Технология data mining и CRM-системы: синергетический эффект

Не секрет, что сегодня CRM-системы набирают все большую популярность среди российских предприятий. Одной из основных причин такого успеха является то, что в нынешних условиях остроконкурентной среды многие компании начинают понимать всю важность и необходимость выстраивания со своими клиентами таких отношений, когда клиент остается удовлетворен как приобретенным товаром или услугой, так и работой самой компании. Предприятия, сумевшие вовремя понять этот несложный принцип, имеют наибольшие возможности для увеличения прибыльности своего бизнеса и, как следствие, для выживания на современных конкурентных рынках.

Итак, компании выбирают так называемые customer-oriented модели ведения бизнеса. Очевидно, для того, чтобы проводить политику маркетинга и продаж, ориентированную на клиента, компаниям необходимо знать о своих клиентах как можно больше. Более того, можно сказать, что компании должны не просто знать, а понимать своего клиента.

Первую задачу - сбор всесторонней информации о клиентах - компании решают путем внедрения в своем бизнесе CRM-систем. CRM-системы предназначены для оптимизации управления процессами продаж, маркетинга и сервиса и, в результате, роста прибыльности бизнеса. Они фокусируются на упрощении организации и управления информацией о клиентах. Технически, CRM-системы успешно справляются с созданием баз данных о клиентах, представляющих целостную картину взаимоотношений с ними, а также с предоставлением накопленных данных другим приложениям, с созданием отчетов в соответствии с запросами пользователей.

Почему же тогда в последнее время все чаще слышны упреки в адрес CRM-систем? По некоторым данным, успехом заканчиваются только 30 процентов попыток внедрения CRM-систем. Чего же не хватает для успешного внедрения?

Называется множество различных причин подобного явления, но несомненно, одной из главных является то, что компании-пользователи CRM-систем попросту не могут эффективно распорядиться всем тем огромным объемом накопленной информации. Многие предприятия осознали, что "низко висящие плоды автоматизации операций в CRM уже собраны, и на повестке дня - анализ клиентских данных, хранящихся в разных системах". Однако, далеко не все CRM-системы содержат возможности глубоко анализа информации, причем даже лучшие из них, например, системы от Siebel, лишь только предоставляют интерфейс для подключения блоков анализа данных от сторонних производителей, прекрасно понимая, что эта задача - отдельная, большая и важная проблема.

Таким образом, CRM-системы сами по себе еще не дают знаний о клиентах, не дают возможности их понять. Но как уже говорилось выше, именно знание и понимание своих клиентов - ключ к прибыльности любого бизнеса и необходимое условие для выживания в остроконкурентной среде.

Решением этой ключевой проблемы, а также органичным дополнением CRM-систем является технология data mining - извлечение знаний.

Технология data mining в CRM-системах

Data mining - это технология, позволяющая находить в огромных массивах данных (это могут быть базы или хранилища данных, в том числе и данные CRM-систем) скрытые закономерности и взаимозависимости, о которых раньше даже и не подозревали. Найденные закономерности представляют собой те самые необходимые знания, которые помогают лучше понять своих клиентов. Эти знания - уже не просто набор фактов или куча отчетов, это даже не просто красивые графики, эти знания - реальное понимание клиентов.

Условно жизненный цикл отношений с клиентами можно разделить на три стадии:
  • привлечение клиента
  • увеличение ценности клиента
  • удержание хорошего клиента
Чтобы наиболее эффективно пройти эти стадии, необходимо тщательно нацеливать свои усилия, то есть грамотно выбирать целевую аудиторию своих кампаний, в том числе рекламных. Обязательным условием успешного осуществления таких кампаний является использование всех знаний о своих клиентах - ведь именно это позволяет более точно нацеливать усилия.

По некоторым оценкам, стоимость приобретения нового клиента в 5-10 раз превышает стоимость удержания нынешнего. Data mining укажет Вам именно тех потенциальных клиентов, на которых нужно сосредоточить свои усилия, чтобы сделать их реальными клиентами. Это значительно сэкономит Ваши усилия, ресурсы, и, как следствие, повысит итоговую прибыльность Вашего бизнеса.

По тем же оценкам, стоимость возврата ушедшего клиента в 50-100 раз превышает стоимость удержания нынешнего. Поэтому предотвратить уход хорошего клиента - одна из важнейших задач любого успешного бизнеса. Data mining позволит Вам своевременно определить тех прибыльных клиентов, которые собираются от Вас уйти. Это даст Вам возможность провести эффективную кампанию, нацеленную на таких клиентов, предназначенную для их удержания. Это сэкономит значительные ресурсы, которые бы пришлось потратить в случае их ухода. Как следствие - повышение прибыльности Вашего бизнеса.

