Войти в систему
Войти с помощью соц. сетей:
Перекрестные продажи (cross-selling) и апсейл (up-selling) – два распространенных способа увеличить доходы от продаж. Они продолжают играть важную роль во многих бизнес-стратегиях.
Перекрестные продажи – это поощрение клиента к покупке дополнительных товаров. Например, если вы розничный продавец, а клиент приобрел у вас зимнее пальто, посоветуйте ему купить перчатки или шарф, которые дополняли бы образ. Так вы покажете, что понимаете невысказанные потребности покупателя, и воспользуетесь возможностью увеличить доход.
Апсейл – это метод, который поощряет покупателя приобрести продукт более высокого уровня. Например, если клиент недавно приобрел у вашей компании страховку для двигателя «бронзового уровня», но поломки не прекратились, посоветуйте ему страховку «серебряного уровня». Апсейл приносит выгоду и покупателям, и компаниям. Это прекрасная возможность заработать больше денег.
Amazon
Компания Amazon – блестящий пример перекрестных продаж. Новая функция для пользователей, зарегистрированных на сайте, – «Клиент, купивший A, вдобавок покупает Б». Рекомендации учитывают интересы пользователей, работают в режиме реального времени и обеспечивают значительные возможности перекрестных продаж. За несколько лет этот простой метод породил другие, более изощренные. Например, «Клиенты, которые ищут В, вдобавок покупают Г» и другие похожие методы. Предложения перекрестных продаж поступают во время или после онлайн-покупки, по электронной почте или даже в мобильных приложениях. Клиенты видят, что Amazon действительно понимает их потребности и может предложить интересующие товары, о которых они не думали – или даже не подозревали об их существовании. Данный метод – одна из многих причин, по которой Amazon стал глобальной компанией, и эту модель сейчас воспроизводят многие другие крупные цифровые ритейлеры. Однако у него есть свои недостатки, поэтому нужно пользоваться им с умом. Если алгоритм подбора товаров для перекрестных продаж несовершенен, я пойму, что сообщения генерирует робот, который не имеет обо мне ни малейшего представления. Кроме того, клиенты могут резко поменять свое покупательское поведение, если в их жизни произошли существенные перемены, и тогда алгоритм будет рекомендовать уже нерелевантные продукты. Тем не менее Amazon весьма успешно применяет этот метод, продолжает совершенствовать его и оставаться клиентоориентированным. Эти два фактора и обеспечивают фантастический успех.
Перекрестные продажи и апсейл, в том числе по методике Amazon, прежде всего основываются на коллаборативной фильтрации – одном из методов прогнозного анализа. Вместе с CRM и стратегией возвращения клиентов прогнозный анализ может быть очень действенным. Мы рассмотрим его ниже.
Одна из важнейших областей получения информации для CRM и стратегии удержания клиентов – прогнозный анализ. Хотя удержание – стратегия реактивная, предугадывать поведение клиентов и, таким образом, предвидеть их уход – очень мощный метод. Кроме того, не менее эффективным будет понимать клиентское поведение и, следовательно, принимать предварительные решения. В этом разделе мы рассмотрим две модели прогнозного анализа, имеющие отношение к стратегии удержания: моделирование предрасположенности клиентов (propensity model) и коллаборативная фильтрация (collaborative filtering).
Вероятно, моделирование предрасположенности клиентов – наиболее распространенная форма прогнозного бизнес-анализа, поскольку обычно ею пользуются, чтобы предсказать клиентское поведение в будущем на основе имеющейся информации. Моделирование предрасположенности можно использовать в разных целях, в том числе для прогнозирования вовлеченности и конверсии, но в данном случае нам важнее удержание клиентов.
Понимая, каких именно клиентов вы потеряете и каково их поведение перед уходом, есть шанс обнаружить потенциальные проблемы до того, как они станут реальными. Затем можно применить подходящую стратегию взаимодействия, чтобы снова подогреть интерес к вашей продукции или бренду и, таким образом, снизить отток клиентов и увеличить коэффициент удержания.
Одна из форм такого моделирования ради удержания клиента – «следующее лучшее действие» (next best action). В данном случае моделирование предрасположенности необходимо для оценки следующего разговора с потребителем. Оно используется в многочисленных сценариях: дополнительные продажи, привлечение и сохранение покупателей. Если клиент намеревается уйти, ваш сайт (или представитель клиентского сервиса) выбирает один из нескольких вариантов его удержания. Можно предложить скидку или даже бесплатные товары или услуги. Моделирование предрасположенности помогает предпринять следующее действие, необходимое для сохранения определенного типа или отдельного клиента, – не перескакивая сразу к самому дорогостоящему варианту, в котором, возможно, нет надобности.
Как мы уже упоминали выше, многие компании сейчас используют рекомендации, чтобы поощрять клиентов покупать дополнительный товар, – первопроходцем в этой области был Amazon. Сам метод называют коллаборативной фильтрацией. Основания для выбора такого термина просты: рекомендации совершаются путем фильтрации данных о многих пользователях или коллективе пользователей.
Используя данные о клиентском поведении множества людей, мы можем эффективно систематизировать различные поведенческие модели и, следовательно, формировать многие индивидуальные рекомендации. Этот метод использует уже не только Amazon, но и другие компании в широком спектре отраслей: например, рекомендации фильмов от Netflix на основе социальных сетей и рекомендаций Apple genius.
Войти с помощью соц. сетей: