Особенности профессии

Оптимизируем затраты на маркетинг

0

Всегда интересно читать статьи типа «Надо уволить всех маркетологов и ничего не изменится». Суть всегда сводится к одному, что вот маркетологи — это прожигатели рекламного бюджета, мы тут вот посчитали SAC по каналам, отказались от всех низкоэффективных каналов, сократили бюджет в 10 раз, а продажи растут итак.
Нет, конечно же они не пишут, что они, мягко скажем неграмотные люди, не корректно определили для себя цели, понятия не имеют что есть такое понятие как емкость канала коммуникации и что пожинают они плоды не своих супер эффективных каналов, а «сарафана», который когда-то создали те самые низкоэффективные маркетологи. Ну да ладно, оставим это им на пережевывание.
Просто попробуем разобраться, в чем же они в итоге не правы.
Итак, у нас есть товар/продукт/услуга X, который мы хотим продать, ну и естественно как можно больше. В зависимости от типа продукта, могут возникнуть естественные ограничения, типа продукта нет на складе. Если, это например, услуга, значит может быть недостаточно свободного ресурса, чтобы ее оказать. Если это программное обеспечение, то, конечно, такого понятия как наличие на складе не возникает, однако стоит принять во внимание возможно длительный цикл продажи, задача маркетолога привести LEAD, а дальше сейл/пресейл и т.д. в попытке додавить клиента решает задачу продажи. И тут время от момента заинтересованности до покупки является достаточно большим и брать и делать замер на основе одного периода не совсем корректно.

Ладно, давайте рассмотрим идеальную ситуацию, продукт всегда есть на складе/полке в т.ч. и возможно цифровой, в общем с этим все хорошо. Предположим, что нет длительного срока продажи, нажал/заплатил/купил, т.е. цикл продажи занимает достаточно короткий промежуток времени.

Ну а дальше маркетинг начинает тратить деньги на привлечение клиента. Есть скажем 10 различных каналов коммуникации. Одни из них более эффективные, другие менее эффективные, что логично, так как одинаково эффективных каналов не может существовать. Естественно если решать задачу эффективности без ограничений на емкость каждого канала, то в задаче останется 1 самый эффективный канал, на который нужно бросить весь свой рекламный бюджет. Если бюджет достаточно маленький, значительно меньше емкости канала, т.е. количество потенциально привлеченных клиентов не закончится раньше, чем закончился бюджет, то все хорошо, и вы действительно правы, я бы так и поступил. Но есть, как всегда, то самое НО! Если ваш рекламный бюджет достаточно большой, чтобы превысить емкость одного канала, т.е. количество потенциально приведенных клиентов через него, то в этом случае вы вынуждены перекинуть часть денег на менее эффективный канал, так как сколько бы вы денег не тратили по самому эффективному каналу, больше клиентов вы не приведете.

Давайте на примере — например, вы принимаете участие в конференции. Есть количество зарегистрированных участников, если вы больше денег заплатите, то вряд ли большее количество придет, конечно, можно быть организатором, снять Олимпийский и нагнать туда побольше народа, но не забывайте, что с этим народом надо еще поработать и опять же все равно есть ограничение по количеству мест/площади и т.д. И какие бы вы туда бантики не прикрутили все равно количество аудитории будет ограничено наличием мест.

Другой пример — наружная реклама, как бы мы не думали, что это бесконечный поток, все равно есть емкость, это ограничение по территории и т.д. Не все ездят на автомобилях мимо этого билборда и ходят в этом районе.

Таких примеров множество. Всегда есть ограничение. Идеальной ситуации не бывает.

Конечно задача любого маркетолога обеспечить максимальный охват целевой аудитории. Ключевых слов 2. Максимум, но целевой. Отсюда исходя из ограничений на каналы, маркетологи, если они действительно немного понимают в том чем занимаются, никогда не будут складывать все яйца в одну корзину. А будут раскладывать бюджет по каналам так, чтобы решить эту задачу. И может быть покупки не будет, но клиент, если увидит, и ему будет интересно, уже будет изучать альтернативные предложения, но под призмой вашего продукта. Ну а дальше уже должна быть уверенность что вы лучше конкурентов что-то делаете. Если хуже, то все равно должно быть то, что вас дифференцирует от конкурентов, хоть близость к дому или лучшая логистика.

