Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть

Маекс Димитри

Меня с Майком подобная информация восхитила, но я понимал, что вряд ли она вдохновит кого-то еще в компании. С какой стати? Просто набор цифр? Поэтому мы поставили перед собой задачу показать маркетологам, как уже имеющиеся у них данные помогут им принимать правильные решения. Это следовало сделать максимально просто. Нам был необходим рассказ о цифрах, поскольку сами по себе, оставаясь голыми, они ни в чем никого не способны убедить.

Я начал манипулировать данными, пытаясь найти способ изобразить маркетинговую стратегию Cisco более наглядным образом. В итоге я решил взять на вооружение довольно простую идею, которую ранее уже использовал в Ogilvy, – это матрица «два на два», названная «Модель ценностного спектра» (см. ниже).

Матрица

представляет собой простое упражнение по сегментированию, делящее ваших клиентов на четыре категории в зависимости от уровня их ценности для вас, то есть, по сути, она помогает понять, на кого стоит тратить время, а от кого можно безболезненно отказаться. Детально я буду рассказывать о матрице в третьей главе, а пока посмотрите, как она выглядит в варианте Cisco.

Поиск дополнительного миллиарда в системе сбыта

Если вы уже делали нечто подобное, занимаясь сегментацией, то такой вид матрицы вам знаком. Однако сегодня возможно делать массу вещей, о которых совсем недавно нельзя было и мечтать. В прежние времена вы могли разделить клиентов на четыре группы, руководствуясь концептуальными соображениями. Разумеется, вы при этом четко понимали, кто входит в список ваших двадцати пяти ключевых клиентов. Возможно, вы представляли и следующую группу, состоящую примерно из пятидесяти клиентов, но вряд ли были бы способны назвать каждого из них. Словом, вы знали, что в северо-восточном регионе страны у вас имеется тысяча постоянных клиентов, но при этом вряд ли могли бы вычленить из них конкретную Мэри Смит. Вы не знали, ни где она живет (123, Мэйн-стрит, Плимут, Массачусетс), ни как связаться с ней (телефон [phone]; электронная почта [email protected]). Этого не могла сделать и Cisco. В наши времена все иначе. Вы можете воспользоваться методами, описанными ниже в этой книге, не только для того, чтобы сегментировать свою клиентскую базу, но и чтобы выделить каждого из них (чем в наши дни Cisco занимается на регулярной основе).

Вы можете пойти дальше. Так как у большинства компаний имеются данные о том, сколько клиенты им платят, мы разработали для Cisco статистическую модель, показывавшую, сколько денег ее клиенты тратят на продукцию конкурентов компании. Это далеко не мелочь. Если вы знаете, что вам принадлежит львиная доля бюджета клиента, то наверняка не захотите тратить лишние суммы на бесплодные попытки убедить его покупать еще больше. У него может просто не найтись больше денег. Напротив, если вы знаете, что вам принадлежит лишь 10 % кошелька ваших клиентов, то можете разработать довольно агрессивную политику по получению оставшихся 90 %.

Каким образом мы выяснили, сколько тратили клиенты Cisco на конкурентов? Давайте предположим, что в Чикаго имеются два архитектурных бюро с одинаковым оборотом и двадцатью пятью сотрудниками в каждом. Из своих баз данных мы знали, что фирма A&A тратит на приобретение информационных технологий 50 тысяч долларов в год (причем отдавая всю эту сумму Cisco). Также наши записи показывают, что бизнес с Cisco ведет и фирма B&B, перечисляющая компании за услуги 10 тысяч долларов в год. Cisco в точности не знает, сколько тратит на информационные технологии фирма B&B, однако понимает, что профиль компании очень похож на профиль деятельности ее конкурентов в A&A. Это означает, что Cisco с большой степенью вероятности может быть уверена, что B&B тратит 40 тысяч долларов из своего годового бюджета на информационные технологии, закупая их у кого-то еще. За эти тысячи имело смысл побороться.

