Архивы Без рубрики

Аскона — крупнейший в России производитель и продавец товаров для сна и отдыха

Отличная работа команды Direct Service! Хочу сказать спасибо за проведенный аудит и разработку экономической модели для нашей программы лояльности.

Ребята подошли к делу основательно: глубоко вникли в наши цифры и специфику бизнеса, чтобы найти по-настоящему ценные идеи. В итоге мы получили чёткие и практические рекомендации. Экономическая модель – это не просто абстрактная таблица, а реальный рабочий инструмент. Она наглядно показывает, как работает программа и какие решения принесут конкретную финансовую отдачу. Видно, что при её создании учли множество деталей и возможных сценариев.

В процессе, конечно, были моменты, где наши мнения расходились, но команда всегда была открыта к диалогу. Мы находили общий язык в конструктивном обсуждении, и сотрудничество в целом было очень комфортным и полезным.

Чувствуется, что перед нами настоящие эксперты, которые работают на результат и не делают поверхностных выводов. Рекомендую!

Светлана Борисова

Руководитель управления клиентской базы, промо и лояльности

Услуги и продукты Direct Service

На примерах показали как работает и для чего используется один из ключевых инструментов аналитиков

Выступили на Set Loyalty conf. Вместе с нами были с РИВГОШ, Винлаб, Nielsen и другие звёзды с темами вокруг программ лояльности.

Все материалы конференции доступны здесь

Здесь можно посмотреть наше выступление

А здесь скачать презентацию

Рассказали про когортный анализ на SetLoyalty conf

Прикладной ответ коммерческого директора ЮНИФАРМА на вопрос, что такое CVM с опорой на актуальные источники 2024–2025 годов и практику рынка.

Результаты исследования смотрите здесь: CVM vs CRM. Что такое Customer Value Management на самом деле и почему это важно для вашего бизнеса? Итоги исследования 2025.

Константин Тиунов. Коммерческий директор премиальной аптечной сети ЮНИФАРМА

В чём суть CVM?

CVM (Customer Value Management) — это управленческая модель и набор процессов для максимизации экономической ценности клиента на горизонте его жизненного цикла: от привлечения и онбординга до удержания, повторных покупок и реактивации.

В центре подхода лежат:

принятие решений на основе ценности / маржи / вероятности ответа,
оркестрация «next best action»,
строгая атрибуция инкремента.

За рубежом CVM чаще вырос из телком/банков (retention и upsell), в ритейле — из персонализации и промо-оптимизации.

У аналитиков это не отдельная категория ПО: элементы CVM покрывают персонализационные движки, multichannel marketing hubs, real-time interaction management и journey orchestration.

CVM — операционная модель, а не «еще одна система».

Чем CVM отличается от CRM?

Если CRM — это реестр и механика взаимодействий, то CVM — ценностная логика принятия решений и оптимизация портфеля клиентов.

Фокус:

CRM — учёт контактов / кампаний и автоматизация.
CVM — прирост CLV / LTV, маржи, ARPU и вероятности удержания.

Инструменты:

CRM — сегменты и рассылки.
CVM — решение «какому клиенту и что делать сейчас», в том числе без коммуникации (например, менять ассортимент / цену / условия).

Метрики:

CRM — открытие / клики.
CVM — инкрементальная прибыль, снижение оттока, NPV клиента.

Российские обзоры и дискуссии подтверждают именно такой сдвиг, хотя единообразного определения на рынке нет.

Что реально даёт CVM?

В мире: при зрелой реализации персонализация и CVM-подход дают устойчивый прирост выручки 5–15% (в лучших кейсах), рост вовлеченности / удержания и снижение CAC. В телко McKinsey фиксирует до ~10% роста выручки и 20–30% прирост показателей удовлетворенности при аналитически управляемом CVM.

Россия: крупные ритейлеры и финсектор активно двигаются к CVM-логике через персонализацию, DCR / first-party-данные и мультиканальную оркестрацию; термин уже есть в профессиональном обороте, но практики неравномерны.

Примеры и контекст:

X5 Tech наращивает инвестиции в AI / персонализацию,
РИВ ГОШ тестирует Data Clean Room,
профильные форумы и клубы CRM Leaders обсуждают CVM как следующий уровень зрелости.

В чём ограничения и риски CVM?