Поэтому не спешите обвинять ваших маркетологов во всех смертных грехах, попробуйте для начала вообще разобраться с тем, что происходит.

Удачи вам и эффективных каналов без ограничений;-)

Привыкание — плохой признак

0

Сегодня пару мыслей на тему оптимизации затрат. Очень часто случается, что привыкая к чему-либо, даже не задумываешься, а нужно ли это, справедлива ли цена того, чем ты привык пользоваться, не снизилась ли она в последнее время.
Работая маркетологом я очень часто видел ситуации, когда люди не рациональны в своих привычках, до 20-25% доходы телекоммуникационных компаний — это нерациональность поведения абонентов.
Есть некая граница, переходя которую, люди начинают задумываться, а все ли в порядке. Чем выше уровень этой границы у человека (выше его социальный статус, его материальное положение), тем меньше он становится рациональным.
Абсолютно похожий принцип я наблюдаю и на предприятиях. Чем лучше состояние предприятия, тем менее рациональным оно становится. Т.е. бывает так, что компания платит за одно и то же одни и те же деньги на протяжении длительного промежутка времени, меняется конъюнктура рынка, но предприятие по прежнему продолжает исправно платить. Иногда сменяется несколько поколений менеджеров, прежде чем кто-то обращает внимание, а зачем нам платить за то, чем компания не пользуется, что не актуально и т.д.

Когда начинаешь разбираться и задавать вопросы, ответы обычно выглядят как: «Так исторически сложилось», «Все так привыкли работать» и т.д. Вопрос, почему вы не пытаетесь это изменить? А разве можно менять, вдруг что-то перестанет функционировать и нарушится привычный образ жизни.
Иногда я задаю себе вопрос, как снизить уровень комфорта до той границы, чтобы быть постоянно рациональным, но готового ответа на этот вопрос нет.
Вероятно, нужна системная работа, чтобы обращать внимание на все нерациональные расходы.
Удачи вам, будьте рациональны!

Новый взгляд на BI

0

Очень часто я получаю письма от читателей и комментарии в блоге о том, что мол попробуй тот или иной софт, некоторые меня ругают за то, что пишу о дорогих продуктах, совсем не уделяю дешевым внимание.
Мое мнение строится на том, что BI это отнюдь не программное обеспечение, это скорее выстроенный бизнес-процесс применения всех источников информации. Если вы не решаете бизнес-задач при внедрении инструментов, если заказчик не бизнес, который должен понимать как монетизируются данные, которые есть на источниках, значит это не BI, а просто процесс интеграции источников, который рано или поздно загнется, если он не будет применяться. На первое место должны выходить сами задачи, а не софт. Идеальных программных продуктов нет, если покопаться, то у каждого есть своя фишка, которая иногда больше походит на некий PR-ход больше, чтобы запудрить мозги потенциальному покупателю, а на самом деле возможности продуктов одного класса практически одни и те же с той лишь разницей, что кто-то переплачивает за бренд, а кто-то этим не заморачивается. В каждом продукте можно найти изъян, еще раз подчеркну, идеальных решений, как и людей, нет.
Так что еще раз подчеркну не софт решает, а заказчик софта решает задачу, софт в этом может лишь отчасти помочь, никакой самый идеальный софт еще не смог заменить человека.
Это мое мнение, оно конечно же может не совпадать с мнением IT-шников, которые конечно же в 100 раз лучше разбираются в программном обеспечении, чем какой-то менеджер и вообще, если он не знает, что такое Hadoop, с ним вообще нет смысла разговаривать, он безграмотный специалист. Ладно ребят, не обижайтесь, это стеб. Но он основан на реальных событиях))
Удачи вам, помните, не инструменты решают, все решаете вы.

