Як Big Data допомагає бізнесу краще розуміти клієнтів: досвід ARBER

– Як трансформація бренду вплинула на потребу глибше дослідити свою аудиторію?

Нашою головною метою було глибше зрозуміти клієнта в період трансформації бренду. ARBER має 35-річну історію, і за цей час компанія пройшла шлях від бренду класичного чоловічого одягу до сучасного фешн-бренду, який пропонує кежуал-колекції як для чоловіків, так і для жінок.

Разом із розширенням асортименту змінилися й наші бізнес-завдання. Нам було важливо не лише знати, хто купує продукцію ARBER, а й зрозуміти, як живуть ці люди, чим вони цікавляться, які сервіси використовують, що впливає на їхній вибір і через які канали з ними варто комунікувати. Це мало стати основою для оновленого позиціонування та розвитку бренду.

– Як ви досліджували свою аудиторію до цього?

Ми спиралися на власні джерела інформації — CRM, статистику продажів, аналітику інтернет-магазину та досвід команд, які працюють у фізичних магазинах. Ці дані добре пояснювали поведінку клієнтів усередині нашої екосистеми: що вони купують, коли повертаються, які товари користуються попитом.

Однак цього вже було недостатньо. Ми майже нічого не знали про життя клієнтів поза взаємодією з брендом: їхні інтереси, цифрові звички, стиль життя та фактори, які впливають на рішення про покупку. Ці знання були потрібні для наступного етапу розвитку.

– З якими бізнес-гіпотезами ви розпочинали дослідження?

Ми вважали, що ядро аудиторії ARBER — це чоловіки віком 30+, які самостійно ухвалюють рішення про купівлю одягу. Відповідно, більшість наших маркетингових активностей будувалися саме навколо такого портрета клієнта. Одним із завдань дослідження було перевірити, наскільки ця картина відповідає реальності.

– Чому саме Big Data стала інструментом для пошуку відповідей?

Традиційна аналітика чудово відповідає на запитання «що купує клієнт», але майже не пояснює «чому». Для розвитку бренду цього вже недостатньо. Big Data дає змогу побачити ширший контекст: стиль життя людини, її цифрову поведінку, інтереси тощо. Такий комплексний погляд допомагає ухвалювати більш точні бізнес-рішення, будувати релевантну комунікацію та знаходити нові можливості для розвитку.

– Які саме дані ви аналізували?

Дослідження охоплювало одразу кілька напрямів. Ми аналізували географію клієнтів, соціально-демографічний портрет, цифрову поведінку, інтереси, відвідування тематичних ресурсів та інше. Також вивчали особливості онлайн- та офлайн-покупок. Такий комплексний підхід допоміг сформувати більш цілісне уявлення про наших клієнтів.

– Чому вашим партнером став саме Київстар?

Для нас було важливо отримати якісний аналітичний продукт із практичними рекомендаціями. Тому ми обрали Київстар. Вирішальними факторами стали масштаб і якість даних, а також експертиза команди. У процесі роботи ми отримали не лише результати аналізу, а й допомогу з їхньою інтерпретацією та адаптацією під конкретні бізнес-завдання.

– Як проходила робота над проєктом?

Процес був досить структурованим. Спочатку ми сформували бізнес-запит, після чого команда Київстар допомогла деталізувати його та визначити, які саме дані допоможуть знайти відповіді. Далі ми поетапно отримували результати дослідження, аналізували їх і відразу переводили в конкретні маркетингові та бізнес-ініціативи. Так ми швидко перейшли від аналітики до практичного використання отриманих інсайтів.

– Які інсайти стали найціннішими для бізнесу?

Найбільшим відкриттям стала роль жінок у процесі покупки. Дослідження показало, що значну частину онлайн-аудиторії складають саме жінки, які обирають одяг не лише для себе, а й для чоловіків. Цей інсайт суттєво змінив наше бачення аудиторії. Ми зрозуміли, що ARBER давно перестав бути виключно чоловічим брендом.

Ще одним важливим відкриттям стало глибше розуміння способу життя наших клієнтів. Це дало змогу перейти від комунікації навколо продукту до комунікації навколо цінностей і стилю життя, переглянути підхід до партнерств, колаборацій та вибору амбасадорів бренду.

– Як результати дослідження вплинули на маркетингову та бізнес-стратегію ARBER?

Висновок став основою для перегляду маркетингового підходу. Ми оновили сегментацію аудиторії, адаптували комунікаційні повідомлення, почали більше говорити не тільки про одяг, а й про спосіб життя наших клієнтів. Також розширили набір каналів комунікації, тестуємо нові партнерства та колаборації, які відповідають інтересам і поведінці цільової аудиторії.

– У яких напрямах ви бачите найбільший потенціал Big Data надалі?

Насамперед — у персоналізації. Чим краще бренд розуміє клієнта, тим точніше може пропонувати релевантні продукти, сервіси та комунікацію. Окрім цього, Big Data відкриває нові можливості для роботи з утриманням клієнтів, пошуку перспективних сегментів аудиторії та побудови партнерств із брендами, які мають схожі профілі споживачів.

– Які рекомендації дали б компаніям, які лише починають працювати з великими даними?

Перш за все — дивитися на клієнта ширше, ніж через історію його покупок. Варто досліджувати його стиль життя, мотивацію, інтереси та фактори, які впливають на вибір.

Не менш важливо інвестувати в сервіс, адже саме якісний клієнтський досвід сьогодні багато в чому визначає рівень лояльності.

І ще одна порада — працювати з досвідченими партнерами. Великі дані мають цінність лише тоді, коли їх правильно інтерпретують і перетворюють на конкретні бізнес-рішення. Для нас саме такою стала співпраця з командою Київстар.

– Як, на вашу думку, змінюватиметься фешн-ринок у найближчі роки?

Ми бачимо два тренди — персоналізацію та розвиток спільнот навколо брендів. Сучасні технології, зокрема штучний інтелект і Big Data, дають змогу значно краще розуміти потреби кожного клієнта та пропонувати максимально релевантний продукт у потрібний момент. Бренди, які навчаться ефективно працювати з даними та швидко адаптувати свої рішення, отримають найбільшу конкурентну перевагу.

Нагадуємо, Київстар дотримується Законів України «Про інформацію» та «Про захист персональних даних», не передає та не продає персональні дані абонентів, у тому числі й записи розмов, тексти SMS/MMS та історію браузера третім особам. Усі аналітичні моделі з використанням Big Data будуються на основі неперсоніфікованих та зашифрованих даних.