Скидки по всей базе клиентов снижают маржу, потому что промокоды получают даже те, кто купил бы без них. А неактивные клиенты не возвращаются, потому что не видят в рассылках ничего интересного для себя. Разбираемся, как сегментация помогает давать скидки только тем, кому они действительно нужны для покупки, и находить среди «спящей» базы клиентов, готовых вернуться.
Зачем сегментировать клиентов
Увеличить продажи через работу с неактивной базой, в которой есть клиенты с разной готовностью к покупке. Кто-то забыл про магазин, кто-то разочаровался в ассортименте, а кто-то присматривается к товарам, но пока не решился на заказ. В этом случае массовая рассылка по всей базе может не сработать: компания тратит бюджет на отправку сообщений тем, кто не сделает заказ.
Maximum Education решили эту задачу с помощью ML-модели, которая анализирует активность пользователей на сайте и определяет тех, кто готов к покупке. Выделенному сегменту клиентов отправляют персонализированные рассылки. Конверсия в заказ автоматической выборки в пять раз выше, чем при ручной выгрузке сегментов.
Сохранить маржинальность с помощью точечных скидок клиентам, которые не купят без них. Онлайн-ритейлер косметики hollyshop с помощью ML-модели делит аудиторию на группы:
1. Не купят даже с оффером.
2. Оффер будет решающей мотивацией к покупке.
3. Покупают без стимулов.
Письмо с промокодом получают только клиенты, которые не готовы купить без выгоды. В результате валовая прибыль от автоматических рассылок выросла на 18%, конверсия в заказ — на 13,98%.
Снизить расходы на коммуникацию — не тратить бюджет на дорогие каналы там, где сработают дешевые. Интернет-магазин imkosmetic в email-рассылках дарил клиентам подарочные сертификаты и напоминал об их использовании. Если покупатель не активировал сертификат после письма, то отправляли SMS. Так компания сэкономила на рассылке, отправив дорогие сообщения узкому сегменту вместо всей базы, напомнив о сертификате всем, кому это было актуально.
Увеличить эффективность автоматических сценариев. Триггерные сценарии обычно отправляют одинаковое предложение всем клиентам, которые совершили действие — бросили корзину, просмотрели товар, не вернулись после первой покупки. Сегментация внутри триггера позволяет персонализировать предложение под человека. Мебельная сеть «Лазурит» разделила клиентов с брошенной корзиной по сумме незавершенного заказа. Тем, кто оставил товары на небольшую сумму, предлагали скидку 5%, а тем, у кого в корзине дорогие позиции, — 2%. Выручка от брошенной корзины выросла на 84%.
Снизить отток клиентов. Тех, кто давно не покупал, сложно вернуть историями о бренде или полезными статьями — им нужна веская причина для новой покупки, например акция.
Сеть медицинских лабораторий «Инвитро» вернула 3,3% оттока с помощью скидок — выделила клиентов, которые давно не посещали лаборатории, и запустила серию писем с персональными предложениями. Механика принесла 10% выручки директ-маркетинга за квартал.
Повысить средний чек с помощью персональных офферов. Магазин товаров для дома COZY HOME разделил клиентов на микросегменты по среднему чеку. Клиентам с тратами от 4 тысяч рублей дарили 600 бонусных рублей при заказе от 5 тысяч рублей. Вместо универсальной скидки компания точечно мотивировала каждую группу купить чуть больше. Средний чек участников промоакций вырос в два раза по сравнению с теми, кто не участвовал.
По каким критериям сегментировать клиентов
Базу можно разделить по характеристикам, этапам жизненного цикла, покупательскому поведению — иногда по одному критерию, иногда по нескольким. Выбор зависит от того, сколько данных есть у компании.
По характеристикам клиента — сегментация, с которой обычно начинают работу. Данные о возрасте, поле и месте проживания можно собрать при регистрации в личном кабинете и на их основе запустить первые персонализированные кампании. Например, онлайн-школа может разделить родителей по возрасту детей и отправлять предложения курсов для дошкольников одним, а курсы подготовки к ЕГЭ — другим.
«Дом Мод» добавил в поздравления с днем рождения сегментацию по полу: женщинам система показывает женскую одежду, мужчинам — мужскую. За два месяца click rate вырос с 5,3 до 9 п. п., open rate — с 36,8 до 48 п. п.
