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 любое адресное средство, как в прямом маркетинге .
Различие между прямым маркетингом и маркетингом баз данных обусловлено прежде всего вниманием, уделяемым анализу данных. В маркетинге баз данных особое внимание уделяется использованию статистических методов для разработки моделей поведения клиентов, которые затем используются для выбора клиентов для связи. Как следствие, маркетологи баз данных также склонны активно использовать хранилища данных , поскольку наличие большего объема данных о клиентах увеличивает вероятность построения более точной модели.
Существует два основных типа маркетинговых баз данных: базы данных потребителей и бизнес-базы данных. Базы данных потребителей в первую очередь ориентированы на компании, которые продают продукцию потребителям, что часто сокращается до [бизнес-потребитель] ( B2C ) или BtoC [ нужна ссылка ] . Базы данных бизнес-маркетинга часто гораздо более продвинуты в плане информации, которую они могут предоставить. Это происходит главным образом 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 детали истории транзакций из внутренних систем продаж или доставки или скомпилированный «список» другой организации, которая получила эту информацию от своих клиентов. Типичными источниками составленных списков являются формы пожертвований на благотворительность, формы заявок на любой бесплатный продукт или конкурс, гарантийные талоны на продукцию, формы подписки и формы заявок на получение кредита.
Маркетинг баз данных возник в 1980-х годах как новая, улучшенная форма прямого маркетинга. В этот период традиционное «посредничество со списками» нуждалось в модернизации, поскольку оно было автономным и записывалось на магнитные ленты, а также потому, что списки, как правило, содержали ограниченный объем данных. [1] В то же время, благодаря новым технологиям, позволяющим записывать ответы клиентов, преобладал маркетинг прямого ответа с целью открытия двусторонней связи 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 маркетологов баз данных, таких как Роберт Блаттберг, Рик Курто и Роберт Шоу .
Кестнбаум сотрудничал с Шоу в 1980-х годах при разработке нескольких баз данных онлайн-маркетинга — для BT (20 миллионов клиентов), BA (10 миллионов) и Barclays (13 миллионов). [3] Шоу включил в подход Кестнбаума новые функции, включая автоматизацию каналов продаж по телефону и на местах , оптимизацию стратегии контактов, управление и координацию кампаний, управление маркетинговыми ресурсами, маркетинговую ответственность и маркетинговую аналитику. Проекты этих систем впоследствии были широко скопированы и включены в пакеты CRM и MRM в 1990-х годах и позже. [4]
Самое раннее зарегистрированное определение маркетинга баз данных было в 1988 году в одноименной книге (Shaw and Stone, 1988 Database Marketing): [ нужна ссылка ]
Рост маркетинга баз данных обусловлен рядом экологических проблем. Флетчер, Уилер и Райт (1991) [5] классифицировали эти проблемы на четыре основные категории:
Шоу и Стоун (1988) отметили, что компании проходят этапы эволюции в разработке своих маркетинговых систем баз данных. Они выделяют четыре этапа разработки базы данных как:
Хотя организации любого размера могут использовать маркетинг баз данных, он особенно хорошо подходит компаниям с большим количеством клиентов. Это связано с тем, что большая численность населения дает больше возможностей найти сегменты клиентов или потенциальных клиентов, с которыми можно общаться в индивидуальной манере. В небольших (и более однородных) базах данных будет трудно 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, каждый из которых имеет возможность генерировать значительные объемы данных о транзакциях для миллионов клиентов.
Маркетинговые приложения баз данных можно логически разделить на те 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, а также историю прошлых сообщений клиентам и от них. Для более крупных компаний с миллионами клиентов размер таких хранилищ данных часто может достигать нескольких терабайт.
Маркетинг для потенциальных клиентов в целом, маркетологи баз данных стремятся иметь как можно больше данных о клиентах и потенциальных клиентах. Маркетинг широко полагается 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 определяются составителем данных. Компании также могут получать данные о потенциальных клиентах напрямую, используя лотереи, конкурсы, онлайн-регистрации и другие мероприятия по привлечению потенциальных клиентов.
Для многих маркетологов компаний типа «бизнес для бизнеса» ( B2B ) количество клиентов и потенциальных клиентов будет меньше, чем у сопоставимых компаний, работающих в сфере «бизнес для потребителя» ( B2C ). Кроме того, их отношения с клиентами часто зависят от посредников, таких как продавцы, агенты и дилеры, а количество транзакций на одного клиента может быть небольшим. В результате маркетологи, работающие с бизнес-бизнесом, могут не иметь в своем распоряжении столько данных, сколько маркетологи, работающие с бизнес-потребителем.
