Аналитика в маркетинге — инструмент, который не даёт бизнесу действовать наугад: повторять ошибки или игнорировать результативные шаги. Причём эффективный анализ направлен не только в прошлое, но и в будущее. Располагая данными, мы можем формулировать гипотезы и предсказывать поведение клиентов без гаданий на кофейной гуще.
В статьей поговорим о двух аналитических методах: ретроспективе и прогнозе, которые часто путают. Если кратко:
- Ретроспектива — это взгляд назад, анализ уже совершённых действий. Он близок к понятию RTM (Real-Time-Marketing), потому что направлен на то, что уже произошло или происходит в недалёком прошлом.
- Предиктивная аналитика или Прогноз — это взгляд через прошлое в будущее. Мы используем имеющуюся информацию, чтобы сделать предположение о том, что произойдёт.
Что такое ретроспектива
Ретроспектива — это метод анализа, при котором вы располагаете точными данными. Ретроспективой занимаются в конце «эксперимента» перед началом нового. Она позволяет отделить гипотезы, которые сработали, от тех, что не взлетели.
С помощью ретроспективы вы также можете оценить, насколько практика отличается от плана. Допустим, при внедрении онлайн-чатов на сайте вы ожидали, что количество обращений снизится на 50%, а оно снизилось всего на 15%. Дальше у вас будут данные, чтобы обсуждать, почему так произошло и что предпринять, чтобы достичь желаемого показателя.
Как сделать ретроспективу
Ретроспективный анализ проводят для того, чтобы исключать всё, что не даёт прибыли, и сделать удачные гипотезы частью маркетинговой системы. Его применяют в большинстве сфер, мы расскажем на примере email-маркетинга.
Вот из каких этапов состоит ретроспектива по доходности email-канала:
- Сегментировать базу подписчиков.
- Сформулировать гипотезы по рассылкам. Например, предполагаем, что у приветственной серии писем компании N будет 50% открытий, 20% кликов и средний чек 5 000 руб.
- Собрать информацию (фактические показатели по параметрам из предыдущего этапа).
- Проверить, сработала ли гипотеза. В случае с доходностью email-канала считается потерянная прибыль и для этого подсчёта нужно сравнить соотношение прогнозируемой и фактической выручки.
Пример годовой ретроспективы по доходности email
Что такое предиктивная аналитика (прогноз)
Предиктивная аналитика или прогноз — это анализ, который использует методы, включающие статистику, big data и теорию игр. Вы предсказываете будущие данные на основании больших данных. По факту в нём используются модели/паттерны поведения пользователя. Делая прогноз, вы предполагаете, что это не случайность, а закономерность, которая действует в смежных сферах или массово.
Когда применяется предиктивная аналитика
- Для расчёта показателя Lifetime Value (пожизненной ценности), чтобы понять, сколько прибыли принесёт клиент, пока будет пользоваться вашими услугами.
- Перед внедрением новой услуги или товара, чтобы определить, «попадаёт» ли они в вашу аудиторию.
- При составлении плана продаж в следующих кварталах.
- Чтобы спрогнозировать отток клиентов в будущем.
- Чтобы разработать подходящие рекомендации, основываясь на поведении пользователя на сайте.
- Чтобы отсеивать мошенников на этапе анкетирования (часто применяется в банковской сфере при кредитном скоринге).
- Для управления рисками в результате анализа случающихся событий.
Как сделать прогноз
Продемонстрируем, как применяется прогноз в email-маркетинге.
Перед тем, как внедрять рассылки, которые могут стоит до 300 тыс рублей в месяц, владельцам бизнеса хочется понимать, какую прибыль это принесёт. Чтобы рассчитать, маркетологи составляют прогнозы.
Вот из каких этапов состоит построение прогноза в этом случае:
- Понять потребности бизнеса и составить план рассылок.
- Собрать исходные данные (по сеансам, пользователям, новым посетителям и рассылкам, если они отправлялись раньше) за прошлый год.
- Проанализировать собранную информацию (динамику трафика, клиентской базы, среднего чека и других показателей рассылок), чтобы учесть сезонность и исключить аномалии при составлении прогноза. А также рассчитать взаимосвязь основных показателей с акциями и кампаниями, на них влияющими.
- Составить график прироста клиентской базы с учётом отписок и чисток от недействительных адресов, естественного роста. То же самое сделать для типов писем (при обобщённом прогнозе), каждого отдельного письма (детальный прогноз).
Пример итогового прогноза по рассылкам
Какие инструменты можно использовать
Чтобы автоматизировать часть процесса, рекомендуется использовать сервисы для прогнозной аналитики. Перечислим четыре популярных платных инструмента. Для работы с ними вам потребуется знание английского.
Infer Облачная платформа, которая позволяет сделать прогноз и оптимизировать воронки продаж и маркетинга с помощью IE. Она объединяет многочисленные источники данных, чтобы дать объёмную картину воронки продаж. Платформа отслеживает все сигналы из публичных баз данных.
Radius Облачная платформа для B2B-сегмента, которая сравнивает вашу компанию с конкурентами на основе общей аудитории. Ориентируясь на неё, вы сможете создавать маркетинговые списки и делать прогнозы.
Board Программное обеспечение для предикативных анализов. Используя его, вы можете составлять различные сценарии и сразу анализировать, насколько модель будет работать.
TIBCO Платформа, которая позволяет компаниям внедрять инновационные методы и быстрее конвертировать данные в результат.
Также вы можете использовать бесплатные системы для предиктивного анализа: KNIME, Orange, Python, RapidMiner, Weka.
Чем ретроспектива отличается от прогноза
Маркетинг — это чрезвычайно динамичная сфера, в которой важно не только привлекать новых клиентов, но и понимать закономерности, учитывать контекст и персонализировать предложение. Эту информацию очень сложно получить, если вы используете только собственный опыт вашей компании.
Главное отличие ретроспективного анализа от предиктивного состоит в том, что в первом случае вы ориентируетесь на имеющиеся конкретные факты поведения ваших клиентов и «ограничиваете» себя только им, а во втором — на большой массив данных (которые могут не иметь отношения к вашим клиентам). Прогнозы позволяют быстрее реагировать на изменения рынка и внедрять инновационные решения.
При составлении прогнозов используются более современные технологии с применением искусственного интеллекта, Machine Learning и Data Science. Ретроспективный анализ базируется на СУБД и Power BI.
Предиктивная аналитика не лишена риска. В конечном итоге даже большие массивы данных и закономерности могут не сработать в отдельно взятом случае. Однако со временем технологии совершенствуются и позволяют оценивать риски моделей на основе анализа контекста и экспериментов других компаний.
