Верный путь: как управлять путешествием клиента в омниканальной среде

Максим Цуканов, консультант по digital-аналитике SAS Россия/СНГ, рассказывает о том, из чего складывается путь покупателя, как его предсказывать и какими методами корректировать.

Карты путешествий – это инструмент для изучения опыта клиента, который тот получает в процессе коммуникации с брендом, включая поиск информации, выбор и приобретение товаров или услуг. Карты позволяют разложить историю взаимоотношений с клиентом на последовательность событий, которые приводили (или не приводили) к целевым действиям. На основании собранных данных по клиентам можно сделать вывод об имеющихся устойчивых последовательностях в поведении (паттерны) для разных групп (сегментов) клиентов, важности отдельных событий для достижения целевого действия, «проблемных участках» с повышенным оттоком или низкой конверсией.

Современные инструменты классической веб-аналитики могут строить карты популярных путей и переходов пользователей, визуализируя «магистрали» и «тропинки» клиентских путешествий на сайте. Такие диаграммы очень эффективны при сравнительно небольшом количестве путей на сайте и низкой вариативности возможных переходов. По мере увеличения сайта и его аудитории, традиционные диаграммы переходов становятся менее эффективны, но самое главное – они не отвечают на вопрос о том, как может сложиться путешествие конкретного индивидуального клиента.

Как путешествует клиент

Поведение клиента можно разделить на онлайн- и оффлайн-взаимодействия. Под первой категорией традиционно понимают коммуникацию через цифровые каналы, такие как сайт и мобильное приложение. За сбор данных из этих источников у нас, например, отвечает решение SAS 360 Discover, которое фиксирует все взаимодействия клиента в цифровых каналах и формирует единый расширенный клиентский профиль, включающий в себя информацию об устройствах и технологиях, используемых клиентом, равно как и геолокационные и поведенческие данные. Дополнив этот клиентский профиль информацией из оффлайн-источников, например, данными по чекам или звонкам в колл-центра, ритейлер может сформировать полную картину того, как выглядит путешествие клиента в омниканальной среде.

Клиентское путешествие, которое учитывает все контакты по всем каналам, можно проиллюстрировать следующим примером. Клиент решает купить телефон. Он заходит на сайт вашего интернет-магазина и изучает имеющиеся в продаже модели и цены (в SAS 360 Discover мы видим переходы по страницам каталога, открытие карточек товаров). Получив интересовавшую его информацию, он переходит на сайты других продавцов и специализированных ресурсов, где продолжает поиск (в аналитическую систему при этом поступает информация из сторонних DMP систем о посещении клиентом определенных сайтов; клиент попадает в сегмент на ретаргетинг). На следующий день клиент заходит в мобильное приложение вашего магазина и видит специальное предложение на покупку телефона (магазин распознал потребность, оценил вероятность покупки и пытается конвертировать интерес клиента в покупку с помощью SAS 360 Engage – инструмента персонализации клиентских путешествий). Клиент изучает предложение, но не совершает покупку. В течении следующих нескольких дней клиент не совершает никаких действий (нет информации о посещениях web-сайта или мобильного приложения). Однако на основании данных из транзакционной системы становится известно о приобретении клиентом телефона в одной из оффлайновых розничных точек вашей сети. На аналитическом отчете об эффективности маркетинговых коммуникаций показанное предложение помечается как успешное, клиент исключается из коммуникаций по продвижению данного товара.

Немного теории: как собирается информация о маршруте клиента

В основе любой аналитической модели лежат правильным образом собранные и подготовленные данные. С помощью специальных сервисов, вебсайт или мобильное приложение маркируется (или тэггируется) для того, чтобы собирать информацию об открытых страницах, кликах, отправке форм и других действиях пользователя. Для захвата более сложных событий или данных, например, информации о товарах в корзине пользователя или о статусе заказа, настраиваются специальные правила. Они позволяют учесть особенности работы сайта и мобильного приложения, что в значительной степени упрощает дальнейшую работу с собранными данными. После сбора данные нужно правильным образом подготовить – нормализовать. Из неструктурированной формы они трансформируются в удобный и привычный вид реляционной базы данных, между сущностями создаются связи, формируются и обновляются справочники. Важно отметить, что ни на одном из этапов недопустима потеря данных, которая может произойти, в том числе, в виду применения техник сэмплирования или агрегации. Основная конечная цель этапов сбора и подготовки данных – передать аналитику максимально полные и достоверные данные.

