Data-driven подход в маркетинге фармы: «новая нефть» или плацебо?
на главную спецпроекта
Нектарин
Нектарин
Data-driven подход в маркетинге фармы: «новая нефть» или плацебо?

О том, как фармкомпаниям работать с данными для создания data-driven маркетинга, рассуждает Илья Бердников — коммерческий директор рекламного агентства MedCraft.

О тренде на использование больших данных говорят уже не первый год. Более того, разговоры об этом не прекратятся и через 10, 20 или даже 30 лет. История помнит, как с данными для маркетинга работали в прошлом веке — и специалисты не перестают искать новые способы делать это.

От того, как вы работаете с данными, зависит, как вы общаетесь со своей аудиторией и­ по какому пути к вам идёт пользователь — будь то Customer Journey Mapping в маркетинге или, например, User Journey в мобильных приложениях.

В маркетинге всё давно крутится вокруг пользователя, вокруг человека и его персоны — а значит, и вокруг его персональных данных. Невозможно оптимизировать путь клиента и «манипулировать» человеком, ничего не зная о нём.

Все как в реальной жизни — если вы видите незнакомца в полной темноте и даже не слышите его голос, то вы элементарно не знаете, как к нему обращаться, о чём с ним можно говорить и, что самое важное для нас, не знаете, что ему нужно — и что ему можно продать.

Данные — это путь к более грамотной и эффективной коммуникации с человеком, «выход из темноты на свет».

Владение информацией всегда было в тренде, а методы её обработки — это не вчерашнее изобретение. Но тем не менее существует путаница между большими данными, данными для маркетинга в целом и data-driven подходом к маркетингу.

Маркетологи работают с данными ещё с начала XX века —­ уже тогда фундаментальный маркетинг опирался на исследования аудитории, и именно в то время придумали наши горячо любимые репрезентативные выборки.

Большие данные в маркетинге — это то, что агрегируется в DMP, CDP или других системах, которые способны хранить, обрабатывать, объединять, сегментировать, активировать и анализировать данные. Наличие системы ещё не говорит о том, что маркетинговую стратегию можно назвать data-driven.

Data-driven подход означает, что вы строите свою стратегию, обладая системой, методологией обработки данных и экспертизой. Например, на основе данных создаётся стратегия продвижения товара или услуги на рекламных площадках, а последующая аналитика на основе данных помогает оценить её эффективность.

Большие данные: новая нефть? Brand, а не Brent

Большие данные действительно привнесли в маркетинг нечто новое.

С ними необходимо работать, обладая определёнными мощностями, так что раньше маркетологи не могли себе этого позволить. Теперь технологические компании предлагают доступные, дешёвые и интуитивно понятные услуги по работе с большими данными. В России это продукты Яндекса, Mail.ru, Google, социальных сетей (Facebook, ВКонтакте, Одноклассники), а также ряд независимых решений. Эти сервисы позволяют автоматизировать некоторые маркетинговые процессы: проверка гипотез, сегментирование аудитории, закупка рекламы и другие.

Но под видом больших данных сегодня пытаются продать едва ли не любую информацию. Поэтому нужно помнить: ко всем вещам, которые появляются очень быстро и о которых трубят на каждом шагу, нужно относиться критически, рассматривать их сквозь призму здравого смысла, логики, экспертизы и задавать большое количество вопросов. Но каких?

Правильные вопросы помогает сформировать data-стратегия, она же аудиторная стратегия. 

Правильно выстроенная data-стратегия помогает понять, с кем вести коммуникацию, как найти этих людей, что им нужно, в какой момент времени и в какой последовательности говорить с той или иной группой.

Ещё недавно мало кто понимал, что такое аудиторная стратегия, сейчас же этим занимаются практически все крупные FMCG-компании.

Недавно перед самым началом выступления на Russian Internet Week я спросил у зала: какие именно специалисты сейчас передо мной? Оказалось, что в аудитории было три data-стратега. То есть уже есть люди, которые на официальных должностях в компаниях занимаются только этим: общаются с подрядчиками, которые предоставляют данные, занимаются проверкой и оценкой этих данных, придумывают и формулируют data-стратегии.