Data mining также очень часто используется для сегментирования или построения так называемых профилей клиентов. Профиль - это некие общие характеристики, присущие определенной группе клиентов, например, при помощи технологии data mining можно построить профиль высокодоходных клиентов, то есть узнать, какие товары, как и когда они предпочитают приобретать, какие - наоборот, почти не приобретают. Затем эти знания можно использовать для проведения кампаний, ориентированных на высокодоходных клиентов, например, предложить скидки на товары, дополняющие те, что они покупают, или предложить им еще и другие, сходные товары. Более целенаправленные усилия приводят к эффективному распределению ресурсов, что положительным образом сказывается на прибыльности бизнеса.

Алексис ДеПланк (Alexis DePlanque), старший аналитик исследовательской компании Meta Group, считает, что сферы торговли, телекоммуникаций, банков - это те сферы, которые наиболее заинтересованы в технологии data mining для работы с клиентами. В этих сферах обычно накапливаются огромное количество данных по транзакциям и эта информация используется не самым эффективным образом. "Высокая скорость перетока клиентов стоит компаниям больших денег. Если они смогут осуществлять политику маркетинга, более точно нацеленного на своих клиентов, они получат существенные преимущества даже при небольшом увеличении точности", - говорит ДеПланк.

Реальные примеры использования технологии data mining

Примеры поделены по стадиям жизненного цикла отношений с клиентом. Поскольку вторая и третья стадии - увеличение ценности клиента и удержание хорошего клиента очень тесно связаны, эти примеры объединены в одну группу.

Стадия 1: привлечение клиента

Fingerhut

Торговая компания Fingerhut использовала технологию data mining для оптимизации рассылки 130 различных каталогов более чем 10 миллионам своих клиентов и потенциальных клиентов. Например, в одном из исследований, проведенных компанией Fingerhut, изучались клиенты, сменившие место жительства. При помощи технологии data mining выяснилось, что эти клиенты были намного более склонны покупать такие вещи, как новые столы, факс-аппараты, телефоны, но не хотели покупать дорогую технику, ювелирные украшения и обувь. В результате Fingerhut выпустил каталог, который был специально нацелен на клиентов и потенциальных клиентов, недавно сменивших место жительства, в котором тщательно учитывались обнаруженные особенности. Компания сэкономила немалые деньги на грамотном распределении ресурсов и более точной и целенаправленной кампании.

Damark International

Другая компания, Damark International, занимающаяся продажами различных товаров через свой Интернет-магазин, использует data mining для анализа и выявления скрытых знаний из накопившейся информации о более чем 30 миллионов покупок. "Чем больше мы знаем о наших клиентах, тем более точные прогнозы относительно их поведения мы можем делать", - говорит Меттью Вода (Matthew Voda), менеджер отдела маркетинг-анализа компании Damark.


Стадии 2 и 3: увеличение ценности клиента и удержание хорошего клиента

Wal-Mart Stores

Wal-Mart использует data mining для проведения так называемого market-basket анализа, то есть выявления тех продуктов, которые покупатели приобретают совместно, за одну покупку. Такое знание позволяет максимально удобным и простым для клиентов способом расставлять продаваемые продукты на полках супермаркета. Как результат - повышение удовлетворенности покупателей и увеличение их прибыльности.

"Когда Wal-Mart только начинал использовать data mining, мы поняли, что для того, чтобы получить максимальную отдачу, мы должны исследовать мельчайшие детали о нашем бизнесе и наших покупателях. Сначала мы не понимали саму технологию и ее возможностей, но мы знали, что, сосредоточившись на деталях, прислушиваясь к тому, что нам говорят наши покупатели, мы обязательно когда-нибудь сможем насладиться возможностями и пользой новой технологии, дающей нам "знания". Сегодня в нашей компании уже трудной найти хотя бы один внутренний процесс, в основе которого не лежал бы путь от данных к знаниям. Каждый процесс, который мы изменили в результате получения и сбора новых знаний, принес нам новые возможности и новый взгляд на наш бизнес. Знание - это не просто информация, знание - это выяснение смысла, лежащего в основе информации, и использование его в полезном контексте." , - говорит Ренди Мотт (Randy Mott), старший вице-президент и CIO международной сети супермаркетов Wal-Mart Stores в 1998 году.

S. P. Richards

Другая компания, один из мировых лидеров оптовых продаж офисной и бизнес-продукции, S.P. Richards Company, уже более 150 лет с момента своего основания помогает своим розничным реселлерам ориентироваться на покупателя и, как следствие, увеличивать продажи (в частности, эта уважаемая компания советует реселлерам, как правильно расставить товары на полках магазина). Для этого компания хранит огромное количество детализированной информации о своих продуктах и покупках, совершаемых у реселлеров. Анализ всей этой информации при помощи технологии data mining позволяет компании выпускать более целенаправленные каталоги для своих реселлеров, а также давать более точную рекламу своей собственной марки. Анализ информации стал в компании одним из первостепенных направлений ее деятельности.

Data mining также очень часто используется для повышения эффективности продаж через Интернет.