По этапу жизненного цикла — особенно важно в индустриях с долгим циклом сделки, когда между первым касанием и покупкой проходят месяцы. Например, в недвижимости или туристических услугах клиенты долго изучают предложения, сравнивают варианты и могут потерять интерес, если их не вовлекать в коммуникацию. Tripster делит базу на восемь сегментов: новички получают письма о сервисе, активные читатели — информационные рассылки, отток — реактивационные письма.
Одной из самых успешных рассылок для активных читателей стала «Поймай меня, если сможешь» о знаменитых мошенниках и детективе. Такие форматы держат open rate массовых рассылок на уровне 55–60%.
По поведению на сайте и в приложении: какие страницы смотрел клиент, что добавлял в корзину и избранное, на какие рассылки реагировал. Бренд одежды GATE31 внедрил автосегментацию по предпочтениям — алгоритм анализирует просмотры и покупки каждого клиента, автоматически определяет любимую категорию товаров и формирует персональные подборки. Клиентам, которые чаще смотрели платья, отправляют платья из распродажи, а тем, кто интересовался верхней одеждой — куртки. За два месяца рассылки с автосегментацией принесли +5,6% к выручке email-канала, конверсия в заказ выросла на 0,37 п. п. по сравнению с массовыми рассылками.
По множеству критериев одновременно — когда компания анализирует действия на сайте, историю покупок и данные из личного кабинета, она может создавать узкие сегменты. Такие микросегменты позволяют отправлять предложения, которые попадают точно в интересы клиента: не просто «женщинам 25–35 лет из Москвы», а «женщинам 25–35 лет из Москвы, которые просматривали осенние ботильоны, но не купили, и раньше покупали обувь на среднем каблуке».
EKONIKA разделила базу по 19 параметрам и получила 132 микросегмента, которым отправляет персонализированные рассылки.
После внедрения персонализации и сегментации выручка на одного получателя ручных рассылок выросла в шесть раз. Доля выручки от CRM-маркетинга в общей выручке компании выросла с 6,9% до 15,3%.
Как сегментировать клиентов
Разделять клиентов на группы можно вручную или автоматически.
При ручной сегментации данные о покупках и активности выгружают в Excel, анализируют и формируют списки для каждой механики. Так делали «Всеинструменты.ру», когда сегментировали базу по любимым категориям товаров. На подготовку 10 рассылок уходило до 4 часов, которые сотрудники могли потратить на другие задачи.
При автоматической сегментации CRM- и CDP-системы собирают данные о клиентах в реальном времени и формируют актуальные группы по заданным критериям. Маркетолог только настраивает правила — например, клиенты, которые в последних трех покупках выбирали вещи черного цвета, попадают в сегмент «любители базовой одежды». Если поведение меняется, и клиент начинает покупать яркие цвета, система автоматически переносит его в другой сегмент.
«Всеинструменты.ру» внедрили автосегментацию на основе вычисляемых полей — система раз в сутки определяет любимую категорию для каждого клиента. Покупатели инструментов получают письма про инструменты, любители садовых товаров — про газонокосилки. Время подготовки рассылок сократилось с 4 часов до 30 минут, и AB-тесты подтвердили эффективность нового метода.
В рамках AB-теста письмо о сварочных аппаратах бренда Inforce отправили трем группам. Первая получила массовую рассылку. Вторая — сегментированную по самой покупаемой категории, третья — по самой просматриваемой категории. Тест показал, что показатели рассылок с автосегментацией выше, чем у массовых.
Сегментация помогает компаниям увеличивать выручку за счет того, что каждый клиент получает интересное для него предложение. Одни и те же люди начинают чаще открывать письма, переходить по ссылкам и покупать, а отписок становится меньше.
Начинать работу с сегментацией и персонализацией можно с базовых критериев вроде пола, возраста или города — этих данных достаточно, чтобы запустить первые кампании и получить результаты. По мере роста базы нужно углублять сегментацию: учитывать историю покупок, любимые категории товаров, реакции на прошлые рассылки. Чем больше данных о поведении клиента, тем точнее можно попадать в потребности потенциального покупателя.
Больше полезных материалов о маркетинге — в Mindbox Журнале.