+7 (495) 640-89-97
24 ноября 2014 14:11
2 856 24 0

Бороться надо не против конкурентов, а за потребителя

Павел Левчук  — маркетинг-директор одной из успешно развивающихся компаний — LeBoutique. Павел давно заявил о себе как о первоклассном практике, интересующемся в коммерции не «идеями и креативом», а точными данными . Наш собеседник — отличный маркетолог-аналитик, который также, как и мы, придерживается системного подхода.

Так же рекомендуем блог Павла, посвящённый практическому применению веб-аналитических и конверсионных методик: http://ecommerce-in-ukraine.blogspot.ru/

О том, насколько важен интернет-маркетинг, как проводятся А/В-тесты в компании, какие метрики применяют в проекте и о многом другом, читайте далее.

Павел-Левчук

Добрый день, Павел! Расскажите немного о себе и о том, как Вы пришли в интернет-маркетинг?

Я родился и вырос в городе Ровно, это Западная Украина. Сейчас живу и работаю в Киеве. Окончил кафедру прикладной математики в Киевском Политехническом Институте. Вначале работал программистом. С 2008 года присоединился к Private Equity Investment Fund, и с тех пор работаю со стартапами. Последнее мое пристанище – это стартап LeBoutique. Это flash sale site, на котором продается одежда, обувь и аксессуары с большими скидками.

LeBoutique

Как Вы считаете, интернет-маркетинг — это часть маркетинга компании?

Я думаю, что да. Однако следует учитывать направленность компании. Спрос в проекте LeBoutique формируется исключительно в онлайне. В этом же режиме проект обслуживается. Хотя, конечно, есть небольшой блок работ, который выполняется в офлайне — ответы на вопросы, которые дают операторы колл-центра, и логистика, осуществляемая через наших логистических партнеров. Но все же, львиная доля коммуникаций с нашими клиентами происходит именно в онлайне.

Чего, по Вашему опыту, никогда не удастся достичь посредством Интернета?

Интернет не передает эмоции. Как-то мне попалось одно исследование, в котором говорилось следующее: ребенок, который ждет от взрослого поддержки, намного лучше реагирует не на слова, а на тембр голоса. Я думаю, здесь схожая ситуация. Мы можем давать рациональные ответы, но мы не можем передать эмоциональное состояние. И, наверное, не всегда можем определить эмоции клиента. Мне кажется, это то, что Интернет дать не может.

Интернет как инструмент маркетинговых исследований аудитории, продукта, конкурентов. Есть опыт в этом вопросе? Что Вы можете об этом рассказать?

Что касается анализа конкурентов, я считаю: бороться надо не против конкурентов, а за потребителя.

Иногда (не часто, может быть, 1-2 раза в месяц) я могу зайти на сайт конкурента и посмотреть, есть ли у них какие-либо значимые изменения. Также я подписан на их рассылки. Я считаю, что важно отслеживать, какую коммуникацию ведут наши конкуренты.

Касательно аудитории — я внимательно слежу за нашей клиентской базой (но я бы не назвал это аудиторией). У меня есть несколько отчетов, по которым я отслеживаю, какие клиенты приходят на наш сайт, насколько они чувствительны к цене, развивается ли клиентская база достаточными темпами, и что происходит с постоянными клиентами.

Я не верю в соц-дем, я верю только в бихевиорические признаки.

Мертв ли офлайн-маркетинг для e-commerce? Если да, то почему? Если нет, что работает из офлайн-приемов и каналов?

Мы пробовали некоторые каналы в офлайне. Например, печатные СМИ и радио. И я не могу сказать, что это дало ощутимый результат. Правда, меня впечатлил эффект от телевизионной рекламы: работает своеобразно, но результат ощутимый.

Вообще, я поддерживаю подход гениально-прикладного маркетолога Jim Novo: надо рекламироваться и быть там, где потребитель выказывает такое поведение, какое тебе нужно. Соответственно, если мне надо, чтобы клиенты кликали и покупали мои товары, следует быть представленным в тех местах, где клиенты кликают и покупают товары. Для проекта LeBoutique — это, безусловно, онлайн.

