Как использовать Big data для привлечения новых клиентов?

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:

  1. Посещение сайта.
  2. Покупки на сайте.
  3. Количество репостов.
  4. Наименьшие затраты на обслуживание (покупает онлайн, не пользуется функцией чатов, нет возвратов).
  5. 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

Facebook Comment

Еще не знаете о MAD?

Давайте знакомиться! Мы скинем вам интро-материалы о нас и Data-продуктах. Обещаем - никакого спама ;)