Эффективные коммуникации с клиентами сложноорганизованных проектов
Сегодня эксперты единогласно говорят о том, что бизнес должен двигаться в сторону персональной коммуникации с каждым клиентом и использовать для этого все имеющиеся инструменты. Если в области электронной коммерции данная тема получила достаточно широкое распространение, то контентные проекты отстают примерно на шаг. Самым ярким примером области, в которой практически не используются эти приемы, является издательский бизнес в online. Как правило, такие проекты привыкли работать с лояльной аудиторией, которая осознанно пролистывает весь номер журнала и прочитывает все интересные материалы.
Пользователь, зашедший на страницу журнала в Интернете, может и не быть лояльным, а поэтому online-издания, которые не выстраивают с читателем персональные коммуникации, просто теряют его. Самый простой пример: пользователь зашел на сайт журнала по ссылке из поискового запроса или другой рекламы, просмотрел материал… а дальше, не имея лояльности, за новой порцией информации ушел в поиск.
Задача правильно выстроенного online-маркетинга — погрузить читателя в журнал, а лучше в целую группу проектов одного издательского дома, сделать чтение для пользователя естественным и привычным. Для решения этих задач можно использовать приемы удержания и возврата клиентов, которые хорошо известны и достаточно популярны в электронной коммерции, адаптировав их к специфике издательского бизнеса.
Шаг 1. Автоматизация сбора и работы с контентом
Прежде всего, нужно забыть о ручной работе с материалами. Построение эффективного сценария взаимодействия с читателем потребует обработки значительных объемов данных. Такие объемы невозможно качественно обработать вручную, а поэтому без автоматизации этого процесса дальнейшие шаги в сторону персонализации просто бессмысленны. Что понадобится сделать в первую очередь:
- обеспечить сбор и хранение информации о посетителях сайта на основе cookies: данные о продолжительности посещений, просмотренных страницах, частоте заходов;
- обеспечить сбор расширенных данных для профилей зарегистрированных пользователей;
- сформировать единую базу хранения информации для всего парка проектов: пользователю не нужно создавать отдельный профиль на каждом проекте — наоборот, данные, собранные на всех площадках, объединяются;
- настроить динамическую подстановку рекомендательных блоков в зависимости от данных пользователя.
Шаг 2. Построение рекомендательных блоков
На основании полученных пользовательских данных можно настроить динамическую подстановку рекомендательных блоков. Рекомендательные блоки — это простой и наиболее эффективный способ построить пути пользователя как внутри online-журнала, так и на всем парке проектов. Динамическое содержание для таких блоков подбирается по трем основным принципам — от простого к сложному:
- тематический;
- поведенческий;
- персональный.
Тематические рекомендации
Тематические рекомендации — самый простой и удобный способ предложить интересные материалы по заданной тематике. Для начала достаточно разметить основные разделы сайта тегами и предлагать публикации, сходные с той, которую пользователь читает в данный момент. Как правило, в каждом разделе содержится много материала, в этом случае объем можно целенаправленно сократить, учитывая материалы последнего месяца или наиболее популярные материалы за последние полгода.
Как разметить материалы тегами? Конечно, одной тематики раздела недостаточно. Стоит учесть более тонкие нюансы: например, в разделе «Мода» можно установить отдельные метки для статей о модных показах, о новинках в магазинах, о масс-маркете, об истории моды. Благодаря такой разметке у читателя появится возможность просматривать материалы не только по прямому совпадению темы, но и по сходным направлениям.
Второй шаг — объединить материалы нескольких журналов и выполнить перекрестные рекомендации. Так как аудитории разных проектов пересекаются лишь отчасти, важно ограничить и список пересекающихся тем. Таким образом, между каждой парой проектов останется лишь несколько точек входа/выхода, что уменьшит объем данных, с которыми придется работать, и позволит выполнить своего рода «премодерацию» материалов.
Поведенческие рекомендации
Такие рекомендательные блоки работают при больших объемах уже собранной статистики, а также на основе предиктивной аналитики. По сути, речь идет о системах cross-sale, которые есть в каждом крупном интернет-магазине («С этим товаром также покупают…»). Принцип работы основан на данных о поведении пользователей: те, кто читает раздел A, также читают и раздел B, но никогда не интересуются разделом C. Практика показывает, что поведенческие рекомендации не дублируют тематические, а пересечение интересов может быть весьма неожиданным и предсказать его с помощью простого анализа тематик не получится.
(Полную версию статьи вы можете прочитать в 25-м номере журнала «Практика интернет-маркетинга»)