Как совместить офлайн и онлайн в плане маркетинга и рекламы?

Это непростая задача. Например, мы видим, что телевизор действительно может за достаточно короткий промежуток времени построить базовые знания о бренде. Но меряется эта вещь достаточно условно, через дельту брендовых запросов в поисковых системах, и/или опросов.

Я думаю, что онлайн-проекты должны сфокусироваться именно на онлайне. И «формирование знания» в большей степени должно выстраиваться в онлайне. Поэтому я бы это не совмещал. Кроме того, офлайн-активности достаточно тяжело измеряются, прогнозируются, а также дорого стоят.

Что конкретно нужно сделать, чтобы присоединить интернет-маркетинг к маркетингу, стратегии и финансам компании? По Вашему опыту, какие шаги необходимы для этого?

Вообще, я бы не присоединял интернет-маркетинг к маркетингу или финансам. Я всегда стараюсь построить эко-систему показателей, которая позволяет отслеживать клиента и его нужды, открывает новые инсайты. Все эти метрики — из так называемой New Economy, именно они формируют успех или неудачу онлайн-проекта.

Ваше отношение к SEO?

Я знаком с SEO очень поверхностно. В нашей компании есть специалист, который занимается вопросами SEO. Мы понимаем, что это не краткосрочная, а долгосрочная стратегия.

По контент-маркетингу и его измерению у Вас есть опыт?

Опыта как такового нет. Работа при LeBoutique предполагает flash-sale-модель, которая фактически строится на ежедневных агрессивно-продуктовых рассылках. Это по сути каталожный бизнес.

Кстати, некоторое время назад мы провели небольшой эксперимент — мы попытались сделать не каталожную рассылку, а именно контентную, где был бы более полезный материал для клиентов. Каталожная рассылка сработала намного лучше. Поэтому контент — это не панацея.

Как Вы относитесь к А/В-тестам?

А/В-тесты – довольно сильный инструмент, который позволяет маркетологу проверить правильность своей гипотезы.
Мы используем А/В-тесты в email-рассылках, тестируя:

  • заголовки;
  • время отправки;
  • различный контент внутри письма (и различные CTA);

Также периодически тестируем страницу продукта и чек-аут.

Сколько времени уходит на тесты?

Как правило, мы тестируем 3-7 дней. Хотя в некоторых источниках говорится, что надо тестировать не меньше семи дней, потому что в разные дни недели могут приходить разные потребители, которые будут вести себя иначе. Соответственно, и результаты теста будут различаться.

На самом деле, намного важнее не то, сколько дней будет проходить тестирование, а будет ли результат теста статистически значимым или нет. Мы пользуемся внешним статистическим калькулятором, в который вносим выборку (где проводился тест) и результаты конверсии, и калькулятор проводит оценку результата.

Как разделять аудиторию достоверно?

Я думаю, на эту тему всегда будут вестись споры. Но, при получении статистически значимой разницы, вопрос разделения аудитории для меня не стоит. Считаю, что намного важнее пользоваться статистическими калькуляторами.

Если результаты А/В-теста не являются статистически значимыми, можно попробовать провести серию тестов. И если каждый раз тестовая группа будет показывать лучший результат, его все-таки можно взять за основание.

Вы много пишите про различные метрики маркетинга (и интернет-маркетинга как частного случая). Таких метрик очень много. Но какие из них Вы реально применяете на практике? И какие действительно заслуживают повышенного внимания маркетологов?

Действительно, в любом бизнесе всегда предусмотрено множество показателей. Профессионал отличается от любителя тем, что старается замерять не все, а только то, что может принести наилучший результат в ближайшее время. Я стараюсь подходить к этому вопросу точно так же.

