Регистрация прошла успешно

Регистрация прошла успешно

На ваш e-mail пришло письмо с подтверждением

На вашу почту отправлена ссылка для восстановления пароля

Восстановление пароля
Все новости
17:22, 26 Сентября
Ретейлер Rozetka приостановил работу в Узбекистане
16:32, 26 Сентября
Компания «Сима-ленд» завершила одну из крупнейших складских сделок в 2022 году
15:45, 26 Сентября
ОС Astra Linux предустановят на ноутбуки Hiper
14:42, 26 Сентября
«СберМаркет» начал доставлять товары из «Технопарка»
13:54, 26 Сентября
Mazda планирует закрыть производство в России
13:00, 26 Сентября
«Магнит» начинает поиск стартапов в пищевых и агротехнологиях
12:09, 26 Сентября
Какие товары завозят в Россию по параллельному импорту
11:23, 26 Сентября
Спрос на покупку бизнеса готовых ПВЗ резко вырос
10:23, 26 Сентября
iPhone 14 продается значительно хуже, чем iPhone 13
10:04, 26 Сентября
Как краудсорсинг, аутстафинг и аутсорсинг решают задачи в доставке «последней мили»
24 Августа 2022, 11:01

Что такое «грязная» база данных клиентов

Что такое «грязная» база данных клиентов

Ещё в 2018 году независимое консультационное агентство Econsultancy совместно с компанией Adobe провело исследование, в ходе которого выяснилось, что 65% респондентов считают аналитику данных важным инструментом для лучшего понимания потребностей клиента.

В России интерес к клиентским данным тоже есть, это видно хотя бы по многочисленным специализированным конференциям, например Big Data Days 2022, Data Science 2022 или «Матемаркетинг — 2022». Да и примеры в маркетинге всё чаще рассказывают о том, как работа с клиентскими данными помогла повысить частоту покупок или конверсию в заказ, трансформировать компанию или улучшить сервис.

Кажется, сегодня уже никто не спорит с тезисом, что данные в маркетинге — это новое золото. Увы, некоторые компании упускают из вида, что прежде, чем работать с данными, их необходимо очистить.

Руководитель продукта Customer Data Platform (CDP) платформы автоматизации маркетинга Mindbox Марина Кузмичёва рассказала, что такое «грязная» информация в базе, к каким проблемам она приводит на примере Divan.ru, Zarina и вернувшегося в Россию Crocs, а также как её можно очистить. Также в материале опыт Burger King и «Петровича»: каких результатов можно добиться, если правильно работать с «чистой» базой.

Почему база становится «грязной»: три основные причины

«Грязная база» — это база данных клиентов с неактуальной информацией: неполная, устаревшая, с дублями, ошибками и неправильным форматом информации.

Первая и основная причина для ухудшения качества базы — так называемый зоопарк сервисов, когда компания использует в маркетинге и продажах несколько ИТ-решений, не связанных между собой. Например, массовые рассылки отправляются из одной системы, триггерные — из второй, SMS — из третьей, база клиентов частично хранится на сайте, частично в 1С, а программа лояльности построена на стороннем решении.

Даже если в компании поддерживают актуальность одной или нескольких баз, остальные устаревают. Так накапливается историческая база с «мёртвыми» и невалидными контактами. 

Вторая распространённая причина — человеческий фактор: сотрудники не понимают важности данных или попросту ошибаются. Если заполнение профиля воспринимается как простая формальность, то сотрудники не могут донести важность предоставления информации до клиента, пропускают важные поля, а иногда и вовсе указывают первые пришедшие в голову контакты. 

И намеренные, и случайные ошибки (не только сотрудников, но и клиентов) можно частично предотвратить, если ввести технические ограничения при заполнении данных, например не пропускать номер телефона с меньшим количеством символов или email без @. Отсутствие таких ограничений — это и есть третья основная причина «загрязнения» базы. 

