Ценообразование

Используем DPI по максимуму

0

Пост, скорее посвящен операторам связи, но на самом деле может быть полезен многим компаниям.

Сегодня хотелось бы поговорить о DPI и его возможностях, которые открываются перед операторами.

Уверен, что на сегодня потенциал DPI не исчерпал своих возможностей и на 1%.

Может я не прав, но на сегодня самые распространенные услуги на базе DPI:

1. Это реализация блокировок сайтов, занесенных в реестр Роскомнадзора.

2. Услуги класса «Родительский контроль».

Есть еще реализации, которые, как правило, больше к ограничениям абонентов относятся, нежели к дополнительным возможностям. Например, блокировка нежелательного контента в образовательных учреждениях — это пример B2B сервиса, но реализованного на площадке оператора.

Некоторые научились использовать аналитику для предотвращения оттока — ведь по статистике, риск посещения сайта конкурента в 5 раз чаще приводит к оттоку, чем звонок на службу технической поддержки.

Немногие используют аналитику DPI для кросс-продаж и Upsell, хотя это открывает удивительные возможности как по продаже собственных услуг, так и продаже услуг партнеров.

На основе DPI можно выделять конечных пользователей домохозяйств по профилю потребления услуг и переходить к персональной коммуникации.

Раньше были инсталляции, которые позволяли монетизировать абонентскую базу по рекламной модели, но после небезызвестных событий и разъяснения Роскомнадзора, что все данные должны оставаться в периметре оператора, это значительно усложнило реализацию, хотя и дало возможность операторам самим запускать такие сервисы на собственных площадках. И возможности эти довольно обширны.

Также данные c DPI позволяют значительно оптимизировать сетевые ресурсы. Если посмотреть на открытые данные операторов связи в инвестиции по модернизации сетей передачи данных, которые составляют больше 200 млрд в год, а также на кривую роста трафика сети передачи данных, то можно понять какие обширные возможности еще не реализованы и на сколько огромен рынок. Понятно, что все операторы научились оптимизировать затраты на апстримы, делая прямые пиринговые стыки с крупнейшими генерящими трафик площадками. Но при этом оптимизацию зоновой инфраструктуры упускают из виду. А вот и зря! Если вы проанализируете трафик DPI по видам и посмотрите на участки сети, то вы увидите, что на вашей сети достаточно большой объем «паразитирующего» трафика, который выжирает трубу, но не приносит вам ни копейки. Более того, если сегментировать базу, то четко будет видно кто из абонентов такую нагрузку создает. Когда я проделывал такое упражнение в одном из операторов, то был сильно удивлен статистикой, ведь всего 5% абонентов генерировали больше 80% трафика. Я конечно ожидал Правила Паретто, но был удивлен полученным результатом. Если распределить затраты на эксплуатацию сети на всю базу, получалось, что эти 5% абонентов давали такой убыток, что проще было этих абонентов подарить конкуренту. Однако объем базы был достаточно большой и выручку не хотелось терять, поэтому мы научились работать с такими абонентами и оптимизировать нагрузку за счет различных профилей на виды трафика, минимизируя полосы для «паразитного» трафика, выделяя в отдельные WLAN-ы отдельные виды трафика. Для платного трафика наоборот уровень SLA был увеличен, что давало прирост платного трафика в единицу времени. Применение этого подхода позволило увеличить трафик и выручку, ведь за единицу времени пользователь смог скачивать больше информации, получая лучший сервис, а время сессии не уменьшилось, а увеличилось, ведь пользоваться услугой стало комфортнее.

Data-продукты на основе DPI, на мой взгляд, заслуживают большого внимания, ведь потенциал этого рынка не исчерпан. И открывают широкие возможности перед операторами по монетизации растущего трафика передачи данных. Например, HR-аналитика и проактивное удержание сотрудников. Выделение сотрудников, которые посещают площадки поиска работы или наоборот праздно проводят время — достаточно актуальные сервисы.

Это и сервисы заботы о пожилых родственниках, ведь иногда родители стесняются рассказать детям, что со здоровьем не все в порядке.

Это сервисы заботы о детях, родительский контроль не всегда убережет от пагубного влияния соц. сетей.