Еще одна сложность заключается в том, что маркетологи B2B, ориентируясь на команды или «аккаунты», а не на отдельных лиц, могут создавать множество контактов из одной организации. Определить, с каким контактом следует общаться посредством прямого маркетинга, может быть сложно. С другой стороны, это база данных для маркетологов B2B, которая часто включает данные о деловой активности соответствующего клиента.
Эти данные становятся критически важными для сегментирования рынков или определения целевой аудитории, например, приобретение продлений лицензий на программное обеспечение телекоммуникационными компаниями может помочь определить, какой технолог отвечает за установку программного обеспечения, а не за закупку программного обеспечения и т. д. Клиенты в средах B2B часто склонны будьте лояльны, поскольку им необходимо послепродажное обслуживание своей продукции, и цените информацию об обновлениях продуктов и предлагаемых услугах. Эту лояльность можно отслеживать с помощью базы данных.
Источниками данных о клиентах часто являются сотрудники отдела продаж, работающие в компании, и сервисные инженеры. Онлайн-взаимодействие с клиентами все чаще предоставляет маркетологам B2B более дешевый источник информации о клиентах.
Что касается данных о потенциальных клиентах, предприятия могут приобретать данные у составителей бизнес-данных, а также собирать информацию из своих прямых продаж, онлайн-сайтов и специализированных публикаций.
Компании с большими базами данных о клиентах рискуют оказаться «богатыми данными и бедными информацией». В результате анализу данных уделяется значительное внимание. Например, компании часто сегментируют своих клиентов на основе анализа различий в поведении, потребностях или отношениях своих клиентов. Распространенным методом поведенческой сегментации является RFM (ценность клиента) , при котором клиенты распределяются по подсегментам на основе давности, частоты и денежной стоимости прошлых покупок. Ван ден Поел (2003) [6] дает обзор прогностической эффективности большого класса переменных, обычно используемых в маркетинговом моделировании баз данных.
Они также могут разрабатывать прогностические модели, прогнозирующие склонность клиентов вести себя определенным образом. Например, маркетологи могут построить модель, которая ранжирует клиентов по их вероятности откликнуться 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 ряд 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, в том числе Закон о справедливой 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 состоянии здоровья потребителей), а также различные программы, которые позволяют потребителям скрывать номера своих телефонов 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 клиентов на экране, пока компания совершает транзакции с каждым из них. индивидуально, производя, таким образом, бизнес-аналитику в режиме реального времени для компании. Эта способность обеспечивает так называемый индивидуальный маркетинг или персонализацию .
Современные системы управления взаимоотношениями с клиентами (CRM) используют сохраненные данные не только в целях прямого маркетинга, но и для управления всеми взаимоотношениями с отдельными контактами клиентов, а также для разработки более индивидуальных предложений продуктов и услуг . Однако сочетание CRM, инструментов управления контентом и бизнес-аналитики делает доставку персонализированной информации реальностью.
Маркетологи, обученные использованию этих инструментов, способны осуществлять заботу о клиентах, что представляет собой тактику, которая пытается общаться с каждым сотрудником организации в нужное время, используя правильную информацию для удовлетворения потребностей клиента в продвижении через процесс. выявление проблемы, изучение доступных вариантов ее решения, выбор правильного решения и принятие решения о покупке.
Из-за сложности маркетинга B2B и запутанности корпоративных операций требования, предъявляемые к любой маркетинговой организации по формулированию бизнес-процесса, с помощью которого может быть реализована такая сложная серия процедур, являются значительными. Именно по этой причине крупные маркетинговые организации часто прибегают к услугам эксперта по стратегии маркетингового процесса и информационных технологий (ИТ) или специалиста по маркетинговой стратегии ИТ-процессов. Хотя системный интегратор (SI) по своему характеру носит более технический характер, чем часто требуется маркетологам, он также может играть роль, эквивалентную стратегу маркетинговых ИТ-процессов, особенно в то время, когда необходимо настроить и развернуть новые технологические инструменты.
Серьезной проблемой для баз данных является реальность устаревания, в том числе время задержки между получением данных и использованием базы данных.