Новая работа, новые заботы

0

Хочу попросить прощения у читателей блога, что очень редко стал радовать вас новыми записями. Катастрофически не хватает времени. Произошли 2 события, которые немного поменяли привычный мне образ жизни. Если вы помните, я говорил, что у меня родился 2-ой ребенок, которому уже почти 7 месяцев, а также с 1 февраля я перешел работать в другую компанию директором департамента стратегического развития бизнеса и маркетинга. У меня наконец появился личный кабинет, что немного не обычно для меня, но очень удобно с точки зрения решения вопросов.
Ну и для затравки несколько мыслей о размерах компаний и бизнес-процессах в них.
Я перешел работать в компанию, которая примерно в 80 раз меньше по объему бизнеса, чем я работал до этого и многие вещи мне показались очень знакомыми, так как мне уже доводилось работать в похожей по размеру компании. Что отличает небольшие компании, так это практической отсутствие бюрократии и динамизм во всех вопросах. Решать любой вопрос можно незамедлительно, что очень меня радует, так как засилие бюрократических заковырок в больших компаниях убивает напрочь креатив, что очень сильно расслабляет, становится скучно. Хотя не скажу, что мне было скучно, так как на мне были проекты по автоматизации маркетинговой деятельности, BI, мобильный BI, Data mining, Campaign management, и даже небольшой кусок с точки зрения программы лояльности. Немного печально, что не дожил до того момента, как все полетит, но все равно заложил достаточно прочный фундамент, который послужит компании еще долгое время.
Отвлекся, нахлынули воспоминания о лучшем из того, что было.
Что еще отличает маленькие компании, так это очень размытый информационный фон, но при этом, надо сказать, я очень удивлен качеством тех источников, что есть в моей новой компании. Конечно с точки зрения автоматизации и целостности данных конь не валялся, но с точки зрения важности информации для бизнеса, продвинутость источников маленькой компании на голову выше, чем у меня были раньше. Там это были хотелки, здесь я могу это уже применять, да данные не в одном хранилище, но с точки зрения построения бизнес процессов вокруг этих данных, это нисколько не мешает. Могу сказать, что так или иначе присутствовало в 3-х компаниях до этого, есть в моей новой компании, с чем отчасти и связаны мысли о том, что где-то когда-то я все это видел. Такое ощущение, что работаю я здесь не 2 недели, а уже пару лет, как минимум.
Также замечаю, что вхождение в должность становится тем быстрее, чем больше опыта, наверное это все же связано с тем, что компании в которых я работал из одной отрасли и их бизнесы, как и источники очень похожи.
Еще больше я убеждаюсь в том, что результат дает не автоматизация, а правильное построение бизнес-процессов вокруг источников, и каким рваным бы ни был информационный фон, всегда можно показать результаты при правильном применении данных.
Отдельно хочу сказать на счет инструментов бизнес-аналитики. Коллеги, не парьтесь, лучше практикуйтесь в бизнес-задачках, никакой самый продвинутый инструмент, пока вы его не научили, не сможет ничего сделать самостоятельно.
Отдельно хочу высказаться на тему кадрового подбора в бизнес-аналитике, очень часто отбор кандидатов проходит по формальному признаку знания какого-либо инструмента. Так вот, товарищи кадровики, это ваше самое большое заблуждение, аналитик, если он действительно грамотный специалист, сможет применить любой самый сложный инструмент, обратное не действует, человек, знающий инструмент, никогда не сможет стать грамотным аналитиком, если он пошел именно от алгоритмов, это тупиковое развитие, человек в этом случае зажат рамками алгоритмов, при нестандартной задаче он просто потеряется и не будет знать, что ему делать. Тоже самое я могу сказать про отраслевую специфику, если аналитик грамотный, ему не составит труда решить кейс из любой отрасли, изучить отрасль легко, стать аналитиком, зная только отрасль, будет гораздо сложнее.

Удачи вам, практикуйтесь с задачками, задавайте вопросы, постараюсь отвечать оперативно.

