В нашем блоге мы регулярно делимся историями клиентов, которым помогли реализовать эффективные бизнес-решения с помощью нашей платформы. Но что делать, если у вас есть нестандартный кейс и вы бы хотели найти для него нужные инструменты? Ответ прост: не стесняйтесь к нам обратиться:) Мы смоделируем ситуацию, выявим цели и подготовим план для реализации задач.
Именно таким гипотетическим кейсом поделимся с вами в этой статье. Вы узнаете, как за год сеть быстрого питания смогла бы склонить более 50% клиентов попробовать весьма необычный продукт и при этом сохранить Retention Rate. Заодно вы ближе познакомитесь с возможностями CDP eSputnik и, вполне вероятно, возьмете на заметку несколько инструментов для своего бизнеса.
О проекте
Сеть ресторанов быстрого питания запускает новую линию продукции с искусственным мясом. В меню уже есть позиции вегетарианского направления, и можно рассчитывать на заинтересованность определенного сегмента аудитории.
Однако предположим, что по внешнему виду новинки с искусственным мясом уступают традиционной продукции и в офлайн-точках пока большим спросом не пользуются.
Помимо продаж непосредственно в заведениях, касания с клиентом происходят в других каналах:
- на сайте;
- в мобильном приложении;
- через службы доставки и агрегаторы, откуда данные о заказах выгружаются вручную, а данные о поведении не передаются;
- в скором времени планируется размещение касс самообслуживания в аэропортах.
Около 30% клиентов активно пользуются преимуществами программы лояльности.
Глобально компания имеет мультиканальную коммуникацию, но сквозную аналитику не ведет, а данные о клиентах хранит в разрозненных источниках.
Задачи
- Провести промо для новой продуктовой линейки.
- Сделать присутствие блюд с искусственным мясом в чеках максимальным.
- Достичь KPI в минимум половину уникальных клиентов, попробовавших один из продуктов за год.
Обязательное условие, которое должно соблюдаться в ходе промокампании, – строгий контроль за Retention Rate.
Решение
Чтобы решить поставленные задачи, нам необходимо:
- отличать чеки уникальных клиентов от повторных;
- проводить поведенческую оценку.
CDP eSputnik имеет все необходимые инструменты, чтобы осуществить каждый из пунктов разработанного плана. Наглядно реализацию решения можно представить на следующей схеме:
Рассмотрим подробнее, как интегрировать CDP в инфраструктуру сети заведений и как она поможет сделать эффективной промокампанию на основе поведения клиентов.
Шаг 1. Приводим в порядок данные, связываем каналы
CDP позволяет объединить данные из любых каналов, в которых происходит касание с клиентом:
- покупки в офлайне;
- поведение на сайтах и в приложениях;
- участие в бонусных программах;
- активность в рассылках;
- взаимодействие с компаниями-партнерами.
В результате мы не только сохраняем в одном месте всю историю клиента, но и можем обогащать его профиль дополнительной информацией: социальные, демографические данные, геопозиция и т. д.
Передавать данные о клиентах в eSputnik мы можем несколькими методами:
- JSON events для отправки событий, содержимое которых можно использовать для сегментации и персонализации.
- JavaScript Tracking, отслеживающий поведение клиентов на сайте. Решение отлично подходит для ecommerce.
- Подключение внешних источников: Google-таблицы, PostgreSQL и BigQuery. Позволяет использовать собственную структуру данных Data Warehouse, при этом сегментация и персонализация реализуются с помощью реляционных таблиц. В нашем случае мы получаем возможность строить сложные сегменты, объединяя разные типы данных: о клиентах, ресторанах, заказах, количестве бонусных баллов и т. д.
Параллельно с настройкой передачи данных загружаем имеющуюся базу контактов в аккаунт, предварительно провалидировав ее. Далее разбиваем базу на группы, чтобы прогревать домен с помощью поэтапной отправки рассылок.
После завершения настроек интеграций в eSputnik происходит кросс-канальная идентификация клиента, когда он проявляет активность в различных каналах. Уникальным идентификатором контакта могут быть не только емейл или телефон, но и, например, персональный промокод, номер карты лояльности, QR-код или deeplink – в зависимости от самого канала.
Шаг 2. Ставим на контроль результаты
Для контроля Retention Rate нам необходимо настроить аналитику, которая позволит оценивать эффективность маркетинговых действий в режиме реального времени, а не по завершению кампании. С этой целью на начальных этапах важно определить:
- какие показатели участвуют в анализе;
- каким образом будем их замерять;
- какие пределы можно считать нормой;
- какие триггеры будут автоматически запускаться, чтобы своевременно реагировать на критические изменения показателей.
Чтобы получить максимально глубокую и разностороннюю оценку результатов, используем нескольких видов аналитики, доступных в нашей платформе.
Контроль роста и оттока базы
В разделе “Контакты” → “Статистика” автоматически формируется отчет о динамике роста базы. Здесь мы можем мониторить, как наполняются сегменты из разных источников добавления контактов: импорт, созданные из заказов, сценариев, форм подписок и др. В этом же отчете можно увидеть показатели оттока: количество отписавшихся, пожаловавшихся на спам, удаленных вручную клиентов. Таким образом мы отслеживаем общие тенденции в динамике базы.
Контроль сегментов по поведению
Стратегические группы выделяем, основываясь на истории покупок и поведения пользователей:
- те, кто не заказывал блюда с искусственным мясом;
- те, кто покупал блюда 1 раз;
- те, кто покупал блюда более 2 раз.
Созданные сегменты ставим на отслеживание в специальных отчетах в разделе “Статистика по группе”. Здесь можно наблюдать за наполняемостью и оттоком контактов в каждом выбранном сегменте. Анализ перехода клиентов между группами покажет:
- сколько из них еще не попробовали новые продукты;
- сколько покупали только один раз;
- какому количеству людей искусственное мясо понравилось и они купили его снова.
При помощи такой сегментации базы мы можем решить сразу несколько задач:
- Персонализация коммуникации. Для первой группы клиентов можно продумать новые вовлекающие механики. Второй – отправить сообщение с просьбой оставить отзыв о продукте, чтобы выявить возможные причины отказа от повторной покупки. Третью группу можно считать лояльной и больше не беспокоить промосообщениями о новинке.
- Определение эффективности отдельных кампаний. Отчеты по отслеживанию групп в eSputnik разбиваются на временные промежутки. Поэтому если в определенный момент наблюдается явный скачок в динамике, мы можем связать его с нашей маркетинговой активностью в этот период.
- Оценка отношения аудитории к продукту. Рост числа клиентов, попробовавших новинку, – один из признаков действенной стратегии. Однако если люди не стали покупать блюда с искусственным мясом повторно, необходимо задуматься о качестве самого продукта и провести дополнительные исследования.
РегистрацияЭффективная сегментация аудитории
Помимо описанных выше сегментов, мы также выделяем контрольную группу, которая не будет вовлечена в промокампанию. Так мы сможем отследить естественное поведение клиентов: как бы они подходили к выбору нового продукта без активной маркетинговой деятельности сети заведений. Сравнение результатов поможет глубже проанализировать, насколько эффективным было промо.
Мониторинг Retention Rate
Возврат и отток базы также контролируем через когортный анализ. На основе оценки поведения когорт определяем моменты, в которые нужно запустить триггеры, направленные на удержание клиента.
RFM-Анализ
Активность каждого ранее созданного сегмента отслеживаем с помощью RFM-анализа. В eSputnik можно строить отчеты по поведению групп как в рассылках, так и в продажах. Анализируя давность и частоту взаимодействий, а также количество прибыли, полученной от определенного сегмента, мы можем оценивать его готовность к дальнейшим покупкам. Так, для каждой группы можно выстраивать свою стратегию с соответствующими триггерами.
