Лого vc.ru

Подходы к Big Data брендов массового потребления: опыт Lipton, Starbucks и Kroger

Подходы к Big Data брендов массового потребления: опыт Lipton, Starbucks и Kroger

Старший руководитель международного направления Unilever Ансер Али выступил на конференции Performance Marketing Moscow, где поделился кейсами FMCG-брендов по использованию «больших данных». Также Али рассказал, какой подход к Big Data позволяет повысить лояльность и вовлеченность аудитории.

Обзором лекции с vc.ru поделились представители агентства «Комплето».

Основные проблемы FMCG:

  1. Сегментирование.
  2. Персонализация.
  3. Скорость и динамичность.

Это означает, что производители товаров должны:

  1. Сфокусироваться на потребителях, а не на брендах.
  2. Перейти от односторонних взаимодействий к интерактивности и вовлеченности в общение.
  3. Перейти от массовой продукции к персонализированной.
  4. Использовать не ретроспективные оценки, а аналитику в режиме реального времени.

Ожидания потребителей

Performance-маркетинг, по мнению Али, — это прежде всего высокое качество обслуживания потребителя в нужное время и в нужном месте. Специалист уверен, что люди больше не покупают продукт — им важен опыт, эмоции и впечатления, которые он дает.

Компании, которые рекламируют не продукт, а эмоции

Бренд газированных напитков Coca Cola

Косметическая марка Moto Pure

Бренд зубных паст Close-up

Большие данные в FMCG

По мнению Али, чтобы сделать потребительский опыт осмысленным и запоминающимся, FMCG-компании должны научиться использовать «большие данные». С его точки зрения, осмысленность возникает тогда, когда бренд очень хорошо знает своих клиентов.

Предиктивная аналитика

Это аналитика, которая отвечает на вопрос: «Что будет?» Одна из главных тенденций в этой сфере — мониторинг социальных медиа, который позволяет превратить «большие данные» в полезные и значительно улучшить потребительский опыт.

Инструменты, которые помогают узнать ответы на вопросы о клиентах с помощью интеграции разных источников:

  • Маркетинг отношений: понимание клиентов на уровне сегмента или личных отношений. Это помогает выстраивать персональные коммуникационные стратегии.
  • Бизнес-аналитика и социальная аналитика: более широкий взгляд на мир клиента, который можно получить с помощью анализа социальных данных или коммерческой информации.
  • Поддержка: цифровые контакт-центры, которые помогают клиентам что-то получить в режиме реального времени.

Кейс 1. Чай латте от Lipton

Пример Lipton Chai Latte: что позволяет узнать предиктивная аналитика на основе мониторинга социальных сетей:

1. Когда именно люди говорят о чае латте и как это зависит от сезона:

2. Кто говорит о продукте больше всего:

3. Какой вкус чаще интересует аудиторию: миндаль, карамель, корица, эспрессо, тыква или ваниль:

4. Как клиенты хотят заваривать чай латте: с помощью капсул, концентрата или порошка:

5. Как и когда клиенты готовили чай латте дома:

Кейс 2. Антиперсперант Sure

Бренд антиперспирантов Sure получил данные для предиктивной аналитики с помощью сотрудничества с компаниями, выпускающими фитнес-браслеты. Несколько вопросов, на которые Sure получил ответы:

  1. Когда срабатывает потоотделение.
  2. При какой температуре.
  3. Через сколько минут.
  4. Есть ли различия между: молодыми и пожилыми и между мужчинами и женщинами.

Кейс 3. Отели Red Roof Inn

Сеть гостиниц Red Roof Inn использовала данные об отмене рейсов, чтобы увеличить число бронирований. В результате за год число бронирований номеров увеличилось на 10%.

Предписывающая аналитика

Это аналитика, которая отвечает на вопрос: «Как мы это реализуем?» Такой подход помогает маркетологам:

  1. Создать сценарий не только отдельной рекламы, но и кампании.
  2. Определить желаемый результат.
  3. Понять, где и в какой момент бренд должен получить этот результат.

Пример 1. Сеть супермаркетов Kroger

Компании удалось уменьшить среднее время обслуживания покупателей с четырех минут до 30 секунд. В Kroger стали использовать специальные датчики для прогнозирования очередей и автоматического вызова сотрудников при необходимости.

Пример 2. Колл-центр

Компания может использовать сенсор, чтобы вычислить агрессивно настроенных или огорченных клиентов по голосу и соединить их с более опытными операторами.

Пример 3. Автострахование

Чтобы предложить клиенту персонализированную страховку, можно использовать данные о стиле вождения, скоростном режиме и другом.

Пример 4. Starbucks

Приложение Starbucks в США определяет расстояние от клиента до ближайшей точки продаж и позволяет сделать заказ до того, как человек зашел в кофейню. Бренд пользуется преимуществами мобильных приложений и сервисов для определения местоположения, чтобы помочь клиентам сэкономить время и сделать их более лояльными.

Геолокационный маркетинг

Этот подход позволяет взаимодействовать с пользователем на основе его местоположения. Например, человек проходит мимо Starbucks и получает push-уведомление: «Привет! Ты сейчас возле Starbucks на Оксфорд-стрит. У нас проходит акция: 50% скидка на твой любимый напиток — ванильный латте».

Возможности геолокационного маркетинга:

  • Превращение посетителей в покупателей.
  • Второй шанс произвести впечатление на клиента.
  • Широкие возможности для кросс-продаж. Например, если клиент приобрел товар или услугу конкурента, можно предложить ему попробовать свой продукт со скидкой.

Чтобы определять геолокацию, используются разные технологии, например, iBeacons. Такие сервисы основаны на использовании датчиков. Они с помощью Bluetooth определяют, где находится пользователь.

Кейс 1. Мороженое Magnum

Бренд Magnum создал приложение M-Pulse, в котором можно найти новых друзей, определить ближайшую точку продаж и пригласить людей поесть мороженое. Также приложение оповещает пользователей о скидках и акциях.

Кейс 2. Косметический бренд Neutrogena

Компании Neutrogena удалось совместить технологии, которые определяют местонахождение человека и погодные условия. Пользователь видит рекламу солнцезащитного средства, которое соответствует уровню ультрафиолетового излучения в той точке планеты, где он находится.

Выводы

  • Маркетологам не нужны «большие данные» в чистом виде. Они хотят получить сценарии, которые можно создать с помощью этих данных.
  • Компании должны научиться превращать «большие данные» в полезную информацию в режиме реального времени.
  • Анализ данных ограничивается не столько бюджетом, сколько креативным подходом маркетолога.
  • Предписывающая аналитика позволяет не только предсказывать будущее, но и выстраивать его по сценарию компании.

Присылайте свои колонки и кейсы о рекламе и маркетинге на marketing@vc.ru.

Рубрика «Маркетинг» выходит при поддержке проекта «Одноклассники»

Когда женщина хотела красные туфли, а купила черное платье - бигдата бессильна

Прямой эфир
Узнавайте первым важные новости
Подписаться