В аду данных: 9 кругов к покупательским инсайтам и высокому ROI

Мы уже знаем о своих покупателях больше, чем когда-либо. Но не всегда можем превратить эти данные в источник роста. Как пройти через девять кругов ада ad hoc аналитики (проектов под конкретную бизнес-задачу) и добраться до рая бизнес-решений? Где данные перестают быть хаосом и начинают приносить позитивный ROI?

Пролог: темный лес данных

Продажи падают. Новинки не показывают ожидаемых результатов. Промо не работает, как планировалось. Покупатели уходят, а данные из разных источников противоречат друг другу. Вы оказываетесь в темном лесу данных: тысячи метрик, десятки отчетов, сотни гипотез. И чем больше информации, тем сложнее ответить на главный вопрос: что на самом деле нужно покупателю, чтобы бизнес был успешным?

В такие моменты компании обращаются к ad hoc исследованиям — проектам под конкретную бизнес-задачу. Но путь к ответу редко бывает прямым. Как герой «Божественной комедии» Данте, заказчик проходит через круги ада: размытую постановку задачи, конфликты данных, борьбу интересов разных функций и поиски идеального инсайта. Его Вергилием становится аналитик, который помогает пройти этот путь и превратить результаты исследования в бизнес-решения.

В этой статье мы пройдем через девять кругов ада ad hoc аналитики, заглянем в чистилище данных и разберемся, как добраться до рая бизнес-решений, где рой графиков начинает приносить ROI.

Первый круг. Лимб (неведение): «не ориентируемся в типах данных»

Первый круг ада Данте населен не грешниками, а теми, кто не смог обрести знание. Если переложить на ad hoc исследования, Лимб возникает, когда бизнесу не понятно, какой вопрос задать, какие данные использовать и зачем нужна покупательская аналитика.

• Рыночные измерения (например, Nielsen) показывают объем рынка, доли игроков и динамику категорий, но не содержат данных о покупателях.

• Потребительские панели (Romir, GfK) помогают анализировать поведение домохозяйств, однако работают на выборке и экстраполируют результаты на весь рынок.

• Транзакционные данные ОФД фиксируют продажи, но не позволяют идентифицировать покупателя и охватывают лишь часть рынка.

• Государственные системы («Честный знак», ЕГАИС) отслеживают движение товаров, но не предназначены для маркетинговой аналитики.

Вергилий подсказывает: «Отдельный класс данных — программы лояльности ритейлеров. Именно они связывают покупку с конкретным покупателем и позволяют перейти от анализа продаж к анализу поведения покупателей и воздействию на покупателя через оптимизацию ассортимента, выкладки, прайсинга и промо, в том числе через каналы ритейл медиа».

Второй круг ада. Похоть: «берем все отчеты сразу»

Покупательская аналитика способна ответить на десятки бизнес-вопросов, и возникает соблазн получить ответы на все сразу. Однако хорошее исследование начинается с формулировки конкретного запроса. Например:

• Диагностика категории: продажи падают из-за количества покупателей или их потребления?

• Gain&Loss: на какие бренды переключаются внутри категории? в чем различие между новыми, ушедшими и постоянными покупателями?

• Новинка: принесла ли новинка инкрементальные продажи в категорию и бренд и какая доля первых и повторных покупок?

• Кросс-корзины: какие товары других категорий приобретают вместе с продуктом?

• Профилирование: как распределяются покупатели по атрибутам?

• Тесты в магазинах: как изменение выкладки, цены или ассортимента влияет на покупательское поведение?

• Кластеризация точек: у каких магазинов наибольший потенциал для бренда?

• Дерево принятия решений: какие потребности закрывает категория и какие из них имеют наибольший потенциал роста?

Вергилий: «Только разобравшись в типах отчетов внутри покупательской аналитики, можно приступить к их комбинации, когда отчетность строится по единым параметрам и они отвечают на более комплексные запросы для разных функций».

Третий круг. Чревоугодие: «закупаем больше данных, чем способны переварить»

Сам по себе отчет лишь фиксирует факты и закономерности. Для того чтобы превратить данные в решение, необходимы как минимум два следующих уровня работы: описательная аналитика и рекомендации.

