Маркетинг баз данных — это форма прямого маркетинга , которая использует базы данных клиентов или потенциальных клиентов для создания персонализированных коммуникаций с целью продвижения продукта или услуги в маркетинговых целях. Методом коммуникации может быть любой адресуемый носитель, как в прямом маркетинге .
Различие между прямым маркетингом и маркетингом на основе баз данных в первую очередь обусловлено вниманием, уделяемым анализу данных. Маркетинг на основе баз данных делает акцент на использовании статистических методов для разработки моделей поведения клиентов, которые затем используются для выбора клиентов для коммуникаций. Как следствие, маркетологи баз данных также склонны быть активными пользователями хранилищ данных , поскольку наличие большего объема данных о клиентах увеличивает вероятность того, что может быть построена более точная модель.
Существует два основных типа маркетинговых баз данных: потребительские базы данных и бизнес-базы данных. Потребительские базы данных в первую очередь ориентированы на компании, которые продают потребителям, часто сокращенно обозначаемые как [бизнес-потребителю] ( B2C ) или BtoC [ требуется цитата ] . Базы данных бизнес-маркетинга часто гораздо более продвинуты в информации, которую они могут предоставить. Это в основном потому, что бизнес-базы данных не ограничены теми же законами о конфиденциальности , что и потребительские базы данных.
«База данных» обычно представляет собой имя, адрес и историю транзакций из внутренних систем продаж или доставки или выкупленный скомпилированный «список» из другой организации, которая собрала эту информацию у своих клиентов. Типичными источниками скомпилированных списков являются формы благотворительных пожертвований, формы заявок на любой бесплатный продукт или конкурс, гарантийные талоны на продукты, формы подписки и формы заявок на кредит.
Маркетинг на основе баз данных появился в 1980-х годах как новая, улучшенная форма прямого маркетинга. В этот период традиционное «посредничество в списках» находилось под давлением модернизации, поскольку оно было офлайновым и основано на лентах, а также потому, что списки, как правило, содержали ограниченные данные. [1] В то же время, с появлением новых технологий, позволяющих записывать ответы клиентов, прямой маркетинг набирал силу с целью открытия двусторонней коммуникации или диалога с клиентами.
Роберт Д. «Боб» и Кейт Кестнбаум разработали новые показатели для прямого маркетинга, такие как пожизненная ценность клиента , и применили финансовое моделирование и эконометрику к маркетинговым стратегиям. [2] В 1967 году они основали консалтинговую фирму Kestnbaum & Co, в которой работали несколько известных специалистов по маркетингу баз данных, таких как Роберт Блаттберг, Рик Курто и Роберт Шоу .
Кестнбаум сотрудничал с Шоу в 1980-х годах в нескольких разработках баз данных для онлайн-маркетинга — для BT (20 миллионов клиентов), BA (10 миллионов) и Barclays (13 миллионов). [3] Шоу включил новые функции в подход Кестнбаума, включая автоматизацию телефонных и полевых каналов продаж , оптимизацию стратегии контактов, управление и координацию кампаний, управление маркетинговыми ресурсами, маркетинговую отчетность и маркетинговую аналитику. Конструкции этих систем впоследствии широко копировались и включались в пакеты CRM и MRM в 1990-х годах и позже. [4]
Самое раннее зафиксированное определение маркетинга баз данных было дано в 1988 году в одноименной книге (Shaw and Stone 1988 Database Marketing): [ необходима ссылка ]
Рост маркетинга баз данных обусловлен рядом экологических проблем. Флетчер, Уилер и Райт (1991) [5] классифицировали эти проблемы по четырем основным категориям:
Шоу и Стоун (1988) отметили, что компании проходят эволюционные фазы в разработке своих систем маркетинга баз данных. Они выделяют четыре фазы разработки баз данных:
Хотя организации любого размера могут использовать маркетинг баз данных, он особенно хорошо подходит компаниям с большим количеством клиентов. Это связано с тем, что большая совокупность обеспечивает большую возможность находить сегменты клиентов или потенциальных клиентов, с которыми можно общаться в индивидуальной манере. В меньших (и более однородных) базах данных будет сложно оправдать с экономической точки зрения инвестиции, необходимые для дифференциации сообщений. В результате маркетинг баз данных процветает в таких секторах, как финансовые услуги, телекоммуникации и розничная торговля, все из которых способны генерировать значительные объемы данных о транзакциях для миллионов клиентов.
Приложения для маркетинга баз данных можно логически разделить на маркетинговые программы, которые охватывают существующих клиентов, и те, которые нацелены на потенциальных клиентов.
Для существующих клиентов более опытные маркетологи часто создают обширные базы данных с информацией о клиентах. Они могут включать в себя различные данные, включая имя и адрес, историю покупок и покупок, демографические данные и историю прошлых коммуникаций с клиентами. Для более крупных компаний с миллионами клиентов такие хранилища данных часто могут иметь размер в несколько терабайт.
Маркетинг для потенциальных клиентов в целом, маркетологи баз данных стремятся иметь как можно больше данных о клиентах и потенциальных клиентах. Маркетинг в значительной степени опирается на сторонние источники данных. В большинстве развитых стран существует ряд поставщиков таких данных. Такие данные обычно ограничиваются именем, адресом и телефоном, а также демографическими данными, некоторые из которых предоставляются потребителями, а другие выводятся составителем данных. Компании также могут получать данные о потенциальных клиентах напрямую с помощью розыгрышей, конкурсов, онлайн-регистраций и других мероприятий по генерации лидов.