Защита от несанкционированного доступа, ведь при аномальном поведении трафика сразу заметны такие атаки. И их возможно ограничить.

Продажа приоритетного доступа на площадку — на основе приоритета трафика.

Исследовательские Data-продукты. Ни одно исследование и опрос аудитории не справиться с результатами реальной статистики потребления услуг. И тут возможности не ограничены, такие продукты нужны и полит технологам и маркетологам, и продуктологам и PR службам. Сейчас эту нишу плотно держат поисковики, но поисковики кроме факта захода на какую-либо площадку вообще ничего не видят, если отсутствует их собственный движок, который собирает статистику, операторы знают об абонентах почти все.

Улучшение скоринговой модели для банков. Уж кто как не оператор связи знает о своих пользователях все. Тут и предотвращение мошенничества и удержание клиентов, которые захотят сменить банк. И много других бизнес-кейсов.

Возможности не ограничены, достаточно включить немного фантазии, а покупатели на такие продукты найдутся всегда. Мир IoT откроет еще больше возможностей для реализации Data-продуктов.

Используя DPI можно значительно увеличить отношение Revenue/Traffic.

Эффективных вам решений!

Увеличиваем ARPU абонентов

0

Всем привет, сегодня поговорим о том, как увеличить ARPU. Я сегодня не буду говорить про тарифную политику, хотя наиболее простой способ это конечно замещение высокодоходными абонентами базы низкодоходных абонентов, однако речь сегодня пойдет не про это.

Речь пойдет о задачах — допродаж (смене тарифа), кросс-продаж (изменения набора услуг).

Для решения этих задач нужно ответить для себя на следующие вопросы:

1.  Что продаем, какие тарифы продаем.

2. Сколько это будет стоить для абонента и какова эластичность спроса по цене. Тут как правило при отсутствии статистики, я как всегда рекомендую AB-тестирование и замер результатов на ограниченной выборке. Я не раз видел ситуацию, когда при ARPU Lift — 100 рублей — конверсия была 3%, а при ARPU Lift — 50-60 рублей, в 5 раз выше, 15% минимум. Т.е. очевидно, немного снижая цену, вы получите результат в несколько раз выше, при том, что ARPU будет чуть ниже, чем планировали. Поэтому упражнения на тестовых выборках я бы рекомендовал проводить. Да, это занимает время, но и результат окупится.

3. Кому продаем, т.е. как мы будем выделять абонентов, которым будем предлагать то, что запустили. Если база большая, а ресурс ограничен, то вопрос встает очень остро. Опять же не всем абонентам может подходить новый набор услуг. А некоторые могут уже пользоваться и платить больше. Тут главное не навредить.

4. Какая мотивация будет у операторов кол-центра или какие есть таргетированные каналы для продвижения, какова их емкость и эффективность. Иногда рассчитывая на 1 микст каналов, можно некорректно распределить нагрузку и получить результат много ниже. Ну и опять же если окупаются ли затраты на привлечение, если вы используете активные каналы продаж. Но и без мотивации не работает, если не мотивировать рублем, эффективность очень сильно падает. Но иногда использование таргетированных цифровых каналов может поднять эффективность по конвертации на порядок. Важно конечно их наличие, если их нет, тогда сложнее, использование массовых инструментов может даже навредить.

5. Подготовка скриптов и сценариев кампаний. Очень важный шаг, который обычно упускают. Многие считают, а пусть подрядчик подготовит и запустит, мы все равно ему за это платим. Я видел неоднократно, как небольшое изменение скрипта приводит к изменению конвертации в разы. При использовании цифровых каналов очень важна механика покупки, важно сократить время действия абонентов до секунд, т.к. при импульсивных покупках конверсия выше на порядок, чем если абоненту нужно совершить несколько действий — например, пополнить баланс, зайти в личный кабинет, нажать на смену тарифного плана, а заработает он только с начала нового месяца — вся эта механика убивает эффективность кампаний. Кроме этого, если вы даете абоненту самому менять тариф, то не факт что он выберет тот что вы ему предлагали, ведь в доступной ему линейке тарифов может быть тариф ниже с большим чем у него сейчас набором услуг. Сам не раз наблюдал ситуацию, когда на каждые +100 руб. выручки идет снижение на 50 руб. из-за того, что механика не позволяла оператору кол-центра менять тариф при звонке. То есть эффективность снижалась почти в 3 раза. И хорошо, что дельта положительная, я встречал примеры, когда дельта была отрицательная.  Конечно всегда сложно перестраивать что и так работает, но поверьте эти изменения обязательно окупятся.