К каким проблемам приводит «грязная» база 

Проблемы для компании

У компании нет полной информации о клиентах, то есть она либо в принципе не обладает нужными данными для принятия решений, либо принимает их исходя из ошибочных предпосылок. Это может приводить к следующим ситуациям: 

1. Постановка неверных целей.

Пример: маркетинг анализирует базу в миллион контактов и отмечает низкую частоту покупок. Вывод очевиден: нужно повысить частоту покупок, а привлечение новых клиентов можно отложить. Но если на самом деле уникальных клиентов в 3 раза меньше, а частота покупок у них в 3 раза выше, то цель может быть противоположной. 

«Раньше в компании считали, что процент повторных покупок очень низкий, но в этом году собрали информацию по нашей CRM: оказалось, что порядка 15% B2C-клиентов повторные, а 15% — это довольно большой объём, учитывая, что с ними раньше вообще не работали, — рассказал руководитель направления performance-маркетинга компании Divan.ru Максим Рыжов. — При внедрении программы лояльности этот процент должен стать выше, а повторный покупатель обходится явно дешевле, чем привлечение нового покупателя платными источниками, поэтому решили делать программу лояльности, которая будет стимулировать людей копить баллы, а потом возвращаться к нам спустя полгода-год и тратить накопленные баллы на новые покупки».

2. Ошибки в найме.

Пример: анализ воронки продаж показывает, что есть проблема с удержанием клиентов. Чтобы повысить конверсию во второй заказ, нанимают retention-специалиста. А на самом деле нужен performance-маркетолог: повторных заказов много, но компания этого не «видит». 

3. Принятие неверных продуктовых решений.

Пример: нужно выбрать новый канал коммуникации. В базе у большинства клиентов указан номер телефона, email-адреса нет. Соответственно, предпочтение отдаётся SMS. Каждое сообщение стоит более 2 рублей, поэтому с неактуальными и невалидными адресами это превращается в пустую трату денег.

«Все рассылки раньше выглядели следующим образом: началась осенняя распродажа и мы отправляем по всей базе SMS и email, а потом, как правило, ничего, — рассказал руководитель интернет-магазина Crocs в России Александр Кулёв. — Мы не могли понять, какие клиенты покупают из рассылки, а какие случайно, проходя мимо».

По его словам, было непонятно — клиент купил, а почему: то ли прочитал SMS, то ли увидел баннер на сайте, то ли флаг на витрине «Sale −50, налетай».

«Когда после автоматизации маркетинга эти данные появились, мы стали лучше понимать наших клиентов, — сказал Кулёв. — Всплыли интересные вещи, например выяснилось, что рассылки со скидками в день рождения у нас работают плохо, хотя у других обувных компаний они обычно приносят хорошие результаты».

4. Нерелевантные маркетинговые акции.

Пример: клиент раньше покупал на сайте, а теперь — в рознице. Маркетолог строит сегмент для реактивации оттока и отправляет всем подходящим клиентам скидку 10% на следующую покупку. Получается, что компания теряет деньги на лишней скидке, ведь часть лояльных клиентов просто перешла в другой канал, а бизнес об этом не знает. 

5. Технические проблемы.

Пример: если отправлять письма по неактуальной базе, репутация домена будет постепенно ухудшаться — рассылки будут всё чаще попадать в спам. 

«Нам приходилось работать с несколькими базами данных, где часть контактов собиралась на одной платформе, массовые рассылки отправлялись с другой, триггерные рассылки партнёрам — с третьей, и адреса были перемешаны, приходилось их перемещать с одной платформы на другую, а вся работа при этом была ручной, так что мы не могли корректно управлять базой клиентов, — сказала бывший руководитель интернет-продвижения Finn Flare Ирина Белова. — Поскольку платформ было несколько, возникли риски заспамить базу, потому что когда она разделена, при включении большого количества триггеров один подписчик может попадать в несколько разных сегментов, и тогда человек получает пять писем в день, что очень-очень плохо и высока вероятность, что он отпишется».

