будут утверждать, что всегда поступали именно так. Однако необходимость делать выводы из более разнообразного цифрового мира повышает ставки и увеличивает важность преобразования понимания клиентского опыта в возможности продукта и еще более критической дифференциации. Эта задача усложняется в среде, характеризующейся высокой доступностью информации.

Возьмем, например, некий бренд деликатесных сыров премиум-класса. Его производители создали новый твердый сыр в итальянском стиле с кристаллами[234]. «Кристаллы отличают его от других сыров» — прекрасное начало идеи, которая может привести к заявке на дифференцированный бренд. Однако требуется больше исследований и определений, чтобы найти полезную идею, которую бренд может использовать для сообщений о влиянии продукта. «Мы — бренд с кристаллами» — слишком буквально и не способствует созданию бренда. Если эти кристаллы действительно выделяют сыр на фоне остальных, то как это происходит? И почему они важны? Это просто вопрос создания другого ощущения во рту или речь о какой-то вспышке вкуса, которая добавляет сенсорное удивление в однородное вкусовое ощущение? Такая способность добавлять сыру вкус и эмпирическую энергию может стать эмоциональным преимуществом, которое легко использовать в позиционировании бренда. Это также подскажет идеальные ситуации для рекламы (например, моменты в течение дня, когда необходим умственный и физический всплеск). Или, возможно, особый сыр, который затрагивает разные чувства, лучше насыщает и сильнее похож на настоящую еду (а не на топпинг или перекус), что может расширить рамки использования и вдохновить на создание различных упаковок, форм и вкусов при разработке продукта. Неустанные поиски «почему» могут превратить прямолинейное заявление (отличие — в кристаллах) в более действенные возможности.

Кроме большего внимания к «почему», понять дифференциацию даже для кажущихся тождественными концепций можно с помощью стремления к глубине и разным аспектам. Сегодня потребители и клиенты требуют инноваций во всем — от орехового масла до автоматизированных конвейерных систем, и качественные методы должны более педантично и тщательно раскрывать концепции, которые клиенты считают важными для себя, описывая их так, чтобы продемонстрировать потенциал дифференциации (отличия от других).

Например, беседы с инженерами — механизаторами сельского хозяйства и людьми, занимающимися очисткой хлопка, о том, чего им хотелось бы от партнера по хлопкоочистительному оборудованию, показали (и неудивительно), что инновации важны. Используя призму сопереживания, эти беседы помогали изучать специфику, подтверждения и показатели инноваций, а также сравнивать постепенный и полномасштабный изобретательский подход к новинкам. Полученное понимание позволило компании Lummus создать собственную историю дифференцированных инноваций, хотя заявки на них в хлопкоочистительной промышленности широко распространены.

Инновационная версия Lummus избегает риска и ориентирована на окупаемость. Компания использует стратегию внедрения инноваций только тогда, когда это может сделать процесс очистки хлопка более прибыльным и эффективным. Она никогда не меняет продукт только ради новизны. Ее инновации основаны на глубоком понимании того, как связаны хлопкоочистка и масштабные перемены в хлопковой промышленности — тенденции на рынке труда, на рынках растительных масел и технологические разработки на предыдущих стадиях работы с хлопком (оборудование для сбора и очесывания хлопка). Благодаря инженерному мастерству и изобретательности Lummus удается внедрять инновации в области, поистине старой как мир (очистка хлопка существует в той или иной форме примерно с 12 000 года до нашей эры), повышая рентабельность и улучшая качество волокна для своих клиентов, производящих хлопковые ткани.

Улучшение качественного понимания в этом примере не стало результатом нового метода. Оно произошло благодаря использованию каждой капли потенциала традиционных детальных бесед — путем разработки дополнительных вопросов, тем и упражнений, которые нужно предлагать клиентам, пока не появятся новые идеи, способные помочь в дифференциации.

Количественные методы: использование силы технологий и больших данных

Чтобы количественные данные работали для брендов в цифровой среде, необходимы как квалификация в области технического анализа данных, так и ноу-хау в сфере применения брендов. Без такого сочетания компании рискуют соблазниться тактическими идеями, которые, возможно, не совпадают с долгосрочным стратегическим видением бренда.

Кроме того, повышение количественного понимания требует все большего усложнения в оценке качества данных, в их сочетании, аналитике и визуализации, причем с прицелом на поиск полезных идей, которые могут помочь рекламным обращениям и каналам распространения при создании брендов.

Разработки цифровой эпохи, которые подпитывают возможности количественного понимания, проистекают из комбинации технологий и больших данных. Технологии предоставили устройства и приложения, которые клиенты используют для пассивного и активного генерирования больших объемов данных. Исследования в области нейробиологии и когнитивной психологии, изучающие внимание и поведенческие реакции на стимулы, дают доказательства погружения пользователей в мобильное программное обеспечение. Приложения предназначены для создания триггеров, побуждающих к действию (например, звуки, уведомления и т. д.); они обеспечивают вознаграждение пользователя, количественно оценивают его взаимодействие с приложением и следят, чтобы вовлеченность оказалась конкурентной и самоисполняющейся. По сути, основным конкурентом времени, затрачиваемым на приложения, разработчики сегодня считают сон. Если учесть, что единственным реальным ограничивающим фактором оказывается количество часов в сутках, совокупное время, проведенное в мире в приложениях, открывает огромные возможности для сбора данных, подходящих для создания бренда.

С распространением интернета, мобильных устройств и приложений в мире появилась масса источников количественных данных для создания бренда в цифровом мире. Среди них:

• трансакции клиентов / участников;

• информация о лояльности;

• данные о клиентском опыте и удовлетворенности клиентов;

• контент и комментарии в социальных сетях, отметки «Нравится», «Не нравится» и «Поделиться»;

• данные третьей стороны (например, анализаторы, государственные и отраслевые отчеты);

• посещаемость сайта, включая время, потраченное на взаимодействие с приложением или сайтом;

• местоположение с геотегами;

• рейтинги кликов и конверсии продаж;

• электронная почта, видео, страницы сайта;

• торговый персонал и другие данные управления взаимоотношениями с клиентами.

Все эти большие данные, предоставляемые технологиями, могут обеспечивать накопление данных и (во все большей степени) возможность машинного обучения. Машинное обучение и обработка естественного языка помогут разрабатывать и предоставлять клиентам адаптивный и оптимизированный контент и опыт, а также повышать узнаваемость бренда (B2C) и расширять возможности продаж (B2B); и то и другое, несомненно, оказывается благом для создания брендов.

В задачи этой главы не входит оценка различных платформ для обработки и анализа данных, выдача руководства по прогнозной аналитике или что-то подобное. Основной вывод о потенциале технологий / больших данных для повышения количественного понимания заключается в следующем: при больших данных возникает большая ответственность за создание здоровых межфункциональных отношений между отделами данных/IT и группами, занимающимися маркетингом. Чтобы реализовать потенциал количественного анализа для построения бренда, мастера работы с данными и лица, занимающиеся стратегией бренда, должны применить свой опыт взаимодействия с клиентами, чтобы использовать аналитику на основе данных для продвижения брендов и увеличения доходов.

Практика: как убедиться, что современные идеи могут принести пользу бренду

Теперь мы знаем, что ценные идеи для бренда можно получить, встроив аспект пути клиента в традиционные