Не стандартизированная область: у Gartner/Forrester нет «Magic Quadrant for CVM», поэтому часть рынка использует «CVM» как маркетинговый ярлык к существующим стэкам (MMH, personalization engines, RTIM). Это порождает ожидания «новой платформы», тогда как нужен пересмотр процессов и KPI.
Риск «over-personalization» и каннибализации скидками: без строгих дизайн-принципов и каузальной оценки инкремента CVM легко уводит в спам-механику и промо-инфляцию, снижая маржу и доверие. Исследования фиксируют усталость пользователей, риски «creepy-эффекта», а также каннибализацию выручки от купонов и промо.
Требования к данным и комплаенсу: в РФ ужесточены правила ПДн (152-ФЗ): локализация первичного сбора, новые оборотные штрафы за утечки и нарушения согласий — ключевой фактор для CVM-инициатив в 2025. Без корректного consent-менеджмента и first-party-архитектуры проект рисковый.

Когда CVM целесообразен?

Целесообразен, если одновременно выполняются условия:

Есть критическая масса first-party-данных по клиентам и покупкам, единый профиль и устойчивое качество данных.
Можно быстро менять «действия над ценностью» не только в коммуникациях, но и в ассортименте, ценах, условиях, логистике и сервисе (а это уже про управление P&L, а не только рассылки).
Есть инструменты и компетенции RTIM/journey orchestration, эксперименты с инкрементом и «next best action», а также готовность мерить NPV/CLV, а не только открываемость.
Есть юридическая готовность: хранение/локализация ПДн, прозрачные согласия, гибкий opt-out, аудит внешних сервисов.

Если этих условий нет, рациональнее говорить об укреплении CRM-фундамента (качество данных, сегментация, триггеры, тест-дизайн) с точечными CVM-механиками, а не о «переходе» как о большой трансформации.

Что меняется в маркетинге при переходе к CVM

Цель: маржа/CLV вместо охвата и числа коммуникаций.

Планирование: из «календаря рассылок» в «портфель тактик с ресурсными лимитами и целями по инкременту».

Операции: появляется «decisioning-ядро» и приоритизация конкурирующих действий для одного клиента в реальном времени.

Метрики: обязательны holdout-группы, каузальные методы и контроль каннибализации.

Каково отношение к CVM в экспертной среде?

Одна часть экспертов и СМИ трактуют CVM как эволюцию CRM-маркетинга. Другая часть — как «продающую оболочку» без принципиально нового содержания. Консенсуса нет, но тренд на сдвиг к ценности и отказ от «массовых промо» в пользу персональных механик подтверждается.

Есть и академическая повестка: переход от клико-метрик к метрикам ценности.

Вывод

CVM — это не революция, а грамотная эволюция к управлению ценностью клиента. Для компаний с высокой зрелостью данных и готовностью менять решения за пределами e-mail / мессенджеров CVM окупается и даёт рост прибыли. Для остальных риски завышенных ожиданий и затрат выше эффекта. В 2025 в России ключевой барьер — не технологии, а комплаенс и дисциплина измерений.

Источники:

McKinsey: персонализация и CVM в телко/ритейле, оценки прироста. (McKinsey & Company)
Gartner/Forrester: категории MMH, personalization engines, RTIM и тенденции CX/маркетинга 2024–2025. (gartner.com, business.adobe.com, axeno.co)
Российская практика и обсуждения: Data Clean Room у Rive Gauche, тренды CRM/CVM и профессиональные клубы/СМИ. (tadviser.ru, retailtech.ru, retailcrm.ru)
Комплаенс РФ: ужесточение 152-ФЗ в 2025 году, локализация первичного сбора, оборотные штрафы. (new-retail.ru, КонсультантПлюс)
Риски «over-personalization» и каннибализации промо: экспертные и академические публикации. (CMSWire.com, Nielsen Norman Group, pubsonline.informs.org)

Следите за новыми материалами в telegram

Глубинное интервью с экспертом из Х5 Retail в рамках исследования Direct Service о CVM: говорим про различия между CRM и CVM, кому подходит CVM, каналы коммуникации, нейросети и рынок.

Мария Филипьева. Х5 Group / Руководитель CRM Интегрированной лояльности

Давай начнём с актуального вопроса: различаешь ли ты CVM и CRM-маркетинг?

Если откровенно – разницы нет. CVM – это чисто маркетинговый ход. Когда компании нужно показать новый этап развития, они просто переименовывают CRM в CVM. Я наблюдала такое не один раз: «Мы стали CVM-отделом, потому что начали считать LTV». Но позвольте, мы же и в CRM раньше считали Lifetime Value клиента! Просто теперь называем это модным словом.

На практике эволюция была такой:

10 лет назад маркетологи научились подставлять имя в письмах: «Здравствуйте, Иван!».
5 лет назад начали считать влияние коммуникаций на маржу и качество клиента.
Сейчас добавляют ML-модели и называют это CVM.

