4 типа данных о клиенте

4 типа данных о клиенте

Как мы уже отмечали (см. материалы «Исследование покупателей: вопросы, на которые стоит иметь ответы» и «Модель покупателя: практическое руководство»), чем лучше вы знаете своего клиента, тем больше шансов вы имеете на создание долгосрочных и взаимовыгодных отношений с ним. Взаимная выгода играет ключевую роль: как только вы перестаете «продавать» и начинаете «помогать», лояльность покупателя стремительно растет, а его отношение к вам меняется в лучшую сторону. В этом материале мы рассмотрим один подход к классификации данных о клиенте, который подразумевает деление всего массива информации на 4 типа.

В первую очередь, следует отметить, что помимо типичных данных всегда есть ряд пунктов, отражающих специфику вашей товарной группы. Например, магазинам, торгующим одеждой, неплохо было бы знать любимый цвет покупателя, а тем, кто занимается продажей товаров для домашних животных – клички питомцев клиентов. В самом общем случае, речь может идти о брендовых предпочтениях, хотя, даже если вы продаете столь специфический товар, как отопительное оборудование, все равно можно выяснить что-то уникальное, что позволит вам обратиться к потребителю на более личном уровне. Но для начала, соберите и разложите по полочкам предложенные ниже данные.

Идентификационные данные

Говоря о данных, мы затрагиваем тему дата-маркетинга (data marketing), или маркетинга на основе баз данных. По большому счету, любые мероприятия по продвижению товаров и услуг и укреплению отношений с существующими клиентами основаны на тех или иных данных. Однако только всерьез обратившись к дата-маркетингу вы сможете полноценно использовать информацию, а не опираться сугубо на гипотезы, требующие подтверждения. Идентификационные данные – краеугольный камень маркетинга на основе баз данных. Именно они лежат в основе профилей потребителей. Список идентификационных данных, с которых начинается дата-маркетинг, представлен ниже.

  • Фамилия, имя, отчество.
  • Дата рождения, пол.
  • Полный почтовый адрес.
  • Номера телефонов (личный, рабочий) с указанием оператора связи.
  • Адреса электронной почты (личный, рабочий).
  • Аккаунты в социальных сетях.
  • Идентификаторы в вашей CRM-системе.
  • Данные о трудоустройстве (место работы, должность).
  • Данные о предпочтениях в том, что касается коммуникации (какую информацию хочет и не хочет получать клиент).

Количественные данные

Имея представление о том, кем является ваш клиент, можно «посчитать» ваши с ним отношения. Количественные данные, перечисленные ниже, позволят вам лучше понять настрой покупателя и составить некоторые прогнозы относительно развития взаимодействия.

  • Транзакционные данные (онлайн и офлайн): количество оформленных и недооформленных заказов, количество купленных товаров, средний чек, общая сумма, возвраты и т.п.
  • Коммуникационные данные: каналы коммуникации, дата последнего контакта, клики по ссылкам и т.п.
  • Данные о посещениях сайта, глубина просмотра, предмет просмотра (категории, товары).
  • Активность в соц. сетях: лайки, комментарии и пр.
  • Обращения в поддержку: даты, предмет, время решения вопроса и т.п.

Описательные данные

Чтобы иметь возможность еще больше персонализировать отношения с клиентом, вам понадобится информация описательного характера, позволяющая увидеть его в контексте жизни.

  • Данные о семье: семейное положение, количество и возраст детей и т.п.
  • Данные о стиле жизни: где живет, какой вид транспорта предпочитает (марка машины), имеет ли домашних животных (каких) и т.п.
  • Данные о статусе: уровень образования, работа, карьера и пр.

Качественные данные

Качественные данные позволяют дополнить картину финальными штрихами. Обычно, эти поля заполняются ответами на опросы, которые нацелены на выявление отношения (клиента к вам), мотивации и предпочтений.

  • Отношение: личная оценка качества обслуживания в вашем магазине, оценки товаров и т.п.
  • Предпочтения: цвет, любимый праздник, вид отдыха и т.п.
  • Мотивация: с какой целью приобретаются товары (для себя, в качестве подарка), какой фактор является решающим при покупке той или иной вещи в том или ином магазине.

Дата-маркетинг как отдельная отрасль подразумевает сложные технологические решения (хороший пример – LifecycleMAGIQ). Однако начать можно и с простой электронной таблицы, которая позволяет хранить данные и делать выборки по заданным критериям (см. материалы Джима Ново, одного из пионеров дата-маркетинга). Попробуйте навести порядок в том, что у вас уже есть, и многие пути улучшения качества и эффективности коммуникации с клиентом станут для вас очевидными.

На основе материала The four key types of customer data for marketing
Автор: Vyacheslav Vityuk

Подписаться на новости

Читайте также

Нейромаркетинг в e-mail рассылках: Как использовать психотипы для создания максимально персонализированного предложения

В последние пару лет термин “нейромаркетинг” все чаще звучит среди маркетологов. И действительно, перспектива понять отношение потребителя к продукции еще до того, как он сам его осознал, и тем более влиять на это отношение, выглядит очень заманчиво. Чтобы использовать возможности воздействия на подсознание для работы с потребностями пользователей, нужна грамотная сегментация.

далее →

Автоматическое построение сегментов в email-рассылках Basketshop.ru: рост выручки на одно отправленное письмо (RPE) в 13 раз

Сегодня на примере интернет-магазина Basketshop мы расскажем, каких результатов можно добиться при сегментации подписчиков по интересам, как повысить все ключевые значения e-mail рассылок с помощью релевантного содержания и докажем в цифрах, что персонализированные предложения могут увеличить выручку на одно письмо в 13 раз.

далее →

Growth Hacking в триггерных письмах интернет-магазина «QUELLE»: 7 кейсов

Специалисты по Growth Hacking в Retail Rocket каждый день проводят десятки АБ-тестов, проверяя гипотезы оформления e-mail рассылок, чтобы увеличить выручку интернет-магазинов. Сегодня мы расскажем о том, каких результатов можно добиться, если правильно выбрать тему письма и время отправки, как оптимизировать размер товарных карточек и какие элементы стоит удалить, чтобы не отвлекать внимание покупателя, на примере интернет-магазина QUELLE.

далее →

25 апреля / Комментарии

Сегментация подписчиков на основе интересов в интернет-магазине детских товаров. Рост количества заказов в 8 раз.

Инноваторы онлайн-ритейла сегодня движутся в сторону отправки email-рассылок не единым письмом по всей базе, а в сторону построения системы из множества индивидуальных сегментов (от 2 до бесконечности в зависимости от ресурсов компании) и отправке более релевантных писем индивидуально для каждой группы получателей. Рассмотрим кейс в котором сегментация подписчиков для массовых email-рассылок в интернет-магазине детских товаров дала рост количества заказов в 8 раз.

далее →

10 апреля / Комментарии

Кейс Mixit: рост Email-канала в 2 раза за полгода

Mindbox запустили Email-маркетинг для компании Mixit совместно с агентством Prism Solutions. Коллеги настроили интеграцию продуктов Mindbox с Интернет-магазином Mixit. Первая кампания была запущена уже спустя неделю после подписания договора. В этом кейсе мы расскажем о результатах работы за первые полгода (доход от Email-канала подсчитан с помощью Google Analytics и внутренней системы учета).

далее →

X
Нажмите «Нравится»,
чтобы читать Shopolog.ru в Facebook