Страница 13 из 19
Важны закономерности поведения потребителей, а не поведение конкретного клиента. В данном примере отдельные люди рассматриваются в качестве источника входных данных. Не нужно определять личность каждого отдельного человека! Сегодняшние технологии баз данных позволяют специалистам производить анализ и без этого, избегая тем самым многих проблем конфиденциальности. Многие организации в результате проведения такого анализа на самом деле устанавливают личности конкретных клиентов и обращаются к ним с предложением. Предполагается, что эти компании разработали и соблюдают политику конфиденциальности, предусматривающую для клиентов возможность отказаться от предоставления личной информации.
Что позволяют обнаружить веб-данные
Теперь, когда мы разобрались в том, что собой представляют веб-данные, поговорим о них более подробно. Существует ряд областей, в которых веб-данные могут помочь организациям лучше понять своих клиентов. Если не освоить этот источник больших данных, то получить такие ценные сведения будет очень трудно, а то и вообще невозможно. В этом разделе главы показано, что вы можете получить, используя веб-данные, а в итоговом разделе представлено детальное описание их применения.
Покупательское поведение
Хорошая отправная точка для изучения покупательского поведения – знать, как клиенты попадают на сайт. Какие поисковые системы они используют? Какие ключевые слова вводят при поиске? Воспользовались ли они созданной ранее закладкой? Профессиональные аналитики могут использовать эту информацию для поиска закономерностей, определяющих, как поисковые запросы, поисковые системы и ссылающиеся сайты влияют на показатели продаж. Обратите внимание на то, что аналитики могут отследить не только показатели продаж в пределах конкретной веб-сессии, но и проанализировать показатели, относящиеся к одному и тому же клиенту за определенный период. Эту информацию можно объединить с данными о продажах на сайте и кросс-канальным обзором покупательского поведения за определенный период. Именно в этом и заключается ценность.
Как только потребители оказались на сайте, изучите товары, информацию о которых они просматривают. Выясните, кто из посетителей просто посмотрел целевую страницу, посвященную товару, а затем покинул ее, а кто продолжил изучение информации. Кто из посетителей просмотрел дополнительные фотографии? Кто прочитал отзывы? Кто изучил подробные характеристики товара? Кто просмотрел информацию о доставке? Кто воспользовался другой содержащейся на сайте информацией? Например, определите, какие товары были выбраны для сравнительного обзора. Наконец, определите, какие продукты были добавлены в список пожеланий или в корзину, а также выясните, не были ли они позднее оттуда удалены.
Веб-данные уникальны тем, что позволяют получить представление о том, что потребители намерены купить, а также понять, как они принимают решение о покупке. Это позволяет прибегнуть к проактивным мерам и подтолкнуть клиентов к покупке, которую им еще только предстоит совершить. Сделайте им правильное предложение, и они подумают, что вы читаете их мысли.
Одна из очень перспективных возможностей использования веб-данных заключается в том, что вы можете определить наборы интересующих потребителей товаров еще до того, как они совершили покупку. Выйдите за рамки попыток продать клиенту что-нибудь с помощью предложения, предоставляемого ему после совершения покупки. Вместо этого сразу предложите им купить все товары, информацию о которых они просматривают.
Положим, потребитель изучает информацию о компьютерах, резервных дисках, принтерах и мониторах. Вполне вероятно, что он рассматривает возможность полного обновления компьютерной системы. Предложите ему приобрести набор интересующих его товаров. Не ждите, пока клиент приобретет компьютер, чтобы после этого озвучить обычный набор дополнительных устройств. Предложение приобрести персонализированный набор устройств до совершения клиентом покупки сработает лучше, чем предложение приобрести обычный набор оборудования после того, как он уже что-то купил.
Пути к покупке и предпочтения потребителей
Веб-данные позволяют определить, как потребители принимают решения о покупке, на основании их навигации по сайту, а также получить представление об их предпочтениях. Возьмем, к примеру, авиакомпанию. На основании данных о заказанных билетах авиакомпания может судить о предпочтениях клиентов. Например, за сколько времени до вылета был заказан билет? Место в каком классе было заказано? Длилась ли поездка в течение выходных дней или нет? Все эти сведения очень полезны, однако веб-данные предоставляют авиакомпании еще больше информации.
Авиакомпания может выявить клиентов, которые ценят удобство. Такие клиенты обычно начинают поиск с указания конкретных дат и выбора прямых рейсов. Они откажутся от наиболее удобного прямого рейса только в случае существования большой разницы в цене при минимальной разнице в уровне комфорта. Допустим, клиент может сэкономить $700, приземлившись в нью-йоркском аэропорту имени Джона Кеннеди, а не в аэропорту «Ла Гуардия». При этом время приземления отличается на 30 минут, а дополнительные расходы на такси составляют всего около $20. В этом случае клиент, ориентированный на удобство, может решить, что экономия в $700 стоит дополнительных хлопот. Однако если выгода составляет всего $200, а время прибытия сдвигается на два часа, то такой клиент выберет наиболее удобный для себя вариант.
Авиакомпания также может выявить клиентов, которых больше всего интересует цена и которые готовы рассмотреть множество вариантов, чтобы выбрать наиболее выгодное предложение. Такие клиенты откажутся от самого дешевого варианта только в случае существования небольшой разницы в цене и огромной разницы в уровне комфорта. Например, клиент может вылететь в 10 часов утра за $220 или в 6 часов утра за $200. Дополнительные четыре часа сна стоят $20, поэтому ориентированный на цену клиент согласится на более высокую цену, чтобы приобрести билет на более поздний рейс.
На основании поисковых закономерностей авиакомпания сможет определить, насколько данный клиент привязан к конкретному предложению или маршруту. Изучил ли он все доступные возможности, прежде чем сделать выбор? Или просмотрел только конкретные маршруты и заплатил столько, сколько требовалось? Например, студент во время весенних каникул может рассмотреть любые предложения и выбрать наиболее выгодное. С другой стороны, клиента, который регулярно летает к своей семье, будет интересовать только то место, где проживают его родственники.
Если вы знаете о том, что клиенты регулярно просматривают предложения, действующие для определенных направлений в выходные дни, то поймете, что для них наиболее важно. Некоторые клиенты принимают решение слетать к семье, когда им попадается хорошее предложение. Если они найдут такое предложение, то воспользуются им. Как только эта закономерность выявлена, авиакомпания может лучше предупреждать потребности клиентов.
Эти примеры показывают, какие бесценные сведения могут быть получены путем объединения информации об истории покупок с данными о закономерностях в процессе исследования и просмотра страниц. Разумеется, потребуется время на изменение аналитических процессов таким образом, чтобы они учитывали эти закономерности. Однако после определения аспектов сайта, которые привлекают каждого отдельного потребителя, можно будет более эффективно обращаться к ним с сообщениями, которые отвечают их потребностям.
Исследовательское поведение
Зная о том, как потребители используют контент сайта, вы решите, как именно следует взаимодействовать с каждым отдельным клиентом, а также определите, как различные аспекты сайта влияют на показатели продаж. На основании изучения возможностей, которые потребители рассматривают на своем пути к покупке, делается вывод о том, что для них важно.