Как мы управляем маркетингом для 10 млн потенциальных Клиентов с помощью Big Data

Кейс Группы Актион


Мы расспросили Антона Капаева, заместителя генерального директора по маркетингу, как в Актионе работают с потенциальными Клиентами. Вы узнаете, как помощь профессионалам превратить в Big Data, как понять интересы 10 млн потенциальных Клиентов и выстроить маркетинг для 200 b2b продуктов. Мы сократили и отредактировали текст, чтобы вам было удобнее читать.


О компании:


Группа Актион выпускает справочные системы, электронные журналы, сервисы и онлайн-курсы для самых массовых профессий в России. 

Актион помогает в работе специалистам 12 направлений: бухгалтерия, финансы, управление, право, кадры, охрана труда, медицина, образование, культура, ЖКХ, госзаказ и госфинансы.

Воронка маркетинга


Мы знаем, что наша аудитория приходит в Яндекс и Гугл для того, чтобы получить ответы на свои вопросы. Таких вопросов много, и мы хотим сделать так, чтобы за ответом они приходили к нам.

Мы погружаемся в цифры, чтобы понять, сколько запросов принадлежат нашей целевой аудитории. В первую очередь определяем для себя целевые темы — вопросы с которыми наша аудитория обращается к поисковикам. Мы собираем данные об этих запросах, смотрим на их частотность и собираем все это в большой файл.


С помощью аналитических сервисов мы группируем запросы в кластер. Из нескольких десятков тысяч запросов получаются укрупненные темы с их ключами. У нас есть методология, как написать материал с использованием ключей так, чтобы он отвечал на вопросы и отображался в топе поисковых систем.


«Мы хотим, чтобы 10 процентов тех людей, которые спрашивают в Яндексе по своей теме, приходили за ответом к нам»


Мы должны знать, что люди спрашивают. Запросы постоянно меняются: есть вечнозеленые запросы, а есть новые. Например, они появляются, когда вышел новый закон и люди не понимают, что с ним делать.


Дальше воронка упирается в то, что нам нужны контактные данные этих 10 процентов людей. Мы готовы дать им ответы на их запросы, но просим зарегистрироваться, если они хотят развернутый ответ с примерами, шаблонами, файлами и т. д. Не все люди регистрируются, но часть из них оставляют свои контактные данные. Это единая система через весь Актион, в которой эти данные не повторяются, — на одного живого человека одна учетная запись. Например, нельзя дважды зарегистрироваться с одним и тем же имейлом и телефоном.


Представим, что у нас есть такая учетная запись: Ольга Иванова из Саратова, главный бухгалтер.

Мы хотим, чтобы Ольга возвращалась к нам чаще. Нам нужно понять ее интересы. Чтобы предложить ей продукт, мы должны заинтересовать ее, а затем проследить, заинтересовалась ли она.

Все действия Ольги мы записываем в базу. Это такая BigData-машина, которая сохраняет все, что пользователи делают на наших сайтах. Эти сигналы мы изучаем.


Как мы изучаем поведение пользователей на сайтах


Мы смотрим на похожие учетные записи, которые добрались до покупки. Куда заходила Ольга, что нажимала, с каким количеством времени, как часто возвращалась — таких параметров больше 10 тыс. В скоринг попадает меньше, но чтобы понять, что влияет, надо изучить все.

Ольга возвращается — мы записываем. Каждый ее заход влияет на увеличение или уменьшение вероятности покупки какого-то конкретного продукта. Она как бы становится чуть больше похожа на ту, кто купит, или наоборот — ту, кто не купит. Каждый вход влечет пересчет на Ольге этих вероятностей. Причем сразу для нескольких продуктов, которые ей подходят.


Мы занимаемся тем, чтобы вернуть Ольгу и рассказать ей: «Смотри, как классно — появился новый закон, а у нас есть под это шаблон. Есть трудная часть в работе, а у нас есть ответ на это. Приходи к нам, мы бесплатно покажем, как это решить».

Ольга приходит — мы записываем. Если она интересуется продуктом, мы видим сигналы, что он ей нужен. А дальше мы передаем эти сигналы продавцам.

Продавец звонит Ольге и говорит: «Давайте обсудим покупку этого продукта». Она соглашается или отказывается, и цикл продолжается. Если она сказала «нет» — это уменьшает вероятность покупки продукта, но мы не ставим на ней крест. Если она продолжает заходить к нам на сайт, то в большинстве случаев это означает, что ей все-таки нужен продукт. Но может быть не сейчас или не за такую цену.


В нашем CRM таких учетных записей уже 10 млн. То есть 10 млн людей, по которым мы что-то считаем. Часть из них не принадлежат нашей целевой аудитории. Бывает, что на наши сайты заходят пенсионеры или студенты. Они интересуются налогами или чем-то еще, но это разовый интерес, а не профессиональный. Мы держим в базе данные этих людей, и иногда они бывают нужны. Например, у нас есть проект для студентов.


