Сегодня у нас в гостях Наталья Петрова, ведущий эксперт по маркетингу в области сегментации клиентов, действующий член Гильдии Маркетологов, Международного Союза экономистов и Национальной Гильдии Профессиональных Консультантов, автор множества научных статей по маркетингу и экономике и автор методического пособия по психографической сегментации клиентов.

Наталья, добрый день! У вас многолетний опыт в retention, мы читали о вашем кейсе в Ростелекоме, где вы “спасали” клиентскую базу всей страны этого федерального интернет-провайдера.
Для начала, расскажите, какие стратегии удержания клиентов вы считаете наиболее эффективными в современных условиях рынка?
Очень хороший вопрос. В современном мире конкуренция на рынке очень высока, и удержание клиентов становится все более важной задачей для компаний, ведь большинство сфер уже просто “переманивают” клиентов от одной компании к другой.
Особенно это касается сферы телекоммуникаций - вряд ли у кого-то в России дома нет интернета. Поэтому компании клиента уже не привлекают, а уводят у конкурента.
Одним из ключевых трендов в формировании стратегий в таких условиях является персонализация. Она включает в себя создание уникального опыта для каждого клиента, исходя из его предпочтений и поведения – рассылки и акционные предложения по типу “коврового покрытия” уже не работают, людям нужно чувствовать себя ценными.

 
Звучит интересно. А какие метрики и инструменты анализа вы используете для измерения оттока клиентов?
Наиболее распространенными метриками для анализа оттока являются Retention Rate, Churn Rate и Lifetime Value (LTV). Retention Rate показывает, сколько клиентов стали активными после реактивационной кампании за определенный период. Churn Rate показывает, сколько клиентов вы потеряли от активной клиентской базы за период. LTV позволяет оценить сумму, которую вам принес клиент на протяжении всего сотрудничества с компанией.

Как вы видите использование ИИ в работе с оттоком и удержанием клиентов? Расскажите, пожалуйста, подробнее.
Я думаю, что будущее работы с оттоком будет сосредоточено на еще большей персонализации и использовании новых технологий, таких как искусственный интеллект и автоматизация. Нужно подключать машинное обучение к анализу исторических данных.
ИИ может предсказывать потенциальный отток клиентов, анализируя разнообразные факторы и поведенческие модели. Персонализация коммуникации, оптимизация предложений и в целом, ИИ способен анализировать эффективность различных стратегий удержания и оптимизировать их для достижения максимального воздействия, что снижает издержки и повышает ROI.
Тем не менее, необходимо подчеркнуть, что без человеческого вмешательства достижение значительного профита может быть затруднено. Если говорить о дальнейших шагах после получения анализа, интерпретация и принятие решений всегда остаются за человеком. Также требуется соблюдать этические и правовые аспекты. Важным аспектом удержания клиентов является эмоциональная связь, которую ИИ пока что не способен полностью заменить. Понимание человеческих эмоций и нюансов коммуникации важно для глубокого взаимодействия с клиентами.

Вы недавно издали методическое пособие по психографической сегментации клиентских данных, и мы знаем, что оно уже активно пользуется спросом. Вы в нем описываете множество деталей по использованию машинного обучения и даете практические советы.
Расскажите простыми словами как работают нейронные сети в маркетинге.
Нейронные сети функционируют, моделируя работу человеческого мозга, но в цифровой форме. Давайте рассмотрим примерный процесс.
Путь начинается с входных данных. Это может быть что угодно: изображения, текст, числа, звуки и так далее. В случае прогнозирования оттока, обычно это данные о клиентах, такие как их покупки, демографические характеристики, поведение на сайте, в приложении, реакции на акции и т.д.
Потом эти данные передаются на входные слои нейронной сети. Входные слои содержат нейроны, каждый из которых связан с одним элементом входных данных. Каждая связь между нейронами имеет свой вес. Вес определяет важность этой связи. Вес меняется в процессе “обучения”.
Помимо входных слоев, в нейронных сетях обычно есть скрытые слои. Эти слои между входом и выходом являются местом, где нейронная сеть обнаруживает сложные зависимости в данных. Глубокие сети имеют множество скрытых слоев, что позволяет им моделировать очень сложные функции. Здесь нейросеть первично “думает”.
После прохождения через скрытые слои данные достигают выходного слоя. Выходной слой содержит результаты работы сети, которые могут быть числами, категориями или любой другой формой выходных данных. Это значит, что нейросеть что-то “надумала”.
После того как предсказания получены, они сравниваются с фактическими данными, и высчитывается ошибка. Затем используется алгоритм обратного распространения ошибки, чтобы скорректировать веса и уменьшить ошибку.

