Как принимать решения на основе данных: подход data driven
Процветание любого дела напрямую зависит от правильного принятия решений его владельцем или топ-менеджером. Если эти действия выверены, бизнес идет в гору, а прибыль увеличивается. Если действия ошибочны, следом идут убытки, и компания топчется на месте. Находить верные пути развития поможет data-driven-подход. Если его правильно внедрить, то появится возможность принимать аргументированные решения и тем самым заметно увеличить доходы.
Сегодняшняя тема нашего материала – data-driven-подход: что это, как его внедряют и чем он полезен.
Что такое data-driven подход простыми словами
Data-driven – это, простыми словами, стратегия (strategy), при которой компании обращаются к актуальным данным и аналитике, чтобы принимать обоснованные решения относительно каждой фазы развития продукта. Слова «Data» (от англ. «данные») и «driven» (от англ. «управляемый, движимый») вместе определяют суть подхода: он заключается в принятии решений на основе выявленных закономерностей и тенденций, то есть решений, на которые влияют и которыми «управляют» собранные данные.
Зачем бизнесу переходить на data-driven
Для большинства владельцев фирм Data-driven-решение – это возможность:
- Повысить точность решений. Это значит, дата-дривен позволяет получить наиболее точные, актуальные сведения о рынке, потребителях, конкурирующих организациях.
- Снизить риски, затраты. Данные, использованные для принятия решений способствуют снижению расходов и рисков. Для примера: фирма, предполагая будущий спрос на основе сведений о поведении потребителей, оптимизирует складские запасы.
- Сделать маркетинг более эффективным. Изучая поведение покупателей, бренду удается точнее настраивать рекламу, что снижает расходы на нее.
Где применяется data-driven подход
Как правило, дата-дривен – это стратегия, внедряемая в digital-компаниях. Она находит применение в разных направлениях деятельности бизнеса.
В маркетинге
Здесь data-driven-подход заключается в анализе поведения аудитории, ее привычек, потребностей. Это помогает ориентировать кампании на определенные группы потребителей, с пользой тратить бюджет и повышать конверсию. Так, основываясь на наблюдении за поведенческими характеристиками, фирма может выявить более успешные каналы привлечения новых покупателей.
В продажах
Data-driven-подход часто становится причиной изменений в процессе управления продажами. Изучение сводок о реализации продукта позволяет определять самые действенные методы взаимодействия с аудиторией, улучшать процессы обработки заявок и повышать качество обслуживания.
В продукте (product analytics)
Data-driven-подход полезен для анализа сведений о продукте, способах его применения, уровне удовлетворенности им со стороны людей. Такое изучение помогает выявлять проблемы, формировать положительный пользовательский опыт.
В управлении и операционных процессах
Речь идет об оптимизации бизнес-процессов: повышении результативности и снижении трат. Например, исследование уровня производительности работников и эффективности системы дает возможность выявить слабые места, наладить работу.
Как работает data-driven подход: основные этапы
Data-driven-подход, – простыми словами, метод принятия решений, базирующийся на исследовании определенных данных. Разберем основные этапы, как работает дата-дривен.
Постановка целей и выбор метрик (KPI)
Цели могут быть разнообразными: поднять количество сделок, повысить лояльность аудитории и т. д. Далее следует выбрать показатели KPI. Для измерения уровня продаж можно назвать основными ориентирами средний чек и число повторных покупок.
Сбор и хранение данных
Следует собрать материал, необходимый для последующего анализа. Его можно взять из CRM, отчетов, аналитических инструментов. Полученные материалы рекомендуется хранить в удобном для работы формате (БД, Data Warehouse, системах управления БД).
Анализ и интерпретация
Время анализировать. В случае с Data-driven-подходом это значит «очистить» собранную информацию от различных аномалий, преобразовать материал в подходящий для работы формат, использовать статистические приемы, применить машинное обучение. Далее нужно будет интерпретировать результаты, чтобы сделать соответствующие выводы.
Формирование гипотез
На основе собранного и обработанного материала появляется возможность формулировать гипотезы об улучшении рабочих процессов или качества продукции.
Тестирование (A/B, эксперименты)
Для проверки идеи часто проводят А/В-тестирование: простыми словами, два варианта чего-либо сравнивают, чтобы понять, какой более удачный. Эксперименты допустимо проводить в контролируемых или реальных условиях.
Принятие решений и масштабирование
По итогам проведенной работы наступает этап принятия решения. Если внесенные изменения принесли желаемые результаты – их внедряют во все филиалы, подразделения компании, для всех покупателей и т. д.
Какие данные используются в data-driven подходе
Для результативного применения дата-дривен-решений следует привлекать разные виды данных. Ниже рассмотрим их основные типы.
Внутренние данные (CRM, аналитика, продажи)
Речь идет о данных, генерируемых внутри самой организации:
- CRM-системы. Предоставляют информацию о клиентах, их взаимодействиях с компанией, истории совершенных покупок, а также позволяют проанализировать цепочку продаж и сделать сегментирование.
- Системы веб-аналитики (вроде Яндекс Метрики). Мониторят источники трафика, объемы конверсии и множество других полезных для изучения данных.
- Корпоративные отчеты. Благодаря специальным инструментам, определяют, как обстоят дела с заключением сделок.
Поведенческие данные пользователей
Интерес представляют сведения о поведении посетителей сайта: какие товары пользуются спросом, какими страницами/темами интересуются, как проходит взаимодействие. Такой материал получают из логов приложений, статистики соцсетей, аналитических инструментов.