Для многих маркетологов компаний B2B ( бизнес для бизнеса ) количество клиентов и перспектив будет меньше, чем у сопоставимых компаний B2C (бизнес для потребителя ). Кроме того, их отношения с клиентами часто будут зависеть от посредников, таких как продавцы, агенты и дилеры, а количество транзакций на одного клиента может быть небольшим. В результате маркетологи B2B могут не иметь в своем распоряжении столько данных, сколько маркетологи B2C.
Еще одна сложность заключается в том, что B2B-маркетологи, нацеливаясь на команды или «аккаунты», а не на отдельных лиц, могут создавать множество контактов из одной организации. Определение того, с каким контактом общаться посредством прямого маркетинга, может быть сложным. С другой стороны, это база данных для B2B-маркетологов, которая часто включает данные о деловой активности соответствующего клиента.
Эти данные становятся критически важными для сегментации рынков или определения целевых аудиторий, например, покупки продлений лицензий на программное обеспечение телекоммуникационными компаниями могут помочь определить, какой технолог отвечает за установку программного обеспечения, а какой — за закупку программного обеспечения и т. д. Клиенты в среде B2B часто склонны быть лояльными, поскольку им необходимо послепродажное обслуживание для их продуктов, и они ценят информацию об обновлениях продуктов и предложениях услуг. Эту лояльность можно отслеживать с помощью базы данных.
Источниками данных о клиентах часто являются сотрудники отдела продаж, работающие в компании, и инженеры по обслуживанию. Все чаще онлайн-взаимодействие с клиентами предоставляет B2B-маркетологам более дешевый источник информации о клиентах.
Для получения данных о потенциальных клиентах предприятия могут приобретать данные у компиляторов бизнес-данных, а также собирать информацию из своих прямых продаж, интернет-сайтов и специализированных изданий.
Компании с большими базами данных информации о клиентах рискуют оказаться «богатыми данными и бедными информацией». В результате значительное внимание уделяется анализу данных. Например, компании часто сегментируют своих клиентов на основе анализа различий в поведении, потребностях или отношении своих клиентов. Распространенным методом поведенческой сегментации является RFM (ценность клиента) , в котором клиенты помещаются в подсегменты на основе новизны, частоты и денежной стоимости прошлых покупок. Ван ден Поэль (2003) [6] дает обзор прогностической эффективности большого класса переменных, обычно используемых в моделировании маркетинга на основе баз данных.
Они также могут разрабатывать предиктивные модели, которые прогнозируют склонность клиентов вести себя определенным образом. Например, маркетологи могут построить модель, которая ранжирует клиентов по вероятности их реакции на рекламную акцию. Обычно используемые статистические методы для таких моделей включают логистическую регрессию и нейронные сети .
Другие виды анализа включают в себя:
По мере роста маркетинга баз данных он стал объектом повышенного внимания со стороны защитников конфиденциальности и государственных регулирующих органов. Например, Европейская комиссия установила набор правил защиты данных, которые определяют, как можно использовать данные клиентов и как потребители могут влиять на то, какие данные сохраняются. В Соединенных Штатах существует множество государственных и федеральных законов, включая Закон о добросовестной кредитной отчетности, или FCRA (который регулирует сбор и использование кредитных данных), Закон о переносимости и подотчетности медицинского страхования (HIPAA) (который регулирует сбор и использование данных о здоровье потребителей), а также различные программы, которые позволяют потребителям скрывать свои телефонные номера от телемаркетинга .
Хотя идея хранения данных о клиентах в электронных форматах для использования их в целях маркетинга баз данных существует уже несколько десятилетий, доступные сегодня компьютерные системы позволяют получить полную историю поведения клиента на экране, пока бизнес взаимодействует с каждым человеком, тем самым производя бизнес-аналитику в режиме реального времени для компании. Эта возможность позволяет осуществлять то, что называется персонализацией или маркетингом один на один .
Сегодняшние системы управления взаимоотношениями с клиентами (CRM) используют сохраненные данные не только для целей прямого маркетинга, но и для управления всеми отношениями с отдельными контактами клиентов и для разработки более персонализированных предложений продуктов и услуг . Однако сочетание CRM, управления контентом и инструментов бизнес-аналитики делает доставку персонализированной информации реальностью.
Маркетологи, обученные использованию этих инструментов, способны осуществлять работу с клиентами, которая представляет собой тактику, направленную на установление связи с каждым сотрудником организации в нужное время, используя правильную информацию для удовлетворения потребностей клиента в продвижении по процессу выявления проблемы, изучения доступных вариантов ее решения, выбора правильного решения и принятия решения о покупке.
Из-за сложностей маркетинга B2B и запутанности корпоративных операций требования, предъявляемые к любой маркетинговой организации для формулирования бизнес-процесса, посредством которого может быть реализована такая сложная серия процедур, являются значительными. Часто именно по этой причине крупные маркетинговые организации привлекают эксперта в области стратегии маркетингового процесса и информационных технологий (ИТ) или стратега маркетингового ИТ-процесса. Хотя системный интегратор (SI) по своей природе более техничен, чем часто требуется маркетологам, он также может играть эквивалентную роль стратега маркетингового ИТ-процесса, особенно в то время, когда необходимо настроить и развернуть новые технологические инструменты.
Серьезной проблемой для баз данных является реальность устаревания, включая задержку между моментом получения данных и моментом использования базы данных.