История успеха KXEN

Powergen

KXEN Case Study

Powergen активизирует свой маркетинг с помощью аналитических инструментов KXEN

Нам всем необходима энергия. Мы все используем ее. Но все мы удивительно беспечны, когда пытаемся купить ее много. Как следствие, 9 из 10 потребителей переплачивают за газ и электричество.

Powergen, одна из ведущих энергетических компаний Великобритании и часть E.ON, крупнейшей мировой частной электростанции, приняла решение уменьшить это соотношение путем предложения клиентам энергосберегающих пакетов услуг. И маркетинговая задача по ориентированию «правильного» потенциального покупателя на «правильные» продукты является единственным методом продвижения этой идеи.

В отличие от финансовых компаний или операторов мобильной связи, где контакты с потребителем происходят часто, и поэтому количество информации о клиентах велико, энергетический сектор в большинстве случаев имеет информацию о нечастых контактах и сильно устаревшие клиентские базы данных.

Кроме того, так как Powergen придерживается строгих правил по частоте рассылки и взятых на себя обязательств не посылать потребителям не относящиеся к делу маркетинговые материалы, точный выбор целевой аудитории становится не просто приоритетным. Он является необходимым.

Для решения этой задачи Powergen, лидер в своей области, выбрал аналитический продукт для анализа бизнес-данных нового поколения от компании KXEN, чтобы с его помощью выбрать оптимальную целевую аудиторию и предложить потенциальным потребителям соответствующие пакеты продуктов и услуг. По словам Начальника департамента CRM, Марка Перрета (Mark Perrett), уже с самого начала внедрения результаты оказались обнадеживающими.

«В первый раз, как только мы применили модель, построенную KXEN, для поддержки рекламной компании, то увидели, что количество продаж выросло на 20%, а затраты на рассылку сократились на £150000. Эти данные наглядно иллюстрируют эффективный и быстрый возврат инвестиций на программное обеспечение».

«Что более важно, мы также получили контакты 300000 возможных потребителей для использования их в своих будущих маркетинговых кампаниях».

Два вида топлива

Первой кампанией был кампания по двум видам топлива, когда потребителям предлагалось покупать у Powergen одновременно и электроэнергию, и газ по более низким ценам. С помощью инструментов KXEN была построена модель. Изучив ее, специалисты отдела маркетинга пришли к выводу, что они могут исключить 70% потенциальных клиентов из исходного списка, имея дело только с оставшимися 30%, проявляющими высокую предрасположенность к покупке. Последующая реакция и показатель эффективности кампании наглядно доказали, что модель была достоверной в своих предсказаниях и выдавала реалистичный, объективный прогноз.

Будучи недавно внедренным, KXEN уже играет важную роль в работе Powergen. Компания намерена сохранить свое отличие от конкурентов на рынке, она видит точный маркетинговый ход: показать потребителям, что понимает их нужды больше, чем конкуренты.

«Динамика рынка весьма интересна, - говорит Перрет. - Где конкуренция была очень жесткая, и поиск клиентов представлял собой постоянное соревнование, теперь происходит созревание и мотивация всех поставщиков пересмотреть свою тактику. Мы работаем на рынке, где сложно получить конкурентную информацию, которая могла бы помочь понять и использовать данные о клиентах. И это действительно подчеркивает важность моделирования».

Из предыдущего опыта работы с решениями KXEN Перрет знает, что они могут быть внедрены и использованы гораздо быстрее, чем некоторые альтернативные инструменты. Эти знания позднее помогли Powergen прийти к решению работать с KXEN.

Экономия ресурсов

В традиционном моделировании над получением результатов работает большая команда высокооплачиваемых специалистов-аналитиков. Пример работы Powergen с KXEN показывает, что этого можно избежать.

«Наш рабочий процесс задействует всего трех или четырех аналитиков. Инструменты традиционного моделирования требуют участия гораздо большего количества профессионалов. Я слышал об организациях, в которых задействовано несколько десятков аналитиков, но мы уже убедились, что можно строить хорошие модели для маркетинга всего с тремя-четырьмя специалистами».

Другой характерной чертой традиционного моделирования является постулат, что построение одной модели занимает несколько недель, а иногда и месяцев. И снова Powergen опровергает это устоявшееся мнение.

"С помощью KXEN построение модели занимает минуты, и модель может быть применена к нескольким миллионам записей в базах данных за пару часов, в то время как в других приложениях построение модели и обработка данных занимает целые недели», - говорит Перрет. - "KXEN предоставляет вам выбор выходных данных и автоматически создает код, чтобы вы сразу смогли применить это к вашей базе данных».

Секрет, который стоит за простотой, скоростью и невысокими требованиями KXEN к пользователю, - в преимуществе математического метода перед традиционными статистическими технологиями, применяемыми для построения моделей. Статистические методы хорошо понятны, но занимают большое количество ресурсов и времени. Математические методы менее понятны, но требуют намного меньше времени и ресурсов.

Что думает Перрет о моделирующих технологиях KXEN? «Если говорить откровенно, совсем не нужно знать глубинные процессы технологий, чтобы получать от них выгоду», - говорит он.- «Иметь представление об этом полезно, но здесь мы имеем дело с инструментом, который можно просто взять и легко применить за короткий срок. И если вы сделаете ошибки в процессе работы, их так же легко будет заметить».

Фокусирование усилий

В отличие от других предприятий Powergen четко сфокусирован на поставках энергии, и не предлагает множества других дополнительных услуг, как его конкуренты, таким образом, компания пропагандирует «абсолютную энергию». Бренд Powergen входит в состав розничного отделения E.ON UK и обслуживает около 8.5 миллионов абонентских счетов за газ и электричество.

Перрет и его коллеги в Powergen, изучающие поведение потребителей, теперь намерены помочь своим сотрудникам увеличить это число. В данном случае KXEN рассматривается как ключевой инструмент, с помощью которого можно изучать информацию о потребителях, содержащуюся в базе данных Oracle компании.

«KXEN позволяет нам взглянуть на имеющиеся данные без всяких предубеждений. Проблема в том, что если у вас есть много данных, очень легко перейти к выводам, но мы так можем делать только простые прогнозы. С помощью KXEN мы можем руководствоваться не только интуицией, но и подкреплять ее достоверными данными».

В качестве примера Перрет приводит один случай, когда определенное предложение по поставке энергии было изначально предназначено для потенциальных потребителей без ясного представления о типах потребителей, которые до этого покупали предлагаемые продукты.

«Модель, которую мы построили, действительно показала, что число людей в семье является существенным показателем. Предложение оказалось более привлекательным для семей, а на одиноких людей мы тратили свое время впустую. Результаты дали нам весьма ценные знания, как мы можем изменить наш подход к продвижению этого продукта: например, с помощью маркетинговых материалов, которые лучше воспринимаются семейными респондентами, чем одинокими. «Изначально мы использовали KXEN для определенной цели, но в силу нашего небольшого опыта мы решили уделить некоторое время изучению других его свойств. Этот инструмент обладает большими возможностями, которые мы еще не до конца изучили, но собираемся сделать это в ближайшем будущем».