Когда я узнаю, читая в блогах, или из общения со своими коллегами, о каких-то новых метриках, я стараюсь их замерить и как-то повлиять на них. Если я не могу в течение нескольких недель-месяцев повлиять на метрику, то я удаляю ее из отчета. Если я не могу чем-то управлять, то зачем я буду измерять это.

Мой подход к маркетингу основывается на жизненном цикле клиента. Поэтому мои метрики не берутся из ниоткуда, а привязаны к конкрентным этапам. Я смотрю на стоимость регистрации и привлечения клиента по всем каналам, субканалам и группам объявлений. Также учитываю показатель LTV, рассчитываю short- и acc-ROI. Некоторые из этих метрик — статические, некоторые — меняются со временем. Я отслеживаю их для того, чтобы понимать, как себя ведут клиенты как в течение короткого промежутка времени, так и более длительного.

Кроме того, я учитываю метрики, связанные с активацией клиентов, ведь не все пользователи, которых я привел, сразу же осуществляют покупки. Соответственно, мне нужно приложить дополнительные усилия для того, чтобы убедить их, чтобы они сделали правильный выбор, когда зарегистрировались на моем сайте; дать им дополнительную мотивацию сделать первую, вторую, третью, четвертую покупку. Поэтому у меня есть набор инструментов, которые я использую для активации клиентов. Я измеряю и смотрю, улучшает ли это объем активации или нет.

Есть метрики, связанные с вовлечением. Как правило, это метрики поведения клиентов на сайте: насколько часто они заходят на сайт за определенный период, быстро ли добираются до желанной вещи.

Также есть метрики по удержанию — предпоследний этап жизненного цикла клиента. Я еженедельно просматриваю, сколько клиентов сделали покупки за последние 30 дней, и активно работаю с теми, кто перестал проявлять активность в этот период.

Есть еще отдельное направление — “реактивация клиентов”, которых я не могу вернуть в течение 30-ти и 180-ти дней. Это технические метрики, связанные с тем, насколько эффективно нам с партнерами удается использовать cookie matching для возврата самых ценных клиентов.

Недавно Вы написали отличную статью о конверсии, ROI и LTV. Так что же выбрать? Кому в компании на что смотреть?

На самом деле, это зависит от компании. Директора смотрят на общие показатели, прирост новых клиентов и возврат инвестиций. Я же, как директор по маркетингу, должен понимать, из чего формируются эти цифры, иметь промежуточные метрики, которые позволят мне этими цифрами управлять.

Какими конкретными инструментами, кроме «прямых рук», можно измерить эти показатели? Веб-аналитика, CRM, телефония – что конкретно Вы используете? С чем сталкивались? Какой софт порекомендуете?

Практически во всех стартапах, где я работал, учитывая мой опыт программиста, я старался сделать следующее.

Я подключался к базе данных, писал несложные sql-запросы, которые «вытягивали» минимально-необходимый набор данных. Затем я сводил их в PowerPivot (это настройка для Еxcel, которая позволяет, с одной стороны, выгружать большие объемы данных – более 1 миллиона строк, а с другой стороны, имеет возможность делать нетривиальные вычисления на специальном языке – DAX). Таким образом, объединив данные по костам и продажам клиента, я легко могу рассчитать все, что необходимо.

Кто отвечает за измерение, за сведение в таблицу, отчетность?

Отчетность построил я, она полуавтоматическая. Не считая ручной загрузки данных о костах, все остальные данные тянутся автоматически. Расчеты также производятся автоматически, поэтому на цифры смотрим каждый день и, соответственно, корректируем, если необходимо, на ежедневной основе. Я оцениваю, с достаточным ли темпом мы «бежим», а мои ребята занимаются аналогичным анализом на уровне кампаний и/или групп объявлений.

Получается, маркетологу нужно знать Еxcel «на отлично» и еще быть математиком?

На самом деле, нет. Так получилось, что я занимался формированием отчетов. Но моим сотрудникам необязательно знать, что «под капотом» этих отчетов. Они просто понимают общую логику того, как строятся отчеты, и ориентируются на нее.

Причем здесь веб-аналитик? Что он делает, и нужен ли он в принципе?