Шаг 3. Персонализируем предложения
На этом этапе мы анализируем предпочтения клиентов и настраиваем алгоритмы товарных и офферных рекомендаций. Алгоритмы могут основываться как на данных конкретного контакта, так и на общих. Анонимам – клиентам, чью историю мы не знаем, – можно предложить бестселлеры, новинки и топ просматриваемых позиций в меню. Если история прошлых заказов и просмотров известна, искусственный интеллект подберет товарные рекомендации, исходя из предпочтений человека.
Наша практика показала, что персональные рекомендации на сайте способны увеличить количество допродаж на 16% в месяц. В этом кейсе, кроме сайта, для повышения эффективности мы задействуем и другие каналы коммуникации: мобильное приложение и кассы самообслуживания.
Функциональность eSputnik предусматривает для отображения рекомендаций гибкие и простые в использовании настройки, которые позволяют:
- Выбирать месторасположение рекомендательных блоков. Можно определять не только тип страницы для размещения (главная, категория, карточка товара, корзина, страница 404), но и положение блока относительно других элементов на ней.
- Настраивать внешний вид блоков с рекомендациями в соответствии с корпоративным дизайном. Для этого достаточно загрузить HTML-код с необходимыми CSS-стилями.
- Задавать правила для выдачи товаров. С помощью фильтров можно выставить приоритет для определенной категории, исключить ее из показа, установить минимальную или максимальную цену продуктов для отображения и т. д.
Чтобы определить, какой подход к выдаче рекомендаций будет наиболее действенным, используем А/В-тестирование и просматриваем результаты в отчете. Оценить влияние любых изменений, внесенных в рекомендательный блок, можно благодаря динамике активности пользователей по просмотрам, переходам и покупкам.
Кроме рекомендаций, для вовлечения аудитории используем персонализированные акции, основанные на истории покупок. Например, если клиент предпочитает брать в сети заведений по утрам кофе, можно сделать ему оффер о покупке гамбургера с искусственным мясом по специальной цене.
Оставить заявкуПерсональные рекомендации для ваших клиентов
Шаг 4. Автоматизируем коммуникации
Автоматизация омниканальной коммуникации реализуется в eSputnik при помощи триггерных сценариев. Возможности drag'n'drop-редактора позволят не только подключить в цепочку уведомлений нескольких каналов, но и задействовать другие полезные функции:
- отправку сообщений в заданное время;
- проверки различных условий;
- генерацию промокодов;
- разветвление сценария для тестирования и проверки гипотез.
Для персонализации сообщений используем язык Velocity и ссылаемся на данные в Internal Data Sources или JSON. В результате клиент получает актуальное предложение, основанное на его личных данных и истории покупок.
В коммуникационную стратегию обязательно включаем получение обратной связи от клиентов. С этой целью проводим NPS-опрос среди тех, кто уже попробовал продукты с искусственным мясом. Для удобства получателей можем использовать рассылку с AMP-формой, где можно оставить отзыв прямо в письме без перехода на лендинг с анкетой.
Анализируя ответы клиентов, мы не только сможем оценить эффективность промокампании, но и узнаем о возможных точках роста. Ведь сколько бы усилий не было вложено в совершенствование маркетинговой стратегии и алгоритмов, если клиента не устроил вкус блюд или уровень сервиса – ожидать повторных покупок от него не стоит.
Результат
Объединив в CDP данные о клиентах из разных источников, мы получили информацию об индивидуальных вкусах и истории каждого из них. Это помогло осуществить два решения:
- Мы смогли выделить сегменты со схожими предпочтениями и поведением и разработать для них свои стратегии коммуникации.
- Дополнительно каждый клиент получил релевантные предложения на основе персональных рекомендаций.
В результате более 50% уникальных клиентов попробовали один из продуктов с искусственным мясом.
Встроенные инструменты eSputnik также позволили нам строго отслеживать Retention Rate на протяжении всей кампании и на основе анализа вносить коррективы в стратегию.
Если вы заинтересовались применением инструментов на практике, но остались вопросы – оставьте заявку в форме, и наши специалисты обязательно свяжутся с вами:)