Saks International

Так, компания Saks International с оборотом 7 миллиардов долларов, занимающаяся продажами высококлассных товаров и предметов роскоши, владеющая 359 собственными магазинами в 38 штатах США, а также занимающаяся продажами через свой Интернет-магазин, использовала data mining для повышения его эффективности, предоставляя покупателям улучшенный, более удобный, а самое главное - адаптированный под каждого конкретного покупателя способ совершения покупок и предлагаемый ассортимент. Как следствие такой персонализации предоставляемой информации - повышение удовлетворенности покупателей и увеличение прибыльности бизнеса.

Sofmap

Другая компания, Sofmap, ведущий продавец компьютеров в Японии, при помощи data mining отвечал на вопрос "Какой товар покупатель захочет приобрести следующим?". Компания построила свой Интернет-магазин на основе этой технологии, что, по некоторым оценкам, увеличило прибыль на 300 процентов.

Boutique Y3K

Еще одна компания, Boutique Y3K, предоставляющая консультационные услуги продавцам модной одежды и обуви, таким как, например, NineWest или Jones Apparel, использовала data mining для оптимизации работы Интернет-магазинов своих клиентов и более точной их ориентации на покупателей.


Итак, data mining представляет собой естественное дополнение CRM-систем, позволяющее выстраивать эффективные отношения с клиентами и, как следствие, повышающее прибыльность бизнеса, что и является основной целью внедрения CRM-систем. Можно сказать, что объединение CRM и data mining дает синергетический эффект, которого невозможно было бы добиться, пользуясь этими двумя технологиями по отдельности.

Майкл Шрок (Michael Schroek), партнер компании PriceWaterhouseCoopers: "В конечном счете data mining становится все более популярной технологией благодаря ее интеграции с другими бизнес-приложениями. Возможность осуществить такую интеграцию наиболее эффективно и поможет отделить победителей от проигравших. Вот почему все больше и больше компаний будут использовать data mining для усиления своих позиций."

Data mining: продукты или услуги?

Возможности, предоставляемые технологией data mining поистине уникальны и многообещающи. Однако, чтобы воспользоваться ими в полной мере, получить качественные и полезные результаты, необходима совместная, скоординированная работа специалистов как в области бизнеса, так и в области data mining. Это обусловлено несколькими причинами. Во первых, современные серьезные data mining продукты достаточно сложны в использовании, поэтому требуют существенных затрат на обучение собственного или найм дополнительного персонала. Менее же сложные продукты не предоставляют в полной мере всех тех возможностей, которые так необходимы каждому customer-oriented бизнесу. Во-вторых, обязательным условием успешного применения технологии Data Mining является наличие качественной информации на входе. Под качественной понимается по возможности полная, достоверная, непротиворечивая информация. Только квалифицированные специалисты в области data mining могут эффективно справиться с задачей подготовки исходной информации к анализу методами data mining. В третьих, готовые data mining продукты достаточно универсальны и требуют дополнительной настройки как под каждый конкретный бизнес, так и под каждую конкретную задачу.

Ренди Мотт (Randy Mott), старший вице-президент и CIO международной сети супермаркетов Wal-Mart Stores: "Очень важно помнить, что "простые и быстрые" программные решения могут скорее помешать, чем помочь Вашей компании. Простые решения часто дают ответы только на простейшие и наиболее очевидные вопросы, а это не приносит компании практически никакой отдачи. Если Вы разрабатываете стратегию управления знаниями, обратите особое внимание и не пользуйтесь готовыми (off-the-shelf) решениями и небольшими базами данных для PC, которые не рассчитаны на дальнейший рост и не адекватны тому уровню сложности, которому соответствует Ваша компания. Они могут полностью лишить Вас всякой отдачи, которой Вы ожидали."

Итак, все эти причины приводят к тому, что бизнес при попытке применения технологии data mining самостоятельно часто сталкивается с непреодолимыми трудностями, не справляется, и, как следствие, разочаровывается во всей технологии.

Специалисты компании SnowCactus полностью берут на себя абсолютно все технические детали использования технологии data mining, избавляя Вас от необходимости тратить свои ресурсы на обучение собственного или найм дополнительного персонала.

Тесное взаимодействие наших специалистов в области data mining и Ваших бизнес-специалистов обеспечит получение результатов, интересных не «с научной точки зрения», а интересных и нужных именно Вам. Результатом применения технологии будет не набор формул и непонятных утверждений, а знания, сформулированные в тех терминах, которые нужны Вам для принятия соответствующих бизнес-решений, направленных на увеличение прибыльности бизнеса.

Мы предлагаем Вам воспользоваться нашими услугами и поставить всю аналитическую мощь технологии data mining на решение задач, необходимых Вам для успешной и эффективной работы с Вашими как потенциальными, так и нынешними клиентами.

, если Вас заинтересовали возможности применения технологии data mining в Вашем бизнесе. Вместе с Вами мы обсудим те выгоды, преимущества и перспективы, которые эта технология может Вам принести!

Вам может быть особенно интересна наша партнерская программа «Новый опыт», которая позволит Вам опробовать технологию data mining для решения Ваших задач и убедиться в ее эффективности без риска серьезных вложений. Узнайте подробности программы и присоединяйтесь!



<< В раздел «Услуги»

<< В раздел «Статьи»

<< На главную страницу