Как прогнозировать маршрут клиента

На основании собранных данных настраивается сегментация клиентской базы, выделяются устойчивые группы клиентов, обладающих похожими характеристиками. Это в том числе может быть склонность к приобретению товаров определенных категорий, продолжительность и частота пользования сервисами, используемые технологии, регион пребывания и прочие. Склонность к тем или иным покупкам и их вероятность можно взять не только из анкет и данных об интересах пользователя. Зачастую это расчетные показатели, полученные, например, с помощью моделей линейной регрессии или дерева решений.

Модели берут за основу самые важные характеристики (факторы, наиболее сильно влияющие на покупку), которые объединяют клиентов, уже совершивших покупку в заданной категории, и делают прогноз вероятности покупки для потенциальных покупателей. Профиль клиента сопоставляется с данными по покупкам похожих клиентов, также учитываются влияющие факторы, и на выходе аналитик получает рассчитанную вероятность покупки.

В том случае, если сайт насчитывает множество страниц, целесообразно произвести объединение этих страниц в категории. Принцип разбиения на категории определяется исходя из специфики бизнеса и устройства сайта. Страницы могут разбиваться на категории по товарам и брендам или типу (например, продуктовые, платежные, информационные).

Для каждого сегмента происходит поиск путей или переходов, при этом можно использовать ассоциативный анализ. Если говорить кратко, то ассоциативный анализ позволяет определить, какова вероятность перехода на страницу С, если клиент до нее посетил страницы А и В. Также ассоциативный анализ показывает насколько устойчивым является найденный паттерн АВС (как часто он встречается среди всех найденных паттернов). Далее выделяются те паттерны, которые ведут к желаемому целевому событию на сайте (например, оформлению заказа).

Примером паттерна может быть такая последовательность действий: переход на главную страницу сайта, переход на страницу с описанием товара, нажатие кнопки «оформить заказ», переход на страницу с формой отправки заказа, нажатие кнопки «подтвердить заказ (достигнуто целевое действие)». Такие паттерны называются успешными.

Каждому успешному паттерну может соответствовать несколько похожих, но не приводящих к желаемому результату паттернов. Например, неуспешным паттерном может быть следующая последовательность: переход на главную страницу сайта, переход на страницу с описанием товара, нажатие кнопки «оформить заказ», переход на страницу с формой отправки заказа, завершение сессии (не наступило целевое событие нажатия на кнопку «подтвердить заказ». Обладая этой информацией уже можно судить об эффективности сайта для достижения заданных целей различными группами клиентов.

Как не дать ему уйти

Далее для каждого сегмента настраиваются целевые «путешествия», то есть паттерны, которые должны приводить к достижению заданной цели. У нас для этого используется решение SAS 360 Engage, которое позволяет настраивать путешествия в виде последовательности кубиков внутри графического интерфейса. На карте путешествия фиксируются важные страницы или события – точки бифуркации, на которых клиент может совершить выход с успешного паттерна или вероятность такого выхода высока. На основании получаемых событий из сессии клиента, самообучающаяся модель определяет вероятность отклонения клиента от целевого паттерна. Если есть необходимость в оркестрировании путешествия клиента, решение осуществляет персональную коммуникацию с клиентом, направляя его на правильный паттерн. Такой подход может использоваться как для повышения конверсии посетителей сайта, так и для снижения оттока и развития клиентов.

Пример: на сайт зашел клиент, относящийся к сегменту постоянных покупателей. Представители этого сегмента хорошо знакомы с устройством сайта, ранее совершали покупки. Однако клиентское путешествие складывается не так, как предполагалось: клиент дважды переходит из страницы подтверждения заказа на страницу с выбором товара. Это поведение ненормально для данного сегмента покупателей, в работу включается оркестратор путешествий. Как только клиент проходит второй цикл переходов между страницами, принудительно вызывается окно чата, в котором оператор уточняет все ли в порядке и предлагает помощь (клиент пытался применить просроченный сертификат на скидку). В том случае, если в онлайн прокоммуникцировать с клиентом не удалось, и он не завершил оформление, то информация передается в оффлайн email рассылку с просьбой подтвердить заказ или сообщить об имеющейся проблеме с его оформлением.

Важно помнить, что любая коммуникация должна быть своевременной и полезной для клиента, поэтому одной из прикладных задач управления путешествием клиента является минимизация избыточных взаимодействий с клиентом (вспомните раздражающие всплывающие баннеры в Интернет).

Поиск и отслеживание паттернов, а также формирование комплекса мер по настройке и оркестрами клиентских путешествий в цифровых каналах коммуникации – это непростая, но в тоже время крайне актуальная задача, решить которую помогут правильным образом выбранные инструменты.