Для маркетолога теперь очень важно знать не только то, где он будет показывать рекламу, но и то, кому он будет её показывать. Если мы не подумаем об этом, то рискнем показывать рекламу не тем людям даже при участии мощных систем обработки больших данных. Рекламные сети Яндекса или Google могут размещать вашу рекламу на совершенно неподходящих площадках. Но у этих же компаний есть и огромные возможности, потенциал таргетировать рекламу на целевых клиентов. Чтобы успешно реализовать эту задачу, поработайте над data-стратегией.

Если вас не ограничивает коммуникационная стратегия и сохранность бренда, то лучше вообще забыть о выборе площадок и сконцентрироваться на выборе аудиторий. Programmatic-экосистемы уже давно к этому готовы.

Как создать data-стратегию

Data-стратегия включает в себя стратегию сбора данных и стратегию активации данных.

Сбор данных подразумевает полное описание источников данных и их сегментацию. Примеры сегментации:

  • не вовлечённые, вовлечённые, фанаты;
  • AIDA;
  • job to be done;
  • воронка продаж и так далее.

Эти сегменты можно разбить и на меньшие подгруппы, на которые мы будем по разному воздействовать. Сегментацию можно делать и в процессе активации данных — во время тестирования гипотез и использования алгоритмов машинного обучения для создания сегментов на основе положительных результатов кампаний.

К слову об активации данных

Прототипом этой стратегии в рекламе можно назвать триггерный email маркетинг, в котором пользователь получает письма с разными заголовками и содержанием в зависимости от того, как он ведёт себя на сайте, как взаимодействует с письмами.

Сегодня такая триггерная коммуникация уже возможна в медийной рекламе с колоссальными охватами. И даже без знания таких персональных данных, как электронная почта или телефон. А со знанием номера телефона или адреса почтового ящика реклама может ещё лучше попадать в сознание потребителя.

Правильно построить data-стратегию невозможно без трезвой оценки качества данных, особенно если вы заказываете их у подрядчиков. Тут нужно уметь правильно задавать вопросы. Никто вас не обманет, если скажет, что работает с данными — ведь было бы очень странно, если бы современная digital-компания с данными не работала в принципе. Но встаёт вопрос о качестве данных, которые вам продают.

Как оценить качество данных

Есть подход, при котором о качестве данных судят по результатам кампании. Если KPI выполнены, значит, данные были качественные. Здесь всё просто: важно обозначить точную цель и уже потом подбирать механизмы работы с данными, направленные на выполнение конкретно этой цели.

Но такие данные можно скорее назвать качественными и результативными для этой конкретной цели. Возможно, вы готовы играть в эту игру — и тогда, идя на некоторый риск, можно пробовать разных подрядчиков, опытным путём узнавая, какие из них предоставят наиболее результативные данные.

Для этого надо купить данные у разных подрядчиков и использовать большой бюджет с каждым из них — иначе работа подрядчика вряд ли будет репрезентативна. Также следует помнить, что совместно с данными нужно тестировать и креативы, ведь результат в большой степени зависит и от них.

В этом случае статистические данные (показы, клики, CTR — стандартная рекламная статистика) помогают оценить аудиторные данные. Из численных показателей в них присутствует только объём той или иной аудитории: по полу, возрасту, социальному положению, интересам, принадлежности к определённой группе — даже, например, по специализации врача.

Это эксперимент. И, как любой эксперимент, он позволяет сделать выводы. Но это дорого, рискованно и не включает в себя все показатели качества данных. Это не тот путь, по которому хочется идти перед стартом создания большой стратегии.

Как оценить данные предварительно

Есть 6 критериев, по которым можно оценить качество данных.