Сейчас у нас в компании появился BI-аналитик, который занимается вопросами Machine Learning и Big Datа. Я же занимаюсь прикладной аналитикой и dashboards. Сам себе формирую вопросы, изучаю данные, которые есть у нас в базе. Если эти данные могут помочь в решении возникшей проблемы, я их «вытягиваю», комбинирую и пытаюсь дать ответ на поставленный вопрос.

Что делать маленькой компании? Как она может осилить все эти измерения?

На самом деле, для маленьких компаний существуют готовые решения. Например, тот же проект Oh My Stats был достаточно неплохим решением для маленьких компаний, и даже для более крупных.

Отмечу, что интеграция очень важна. Для всех онлайн-компаний абсолютный must have — это максимальный сбор данных о том, откуда пришли клиенты, как они себя ведут, формирование минимального набора отчетов о том, какая динамика прослеживается по этим направлениям.

Также важно сформировать направление в компании, которое будет постоянно находить новые инсайты среди существующих данных и, возможно, давать рекомендации, ставить задачи айтишникам по сбору дополнительных данных.

Как Вы учитываете многоканальность? И как Вы считаете атрибуционную модель?

Мы работаем, по сути, по модели подписки. Зарегистрируйся, и только потом ты сможешь что-то выбрать и купить. Я ориентируется на last referral. Атрибуционную модель я почти не использую.

Снова опираясь на уже упомянутого мной Джима Ново, отмечу: управлять атрибуцией нереально. Независимо от того, как я распределю вес цепочки каналов до достижения конверсии, у меня нет инструментов для того, чтобы провести клиента именно по такой цепочке.

Мобильная история — мертва или жива, на Ваш взгляд?

Le Boutique только пробует себя в мобильном направлении. Мы сделали приложение под iOS. Сейчас мы разрабатываем аналог под Android.

Пользователи мобильных устройств ведут себя иначе, в отличие от юзеров десктопов. Даже среди пользователей мобильных устройств существует определенное паттерное поведение. Люди, которые пользуются мобильным телефоном, отличаются от тех, кто пользуется планшетом.

Мы только начинаем разбираться в том, что именно важно для клиента, который пользуется тем или иным мобильным устройством.

Сегодня очень часто упоминается когортный анализ. Проводятся даже курсы по нему. Еще 2 года назад, в принципе, никто не говорил ни слова о нем. Почему он так важен?

На самом деле, когортный анализ имеет одно очень сильное преимущество, по сравнению, например, с теми же отчетами Google Analytics. Для нашего бизнеса, который работает по модели flash-sale, маркетинговая стратегия заключается в привлечении клиента — он должен зарегистрироваться у нас на сайте. Потом мы начинаем его “раскачивать”. И вот здесь важен вопрос атрибуции костов. Google Analytics с AdWords будут показывать одни показатели по конверсиям и продажам. В то время как когортный анализ демонстрирует совсем другие показатели.

Когда я формирую отчеты по привлечению, использую когортный подход. То есть, я знаю, сколько денег было потрачено в том или ином месяце. Зафиксировав эту сумму, я раскладываю ее на каналы и субканалы, вношу в свой отчет. С другой стороны, когда клиенты приходят ко мне на сайт и регистрируются, они метятся меткой соответствующего канала и субканала. Я связываю их косты с регистрацией и дальше анализирую когорту. Поэтому я могу рассчитать полноценный ROI и узнать, как ведут себя клиенты, пришедшие с определенного канала, как в краткосрочном, так и долгосрочном горизонте.

Используя стандартные инструменты наподобие Google Analytics или AdWords, в когорты будут попадать и те, кто только зарегистрировался, а также давние клиенты. Так не удастся понять, насколько хорошо отбиваются инвестиции — с точки зрения когортного привлечения.

Так действительно когортный анализ — это что-то новое?

