Несмотря на всем известный факт, что привлечение нового клиента занимает в 7 раз больше ресурсов и времени, чем поддержание интереса уже существующего, именно этим и занимается большинство маркетологов.
Вот мы и решили остановиться на этом вопросе и предложить data-driven вариант решения задачи.
А решение, собственно, находится очень близко – в POS данных, которые можно обработать при Look-alike моделировании.
Что такое look-alike?
Look-alike моделирование – это метод формирования новой ЦА на основе меньшего сегмента существующих клиентов для таргетирования. При этом новая ЦА должна нести те же характеристики, что и изначальная (оригинальная).
Все эти данные уже есть в ваших CRM-системах. Вы уже владеете данными о ваших “хороших” и “плохих” клиентах, что дает полную свободу действий. Ведь если вы можете четко определить, кто является вашим лучшим покупателем, вы можете нарисовать идеальный портрет пользователя для своего бренда. Выделяющие его особенности и станут отличительной чертой между “хорошими” и “плохими” клиентами.
Мы не хотим обидеть ни одного пользователя, все они неплохие и даже полезные ребята, потому давайте определим, что подразумевалось под “хорошим” покупателем. Вы сами определяете, что является для вас приоритетным:
- Посещение сайта.
- Покупки на сайте.
- Количество репостов.
- Наименьшие затраты на обслуживание (покупает онлайн, не пользуется функцией чатов, нет возвратов).
- Совершение любого другого действия в интересах вашего бренда.
Look-alike моделирование, в свою очередь, поможет качественно прицелиться на новых пользователей, которые будут близиться по характеристикам к вашей уже существующей ЦА.
В результате вы получаете:
- Снижение затрат на маркетинг;
- Снижение затрат на привлечение новых клиентов;
- Рост показателей эффективности.
Учитывая, что сейчас большинство рекламы воспринимается, как шум и просто блокируется, для бренда важно понимать, какое именно взаимодействие повлекло за собой покупку.
Существует статистика, что 5,1% пользователей больше всего реагируют на рассылки, 0,4% качественно реагируют на посты в социальных сетях, 0,2% – на баннерную рекламу.
Как же начать работу с Look-alike моделированием?
Есть два подхода к моделированию, оба основаны на third-party data.
Подход № 1. Построить оффлайн модель аудитории на основе email-списков и почтовых адресов.
Подход № 2. Построить онлайн модель можно на основе базы данных платформ управления данными third-party data.
Преимущества от использования:
- Помогает найти потенциальных покупателей, которые максимально схожи по определяющим характеристикам с вашими “хорошими” клиентами;
- Новые клиенты, которые уже заведомо согласны с философией вашего бренда и заинтересованы в вашем продукте, просто еще о вас не знают;
- Эффективность таргетинга вырастает в 2 или даже 3 раза (согласно мнению 30% маркетологов и половины агентств, что используют эту тактику).
Что же на практике?
Например, чтобы построить схожую модель аудитории для банка Datamyx была использована финансовая информация с третьей стороны. Все данные по клиентам были залиты в DSP банка для того, чтобы настроить таргетинг на схожих клиентов. В результате, коэффициент ответа вырос на 150%, а показатель ROI улучшился на 40%.
Что мы имеем?
Look-alike моделирование можно и нужно включать в вашу маркетинг-стратегию, если вы хотите повысить онлайн/оффлайн посещаемость сайтов/магазинов, поднять гудвил и степень осознанности вашего бренда на рынке.
Источники: www.thedma.org, www.liveramp.com