Этот процесс повторяется множество раз на большом объеме данных. Веса подстраиваются так, чтобы сеть могла делать более точные прогнозы.
После обучения нейронная сеть может использоваться для прогнозирования оттока. Клиентские данные подаются на вход сети, и она выдает прогноз, будет ли клиент уходить в отток или нет.
Производится оценка эффективности модели на тестовых данных.
Такой процесс позволяет компаниям отслеживать высокорисковых клиентов и проактивно выходить с ними на контакт. Конечно, это помогает удерживать клиентов и увеличивать прибыль.

У вас есть несколько статей в авторитетных научных журналах, на тему использования ИИ, как например, “Значение искусственного интеллекта в формировании доходов организации” и “Искусственный интеллект как механизм предотвращения оттока клиентов”.
Расскажите, какие еще процессы может задеть машинное обучение в маркетинге?
С помощью ИИ можно обрабатывать огромные объемы данных и находить неочевидные зависимости, как в плане прогнозирование оттока, так и в сервисной части – можно отследить человека неудовлетворенного сервисом или заблудившегося на сайте, не говоря уже о попытке бросить корзину до “разлогирования”.
Многочисленные исследования движения зрачков при использовании продукта приносят баснословные дополнительные доходы в результате.
Не будем забывать об оценке эффективности маркетинговых кампаний, снижении ошибок (особенно “человеческого фактора”) и затрат, уменьшению нагрузки на персонал.
Интересно, что можно анализировать эмоциональный отклик на сообщение, изображение, эффективность кликов, расположения и формы кнопок, форм и т.д.
По большей части мы говорим о многомерной сегментации и максимально персонализированном подходе, что безусловно конвертит.

За последние пару лет вы погрузились в научную сторону вопроса, стали писать научные статьи, выпустили методичку. Теперь вас пригласили быть рецензентом в научном журнале. Расскажите, как вы пришли к исследованиям в своей сфере и что чувствуете от своего успеха?
У меня действительно большой опыт в крупных компаниях, были масштабные проекты. Когда через это проходишь, становишься специалистом, который задумывается о картине происходящего не только с точки зрения задачи. Это уже становится твоим делом, которое отзывается внутри. Появляется желание придумать, а как эти же процессы можно адаптировать, изменить, оптимизировать. Как сделать процесс короче, лучше, продуктивнее.
Научные исследования дали мне почву для следующей ступени, я сделала новый рывок, как специалист. Когда садишься за написание научной работы, ты собираешь воедино частички знаний, опыта, накладываешь это на процесс и видишь ситуацию как-то иначе. Хочется передать свои знания, помочь начинающим специалистам - поэтому начинаешь “выкладывать” материал во внешний мир.

Благодарим вас за разъяснения, Наталья. Вы бы хотели что-то посоветовать нашим читателям?
В завершение хочу подчеркнуть, что постоянный анализ клиентской базы с применением методов машинного обучения прямо сейчас является ключевым для успешного взаимодействия с клиентами в долгосрочной перспективе. Интеграция различных источников данных поможет создать полную картину и понять изменения в предпочтениях и поведении клиентов.
Кроме того, важно гибко реагировать на тренды и изменения в отрасли.
Однако не забывайте, что все эти инструменты — это лишь средства достижения вашей основной цели: укрепления клиентской лояльности. Желаю вам успехов в этом важном процессе!

Автор статьи: Левков Сергей Александрович