 

Удачи вам и эффективных кампаний!

Разрабатываем стратегию CBM (Customer Base Management)

0

Сегодня я постараюсь описать, что из себя должна представлять стратегия CBM (управление клиентской базой) и на что обратить внимание при ее разработке и реализации. Сразу скажу, что это лишь верхнеуровневая концепция, но она поможет вам составить представление.
По сути это документ, который должен вам по сути сделать дорожную карту трансформации операционных процессов и выхода на заданные целевые показатели.
Этапы работы с клиентом:
1. Привлечение
2. Развитие
3. Проактивное удержание
4. Реактивное удержание
5. Возврат
6. New Монетизация оттока — это скорее некая бизнес-идея, которую мы сейчас начали тестировать с несколькими бизнес-заказчиками, но и она приносит определенный результат.
По каждому этапу вам необходимо разработать каналы коммуникации, продаж или обслуживания. Оценить емкость каналов и необходимые ресурсы для реализации каждого этапа, описать оферы и инструменты работы, а также критерии успешности и методику оценки результатов.

Посмотрев на пункты 1-6 ответьте себе честно, на сколько каждый пункт у вас проработан?

Давайте чуть подробнее опишу каждый этап работы:

1. Привлечение клиентов — понятно, что это ключевой пункт каждой организации, не будет продаж, не будет и бизнеса. Но его наличие вовсе не говорит о том что компания реализовала весь свой потенциал, тут речь идет не только про наличие каналов, их масштабирование до максимальной емкости, но и повышение их эффективности, я приводил пример как можно увеличить эффективность кол-центра на порядок. С развитием цифровых каналов у компаний открываются достаточно большие возможности по масштабированию продаж с минимальными ресурсами, все ли вы их используете?

2. Развитие клиентов. Ответьте себе честно сколько клиентов у вас совершают повторные покупки. Есть ли у вас Upsale/CrossSale кампании? На сколько эффективно у вас работают точки агрегации трафика клиентов? И как вы вообще измеряете результат этой работы? Как изменяется LTV? Как вы выбираете предложения для клиентов? Какое лучшее следующее предложение для клиентов?

3. А когда вы узнаете о том, что клиент уже ушел и больше к вам не вернется? Что вы делаете если клиент столкнулся с деградацией сервиса и что думает о вас? Как вы измеряете лояльность и удовлетворенность? Как работаете с такими клиентами и какие инструменты у вас есть?

4. Ну с реактивным удержанием понятно, клиент сам пришел вам об этом сказал, но какова ваша реакция? Что вы делаете? Какие инструменты есть для его удержания? Как вы меряете такую аудиторию?

5. Возврат. А кто вообще занимается возвратом? И есть ли инструменты для этой работы, и есть ли ресурсы? А что выгоднее возврат или привлечение нового клиента?

6. Монетизация оттока. А кто-нибудь этим занимается кроме меня? Я раньше тоже не особо задумывался, но анализируя и сравнивая клиентский LTV, пришел к выводу, что даже потери можно монетизировать. Сейчас мы тестируем эту концепцию, уже есть первые результаты, о чем несомненно расскажу.

Если вы хотите максимизировать LifeTimeValue, задумайтесь о разработке такой стратегии, она позволит вам улучшить результаты бизнеса на порядок!

 

Серия кейсов по аналитике — как из ничего получить что-то (кейс 2)

0

Кейс 2. Или как ваш маркетинг анализирует рынок.