Для этих 10 млн у нас есть более 100 продуктов. Не все продукты всем подходят. При таком объеме информации, одному человеку может быть интересно 3–4 продукта. Это дает примерно 100 млн вероятностей в каждый момент времени. Как только человек заходит на сайт, вероятности начинают меняться. Все это у нас придумывает и рассчитывает отдел аналитики. Там есть люди, которые занимаются большими данными. Мы их переманили из банков.


Банки первые в стране начали считать подобные вероятности, потому что они работают с кредитами. Чем более кредитоспособный заемщик, тем меньше ему дадут ставку или быстрее одобрят кредит. Соответственно, мы переманили аналитиков, которые считают для нас такие вещи.

Как мы обрабатываем большие данные


Пишем на питоне. У этого языка программирования много библиотек. Практически в онлайне в нем считаются огромные данные. То есть человек ходит по сайту, а мы все тут же считаем — узнаем, готов он к покупке или нет. 

Если пользователь начинает что-то активно делать, проходят минуты, прежде чем ему позвонят. Если он уйдет: его проблема решится или он ее забросил, тогда звонить может быть уже поздно. Поэтому у нас большие серверные мощности, сотни миллионов человек в базе, больше сотни продуктов и вероятности, которые считаются чуть ли не по десяти тысячам параметров. Но мощности продавцов ограничены, поэтому мы звоним тем, кто наиболее склонен к покупке.

Наш маркетинг отвечает за то, чтобы, во-первых, эта база была большая, а во-вторых, росла со временем. Нам нужно, чтобы людей, которым помогают наши продукты, становилось больше, потому что это отражается на нашей выручке.

Скоринг: как мы оцениваем потенциальных Клиентов


Мы делим людей на три состояния:


  • горячие — наиболее близкие к покупке;


  • средние — им нужно доказать, что наш продукт будет им        полезен, привести аргументы, показать продукт;


  • холодные — которым особо ничего не надо либо мы пока не нашли точек взаимодействия.

 

Эта классификация относительная. Мы просто разбиваем аудиторию на три части. Для каждой части у нас есть план, что делать.


Откуда нам пришла идея скоринга


Наш гендиректор сказал: «Давайте сосредоточимся не на том, кому нужно звонить, а на том, кому звонить не нужно». Большинство маркетологов делают не так. Они считают, что звонить надо всем. Мы раньше так же решали задачу. 


Нам нужно было отсортировать людей, чтобы понять, что вот эти нижние 10 процентов из списка нерентабельные. Выстроив всю базу по вероятности, можно принять решение, кому не звонить.


Какой путь потенциальный Клиент проходит до покупки 


У нас есть система триггеров. То есть путь начинается не с заявки, а с точки повышения вероятности покупки. В определенный момент мы считаем, что Клиенту пора продать или ему стоит пока только показать продукт.


У нас есть определенные этапы: если нужно показать продукт, то мы бесплатно предлагаем демодоступ, который действует три дня. Соответственно, точка входа — демодоступ.


Дальше Клиенту приходит триггер, который регулярно дает ему маленький кусочек информации по этому продукту и зовет вернуться на сайт. 


С продажей примерно то же самое: сначала мы звоним. Допустим, человек говорит: «Нет, не хочу». Дальше мы предлагаем ему демодоступ. Если он отказывается, то мы записываем, что он пока не готов. Должно пройти примерно полгода, чтобы мы могли предложить ему демодоступ еще раз. Пока полгода не прошло, мы зовем его на вебинары и пр.


Мы пытаемся быть все время в контакте с потенциальным Клиентом, чтобы он не забыл про нас. Мы присылаем ему новости, чтобы он помнил, что мы есть.


Какие метрики мы используем в работе


У нас много метрик. Я назову те, на которые мы часто смотрим.


Время, проведенное в демодоступе. Если человек проводит в нем мало времени, то, скорее всего, он не купит. 


Время — трудно накручиваемый параметр. Бывают метрики, которые некоторые маркетологи накручивают хитрыми методами. У нас есть собственная метрика, мы считаем время, которое человек проводит на сайте. Ее довольно сложно накрутить.


Мы раздаем несколько десятков тысяч демодоступов, которыми можно бесплатно пользоваться три дня, а затем смотрим на то, как пользователи с ними взаимодействуют. Нам важно рассказать им о продукте так, чтобы они влюбились в него, начали им пользоваться и поняли, что там все есть. 


Если человек открыл демодоступ и отошел от компьютера, мы используем триггеры. Мы присылаем ему автоматическое письмо: «Вернитесь, вы там еще это не посмотрели, а там есть такой функционал и т. д.». И на то, чтобы заинтересовать пользователя, у нас есть три дня.


