Интервью

— Вы пришли в ритейл из страхового бизнеса. На ваш взгляд, в чем сегодня принципиальные различия между страховщиками и ритейлом?

— Это совершенно разные бизнесы. Я работал в том числе и в авиаотрасли, и она тоже радикально отличается. Маркетинг в разных компаниях понимается по-разному. Многое зависит от степени развития, на которой находится компания. Лет десять-пятнадцать назад маркетинг в большинстве компаний понимался в основном как маркетинговые коммуникации — реклама, PR и прочее. Сейчас это совсем не так, и под маркетингом понимается очень широкая сфера деятельности. Это и классический марком, и разработка новых продуктов, плюс внешняя и внутренняя аналитика, клиентский сервис и так далее. Маркетинг — это такой «внутренний предприниматель» в самой компании, «предприниматель на зарплате».

Что касается отличий, то в ритейле совсем другой ритм бизнеса, если сравнивать со страхованием или авиацией, к примеру. Это не значит, что страхование проще — но думаю, что в ритейле все гораздо быстрее меняется. У страховщиков и авиакомпаний до сих пор есть два классических пика в год — высокие сезоны, когда люди чаще покупают страховки, больше летают в отпуска, продлевают КАСКО и ОСАГО. Ну, и Новый год еще. А в ритейле Новый год, по большому счету, происходит ежедневно. Каждый день начинается как будто с нуля. А ситуация в раскладе конкурентов может поменяться за один-два квартала.

В ритейле «Новый год» происходит ежедневно

— А с технологической точки зрения?

— Смотря какие технологии имеются в виду. Если мы рассматриваем технологии, допустим, логистики или управления товарными запасами, то ритейл, конечно, очень продвинут. Но это специфическая область, требующая автоматизации, со своим специфическим ПО. Если мы ищем точки соприкосновения, единые для разных отраслей, например, технологии знания о клиентах, технологии CRM, технологии аналитики, то я бы сказал, что по своей технологической продвинутости первое место в России занимают банки и в целом финансовая сфера. И даже в общемировых масштабах информационные системы наших банков дают сто очков вперед много кому. Альфа-Банк, Тинькофф Банк, Сбербанк — некоторые из них перешагнули целые этапы того развития, через которые исторически проходили аналогичные предприятия за рубежом.

Например, сегодня большая часть услуг виртуализирована. Никому не нужна «физическая» страховка, даже, по сути, и офис никому не нужен: весь цикл операции можно провести онлайн, в отличие, кстати, от ритейла, где ты в любом случае должен привезти человеку помидоры. В случае же с приобретением страховки — мы все привыкли уже несколько лет покупать, например, полис для выезда за рубеж онлайн, и это занимает две минуты.

Мы — ритейл — также идем в сторону e-commerce. В прошлом году заработал интернет-магазин «Перекресток», который обслуживает жителей Москвы и некоторых городов Подмосковья. В обозримом будущем мы планируем расширить эту географию до Санкт-Петербурга и Московской области.

— «Перекресток» сотрудничает с несколькими банками по линии кобрендовых, кредитных, дебетовых карт, программ лояльности, рассрочки. Все эти программы начались в 2016–2017 годах или они были и раньше?

— Сейчас у нас два банковских партнера — Альфа-Банк и Тинькофф Банк, с которыми мы выпускаем  кобрендовые кредитные и дебетовые карты. С Альфа-Банком мы запустили совместный проект в ноябре 2016 года, с Тинькофф Банком — в марте этого года. Это очень простой и понятный продукт. Держатели таких карт совершают покупки и получают кэшбэк баллами «Клуба Перекресток», которые можно потратить в супермаркетах нашей сети. Ну и конечно, за все покупки с этими картами в самом «Перекрестке» начисляется максимальное количество баллов. С помощью таких карт, к примеру, можно по итогам года накрыть очень хороший новогодний стол для большой компании родных и близких.

Мы также сотрудничаем с банками по их картам рассрочки. Это карты «Халва» и «Совесть». Для покупателя это покупка здесь и сейчас, даже тогда, когда нет наличных или денег на дебетовой карте. А мы отмечаем разницу между обычным чеком и чеком, оплаченным картой рассрочки, который, как правило, на 30–40% выше среднего. В выигрыше все.

