Хорошо знать своих клиентов, но иметь представление об их действиях еще лучше. Зная их персоны и демографию, вы не можете точно определить интересы пользователей, однако это возможно благодаря поведенческим факторам.

Поведенческие данные позволяют с высокой точностью определить модели принятия решений и сам процесс покупки потенциального клиента. История посещения веб сайтов, а так же история поиска контента напрямую связана с намерениями пользователя, потенциального клиента. Активность в социальных сетях, открытие письма, переход по ссылке и просмотренное содержание, все это поможет выявить интересы потенциального клиента.

Информация, собранная на основе поведенческих данных потребителя в сети, является ключевой, для определения интересов и методов связи с потенциальным покупателем. Отслеживая и интерпретируя эти данные, вы можете определить, на какой стадии покупки находится покупатель и какие проблемы он пытается решить. Главная задача определить что интересует пользователя, что ему не нравится или что побуждает его сделать покупку.

МакКинзи (McKinsey) пишет в "The Coming Era of On-Demand Marketing": "Модели поведения в Интернете, построенные на основе веб-трафика, истории поиска, данных об образе жизни и демографических данных, особенно эффективны при поиске потенциальных клиентов, которых не могут выявить традиционные демографические модели".

Примеры поведенческого таргетинга

Несколько основных примеров поведенческого таргетинга:

Электронная почта:

  • Какие письма потребитель открыл и/или на какие нажал?
  • Какие письма потребитель не открыл и/или не нажал?
  • На какой тип предложения пользователь реагирует чаще всего?
  • Как давно было последнее взаимодействие с электронной почтой: три дня, три недели или три месяца?
  • Кто отвечает часто, а кто взаимодействует редко?

Социальная среда

  • Упомянул ли потребитель компанию в Твиттере?
  • Перешел ли он на ваш сайт из Facebook?
  • Поделился ли он одним из ваших сообщений?

Веб-сайт:

  • Посетил ли потребитель ваш сайт? Если да, то когда?
  • Какое содержание он загрузил или просмотрел?
  • Какие ключевые слова были использованы для перехода на ваш сайт?
  • Сколько страниц он открыл?

Поведенческий таргетинг увеличивает количество открытых писем, кликов и уровень вовлеченности

Когда Дэвид Дэниэлс (David Daniels), основатель Relevancy Group, был аналитиком в Jupiter Research (приобретенном компанией Forrester Research в 2008 году), он отметил, что таргетинг электронной почты на основе информации о кликах(открытиях) увеличивает количество открытых писем более чем на 50%, а коэффициент конверсии — более чем на 350%.

В Nicgrade мы обнаружили, что кампании по взращиванию лидов, которые используют поведенческий таргетинг, увеличивают количество открытых писем на 57%, соотношение кликов к открытым письмам — на 59%, а общее количество кликов — на невероятные 147%.

Исследование, проведенное Гаретом Хершелом (Gareth Herschel) из Gartner показало, что кампании, основанные на определенных событиях (например, на поведении), показывают в пять раз лучшие результаты, чем традиционные массовые рассылки.

Если вам нужны другие доводы, исследование от MarketingSherpa также показало, что тригерные письма и основанные на поведенческих факторах сегментированные кампании лучше всего подходят для улучшения взаимодействия с письмами.

Глупые списки Очевидно, что поведенческий таргетинг очень важен. Хотя концепция таргетинга такого уровня не нова, она по-прежнему не используется на практике. Почему? Потому что традиционные поставщики услуг электронной почты осложнили ее использование.

Идеальный вариант когда каждое взаимодействие, каждого потребителя отмечается и хранится в поведенческих базах данных, следовательно чтобы упростить процесс создания и таргетирования каждого email сообщения. К сожалению, многие маркетологи пока не используют данный подход. Согласно Forrester, сегодня только 45% маркетологов записывают и собирают в единую базу поведенческие данные о заказчиках из нескольких каналов. Данные поступают из большого количества источников, а клиентские системы часто не связаны друг с другом напрямую. Социальные данные, например, иногда связаны между собой, а иногда — нет. Данные, полученные с сайта, почти никогда не связаны с данными о финансовых транзакциях.

Традиционные поставщики услуг электронной почты плохо помогают со сбором данных. Конечно, они могут отслеживать поведение пользователей при использовании электронной почты и предоставлять своим клиентам отчеты о количестве открытых писем и кликов. Но зачастую им не хватает технических возможностей собирать весь спектр поведенческих данных и обрабатывать сигналы. Такие поставщики услуг в основном работают с помощью импортированных списков и таблиц или интегрируются с сторонними сервисами. По понятным причинам мы называем такие списки "глупыми". При решении сложных задач приходится использовать пользовательские списки со сложными запросами, созданными техническими экспертами. Они состоят из API-вызовов, SAS кода и SQL запросов.

Когда маркетологам приходится иметь дело со сложным техническим жаргоном и кодом, они обращаются в ИТ-отдел. Поэтому использование поведенческих данных представляется для обычного маркетолога достаточно сложным процессом. Меньше гибкости означает что вам требуется больше времени, чтобы отреагировать на возникшие возможности. Следовательно, комплексный поведенческий таргетинг, не используется правильно или не выполняется именно из-за своей сложности.

Интеллектуальные базы данных с интеллектуальными списками

Современный вовлекающий Email маркетинг должен основываться на поведенческих базах данных. Такие базы данных служат для записи всех взаимодействий перспективных и текущих клиентов в системах маркетинга, продаж и транзакций. В результате маркетологи получают единый источник, на основе которого они могут создать хорошо таргетированную кампанию, которая привязана к отслеживаемым сведениям о каждом отдельном контакте.

Так маркетологи могут легко настроить таргетинг на основе демографических и поведенческих фильтров и тригеров, например:

Демография: имя, местонахождение, возраст, источник регистрации, семья, предпочтения и т.д.

История переписки: отправленные и открытые письма, клики, отказы, отписки и т.п.

Социальные сети: контент, которым пользователи поделились, подписчики, рефералы, опросы и т.д.

Веб-сайт: визиты, клики по ссылкам, заполненные формы, источники рефералов, поисковые запросы и т.д.

История кампании: участие в кампании, отклик на кампанию, индикатор эффективности кампании и т.д.

Пользовательские данные: история покупок, ввод и вывод средств, незавершенные покупки, история использованных данных и т.д.

"Интеллектуальные списки" могут комбинировать фильтры, чтобы создавать конкретные сегменты, к примеру: подписчики от 18-25, которые поделились контентом через социальные сети, или клиенты с балансом выше определенного, которые дважды посетили страницу кредитов за последний месяц. Кроме того, вы можете отслеживать историю кампании и откликов на нее, чтобы измерять эффективность созданных сегментов.

Технология поведенческого таргетинга делает Email маркетинг самостоятельным, потому что позволяет маркетологам самостоятельно создавать и управлять сложными кампаниями на основе поведенческих факторов, не прибегая к помощи технической поддержки. Это позволяет тратить меньше времени на работу с устарелыми таблицами, ожидание ответа от ИТ-отдела и уделять больше внимания — на создание привлекательных и эффективных кампаний.