Описательная аналитика отвечает на вопрос «что произошло и почему?». Сегодня эту задачу могут выполнять как внутренние аналитические команды, так и консалтинговые агентства или AI-помощники. Подобные инструменты уже появляются на аналитических платформах и позволяют автоматически формировать выводы по отчетам на основе данных программ лояльности. Например, ИИ в Retail services. В то же время выбор решений по-прежнему требует участия команды заказчика: понимания стратегии бренда, особенностей категории и внутренних ограничений компании.

Вергилий: «Главный риск третьего круга — не недостаток данных, а ситуация, когда скорость накопления отчетов начинает опережать скорость принятия решений. В результате исследования устаревают быстрее, чем их успевают применить».

Четвертый круг. Скупость и расточительство: «чрезмерно экономим или тратим»

Здесь находятся сразу две категории грешников: те, кто слишком долго копил, и те, кто слишком бездумно тратил. В мире покупательской аналитики обе крайности встречаются одинаково часто.

Первая ошибка — чрезмерная скупость. Она начинается еще на этапе постановки задачи. Компании не предоставляют агентствам, аналитическим партнерам или ритейлерам данные, которые уже есть в их распоряжении: рыночные измерения Нильсен, данные потребительских панелей Romir или GfK, внутреннюю отчетность по продажам, результаты предыдущих исследований. В результате исследование строится на неполной картине бизнеса, а часть гипотез приходится проверять заново.

Еще чаще компании экономят на обмене знаниями внутри собственной организации. Например, отдел медиа проводит профилирование покупателей и анализирует целевые сегменты для постановки KPI в Retail Media. Полученные выводы могли бы использоваться трейд-маркетингом или категорийным менеджментом, но зачастую остаются внутри одной функции. Аналогичная ситуация возникает с деревом принятия решений покупателей. Категорийная команда использует покупательские потребности из древа для оптимизации ассортимента и выкладки, но полученные знания о потребностях не доходят до медиа и трейд-маркетинга.

В результате компания повторно оплачивает исследования вопросов, ответы на которые уже известны и существуют внутри организации. Либо же вообще не оплачивает, если находится на первом кругу ада в незнании, не разбираясь в ценности данных.

Вторая крайность — расточительство. Компания покупает подписку на аналитические платформы, получает доступ к данным программ лояльности, подключает портальные решения типа Retail Services или Dialog X5, однако отчеты формируются нерегулярно или не используются вовсе.

Пятый круг. Гнев: «конфликтуем с отделами компании, агентствами и сетями из-за данных»

В пятом круге находятся души, поглощенные гневом. В мире ad hoc аналитики главный источник гнева — конфликт между участниками проекта. Поставщик хочет доказать эффективность своих инвестиций и вырастить долю продуктового портфеля в категории. Ритейлер стремится увеличить категорию, обязав поставщика использовать инструменты и данные сети. Агентство ищет инсайты и точки роста монетизации. Аналитики пытаются сохранить корректность методологии и объективность результатов.

Пока исследование не завершено, интересы всех участников совпадают, расхождения возникают обычно при получении результатов. Например, для аналитика отсутствие доказанного эффекта — это тоже результат. Для поставщика, который инвестировал бюджет в кампанию, отрицательный или статистически незначимый эффект часто воспринимается как провал.

Вергилий: «Если данные вызывают конфликт, проблема чаще всего находится не в данных. Она находится в разных ожиданиях участников проекта. Поэтому лучший способ пройти круг Гнева — договориться о целях исследования, критериях успеха и правилах интерпретации результатов еще до запуска проекта».

Шестой круг. Ересь: «используем “серые” данные»

В шестом круге находятся еретики — те, кто следовал ложным учениям и принимал их за истину. В мире ad hoc аналитики ересь начинается тогда, когда компания заменяет качественные источники данных их более быстрыми, дешевыми или менее прозрачными аналогами. В FMCG-быту такие данные называют серыми.

На первый взгляд соблазн выглядит вполне рациональным. Зачем ждать согласований с ритейлером или инвестировать в официальные источники данных, если на рынке можно найти готовые выгрузки за меньшую стоимость?

Невозможно проверить источник их происхождения и полноту покрытия «серых» данных. Кроме того, на рынке не существует никаких кроме официальных данных по картам лояльности с возможностью агрегации данных по сегментам и последующим таргетингом через каналы Retail Media.

Также использование таких данных может создавать серьезные юридические риски. Уже существуют прецеденты возбуждения уголовных дел по статье 183 УК РФ «Незаконное получение и разглашение сведений, составляющих коммерческую, налоговую или банковскую тайну». При этом ответственность может возникать как на стороне продавца информации, так и на стороне ее приобретателя.

Вергилий: «Если происхождение данных невозможно объяснить на одном слайде, их не стоит использовать для принятия бизнес-решений. Надежность исследования определяется не только глубиной анализа, но и доверием к источнику данных».

Седьмой и восьмой круги. Насилие и обман: «заставляем данные сказать то, чего они не говорят»

В седьмом и восьмом круге ада находятся те, кто совершал насилие и обман. В ad hoc насилие направлено на данные, а обман выглядит не как их подделка, а как их наиболее удобная для заказчика интерпретация.

Например, запуск новинки показывает хорошие продажи, но одновременно выявляет высокий уровень каннибализации категории. В итоговой презентации остается только информация о продажах новинки, тогда как данные о перераспределении спроса между SKU конкурентов остаются за пределами обсуждения.

Замалчивание может касаться и результатов тестов. Если гипотеза не подтвердилась или эффект оказался статистически незначимым, возникает соблазн не выносить эти результаты в ключевые выводы. Особенно часто это происходит в проектах, где значительные ресурсы уже были инвестированы в запуск активности и участникам сложно принять отсутствие ожидаемого эффекта.

Вергилий: «Парадоксально, но именно отрицательные результаты зачастую обладают наибольшей ценностью для бизнеса. Они позволяют отказаться от неэффективных инвестиций, пересмотреть гипотезы и избежать повторения дорогостоящих ошибок в будущем. Однако именно такие выводы чаще всего становятся жертвами замалчивания».

Девятый круг. Предательство: «делаем выводы на данных без применения в бизнесе»

В самом глубоком круге ада находятся предатели. Для ad hoc аналитики предательство наступает тогда, когда исследование завершено, выводы получены, но изменений в бизнесе не происходит.

Например, дерево принятия решений выявляет потребности покупателей и показывает возможности для роста категории через изменение ассортимента, планограммы и коммуникации. Однако тестирование гипотез откладывается из-за длительных согласований с сетью, а масштабирования решений не происходит из-за отсутствия тестов.

Или, например, компания проводит кластеризацию покупателей, выделяет приоритетные аудитории, понимает, на какие метрики, через какие каналы и с каким сообщением с ними нужно коммуницировать, но Retail Media стратегии под них не адаптируются.

Вергилий: «Исследование заканчивается не при его защите перед заказчиком, а в момент внедрения решения. Самый дорогой отчет — тот, по которому ничего не сделали».

Чистилище. Как правильно задавать параметры данных для отчетности

После выхода из Ада Данте попадает в Чистилище — место, где душа освобождается от ошибок 9 кругов Ада. В мире ad hoc аналитики чистилище начинается при определении корректных параметров отчетности: цели анализа, категории, периода, географии, выборки покупателей и формата результата. Именно они определяют качество будущих выводов.

Рай. Применение в бизнесе на кейсах с высоким ROI

В мире покупательской аналитики рай наступает в тот момент, когда данные перестают быть набором отчетов и становятся инструментом управления инкрементальными продажами категории.

Одним из пионеров развития покупательской аналитики в мире стала компания Dunnhumby, которая совместно с Tesco начала полноценно развивать программу лояльности еще 30 лет назад. По оценкам Dunnhumby, системное использование покупательской аналитики позволяет обеспечивать дополнительный рост категории на 2–5% и достигать ROI инвестиций до 10x за счет более точного управления ассортиментом, ценой, промо и персонализированными коммуникациями.

Российский рынок сегодня обладает всеми необходимыми предпосылками для достижения аналогичных результатов. Крупнейшие российские ритейлеры уже идентифицируют по картам лояльности 70–90% продаж. Путь через девять кругов ада покупательской аналитики непрост, но награда вполне материальна через измеримый ROI.