1. Открытость

Важнейший критерий качества — открытость источников данных. Существует много компаний, которые говорят о том, что у них есть уникальные данные. Они разрабатывают презентации и логичные коммуникационные конструкции, но при этом не раскрывают источники. Как бы убедительны они ни были, вы не сможете сделать выводы о качестве без проверки их данных постфактум.

Среди источников могут быть собственные исследования, собственные рекламные сети и технологии, интеграции с партнёрами, различные базы данных. В любом случае компания должна суметь рассказать о данных, указать на конкретные источники и дать возможность проверить связь этого источника с продавцом.

2. Законность, а именно соответствие 152-ФЗ

Дальше нужно узнать о законности сбора этих данных. Это тесно взаимосвязанные пункты — если вы не будете знать об источниках данных, то не сможете оценить и законность сбора информации. Если вы знаете источники, то можете самостоятельно зайти на ресурсы, ознакомиться с их политикой конфиденциальности, с согласиями пользователей, которые обязательно должны быть при обработке персональных данных.

3. Точность

Узнайте о кейсах, которые подтверждают точность данных. Здорово, если это будет работа в вашем направлении. Наше рекламное агентство, например, работает исключительно в направлении фарммаркетинга — и будет странным доверять нам рекламу автомобильного бренда.

4. Чистота

Здесь речь не об открытости, а о том, что данные должны проверяться на адекватность хотя бы с точки зрения здравого смысла. А лучше, чтобы к их обработке применялась определенная методология.

Правильная ли там категоризация? Не устаревшие ли это данные?

Подобные вещи можно проверить вручную, проанализировав репрезентативную часть данных.

5. Глубина

В маркетинге, как и в биологии, есть понятие таксономии. В биологии существуют таксоны: царства, семейства, подсемейства, виды, подвиды. В базе данных они могут называться по-другому, но чем больше различных типов и подтипов, тем больше глубина данных. Соцдем, интересы, гео, заболевание — чем больше глубина, тем лучше.

6. Эксклюзивность

Этот пункт можно отнести к необязательным, данные могут и не быть эксклюзивными. Однако не будет лишним узнать, есть ли у игрока рынка эксклюзивные данные. Мы, например, обладаем возможностью работать с данными VIDAL — это справочник лекарств с аудиторными данными, которые сегментированы по МКБ-10 и возможностью передачи сегментов в различные платформы (Google, Facebook) для таргетинга. Можно показывать рекламу именно тем людям, которые что-то читали про определённый препарат или заболевание.

Пример:

Человек болеет «стоматитом», «острым фарингитом», «хроническим тонзиллитом» или другим заболеванием из группы болезней ЛОР-органов. Мы берем все препараты, которые прописываются при этих заболеваниях, находим человека, который читает об этих препаратах на VIDAL и показываем ему рекламу в тот же день. Через неделю или месяц, например, реклама может быть уже не актуальна — а так у нас есть шанс поймать человека в момент принятия решения о выборе лекарственного средства.

Применять с осторожностью

В медицине персональные данные — вещь ещё более интимная, чем в большинстве отраслей. Стоит несколько раз подумать, прежде чем делать слишком персонализированную коммуникацию. Представьте, что почувствует человек с расстройством кишечника, если в самый пик своей проблемы он увидит баннер, где к нему обратятся по имени и с личным вопросом, например: «Василий, у вас проблемы с животом?». Скорее всего, он почувствует замешательство. Имидж компании может пострадать.
Также важно помнить, что рецептурные препараты можно рекомендовать только врачам, а найти данные врачей — задача непростая.

В маркетинге фармацевтических препаратов необходимо учитывать массу тонких моментов, а при использовании аудиторных данных их становится ещё больше. Мы рекомендуем быть внимательными, осторожными и этичными — а в случае любых сомнений обращаться к профессионалам.

Данные — это не пустой звук, но их эффективность зависит от большого количества экспертов, работающих над маркетинговым проектом: от продавца, правильно понимающего и интерпретирующего задачи клиента до креативной команды, которая подбирает правильное сообщение под каждый конкретный аудиторный сегмент.

Источник фото на тизере: National Cancer Institute on Unsplash