Еще один интересный кейс. Продолжая анализировать тарифную политику компании, стал ковыряться в услугах междугородней и международной связи. Понятно, что оператор Зоновый, соответственно дальняя связь могла предоставляться только по агентской схеме. Было выяснено, что был преселект одного из операторов большой тройки, где было больше 95% трафика и мелочевка по нескольким другим операторам. Есть несколько типов агентских договоров: федеральный оператор формирует тарифы самостоятельно, оператор Зоновый получает агентское, есть договора в которых федеральный оператор дает таксы, а Зоновый оператор накручивает маржу. В нашем случае у оператора был второй тип агентского. В принципе самый простой способ поднять выручку и маржу, это поднять тарифы, но сделать это незаметным для абонента, выбрав направления с максимальным трафиком и делая небольшую индексацию, можно получить приличный результат. В моем случае гипотезу я выдвинул именно такую и стал собирать статистику, чтобы смоделировать ситуацию. Параллельно стал поднимать историю, когда тарифы изменялись, чтобы оценить эластичность спроса по цене. Это был бы классический кейс. Однако история была намного интереснее. Начал я выборочно смотреть тарифы и затратные таксы, увидел что часть направлений оказались убыточны, то есть таксы увеличивались, а оператор не шевелился менять тарифы. Ну бывает, с изменением курса доллара я наблюдал картину, когда таксы менялись дважды в неделю и конечно сложно в такой ситуации реагировать, но и это решаемый вопрос, главное автоматизация процесса. Но суть не в этом. Я обратил внимание на очень подозрительно низкие тарифы на Дальний Восток, мне показалось, что они намного ниже чем у Федеральных операторов. Я решил собрать и проанализировать тарифы всех Федеральных операторов и сравнить их с утвержденными. Какого было мое удивление, когда оказалось, что мало того тарифы ниже рынка, иногда на порядок, самое смешное, они намного ниже, чем у оператора, который давал оператору таксы на пропуск трафика, причем тоже существенно ниже. После этого, задача сводилось к тому, чтобы найти разумный баланс между индексацией тарифов и оставаться в рынке, чуть ниже, чтобы трафик не ушел. Показал результаты руководству компании, удивление было не меньше. При этом конечно столкнулся с жестким сопротивлением продавцов, которые меня уверяли, Что мы все потеряем если проиндексируем тарифы. В общем не буду описывать всю историю уговоров и продиводействий внутри компании, сразу скажу, что результат мог быть бы больше, если бы все поверили в него сразу. В общем результат на лицо, трафик не упал, выручка и маржа выросли, абоненты не убежали. Выручка от агентского выросла больше чем на 25%.

Если вы занимаетесь ценообразованием, не бойтесь экспериментировать, но и, снижая тарифы ниже рынка, понимайте его емкость, иногда это не приводит к росту трафика, а приводит к потере выручки или недополученной выручки. Такие кейсы есть везде и повсюду, важно грамотно видеть ситуацию.

Удачи вам, надеюсь материал кому-то окажется очень полезным!

A/B-тестирование 

0

A/B-тестирование (A/B testing, Split testing) — метод маркетингового исследования, суть которого заключается в том, что контрольная группа элементов сравнивается с набором тестовых групп, в которых один или несколько показателей в offer-е были изменены, для того, чтобы выяснить, какие из изменений улучшают целевой показатель, например hit rate, revenue, profit и т.д.

Примеры:

  • Сравнение различных скидок, например, 20% и 50% и определение оптимальной скидки
  • Сравнение двух offer-ов с разной механикой для определения оптимального предложения
  • Иногда проводят более экзотические модификации, например, меняют цвет баннера, размер текста, расположение УТП
Кроме этого должны быть соблюдены ряд условий:
  • Выборка должна быть однородная. Мы должны понимать, что hit rate для разных подсегментов одного сегмента с одним и тем же offer-ом, одинаковый. Иногда говорят, что необходимо провести A/A тестирование, прежде чем приступить к A/B тестированию. Если условие нарушаются, результаты A/B тестирования по выбору оптимального offera непредсказуемы.
  • Offer должен быть применим для сегмента. Например, мы сравниваем скидку 30% и 20% на годовой абонемент и тестируем на абонентах, которые постоянно задерживают оплату, пропускают периоды оплат. Отклик будет столь мизерным, что результаты будут мало применимы, даже если будут отличаться на порядок.
  • Объем выборок при тестировании offer-ов должен быть статистически значимым, в идеале чем больше, тем лучше, в этом случае результаты будут более точными

Удачи вам! Прежде чем запускать сложный offer, неплохо бы его потестировать!

Вверх
Яндекс.Метрика