Читать онлайн «Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть». Страница 31

Еще один способ достучаться до клиентов напрямую связан с технологией, известной как углубленная проверка пакетов, иногда ее называют мониторингом. Эта технология может читать и анализировать все биты или пакеты данных, путешествующих по Интернету. Так как она может отслеживать всю информацию, а не только связанную с путешествием по Интернету, можно представить, насколько эффективно она может собрать информацию о человеке (особенно если сравнить с cookie).

Кроме того, веб-сайты могут выявить конкретных посетителей посредством регистраций. Именно так работает Amazon.com. Как только я ввожу пользовательское имя и пароль, Amazon тут же понимает, кто именно делает запросы на страницах его сайта. Затем компания может собрать и проанализировать данные – примерно по той же схеме, что используют компании, работающие с картами лояльности. Вы можете связать поведение человека в Интернете и в реальном мире (например, в магазине).

Вот как это происходит. Предположим, я зарегистрировался на сайте Sears и провел на нем определенное время за изучением садовой мебели. Если я затем направлюсь в местный магазин Sears и куплю там стол и пару стульев с помощью выданной мне Retailco кредитной карты, то компания может изучить эти данные и заметить, что до этого времени я искал нужную информацию в Сети. Подобный метод известен как «ищем в онлайне, покупаем в офлайне» (research online, buy offline, ROBO). Именно с помощью такого анализа специалисты по онлайновому маркетингу оправдывают свое существование и отслеживают, какие из их предложений работают.

Регистрация – это самый точный способ сбора информации о личности. Она пригодна даже тогда, когда одним компьютером пользуются несколько человек (то есть когда cookie нам уже не помогают). Почему? Дело в том, что каждый раз, когда вы заходите на сайт Amazon, вам задают вопрос, являетесь ли вы новым или уже зарегистрированным пользователем. Регистрация в онлайне – единственный в данном случае способ точно узнать, какой именно человек заходит на ваш сайт.

Уверен, вы заметили некие общие черты во всем, о чем мы говорили до настоящего момента. Все это связано с получением данных из источников, которые вы контролируете, – вашего веб-сайта, кассового аппарата, телефонной сети. Все это позволяет вам создать «образ клиента» и помочь выстроить с ним правильное общение. Но в ваших силах собрать еще больше данных.

Внешние базы данных

Зачастую данные можно просто купить. Существует целая отрасль, готовая делиться данными с компаниями, которые хотят лучше знать, с кем имеют дело. Самые серьезные поставщики такой информации расположены в США и Великобритании. Американские агентства, оценивающие кредитные рейтинги, снабжают маркетологов данными, позволяющими не только понять, каким образом потребители расходуют свои деньги, но и насколько хорошо они расплачиваются по долгам. Можно получить доступ и к социально-демографическим данным (о которых я уже говорил ранее); например, американское ведомство, отвечающее за проведение переписи населения, может предоставлять информацию о людях, живущих по определенному индексу.

Компаниям наподобие Claritas удалось скомбинировать эти данные с информацией из других источников и создать детальные профили почтовых индексов. Затем компании удалось превратить эти профили в архетипические сегменты (см. третью главу), привязанные к определенным индексам.

Вновь хочу сказать, что в данных такого рода нет ничего нового. Они были в нашем распоряжении уже многие годы. Я хотел лишь упомянуть о них, чтобы вы – в процессе оценки массы новых инструментов – не забывали и о том, что у вас уже есть.

Помимо этого, существуют списки данных, которые предоставляет любой человек, подписываясь на журнал, газету или информационную рассылку (разумеется, вы всегда вправе запретить компаниям передавать вашу информацию кому-то еще, но обычно это условие печатается самым мелким шрифтом).

Поиск людей во внешних базах данных может иметь для вас огромное значение. Вы начинаете понимать, что нравится вашим клиентам (помимо продуктов, которые они покупают у вас), а это значит, что вы можете сделать свое предложение для них еще более интересным (предположим, у вас есть супермаркет, а ваш клиент любит хорошие вина – и вы предлагаете ему красивые бокалы). Вы можете также найти потенциальных клиентов, которых еще нет в ваших собственных базах данных.

Приведу еще один пример. Мы работали с одним супермаркетом, который только что представил на рынке новую линейку спортивных товаров, состоявшую из действительно хороших продуктов. Однако люди редко ищут качественные спортивные товары в супермаркетах. Поэтому значительная часть аудитории не обратила внимания на это предложение.

Для компании стало крайне важным найти покупателей во внешних базах данных. Мы просканировали рынок в поисках доступной информации. Ниже приведена первая страница списка источников, который компании стоило бы использовать. Каждый из этих источников предлагает компаниям получать за определенную плату доступ к спискам своих клиентов.

Это упражнение позволило нам найти 10 миллионов покупателей спортивного оборудования и снаряжения, сделавших покупки в этой категории в предыдущие двенадцать месяцев. Разве это не отличный пример того, как вы можете найти большую аудиторию для своей продукции с помощью доступных списков?

Другим источником поиска нужных покупателей служат потребительские панели, допускающие возможность таргетирования. Как было отмечено выше, они могут оказаться крайне полезными для выявления профиля определенной группы. Именно таким образом работают телевизионные рейтинги. Компания Nielsen создала панель из людей, представляющих всю совокупность населения, а затем отслеживает детали, связанные с потреблением телевизионного контента. Большинство панелей анонимны, соответственно, по ним невозможно проводить таргетирование. Существуют и другие, неанонимные панели, предоставляющие отличные возможности для компаний, торгующих потребительскими товарами и не всегда знающих, кто именно покупает у них прохладительные напитки, молоко, хлеб и мыло. Розничным сетям и отдельным супермаркетам удается решить эту проблему с помощью программ лояльности. Исследовательская компания Kantar Retail в партнерстве с рядом супермаркетов получает и обрабатывает информацию о покупках, которая привязана к этим картам. Компания объединяет данные от множества магазинов и выстраивает невероятную по размеру панель из 80 миллионов домохозяйств США. Она отлично знает, какие бренды покупает каждая семья, когда и как часто. Она также представляет, что еще находится в корзине потребителя. Единственное, чего она не знает, – их имен и адресов (эти данные остаются неизвестными для обеспечения должной анонимности). Kantar работает с независимой третьей стороной, которая собирает по магазинам информацию (имя и адрес клиента), затем присваивает каждому новый уникальный «слепой» код, а затем передает данные для обработки Kantar Retail уже с этим анонимным кодом. Таким образом, ребята из Kantar Retail не могут заглянуть в продуктовые пакеты, которые несет домой их сосед!