Проблемы для клиентов

Клиенты испытывают дискомфорт от коммуникации с компанией. Можно привести много примеров: клиент покупает утюг на сайте, а на следующий день ему приходит рассылка с подборкой утюгов; получает в один день сразу несколько сообщений; пытается отписаться — и продолжает получать триггерные письма, потому что, не зная того, отписался только от массовых рассылок; пытается использовать бонусы в программе лояльности — оказывается, что баллы за покупки на сайте хранятся на отдельном счету.

Как очистить базу данных

Приведём примеры компаний MIXIT, «585*Золотой», «Кант» и других.

Перенести данные на единую платформу

Этим способом воспользовалась ювелирная компания «585* Золотой».

Для начала сайт компании и две базы данных интегрировали с единым хранилищем (в этом случае Customer Data Platform). Установка трекера на сайт позволила собирать информацию о действиях посетителей в интернет-магазине, включая регистрацию в личном кабинете, просмотр товаров и категорий, добавление товаров в корзину и оформление заказа.

Затем выгрузили исторические данные из старых баз. Когда всё оказалось в единой платформе, произошло автоматическое объединение повторяющихся данных о клиентах. В результате получили для каждого покупателя единый профиль, объединяющий всю историю его взаимодействия с компанией: 

1.jpg

В едином профиле клиента хранятся его личные данные и история взаимодействия с компанией

Ещё один удачный пример переноса всех данных в единую платформу — опыт магазина «Кант». На объединение клиентских баз онлайна и офлайна ушло четыре месяца.

2.jpg

Схема передачи данных: сверху онлайн, снизу — офлайн

Объединение баз позволило запустить омниканальную программу лояльности — в результате показатель удержания клиентов (retention rate) вырос на 33% месяц к месяцу.

Контролировать, чтобы сотрудники полностью заполняли данные

Когда магазин стройматериалов «САКСЭС» внедрял программу лояльности, выяснилось, что менеджеры небрежно заполняют данные B2B-клиентов в 1С: только у 7% был указан email. Это объяснялось тем, что клиентам удобно обсуждать детали заказа в мессенджерах — менеджеры записывали контакты сразу себе в телефон.

В компании ввели единый стандарт заполнения клиентских данных: обязательный email, имя и фамилия, номер телефона в едином виде.

Кроме того, отдел маркетинга провёл массовое и индивидуальное обучение, разработал дополнительные материалы и инструкции. Объясняли важность программы лояльности и полноты клиентских данных.

Проверять данные на корректность.

При вводе данных клиент может ошибиться — намеренно или случайно. В любом случае разумно ограничить форматы: 

3.jpg

При неправильном формате данных строка ввода может загореться красным или кнопка «Далее» будет неактивна — в любом случае клиент должен заметить ошибку

Опечатки часто возникают и при указании имени, даже если клиент ошибся сам, ему будет неприятно обращение «Ивн» вместо «Иван». Исправить это можно вручную, выгрузив базу и прогнав имена через сервис проверки правописания, например LanguageTool.

Более продвинутый вариант — использовать инструмент, который либо исправляет распространённые опечатки в именах, либо не подставляет некорректное имя в рассылки — «Здравствуйте!» вместо «Здравствуйте, не скажу имя!»

Что касается email и телефона, то тут тоже два варианта: использовать инструмент, который не добавляет в базу распространённые фейковые контакты, например mail@mail.ru или +7(999)9999999, и/или просить клиента подтвердить валидность данных: 

4.jpg

Валидность телефона логично и удобно подтверждать с помощью SMS, email — с помощью письма

Дарить баллы за заполнение данных

Так поступает, например, косметический бренд MIXIT — баллы начисляются за заполнение email, указание имени, прохождение опроса: 

5.jpg

Программа лояльности позволяет MIXIT собирать клиентские данные в обмен на баллы

Ещё один хороший пример у сети спортивных магазинов «Кант», которая старается собирать максимальное количество контактов. Клиентам, у которых есть телефон, но не указан email (называть его на кассе неудобно), отправляют SMS с предложением получить 200 бонусов:

6.jpg

«Канту» важно собирать email, потому что в отличие от SMS — это бесплатный канал

Тем, у кого, наоборот, есть email, но нет телефона (это происходит, если клиент просто подписался на рассылки), отправляют письмо с предложением получить 500 бонусов: 

7.jpg

Чтобы получить 500 бонусов, клиенту нужно зарегистрироваться в программе лояльности

Чем полезна «чистая» база

Теперь рассмотрим примеры «Петровича» и Burger King.