Но суть и CVM, и CRM остаётся прежней – управление взаимоотношениями с клиентами для получения прибыли.

В управлении долгосрочных отношений с клиентами Х5 Group мы используем обе аббревиатуры.

Ты сказала, что применение ML-моделей даёт кому-то повод называть свой подход «CVM»?

Это опасное заблуждение. Я знаю много примеров на рынке, когда компания нанимала дорогих дата-инженеров, строила 1–2 модели, тратила миллионы и… ничего не заработала. Это не значит, что она менее развитая. Просто она сделала осознанный выбор и приняла решение больше не тратить ресурсы на то, что не работает.

У каждого ритейлера может быть свой набор инструментов. Если инструмент не приносит прибыль, то зачем он нужен?

Существуют крупные бренды – спортивные, в недвижимости, продуктах питания, у которых это направление называется «CRM», хотя у них есть мощная аналитика, продвинутая сегментация и штатные дата-инженеры.

Есть компании, которые используют персонализированные скидки, считают LTV, но не разрабатывают собственные платформы. И у них всё прекрасно работает.

Годится ли CVM для малого бизнеса?

Да, но у малого бизнеса меньше ресурсов, чтобы позволить себе штат аналитиков и продвинутые CDP платформы, а также управление выводами.

Кроме того, малый бизнес обычно живет краткосрочным планированием. И, как будто, не имеет возможности считать LTV. В том числе, потому что нет исторической базы данных, на которых строятся такие модели. В то время, как у большого бизнеса есть миссия, есть долгосрочное и среднесрочное планирование.

Как бизнесу оценить эффект от CVM? Какие метрики действительно важны на практике?

Всё просто: деньги, деньги и ещё раз деньги. Выручка и прибыль – вот что по-настоящему важно. Всё остальное – просто инструменты.

Мы можем сколько угодно говорить на конференциях про LTV, инкрементальный эффект и сложные модели атрибуции. Но на самом деле, это лишь способ получить выручку и сохранить её в долгосрочной перспективе за счёт лояльности клиентов к бренду.

Акционеры хотят видеть рубли. Нам важно показать и доказать им эти цифры. Причём имеет смысл оценить: если массовая рассылка даёт такой же эффект (в том числе на длинной дистанции), что и персонализированная, то зачем всё усложнять?

Вот реальный пример из моего опыта:

Персональная скидка дала +300 руб. с клиента.
Массовая рассылка дала +280 руб. с клиента.

В этом случае разница 20 рублей не оправдывает затрат на персонализацию – ресурсов, потраченных на построение модели и продумывание этой персонализации.

Сейчас коммуникации дорожают, некоторые каналы, становятся недоступными, дефицит внимания клиентов увеличивается. Как в этих условиях повышать эффективность коммуникаций?

Ключевое правило: давать реальную ценность, а не просто спамить. Причём ценность у каждого бренда своя. Не нужно смотреть на других, нужно смотреть на себя и оценивать, что важно вашим клиентам.

Например, для программы лояльности «Х5 Клуб» – это кешбэк и выгода. Для премиальных брендов – качество, эмоции, история бренда. Для сервисов – удобство, экономия времени, предсказуемость. Это их ДНК, и клиенты ждут от брендов именно этого.

Персонализация – не является самоцелью. Иногда простая массовая коммуникация с правильным сообщением работает лучше сложных сегментов.

Какие каналы сейчас наиболее эффективны?

В 2025 году мы находимся в такой ситуации:

Email по-прежнему работает, особенно для старшей аудитории, но требует качественного контента.

Push-уведомления: заметные и медийные. Но нужно точно настраивать их частоту. Мобильное приложение становится ключевым рабочим каналом.

SMS слишком простые и «недушевные». С ними сложнее донести информацию и создать эмоциональный контакт. Сейчас оказаться в шторке уведомлений проще пушу, чем СМС. Как минимум, по частоте открытий.

Мессенджеры: в WhatsApp я не верю (на основе того, что происходит с запрещением каналов), а Viber заблокирован. Telegram перспективен, но есть регуляторные риски. Мы рассматривали запуск чат-бота с персонализацией в Telegram, но столкнулись с ограничениями по безопасности, сложностями интеграции и непредсказуемостью законодательства.

Как вы используете нейросети в работе?

Наш подход осторожный и прагматичный.

Для написания текстов готовые варианты от нейросетей не подходят. Они слишком шаблонные, и в них отсутствует «душа» бренда. Сейчас мы экспериментируем с ИИ и прогоняем через него свои тексты. Но я против, чтобы копирайтеры, которые работают со мной, писали тексты только с помощью ИИ. Для этих специалистов важно не потерять чувство языка и навык. Иначе можно будет посадить человека «с улицы» и сказать ему: «Делай креатив!».