Внешние источники и рыночные данные
Под внешними источниками подразумевают те, которые имеют дело не с корпоративными показателями: информация по рынку, статистика, цифры по положению дел в отрасли. Все это создает общую картину по конкурентной среде, новшествах в законодательстве, современных тенденциях. Это также влияет на выверенное принятие решений.
Основные метрики в data-driven маркетинге и продукте
Рассмотрим важные цифры Data-driven, влияющие на принятие решений.
Маркетинговые метрики (CPC, CPA, ROI, LTV)
Для дата-дривен важны следующие показатели в маркетинге:
- СРС. Означает цену 1 клика по рекламе. Так оценивается результативность рекламной кампании и необходимость провести пересмотр бюджета.
- СРА. Рассматриваются затраты на 1 целевое действие (регистрация, заказ). Подход, по сравнению с предыдущим, более точно оценивает усилия маркетологов.
- ROI. Показатель помогает выяснить, возвращаются ли вложенные средства и в каком объеме.
- LTV. Определяется пожизненная ценность покупателя, то есть какой объем денег получит бренд от клиента за период их взаимодействия.
Продуктовые метрики (Retention, DAU/MAU, Churn)
Нижеприведенные показатели помогают понять, насколько действенна принятая стратегия относительно определенных аспектов поведения аудитории.
- Удержание (Retention). Это процент потребителей, продолжающих обращаться к продукции, сервисам через выбранный период времени. Это важно, чтобы понять, способен ли продукт удержать аудиторию.
- DAU/MAU. Отслеживается количество ежедневных и ежемесячных активных покупателей. Так можно определить степень востребованности товара или услуги.
- Отток (churn). Количество людей (в процентном содержании), которые перестали пользоваться предложениями бренда. Снижение таких цифр – немаловажная задача бизнеса.
Метрики продаж и воронки
Такие показатели, как конверсия на определенных стадиях цепочки продаж, число заключенных сделок, средний чек позволяют оценивать, насколько эффективно работает отдел продаж.
Инструменты для работы с данными
Для работы в рамках дата-дривен-решений применяют разные инструменты.
Системы аналитики
Для отслеживания поведенческих особенностей пользователей, мониторинга трафика, конверсии рекомендуется обращаться к таким системам аналитики, как Я.Метрика или Google Analytics.
BI-инструменты и дашборды
Business Intelligence и различные дашборды дают возможность визуализировать информацию, создавая отчеты, анализируя современные тенденции. Среди таких инструментов можно назвать Tableau, Power BI.
CRM и системы хранения данных
При дата-дривен-решении информацию о покупателях, поставщиках, заказчиках, продажах, проводимых акциях компании ожидаемо доверяют системам хранения, базам данных, облачным хранилищам, а также CRM.
Как внедрить data-driven подход в компании
Чтобы Data-driven-подход прижился, потребуется системность и приложение усилий всего коллектива.
С чего начать: минимальный набор шагов
Следует:
- Определить цели и задачи, достигнуть которые вам должен помочь дата-дривен.
- Выбрать основные метрики, способные дать картину получаемых результатов.
- Продумать и настроить механизм сбора и анализа данных.
- Обучить членов команды специфике работы с внедренными инструментами.
Data-driven-доступ особенно эффективен при выполнении последней позиции в списке.
Формирование data-driven культуры в команде
Формирование дата-дривен-культуры подразумевает не только использование результатов и инструментов – этот подход значит стимулирование изменений в мышлении коллег. Важно, чтобы в коллективе осознавали ценность получаемых сведений и умели применять их.
Роль аналитиков и маркетологов
Представители этих профессий важны для внедрения в бизнес дата-дривена. Их обязанность – не просто осуществлять сбор и анализ информации, но и правильно интерпретировать результаты, рекомендовать и помогать вносить изменения.
Примеры применения data-driven подхода
- Оптимизация рекламных кампаний. Полученные материалы специалисты используют для выявления более эффективных каналов, рекламной стратегии.
- Улучшение конверсии веб-ресурса. Подразумевается исследование поведения посетителей на веб-страницах, пересмотр дизайна, местоположения элементов, способных повлиять на конверсию.
- Персонализация предложений. Бренд использует сведения о клиентах, чтобы создать целенаправленное персонализированное предложение и повысить уровень лояльности ЦА.
Ошибки при внедрении data-driven подхода
От дата-дривен-решения не будет толка, если:
- Собирать все данные подряд, не преследуя четких целей.
- Неправильно интерпретировать показатели. Это приводит к принятию ошибочных решений.
- Игнорировать контекст, гипотезы. Информация должна подвергаться исследованию в контексте определенной ситуации, с оглядкой на гипотезу.
Ограничения и недостатки data-driven подхода
Дата-дривен-решение имеет некие минусы:
- многое может зависеть от качества обрабатываемой информации (неточная, неактуальная, неполная);
- цена внедрения. Небольшим фирмам она может оказаться не по карману;
- необходимость иметь в штате специалиста, умеющего работать с data-driven и делать правильные выводы;
- процесс требует определенного времени.
Заключение
В условиях периодически изменяющегося рынка data-driven-подход начинает играть заметную роль в становлении бизнеса. Но для принятия решений следует не только уметь работать с инструментами и метриками, но и приложить усилия при формировании культуры взаимодействия с обрабатываемыми материалами.
