиками принялись за работу, пригласив к участию британскую компанию Henley Centre (нынешнее название – Futures Company), специализирующуюся на аналитических исследованиях и изучении тенденций. Мы хотели найти достаточно глубокую идею, которая при этом могла бы быть привязана к имевшимся у нас данным. Это позволило бы нам не только создать сообщение, привлекательное для малых и средних компаний, но и выявить, какие из них будут заинтересованы в том или ином типе сообщения.
Наш подход состоял из трех этапов.
– Мы выделили все небольшие компании и создали исчерпывающий список их потребностей, которые BT потенциально могла бы удовлетворить.
– Мы выявили, какие из этих потребностей представляются малым и средним клиентам наиболее важными.
– Нам нужно было разобраться, существуют ли различные типы небольших компаний, для которых эти потребности могут различаться. Например, имеет ли сервисная компания с годовыми доходами в 5 миллионов долларов такие же потребности с точки зрения коммуникации, как компания с таким же оборотом, но занимающаяся производством?
Мы начали с первого этапа, и по итогам работы у нас сформировался список.
Новые каналы и рынки
• Выход на новые географические рынки
• Развитие новых каналов дистрибуции
• Вывод на рынок новых продуктов и услуг
Концентрация на клиентах
• Рост клиентской базы
• Улучшение сервиса и коммуникации
• Повышение доходов от существующих клиентов
Эффективность работы
• Улучшение процессов управления поставками и запасами
• Улучшение процессов закупки
• Улучшение управления внутренними процессами
•
Обеспечение последовательности в наиболее важных системах и процессах
Управление бизнесом
• Снижение усилий на выстраивание соответствия административным правилам и регулированию
• Улучшение процессов управления компанией (в том числе финансового)
Поделиться книгой: