Статья Надежда Новикова про гигиену данных, заботливый маркетинг и мессенджеры-боты

В этом интервью говорим о пути от контента и первых массовых e-mail-рассылок к зрелому CRM, где персонализация стала «гигиеной» коммуникации. Обсуждаем, чем персонализированный подход отличается от «просто маркетинга». В фокусе — порядок в first-party данных, таксономия событий, диалоги в мессенджерах и чат-боты как полноценная часть CRM. Что учиться делать уже сейчас: наводить чистоту в данных, строить сценарии там, где живёт пользователь, и говорить с ним вовремя и по делу.

Расскажи, пожалуйста, как ты пришла к теме персонализации?

Около десяти лет назад я работала в компании, которая помогала клиентам в самостоятельных путешествиях: авиа и ЖД билеты, планирование трипов. Я занималась подготовкой контента — статьи, публикации на площадках — и мы параллельно начали пробовать email-маркетинг. Сначала это были массовые рассылки, потом очень простые сегменты вроде «мужчины/женщины» или «B2C/B2B», позже интересы: любимые направления и т.д. Меня зацепило, что это союз креативной идеи и измеримости. Пишешь, запускаешь и сразу видишь эффект в цифрах.

Дальше были другие компании и агентства, разные кейсы, и я всё глубже уходила в CRM. Нравится, что это точка встречи креатива и логики: можно придумать концепт и тут же проверить его по сегментам и метрикам. В SMM, например, ты тоже думаешь о креативе, но редко видишь аудиторию настолько детально и строишь настолько точные пути. В CRM это возможно.

Персонализацию сейчас сложно назвать трендом. Это уже гигиена коммуникации. Мы учитываем поведение, соц-дем, частотность покупок, продуктовые особенности и показываем релевантный контент. Да, бывают редкие исключения, когда массовая механика работает лучше — Чёрная пятница, День Шопинга, общерыночные инфоповоды. Но если говорить про подход к общению с клиентом, он должен быть персонализированным.

Для меня персонализация — как грамматика в языке. Нельзя говорить по-английски, не зная грамматику. Нельзя делать CRM и не заниматься персонализацией. Вопрос только в уровне глубины, на который ты в неё заходишь.

Как в двух предложениях описать то, чем ты занимаешься?

Мы знаем клиентов чуть лучше, чем они сами: собираем сигналы из покупок и поведения и в нужный момент показываем то, что действительно пригодится. Моя задача — превращать данные в персональные коммуникации и офферы, полезные человеку и выгодные бизнесу.

Чем «просто маркетинг» отличается от персонализированного маркетинга?

«Просто» маркетинг — это универсальные офферы и креативы для всех: одна акция, один месседж, максимум — пара базовых сегментов. Персонализированный — про фокус на человека: учитываем поведение, частотность, интересы, контекст и канал, чтобы показать нужное предложение в нужный момент.

Если утрировать: массовая реклама красивого кухонного комбайна может увлечь — ты купишь, а дома поймёшь, что вещь не к месту. Персонализированный подход предложит конкретную модель тем, кому она правда нужна, в момент, когда она уместна, и дальше напомнит, например, про сервис или расходники. Это и есть «заботливый» маркетинг: меньше шума, больше пользы. По факту персонализация не отменяет маркетинг — она усиливает его эффект и делает коммуникацию честнее и релевантнее.

Какую особенность аудитории «Спортмастера» ты бы выделила? Чем она отличается и какие у вас есть типы покупателей?

Она огромная и очень разная по всей стране: разные часовые пояса, климат, интересы. При этом сегменты постоянно пересекаются. Часто бегун зимой берёт беговые лыжи, родитель покупает экипировку ребёнку и параллельно обновляет себе форму для зала. В коммуникации каждый раз приходится выбирать, кто клиент «сегодня», чтобы не засыпать его сообщениями, а попасть в актуальную потребность здесь и сейчас. В этом помогает персонализация и ML, но и простая здравая логика тоже работает: меньше шума, больше пользы.

Если говорить о типах, у нас заметны несколько «ролей» клиента. Родитель спортсмена, который ищет детскую экипировку и форму к учебному сезону. Любитель фитнеса, который ходит в зал и периодически обновляет базовый гардероб для тренировок. Сезонный спортсмен, чьи запросы резко меняются с погодой и отпускными планами. Энтузиаст конкретной дисциплины, для которого важны специализация и ассортимент. Покупатель для семьи, который закрывает сразу несколько задач в одном чеке. И «охотник за выгодой», чувствительный к бонусам и акциям. Задача CRM — в нужный момент понять, какую роль человек «играет» сейчас, и показать ему самое уместное предложение.

Был ли у тебя кейс, когда сценарий дал суперрезультат? И, наоборот, пример, когда не взлетело?

Да. Из «супер»: мы запустили умную политику контактов — алгоритм, который ранжирует частоту коммуникаций для каждого клиента. Мы проанализировали поведение, подписки по каналам, реакции, приоритизировали типы рассылок и научили систему «срезать» лишние касания: например, из всего сегмента бегунов письмо получала только та часть, для которой это не становилось переспамом. В результате мы сократили частотность без просадки в обороте и уменьшили отписки на 33% год к году (e-mail-канал), выйдя ниже рыночного бенчмарка при очень большой базе. По сути, опять же, меньше шума — тот же доход.

Из «ошибок с пользой»: тестировали выбор оффера через ML-модель. Она смотрела не только соцдем, но и просмотры/покупки и… отправила мужчине рассылку про женский спортивный топ. Формально модель не ошиблась — в истории покупок у него были женские товары (покупал кому-то). Но кейс подсветил границы «чистой» поведенческой персонализации. Мы добавили правила-ограничители: контекстные фильтры под «жёстко гендерные» поводы (типа 8-го Марта), проверку формулировок и логику «ролей» клиента (покупает для себя vs. покупает для других). Вывод: ML — отлично, но только в связке с прозрачными бизнес-правилами и здравым смыслом.

Какие ключевые тренды персонализации в ближайшие пять лет? На что обратить внимание и чему учиться?

Персонализация станет ещё глубже, а инструментов для её реализации будет больше. Главное не «где взять новые кнопки», а как собирать и хранить данные: единая схема событий, аккуратные теги, связка профилей. Когда данные разложены по полочкам, гипотезы появляются сами и их можно быстро проверять. Это критично и для e-mail: без корректно размеченных данных персональные письма работают слабо.

Второй вектор — мессенджеры и чат-боты. Это уже часть CRM, а не просто ещё один канал: диалоги, сервисные сценарии, покупки, напоминания — всё в привычной среде пользователя.

Что делать уже сейчас:

1. Наладить сбор first-party данных и завести понятную «таксономию» событий и тегов
2. Учиться работать с данными: базовый SQL/BI, формулировка гипотез, чтение метрик
3. Освоить сценарии в мессенджерах: от простых ботов до ветвящихся диалогов
4. Думать про место использования: какой канал, какой момент, какая частота — и только потом креатив

Коротко: больше возможностей будет у тех, кто держит порядок в данных и понимает, где и когда применить персонализацию, а не просто «что ещё собрать».