Торговые события. После того как мы показали продукт, мы должны ему рассказать, что он стоит этих денег и предложить купить. 


Мы присылаем рассылки или пуши, и потенциальный Клиент возвращается. Наша задача — этими сообщениями показать ему страницу, где написано, как это купить, сколько стоит, какие есть варианты и тарифы. Вернувшихся людей мы тоже считаем. 


Мы знаем, что если человека не прогреть и не показать демодоступ, то цену он даже смотреть не будет. Все эти действия, демодоступы, время, и остальные параметры влияют на степень заинтересованности продуктом. Мы ее измеряем в потенциально полученных рублях. То есть вероятность умножается на чек — сколько мы рублей потенциально можем получить с этого чека, если начнем с ним контактировать. Маркетинг должен заинтересовывать аудиторию так, чтобы горячих Клиентов с нами было все больше.

Что изменилось в маркетинге Актиона за последние 10 лет 


Раньше маркетинг Актиона был офлайновый. В 2011 году мы торговали бумажными журналами. Сейчас наши продукты цифровые, и их нужно показывать, чтобы продавать. Бумажный журнал физически сложно показать сразу всей стране.


Я помню, как мы рассылали пробные номера и писали письма. Метрик для этого еще не было. Мы просто рассылали журналы в тысячи компаний.


Сейчас все продукты и метрики цифровые. Мы показываем продукты и привлекаем лиды. А дальше продавцы знают, что с ними нужно делать.


Благодаря тому, что каждый этап цифровой, мы знаем, когда что-то идет не так, и можем оценить качество работы сотрудников.


Первые шаги в продажах через робота


Мы уже несколько лет занимаемся цифровизацией маркетинга. К 2020 году мы собрали о каждом Клиенте около 11 тыс. параметров, которые исследуют наши аналитики. С каждым годом мы все точнее формулируем предложение для заинтересованных Клиентов.


Проблема в том, что живое общение стоит дорого, а в плане продаж через холодные звонки у нас закон Паре́то в чистом виде: 80 процентов звонков дают лишь 20 процентов продаж. Хотелось бы это улучшить, поэтому мы запланировали научиться продавать с помощью робота.


Мы тестировали скрипты несколько месяцев. Подрядчик помог нам в разработке этого проекта. Наши роботы уже говорят так, что немногие догадываются об алгоритмах. Клиенты даже не спрашивают их: «Вы робот?».


Наша задача — сделать разговор с роботом похожим на общение с живым человеком. Для этого мы проанализировали звонки лучших менеджеров, которые привели к продажам. Мы отметили детали в ведении диалогов и повторили их, когда создавали робота. 


Мы работали над инфоповодами и отработкой возражений. Подбирали слова, которые часто произносят Клиенты, и выстраивали схемы диалогов. Во время тестов мы убедились, что инфоповод в начале разговора должен быть емким и кратким. Робот не может подстроиться под Клиента, как живой человек. Важно сразу заинтересовать потенциального Клиента, чтобы направить диалог в нужное направление.


«Во время тестов мы убедились, что инфоповод в начале разговора должен быть емким и кратким»


Мы хотим повторить результаты людей в метриках с использованием робота. Человек из разговора в готовую презентацию продукта превращает примерно 12–15 процентов людей, а робот где-то 7 процентов уговаривает посмотреть, что есть в продукте.


Мы проводили исследования на сотнях звонков, а дальше планируем провести на нескольких десятках тысяч. Есть маркетологи, которые в этом проекте участвуют и сейчас.

У нас некоторые маркетологи жалуются, что они делают офигенные лиды, а там просто продавцы не дожимают, плохо говорят о продукте. 


Если тем, что говорит робот, управляет маркетолог, то это его ответственность. Свалить вину на продавцов уже невозможно. Поэтому маркетологи пригоняют лиды и сами пишут фразы в этом проекте.


Инструкции для маркетологов


У нас есть учебник для маркетологов. Мы показываем его, когда к нам приходят новые сотрудники. 


Учебник полон таблиц и примеров. Он позволяет маркетологу написать сообщение о продукте лучше, чем если бы он взял его из головы. Конечно, есть гениальные маркетологи, у которых сразу хорошо получается. Но большинству специалистов учебник полезен.


Когда-то я тоже был маркетологом, который часто писал письма Клиентам. Помню этот пустой лист и первое предложение, которое написать труднее всего. Когда не понимаешь, с чего начать и для кого сел писать. 


Мы помогаем новичкам разложить все по полочкам, чтобы им было легче влиться в работу.


Отличия Актиона от конкурентов


Представим, что поисковая система на запрос бухгалтера выдает рекомендацию. Бухгалтер ошибся, потому что в ней всплыл устаревший материал, и ответить за это не кому.