Когда мы привлекаем агентство для меня нет разницы как они создают контент. Главное – результат.

Использование ИИ в дизайне пока кажется более эффективным, так как на дизайн требуется больше времени.

А вот для аналитики я вижу в ИИ огромный потенциал. Моя мечта – делать запросы ИИ, а не аналитикам, чтобы освободить им руки.

ИИ подходит для генерации гипотез, помощи в поисках инсайтов, построении цепочек, первичного анализа данных, автоматизации рутинных отчётов. С ИИ можно посоветоваться на любую тему, но делать выводы и критически мыслить приходится самой.

Какие функции можно отдавать на аутсорс, а какие держать в компании?

Всё зависит от команды, потому что есть талантливые внутренние команды, а есть абсолютно неэффективные.

В целом, я бы отдавала на аутсорс креативы, дизайн, отправку коммуникаций и техническую поддержку. А внутри компании оставляла бы стратегию, работу с персональными данными, аналитику и управление продуктом. Агентству можно отдать какие-то элементы, но потом их нужно валидировать со стороны компании.

Важный момент: мы даже KPI не передаём внешним подрядчикам. Агентство никогда не поймёт весь контекст бизнеса, особенно когда речь о чувствительных данных, а иначе зачем делиться столь чувствительным.

Какие главные вызовы для CRM-маркетинга сегодня?

Во-первых, это персональные данные. Их стало слишком много, а хранение и обработка дорожает и усложняется. С другой стороны, есть большой вопрос – как извлечь максимальную ценность из глубокой персонализации и использования всех этих данных.

Во-вторых – законодательство. Каждый месяц появляются новые ограничения, сужаются возможности, ограничивается доступ к каналам. Например, есть юридические риски с Telegram. А это как раз-таки современный канал, в котором сейчас находится большое количество клиентов.

Что бы ты назвала главным мифом CRM-маркетинга?

Что персонализация – это тренд. Это не тренд и не что-то новое, это норма. Это было всегда в нашей работе и это остаётся главным условием нашей работы!

А ещё один миф в том, что гиперперсонализация – это must have. На самом деле для меня это выглядит как пузырь. На практике мы сталкиваемся с тем, что данных очень много, но как их использовать ежедневно – неясно. Эффект, полученный от гиперперсонализации, часто не оправдывает затрат. А клиенты, к тому же, не хотят, чтобы компании за ними так внимательно следили.

Поэтому я считаю, что работа с правильно выделенными сегментами эффективнее, чем попытки создать «персональное предложение для каждого».

Куда сейчас двигается рынок?

Я вижу несколько перспективных направлений:

Экосистемы как следствие глобализации и технологических возможностей. Но это направление подходит только крупным игрокам. Малому бизнесу их не потянуть.
Подписки, платные программы лояльности.
Геймификация, встроенная в процесс покупки и весь CJM клиента, а не как отдельные механики.
Мобильные приложения. Это must have для любого серьёзного бизнеса. Они помогают нативно управлять CJM клиента.
Автоматизация аналитики и подключение ИИ для решения рутинных задач. Но стратегические решения всё-равно должны приниматься людьми.

При этом очень важно не гнаться за хайпом. Основа CRM-маркетинга в 2025 году – это дисциплина данных, баланс массового подхода и персонализации, а также точный расчёт ROI и LTV.

Мария, спасибо за ответы!

Следите за новыми материалами в telegram

Глубинное интервью с экспертом в рамках исследования Direct Service о CVM: Чем отличается CRM от CVM, почему российский ритейл недооценивает CVM, какие каналы коммуникации работают, какие компетенции нужны CRM-маркетологу и сможет ли ИИ его заменить.

CRM и CVM — два столпа клиентского маркетинга.

Николай Селищев. Начальник центра CRM в крупном розничном банке. Руководил CRM-маркетингом ИЛЬ ДЕ БОТЕ.

Начнём с хайпового вопроса – ты различаешь CVM и CRM-маркетинг?

Ещё пять лет назад я воспринимал CVM как надстройку к CRM. Но сейчас рынок трансформировался, и понятия сильно разделились. CRM теперь в большей степени отвечает за коммуникацию, жизненный цикл клиентов, проникновение (в подписку или программу лояльности), удержание, и какую-то ценностную историю. Не зря в этом понятии присутствует слово «relationship».

CVM – это, в большей степени, монетизация. То есть работа со средним чеком, частотой посещения, LTV и доходностью от покупателя.