— Почему только сейчас, что мешало раньше?

— Ноябрь 2016 года, когда мы начали сотрудничество с нашим первым банковским партнером, — это не «сейчас». Представьте конец 2016 года и отсчитайте назад несколько месяцев подготовки проекта: от концептуальной части, до технологической. То есть, чтобы получить тот портфель, который мы имеем сейчас, свою плотную работу нам нужно было начать два года назад.  

— Вы можете рассказать подробно о других технологических проектах, которые сейчас ведутся в рамках «Перекрестка»?

— Это Smart wi-fi — персональные предложения для покупателей в момент их нахождения в супермаркете, мобильные кассы, которые позволяют нам сокращать очереди в особенно загруженных магазинах в часы пик, machine learning для целевого маркетинга.

— Как используется машинное обучение?

— Мы используем машинное обучение для решения повседневных задач лояльности и CRM. Мы внедрили модуль аналитического CRM на базе ПО SAS — решение, которое, мне кажется, является общепринятым индустриальным стандартом. SAS установлен во многих компаниях со зрелым CRM — операторах связи, банках, наиболее продвинутых страховых компаниях и постепенно внедряется в некоторых ритейл-сетях.

Если сильно упрощать — он помогает определить, какому клиенту какое спецпредложение, в каком канале и когда лучше доставить. Мы все с вами ходим в супермаркеты, являемся клиентами многих программ лояльности и примерно представляем себе, как это работает. Существуют базовые условия программы лояльности — всем клиентам предлагается определенный процент от покупки в виде скидки на покупку в ее момент или в виде возврата баллами на карту. И есть специальные условия для клиента, которые не доступны всем: эти условия доставляются клиенту в виде персонального предложения в целевых каналах коммуникации.

Модуль аналитического CRM хранит и накапливает все доступные данные о клиентах: соцдем, историю покупок, активность в программе лояльности, контакты, browsing history в личном кабинете, на сайте и в мобильном приложении, что позволяет аналитикам построить модели склонности к покупке в моменте или покупке определенного товара, к принятию предложения в определенном канале коммуникации, реакцию на скидку или предсказать склонность к оттоку. Мы можем предсказать, например, как поведут себя клиенты, похожие на вас, в случае объявления той или иной акции. Например, вам более выгодно в 8 часов вечера отправить предложение на бутылку вина посредством смс, нежели завтра прислать предложение на покупку подгузников по e-mail. Вероятность отклика в первом случае выше, и не только потому, что это вино.

При чем здесь machine learning? Дело в том, что до поры до времени все компании, которые начинают работать с базой, существуют на бизнес-правилах, на алгоритме «Если — то». Если клиент попал в такую-то группу, то предложи ему то-то. И это дает хороший эффект на первых порах. При этом мы располагаем огромным количеством переменных на клиенте, которые приходится учитывать: помимо возраста, семейного положения, места проживания, личного транспорта, существует более 1000 различных атрибутов, которые нельзя изложить бизнес-языком и учесть при формировании критериев выборки, т. е. получается такая многомерная матрица. При наличии до 15 тысяч товаров в «Перекрестке» вариаций персональных предложений становится столько, что человеческим мозгом их не объять. Для этого нам и необходим machine learning.

Мы располагаем  огромным количеством переменных, которые приходится учитывать

Что делает машинное обучение? Оно строит модели без участия человека, и самообучается, основываясь на прошлых данных. Плюс позволяет оптимизировать маркетинговый бюджет. То есть, например, рассылка SMS стоит дорого, а если на него еще и нет отклика, получается еще дороже. Соответственно, мы строим модель отклика, из которой следует, что такой-то группе клиентов лучше сделать сейчас такое-то предложение с такими-то скидками через такой-то канал — через мобильное приложение, через e-mail и так далее.

Это позволяет нам оптимизировать затраты, ведь количество информации таково, что мы можем занять ею хоть миллиард аналитиков. Но это будет неэффективно. Поэтому аналитики должны формировать гипотезы и обучать машину моделированию. И их должно быть несколько человек. Ритейл перенял этот подход из финансовой сферы: по своей сути это дочка кредитного скоринга, где продвинутые аналитические системы в банках исследуют каждого клиента индивидуально.