Выстроенные нами статистические модели позволяли проводить сходную оценку в гораздо больших масштабах, среди миллионов компаний по всему миру. Они давали нам возможность выявить клиентов-«джекпотов» в структуре «Ценностного спектра» и узнать о них побольше: что они покупали, в каких объемах, когда, по каким мотивам,

какие еще продукты они приобрели – этот список может быть бесконечным.

Но даже в этом случае данные нужно было предоставлять ясным и простым образом. Мне доводилось выстраивать для своих клиентов массу довольно комплексных сегментационных структур, которые помогали выявлять наиболее потенциально прибыльных клиентов (о некоторых из этих структур мы поговорим позднее), но я почти всегда возвращался к старому доброму «Ценностному спектру» с его «джекпотами», «самородками» и прочими персонажами. Когда данные показываются подобным образом, выводы кажутся очевидными, а маркетологи довольно быстро понимают, каким образом их можно использовать.

Майку такой подход понравился. Он тут же понял, что такое простое изложение фактов, представленное в виде матрицы «два на два», способно идеально продемонстрировать всю силу баз данных, которые он уже несколько лет выстраивал в Cisco. Это не было теоретическим упражнением. Мы на самом деле привязали модель к реальной базе данных. Иными словами, если кто-то из продавцов захотел бы получить список «джекпотов» в Детройте, то мы могли предоставить ему список компаний с именами, телефонами и лицами, принимавшими решения. История получилась простой, но мощной.

Используя все свои контакты и знакомства, мы получили разрешение представить свою модель вниманию сотрудников отдела продаж. Я помню, как в конце моего выступления кто-то пошутил: «Не думаю, что вы сможете вытащить какой-нибудь „джекпот“ прямо сейчас». И вот тут мы вручили аудитории списки «джекпотов» и «самородков» – естественно, в соответствии с областью ответственности каждого сотрудника. Публика от восторга потеряла дар речи. Умудрившись привлечь на свою сторону продавцов, мы привлекали внимание маркетингового сообщества Cisco. Меня попросили сделать презентацию для Джеймса Ричардсона, занимавшего в то время в Cisco пост директора по маркетингу. В сложившейся ситуации это могло дать серьезный шанс, и нам предстояло постараться и доказать, что наша матрица действительно работает. На тот период мы еще не были готовы доходчиво рассказывать, каких успехов с нашими данными могли достичь продавцы, поэтому мы решили внимательнее изучить уже имеющиеся факты. Чтобы не утонуть в материале, мы выделили из всего рынка Cisco один конкретный сегмент – небольшие и средние компании – и оценили изменения в покупательском поведении этой группы в течение определенного времени. (Например, клиенты, прежде бывшие «золотыми самородками», переходили в группу «джекпотов», а клиенты, составлявшие группу «желудей», вдруг становились «самородками». Думаю, идея понятна.)

Приведенная ниже матрица показывает количество компаний, перешедших из одного сегмента в другой, и изменения доходов, связанные с такой миграцией.

Хотя таблица охватывала все изменения, из ее содержания не был понятен смысл произошедшего. Иными словами, у меня не было ясного рассказа, который помог бы объяснить все эти цифры. Поэтому мы с Майком упростили цифры в таблице, чтобы наглядно показать как хорошие, так и плохие изменения.

С помощью нашего аналитического метода Cisco смогла узнать многое: за два финансовых года (2002/2003 и 2004/2005) доходы компании в сегменте небольших и средних компаний выросли на 404 миллиона долларов; причины такого роста; точное понимание того, где именно компания теряла доходы.

Наша последняя таблица получилась лучше, чем изображенная выше детальная таблица. Тем не менее мне все равно казалось, что этого недостаточно. Думаю, в подобной ситуации вы наверняка не захотите ждать, пока ваш начальник или акционер спросит: «Ну и что все это значит?» Вы стремитесь к полной ясности.