Подходы к контролю качества данных

0

Сегодня мне бы хотелось изложить возможные подходы к контролю качества данных. И не важно, получаете ли вы данные от специалистов вверенных вам подразделений или получаете из автоматизированных систем, которые туда первично также заносятся такими же специалистами, задача контроля данных всегда важна и актуально. Еще не придумано алгоритмов от человеческих ошибок.

Все алгоритмы контроля качества я бы разделил на несколько типов (возможно вы еще что-то добавите, будет интересный FAQ по данному вопросу):

1. Проверка «от дурака». Т.е .контроль данных на какие-то случайные значения, которые либо не могут существовать в принципе, либо отсутствуют те значения, которые должны быть.

Пример из банка, кредит физического лица составляет 700 млн.руб. Вероятнее всего эта ошибка появляется в результате того, что кто-то забыл поделить на 1000 руб. Т.е. указал как 700 000, но при этом уже само поле БД было в тыс. руб., вследствие чего произошла ошибка.

Это можно вылавливать с помощью валидного диапазона по накопленной статистике. Т.е. выбирать значения, которые не укладываются в валидный диапазон и проверять на ошибки.

Другим примером может быть некорректное заполнение поле «пол». Например, указывается Сергей Петрович Иванов, а пол указан «женский».  В данном случаи таки ошибки также могут быть отловлены проверками. Как правило, все мужские отчества заканчиваются на «ич». Конечно, бывают исключения, но очень редко, все таки исключения можно проверить глазами. По хорошему, составить справочник таких исключений.

Иногда забивают фиктивные данные в обязательные для заполнения поля «телефон», «инн», «паспортные данные» и т.д., т.е. ставят любое числовое значение, если заранее не предусмотрена такая проверка. Каждое из этих полей имеет определенную маску, на основе которой можно проверять корретность заполнения данных полей.

 2. Проверка данных на бизнес-логику.

Здесь помимо диапазонных проверок, можно делать трендовые проверки. Трендовые проверки позволяют выявлять выбросы в данных и попытаться разобраться с ними.

Давайте рассмотрим на примере: предположим, что вы собираете отчетность по продажам. В первый период 10 единиц, второй период 12, третий период 15 единиц, четвертый период 60 единиц. Вам нужно проверить данные за 4 период. Если построить линию тренда по первым трем периодам и сравнить с данными за четвертый, то вероятнее всего цифра в 60 единиц должна вызвать у вас сомнение. Какой диапазон чувствительности установить вы решаете исходя из вариации в данных по продажам. Отдельные выбросы должны быть объяснимы, например, сезонностью или проведением стимулирующих мероприятий. Но если не было ни того, ни другого, то вероятнее всего проверку стоит продолжить. При стимулирующих акциях иногда снижают стоимость на товары, в данном случае, можно проверить среднюю стоимость единицы. Если падает и натуральные показатели растут, то вероятнее всего было стимулирующее воздействие. Хотя в некоторых случаях это может быть не так. Т.е. закралась ошибка в натуральный показатель и при этом она совпала с периодом проведения стимулирующей кампании.

3. Емкостные или ресурсные ограничения. Если вы можете продать всего X товаров, за период вы поставили Y, то вероятно, что объем продаж не должен превышать суммарного значения обоих величин. Простая проверка на значение позволяет отсеять некорректные данные. Можно задать еще границы чувствительности и работать с данными, попадающими в верхний диапазон границы X+Y. Если у вас информация по остаткам, то арифметика должна работать. Если арифметика не работает, вероятнее всего какие-то данные не корректны, что требует пристального внимания.

Некоторые другие примеры:

Объем продаж Интернет не может быть больше численности региона, в котором идут продажи. Есть исключения, когда заводятся несколько каналов интернет в коттеджные поселки, но это скорее исключение из правила. Но тоже лучше внимательно отнестись к данным.

Возможно, прочитав материал, вы сможете привести примеры ошибок, которые не попадают ни под один представленный типа, мы тогда вместе с вами добавим еще один типа ошибок и подумаем над способами реализации контроля.

Удачи вам! И корректных данных.

Вверх
Яндекс.Метрика