Раньше страховые компании думали так: вам 25 лет, вы не женаты или не замужем. Детей у вас нет, терять вам нечего, значит, вы ездите, мягко говоря, неаккуратно — страховка будет очень дорогая. Либо возьмем кредит, который вы либо не получите вовсе, или получите, но под очень большой процент. Таковы были типичные результаты «обычного» скоринга.

Что сейчас делает продвинутый скоринг в страховых компаниях и в банках? Он индивидуально смотрит на клиента, на его кредитную историю; некоторые даже обращаются к соцсетям. По-прежнему важно, сколько вам лет, но теперь играют и другие факторы.

Именно такой скоринг мы и адаптируем к ритейлу, а у нас он начинает жить уже другой жизнью. Сейчас мы начинаем обогащать исходные данные внешними факторами: важно понимать и учитывать, например, погоду, пробки, данные операторов связи и многое другое.

Вот пример: есть два «абсолютно одинаковых человека», которые абсолютно одинаково ведут себя в «Перекрестке» — покупают фрукты, сыр и вино. Но мы никогда не знаем, какой у этого клиента второй любимый магазин. Нам нужно «обогатиться» нужными данными — пусть это будут банковские транзакции или информация от мобильных операторов, по которым понятно, где человек, помимо нас, еще бывает. Допустим, у клиента №1 любимый второй магазин — это дискаунтер у дома, а у другого — супермаркет премиум-сегмента. Соответственно, мы должны делать этим клиентам разные предложения на разные товары и с разной глубиной скидки.

— Как раз в связи с машинным обучением и ритейлом была несколько лет назад история, если не ошибаюсь, в США, когда в офис крупной торговой сети пришел разгневанный отец несовершеннолетней девочки и сказал: «Зачем вы шлете ей рекламу товаров для беременных?». Перед ним извинились, а через неделю он пришел извиняться сам. Выяснилось, что система машинного обучения вычислила по покупкам, что девушка беременна, еще до того, как узнали родители и чуть ли не она сама. Подобных эксцессов, наверное, быть не должно. Какие-то сейчас страховые меры принимаются против таких ситуаций?

— Есть, конечно, этические настройки. Все полностью отдавать на автоматизацию — и невозможно, и вредно. Конфузы бывают и у нас. Например, пресловутый ретаргетинг, который всех нас преследует: стоит зайти на какой-нибудь сайт и посмотреть какую-либо сумку, и все — эта сумка вечно с нами, пока не очистим cookie. Соответственно, у нас была с «Перекрестком» комичная история, когда слоганом нашей рекламной кампании было «Мечтаете творить, а не просто готовить?». А фид подтянул презервативы, которые человек смотрел на сайте.

Ошибки, конечно, случаются. Вот еще один пример: человек стал покупать подгузники. Можно с высокой долей вероятности сделать вывод о том, что в его семье произошло пополнение. Но это может также означать, что его просто кто-то попросил купить этот товар, а система будет его какое-то время преследовать с предложениями из того же контекста. Но если система мало-мальски умная и хорошо настроена, она «видит» нулевой отклик и перестает тебе это предлагать, понимая, что это был случайный выбор.

Мы пытаемся «раскачивать» у клиентов другие варианты потребления. Допустим, мы не можем дать скидку 30% в выходные всем. Мы экономически не выживем в таком предложении. Но если мы дадим 30% скидку клиенту, который предыдущие несколько месяцев ходит к нам исправно, но не ходит на выходных, это значит, что если он придет, мы заработаем, а клиент получит очень глубокую скидку, которую не получат все остальные.

Вот такие штуки мы уже больше года тестируем — точнее сказать, они уже в промышленной эксплуатации благодаря этой системе.  

— Скажите, как с помощью programmatic можно сегодня максимально эффективно работать с аудиторией?

— Programmatic сегодня стал общим местом. Вспомните, семь лет назад все рассказывали, что мобильные телефоны изменят мир, изменят наше потребление. Пять лет назад на них приходилось 30% трафика. И все. И вот мы в сегодняшнем дне. Все поменялось, но как-то незаметно.

Мы пытаемся «раскачивать» у клиентов другие варианты потребления

Та же история с programmatic. Он начался и стал одним из инструментов закупок рекламы, и не более. Кто-то до сих пор покупает баннеры по показам, кто-то пользуется другими инструментами. 7–10 лет назад к вам приходило агентство и говорило: ты клиент, у тебя есть 100 миллионов рублей, давай 98 отдай нам на телерекламу с наружкой, а 2 — потратим на digital. Это была дань моде, никто конкретного эффекта не видел.

Сегодня в e-commerce считается каждый клик, каждая копейка, каждая воронка, LTV клиента в зависимости от канала его приобретения, и там понятен весь инструментарий. Но даже для бренда, когда, условно говоря, дезодорант, который нет смысла покупать напрямую у производителя онлайн, всегда есть оптимизационная часть в digital-бюджете. По сути, она оптимизирует телесмотрение, потому что текущий потребитель смотрит по-прежнему, пусть и меньше, федеральные телеканалы. Вечер он иногда проводит за YouTube. Если это девушка, то в YouTube она видит, к примеру, рекламу дезодоранта и потом, попадая в магазин, выбирает его. Это уже стало совершенно обычным инструментарием.

Телевидение остается медиа №1 и еще очень долго сохранит свой статус. Некоторые вещи действительно нет смысла оставлять телевидению целиком, но в целом все инструменты заняли какие-то свои ниши. Со временем они будут видоизменяться. Говорить о том, что через пять лет телевизора не станет или он перестанет быть медиа №1... Не знаю. Может, и перестанет. Но в целом digital, к счастью, очень фрагментирован, там нет своего «Первого канала». Даже «Яндекс» не может претендовать на эту роль в digital-среде. Телерекламу по-прежнему можно очень дешево купить — с точки зрения контакта или какой-то большой массовой услуги, а затем ее можно оптимизировать с помощью digital.

Телевидение остается медиа №1 и еще очень долго сохранит свой статус

— Назовите основные тенденции изменений, которые вы предвидите в индустрии.

— Мне кажется, все идет к тому, что в индустрии все меньше становится маркетологического шаманства, когда нам рассказывают про имиджевый эффект или правильное позиционирование. Все в маркетинге становится более прозрачным, лучше поддается статистике и оценке эффективности. Даже то, что раньше считалось обязательным потому что «все так делают», или потому что «так заведено».

— А все ли поддается рационализации, или останется какой-то элемент «плясок с бубном»?

— Конечно, останется элемент творчества. Но в любом случае, если тратишь деньги, пусть это долгосрочный эффект, пусть он имиджевый, пусть еще какой-то, но ты в любом случае понимаешь воронку. Например, если ты сегодня решил спонсировать Олимпиаду, то ты делаешь это для какой-то цели, а не просто потому, что все конкуренты ее спонсируют. Например, ты хочешь войти в круг избранных. Речь идет о росте рационализации. Просто наш рынок растет, а мы все на нем, условно говоря, стареем.

— Придут же новые, молодые умы.

— Да, придут. Но с другой стороны, российскому бизнесу — 20, 25, максимум 30 лет, если компания стартовала еще до 91-го года. И живы собственники, которые начинали дело. Все эти годы происходила профессионализация и рост цивилизованности — все учились всему на ходу. Сейчас же появилась специализация. Хороший e-commerce-маркетолог — это очень важная специальность. Такой человек на рынке может стоить очень много денег. Рыночная экономика сама по себе предполагает, что мы все специализируемся на чем-то.

Кроме того, намечается еще одна тенденция: мы всегда считали, что на Западе все делают круче и умнее. Мы, например, привозили консультантов из-за рубежа и просили рассказать, как все правильно делать.

И хотя сторонние мнения надо слушать всегда, но чем дальше, тем больше мне кажется, что мы во многих вещах оказываемся в авангарде. По крайней мере, если брать B2C-сектор. Это касается и рекламы, и функциональности — например, у банков.

То же самое в ритейле. Конкуренция в ритейле просто огромная. Очень честная и чистая. Тут нет какого-то большого государственного игрока, который стоит впереди всех, а остальные болтаются где-то. Есть несколько крупных игроков, и они воюют за клиента абсолютно честно. Клиент выходит из дома, и у него перед глазами шесть разных вывесок горят. Мне кажется, в такой ситуации чистой конкуренции рождаются крутые штуки.  

X5 Retail Group обслуживается агентством Havas Media. 

Беседу вел Юрий Ильин