Data Mining

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!

 

PSPP — бесплатная замена SPSS Statistics

1

Обнаружил интересный проект, по мнению авторов которого, они считают свое решение полноценной заменой SPSS Statistics, информацию можно найти по адресу https://www.gnu.org/software/pspp/. Там же можно найти и скачать дистрибутив и документацию.

Как пишут авторы есть всего несколько отличий: ваши лицензии никогда не закончатся, нет никаких ограничений по количеству строк и столбцов, система поддерживает больше миллиона значений и переменных, вся функциональность содержится в базовом пакете, не нужно искать никаких расширений, как это сделано в SPSS. Все эти ограничения конечно же положительные.

Небольшое добавление: если у вас windows придется немного повозится чтобы поставить cygwin.

Ну что же, нужно протестировать и составить свое впечатление. Мое убеждение о том, что инструмент сейчас обесценивается, только растет. В тренде именно отраслевые бизнес-решения.

Удачи вам и не спешите платить за инструмент, пусть даже вам его продает команда лучших маркетологов!

Data sharing и его преимущества для бизнеса

0

Data sharing еще один тренд — дословно «обмен данными»  — этой такой подход в научном сообществе, который позволяет делиться своими данными с другими исследователями.

А что если бы можно было использовать данные, доступные в одном бизнесе в другом и наоборот. Какой нескончаемый потенциал этих данных, насколько знания о клиентах можно было бы повысить и сделать таргетированные предложения более точечными.

Я считаю, что этот тренд уже реализуется многими успешными корпорациями, например, телекомы идут в банковскую сферу, розница двигается в сторону банковских переводов, почта двигается в сторону e-commerce и логистики. Есть масса других примеров.

На мой взгляд такие знания о клиентах дают большие преимущества, здесь как раз 1+1 = 3 реализуется в полной мере.

Но есть и негативные моменты.

Много говорится о приватности пользователей, хотят ли клиенты, чтобы о них столько знали? К сожалению правда такова, что используя приложения, используя соц. сети и сервисы геолокации мы уже позволяем знать о себе очень много и отказываемся от приватности.

Не всегда эта информация идет нам на пользу. Например, потенциальные работодатели могут отказаться от многообещающего сотрудника по причине его нестандартных политических взглядов. Кроме этого, многие сотрудники потеряли работу только потому что на страницах соц. сетей выразили мнение, которое отражает их индивидуальную точку зрения, которая может противоречить мнению «большинства».

Что дальше?

Сеть Интернет содержит в себе множество информации о клиентах и с развитием инструментов text mining вероятно появятся целые открытые библиотеки, которые будут содержать информацию о пользователях и их предпочтениях. Возможно, такие данные в скором времени можно будет получить бесплатно или за деньги.

А с развитием тренда IoT (Интернета вещей), не удивлюсь, что в скором времени о всех пользователей микроволновок будет известно, что человек ел на обед или ужин, какой запас яиц у него остался в холодильнике, а в супермаркете людям будут напоминать, что у вас заканчивается сливочное масло, не хотите ли купить его по спец. цене.

Ждем с нетерпением появления новых инструментов, которая позволят улучшить нашу жизнь!

Удачи вам!

Экономим на моделировании с KNIME

0

Сегодня хотел бы познакомить читателей с одним из инструментов для Data mining.

Все уже наверное, кто так или иначе знаком с Data mining слышали про R, возможно, что многие уже успели даже поработать. Несмотря на богатое многообразие поддерживаемых методов, все-таки среда разработки достаточно специфическая, особенно для людей, далеких от программирования.

Речь пойдет про KNIME (http://www.knime.com) — это open sourse платформа для data driven инноваций (в том числе и методами data mining), которая в отличие от R, обладая достаточно богатым функционалом, имеет еще графический интерфейс.

Я бы сказал, что интерфейс этот ничем не уступает тому же SPSS.

И самое главное преимущество, это все полностью бесплатно. Конечно, если вы хотите поддержку, серверное решение, то придется немного заплатить, но все равно это деньги не соизмеримо меньшие, чем аналогичное решение у других вендоров.

Дистрибутив можно скачать с официального сайта. Там же есть раздел с демо-примерами, видеолекциями. Достаточно просто устанавливается. Честно скажу, глубоко не копался, но на первый взгляд все достаточно красиво, функционал достаточно богатый, который можно и расширять. Из минусов, это наверное отсутствие русского меню и документации. Но если с английским проблем нет, то я считаю, что это прекрасная альтернатива выкинуть дорогой пакет и использовать это решение.

Удачи вам!

Вверх
Яндекс.Метрика