DIY-ритейлер «Петрович» в 2 раза сократил расходы на коммуникации по программе лояльности благодаря каскадным рассылкам. Действия в офлайне, онлайне и мобильном приложении, а также контактные данные клиентов «Петровича» собираются в CDP и обновляются в режиме реального времени.

Это позволяет маркетологам отправлять клиентам релевантные сообщения и даже предугадывать поведение клиентов, например предлагать напольное покрытие тем, кто недавно купил обои, или сантехнику тем, кто купил клей для плитки. Подобные рассылки позволили повысить конверсию в заказ в 2 раза. 

Но это не всё. Благодаря централизованному хранению данных можно выстраивать так называемые каскадные рассылки: от бесплатного сообщения (email и мобильный push) к более дорогим (Viber, а затем SMS). Причём каждое следующее сообщение отправляется только, если предыдущее не доставлено или клиент его не открыл.

8.jpg

Первый этап каскадной рассылки «Петровича»: бесплатный мобильный пуш или письмо

По результатам теста оказалось, что до 50% участников программы лояльности можно достучаться с помощью бесплатных писем и мобильных push-уведомлений. В годовом выражении речь идёт об экономии миллионов рублей.

Но и это ещё не всё. «Петрович» вытягивает данные по заказам, рассылкам и визитам на сайт из CDP в Power BI, чтобы визуализировать данные. Это позволяет улучшать коммуникации на основе эффективности рассылок и понимать, на каком этапе жизненного цикла клиенты отписываются. Главный результат: показатель открытия писем (open rate) вырос на 22%.

9.jpg

«Чистые» данные из CDP позволяют строить дашборды для принятия управленческих решений

Burger King зарабатывает несколько миллионов рублей дополнительной прибыли в месяц на персонализации, потому что у него есть единое хранилище клиентских данных, куда стекается вся информация о клиентах и их действиях.

10.jpg

В единое хранилище данных стекается информация из касс, киосков самообслуживания, сайта, мобильного приложения, программы лояльности

Это позволяет персонализировать клиентский опыт: алгоритм на машинном обучении предлагает клиенту дополнительные продукты, которые он с большой вероятностью купит, причём это происходит во всех онлайн-каналах: на сайте, в мобильном приложении, в киоске самообслуживания.

Кроме того, участникам программы лояльности доступны персональные купоны со скидками на любимые блюда, ограниченные по времени персональные предложения и челленджи. 

11.jpg

Кофейный челлендж: чтобы принять в нем участие, нужно быть участником программы лояльности и нажать кнопку «Участвовать»

По данным внутренней отчетности Burger King:

  • LTV у участников программы лояльности выше в 2 раза, чем у других покупателей;
  • исходя из этого, персонализация приносит миллионы рублей дополнительной прибыли в месяц.

Методы очистки базы данных

Таким образом, очистить базу можно следующими способами: 

  • перенести данные на единую платформу, 
  • контролировать, чтобы сотрудники полностью заполняли данные, 
  • проверять данные на корректность, 
  • дарить баллы за заполнение данных.

Это, в свою очередь, позволит сегментировать клиентскую базу на основе полной информации, а значит, персонализировать общение с клиентами и экономить на платных каналах коммуникации, а также получать дополнительную прибыль за счёт персональных предложений и рекомендаций.

Понравился материал? Поделись.

Подписывайтесь на наши группы,
чтобы быть в курсе событий отрасли.
Станьте нашим автором.
Увеличьте лояльность своих читателей