Наши справочные системы всегда актуальны. То есть вы не думаете, можно ли так поступить. Заходите на сайт — если написано «поступайте так», значит, смело доверяете. Мы гарантируем, что информация всегда соответствует последнему законодательству.


Например, Яндекс выдает все ситуации, но насколько это свежая информация, решать читателю и ответственность на нем. Можете найти материал, но есть вероятность ошибиться. Алгоритмы Яндекса не всегда выдают свежий материал. Особенно часто это может произойти, когда что-то меняется. 


Иногда поисковая система не понимает, что нужен новый закон, и подсовывает новости. Бухгалтер спрашивает после выхода нового закона: «Как заполнить 6-НДФЛ?». Яндекс не понимает и показывает регулярную выдачу по этому запросу. Такое бывает часто, и не только в бухгалтерских направлениях.


Люди ошибаются при работе с поисковыми системами. Это бесплатно, но ответственность лежит на пользователе, который нашел информацию и принял решение на ее основе. Если его компанию после этого решения оштрафуют, то директор спросит его, почему тот так поступил:


— Какого чёрта?
— А я в Яндексе прочитал!
— Ну молодец.


На наши продукты и рекомендации наших систем ссылаются даже в суде. Например, когда судятся с налоговой.

«На наши продукты и рекомендации ссылаются даже в суде»


Люди прикладывают рекомендации как доказательство, что налоговая или контрагент не правы. Они прикладывают выписки с рекомендациями из программ проверки контрагентов. И делают они это с целью предоставить реальные доказательства. Статью из Яндекса вряд ли возможно приложить к делу.

Мы делаем материал понятным для читателя


Однажды я пытался разобраться в бухгалтерском вопросе. Начал с налогового кодекса: «Дай-ка я почитаю, что в кодексе написано!» И непонятно было вообще, что они имеют в виду. 


Бывает, наткнешься на закон, читаешь, как его изложили, и не понимаешь сути. Вроде бы черными буквами русским языком написано, а что делать неясно. Мы делаем наши материалы доступными и понятными, чтобы на любом уровне образования и опыта люди быстро разбирались в вопросе.

 

На рынке, кроме нашей, есть и другие справочные системы. В них тоже есть рекомендации, но основной упор на количество документов. Наша задача — дать не много документов, а один, но нужный пользователю.


«Наша задача — дать не много документов, а один, но нужный пользователю»


В другой справочной системе вы задаете запрос, и она выдает все, что есть по этому запросу. Пользователю приходится изучать: в законе написано так, аудитор сказал так, есть письмо Минфина, которое опровергает все, что сказано выше, и еще пятьсот судебных решений, которые вам нужно прочесть, чтобы разобраться.


Наш продукт не такой. Мы даем рекомендации — пошагово объясняем, что делать. У нас есть поддержка. Это живые эксперты и сотни тысяч ответов на вопросы, которые люди могут задать. Мы контролируем, что они отвечают, так как это централизованная служба с редакцией.


Пользователь спрашивает: «У меня специфическая ситуация, что мне делать?». Наши эксперты отвечают: «Делайте так», а дальше снабжают ссылками на закон. Главное — они говорят, что делать, а не дают подборку документов для самостоятельного изучения. 


В других справочных системах служба поддержки нецентрализованная. У них разные подрядчики. Из-за этого нет оценки качества. Кто-то делает хорошо, кто-то делает плохо, кто-то делает хорошие ответы, кто-то рассылает документы. Иногда вам ответят хорошо, иногда — нет.


Кого бы мы пригласили на работу в отдел маркетинга


Чтобы работать у нас, важно понимать смысл продуктов. Это нужно, чтобы писать письма, сценарии и точнее формулировать предложения для Клиентов.

Мы ищем два типа маркетологов:

1. Тот, который понимает людей и пытается разобраться в продукте. Его цель написать сообщение так, чтобы наш продукт выглядел востребованным и понятным. 


2. Тот, который больше про цифры, чем про буквы и смыслы, — digital-маркетолог. Он должен понимать, как выстроена воронка, что делать с цифрами и какие они означают результаты. Ему нужно уметь понимать взаимосвязь между тем, что он делает, и конкретными цифрами. В этом мы ему, конечно, помогаем.

Digital-маркетологу конкретные инструменты не так важны. Опыт владения инструментами будет плюсом, но это не критично. Этому мы всегда научим.


Кого бы не взяли


Не люблю людей, которые рассуждают западными терминами и не понимают, что под этим скрывается. Тех, которые услышали где-то маркетинговые фразы, хотят быть модными и о чем-то поговорить. 


Для меня это сразу сигнал, что человек руками не работает, не хочет ничего делать и пришел просто поговорить. Поговорить всегда много желающих, у нас все-таки придется работать.