Собрать релевантные клиентские базы
Проблема. В компании разработали новый продукт. Теперь маркетологу необходимо выделить из наработанного списка потенциальных клиентов (b2b) и передать его менеджерам по продажам. Но в базе уже тысячи компаний. Как быстро найти среди них те, кому продукт будет полезен?
Решение. Маркетолог может проанализировать базу, которая уже есть в компании, используя информацию о партнерах из официальных источников (данные о финансовом состоянии, закупках, лицензиях, сфере деятельности, месте регистрации юрлица и т.д.). Проще проранжировать и отфильтровать список юрлиц, чтобы выделить в нем целевых клиентов для нового продукта.
Сделать это можно вручную, но специалисту потребуется много времени, день-два на каждого клиента как минимум. Проще использовать специальные программы по проверке контрагентов, в которых уже собрана вся официальная информация о юрлицах. Такие системы анализируют информацию автоматически, без участия человека.
Пример из практики. Сеть студий по изучению иностранных языков разработала предложение по корпоративному обучению. Занятия планируют проводить очно. Головной офис школы находится в Москве, есть филиалы в Санкт-Петербурге, Екатеринбурге, Новосибирске и Казани.
В первую очередь в школе хотят предложить свои услуги зарубежным компаниям, потому что именно они чаще всего требуют от сотрудников знания иностранного языка. Чтобы найти их в базе, нужно выбрать только организации с иностранным участием или филиалы зарубежных корпораций. Затем отсортировать список по количеству сотрудников в штате.
На следующем этапе маркетолог может ранжировать клиентов по годовой выручке. Так получится выделить самых крупных (стоит помнить, что не все компании показывают свою выручку, например, это касается банковских и страховых организаций). По наблюдению студии, именно крупные компании обычно компенсируют своим сотрудникам занятия по изучению иностранных языков. Кроме того, работа с ними может принести крупный чек. Последний шаг — отфильтровать базу по географическому признаку, выделив города присутствия школы.
Три популярных сценария использования открытых данных при составлении релевантной клиентской базы