На самом деле, про когорты я начал читать еще в 2009 году. В KISSmetrics, в RJMetrics они были удачно реализованы уже давно. Но, к сожалению, так как большинство людей пользуются лишь Google Analytics, то их знания так и остались на уровне 2006 года.

Как это может помочь бизнесу, на конкретном примере?

Мы фиксируем дату, когда к нам пришел клиент. Потом «подвязываем» к этой дате косты и смотрим, как ведет себя клиент в течение определенного промежутка времени, чтобы понять, какие клиенты окупаются, а какие — нет. Смысл в том, чтобы перестать мыслить трафиком, а покупать клиентов, да и то — только тех, у кого LTV / CAC > 3x.

Где делать когортный анализ? В какой системе?

Особая система не нужна. Я всегда использую Excel.


Если на вашем сайте требуется регистрация для совершения первой покупки, для этого вам понадобится всего 2 таблицы. В одной (например, Table Users) вы храните информацию, кто и откуда пришел, а в другой — заказы всех клиентов (Table Orders). В Table Users вы храните информацию о дате регистрации, от которой и формируется когорта.

Связывайте две таблицы и делайте расчет. Как это сделать самому, можно посмотреть, например, вот здесь: http://cohortanalysis.com/.

Какие место и роль Вы отводите CRM-системам для всех этих измерений?

У нас есть несколько систем, в которых хранится информация о пользователях. Конечно, возникают проблемы, когда нужно свести данные о разных предпочтениях пользователей от этих систем. Для своих задач я не использую CRM. Я просто делаю запросы в базы данных по таблицам клиентов, заказов и другому, где хранится информация по взаимодействию между клиентом и сайтом, — чтобы понимать предысторию клиента, и каковы мои шансы, чтобы вернуть его или предложить ему нечто релевантное.

Как наглядно визуализировать отчетность?

Мне кажется, здесь все очень просто. Развивать одним панель бессмысленно, потому что, с одной стороны, на нее тратится время программистов (а это дорого); с другой стороны, писать на языке программирования отчеты с визуализацией – это субоптимально.
Существуют такие среды, в которых уже есть огромное количество функционала, обеспечивающего визуализацию данных. Поэтому я всегда предлагаю один и тот же подход.

Данные выгружаются из базы данных в Excel, либо Power Pivot, и там уже визуализируются. Я смотрел на Tableau – отличная система для бизнес-аналитики, но она недешевая. Поэтому мне подходит вариант с Excel — это достаточно распространенный инструмент.

Отмечу, что после того, как появился PowerPivot, жить стало намного проще. Потому что, во-первых, исчезли ограничения в миллион строк. И, с другой стороны, появился язык DAX, на котором можно делать нетривиальные расчеты, которые происходят в десятки, а то и сотни раз быстрее, чем это было в Excel.

Поэтому я рекомендую всем разобраться с тем, как писать самые простые SQL-запросы в базу данных, «вытягивать» данные в Power Pivot и визуализировать их.

В принципе, Microsoft за последние 3-4 года неплохо развил свой BI-стэк (business intelligence stack) подход. Там есть уже и Power Pivot — как высокопроизводительная СУБД, и Power Query — как инструмент, который позволяет вытягивать из разнородных источников данные и делать связки. Есть и Power View — как отдельная подсистема для очень гибкой динамической визуализации, и Power Map, который позволяет «натягивать» данные на карты. Мне кажется, что это достаточно логичный и правильный ход со стороны Microsoft. Нравится и то, что у меня есть достаточно мощная аналитическая функциональность в таком распространенном инструменте, за который я не должен платить дополнительные деньги.

Благодарим Павла за интересное и полезное интервью!

(Visited 2 856 times, 1 visits today)

Рассказать друзьям

Комментарии

Вконтакте 0 Facebook 0
comments powered by Disqus
ЗАПРОСИТЬ ПРЕДЛОЖЕНИЕ

Заполните это поле

Заполните это поле

Заполните это поле

Заполните это поле

Начать сотрудничество

Принято!

Спасибо за обращение.

До конца рабочего дня с Вами свяжутся.