Таким образом, CRM ориентирован, скорее, на качественные аспекты, а CVM – на количественные – на цифры и деньги.

CVM как направление сместило фокус с оценки каналов продаж к оценке клиентов, к развитию инструментов аналитики и операционного взаимодействия с клиентской базой.

Несмотря на разницу, в современном клиентском маркетинге эти понятия сильно взаимосвязаны и не могут жить друг без друга.

Насколько активно российские компании внедряют СVM-подход?

Пока он не сильно распространён.

Его используют те компании, которые умеют идентифицировать своих клиентов и собирать достаточный объём клиентских данных. Ведь изначально CVM-подход пришёл из банковского сектора и телекома. Именно там бизнес обладает полной информацией о клиентах, что позволяет строить гипотезы и тестировать те или иные персональные предложения.

Внедрение CVM-подхода также требует развития IT-инфраструктуры, а именно систем сбора, обработки и хранения профиля клиентов.

То есть, слабое проникновение CVM-подхода связано с отсутствием возможностей?

Полноценный CVM — это сложно и дорого.

Это очень выгодная история для бизнеса, но она требует больших издержек на внедрение. CVM начинается с данных, а эти данные нужно собирать, хранить и обрабатывать. Нужно сегментировать аудиторию. Нужно автоматизировать процессы. Помимо развития IT-инфраструктуры это требует привлечения дорогих сотрудников – дата-аналитиков, ML-щиков, моделистов. Не каждый бизнес может себе такое позволить.

Кроме того, быстрый результат можно получить и с помощью CRM. Поэтому многие на этом и останавливаются.

CRM-маркетолог, например, работает над регистрациями в программу лояльности, повышает частоту коммуникаций и их покрытие. При этом отправляет всем одно и то же предложение. Такой подход реализуется достаточно быстро и даёт хороший эффект. В этой ситуации немногие пытаются улучшить результаты CRM и задумываются про углубление работы с данными.

Если CVM-подход – это «долго и дорого», значит ли это, что он не подходит для небольших клиентских баз и малого бизнеса?

Я уверен, что в любом бизнесе нужно считать, сколько клиент приносит денег, какая у него юнит-экономика и какой LTV. Точно нужно задумываться о сегментации, о наполнении корзин и о частоте покупок.

Поэтому CRM не существует отдельно от CVM, и грамотный CRM-маркетолог всегда будет двигаться в сторону CVM. Разница только в глубине CVM в его бизнесе и готовности погружаться глубже в работу с покупателями.

Если хочется зарабатывать больше, то размер бизнеса не важен – в любом случае нужно решать задачи, которые ставит перед собой CVM. Не всегда для этого нужны сложные инструменты. Некоторые задачи можно решить даже с помощью Excel. Это не так сложно, и этим можно заниматься на постоянной основе. Так что CVM в какой-то форме доступен всем.

Какие метрики позволяют оценить эффект от CRM и CVM-маркетинга?

Во-первых, я сравниваю глобальную контрольную группу и глобальную целевую группу. Это позволяет оценить инкремент по всем инициативам вместе – и CRM, и CVM.

Разница в средних чеках, частоте покупок, выручках и итоговой прибыли на одного клиента между целевой и контрольной группой – это тот самый эффект, который мы создаём своей работой.

Во-вторых, я смотрю на процент покрытия коммуникациями клиентов, на процент проникновения подписки или участия в программе лояльности.

Используешь ли локальные контрольные группы?

Локальные контрольные группы хороши для сравнения какой-то одной инициативы, и, конечно, мы их используем.

Но только глобальная контрольная группа позволяет дать общую оценку нашей эффективности и нашей долгосрочной стратегии.

Поэтому если важнее бежать быстро – мы используем локальные контрольные группы, если нужно работать в долгую – глобальные контрольные группы.

Какой горизонт планирования в CVM и в CRM?

Однозначного ответа нет, и всё зависит от цели. Например, если нужно увеличить продажи в этом месяце, то горизонт планирования будет небольшим. Тогда мы направляем предложения отдельным сегментам, повышаем выручку и замеряем её прирост с помощью локальной контрольной группы.

Но, чаще всего, это забег на длинную дистанцию. Работа над увеличением LTV клиента приносит результат через несколько месяцев или даже через один-два года.

Разработка моделей сегментации или какой-то модели по построению персональных предложений для клиентов, основанной на их поведении и профилях, – это всегда стратегическая работа с длинным горизонтом планирования.

Давай поговорим про коммуникации. Как удерживать дефицитное внимание клиентов, если каналы либо дорожают, либо становятся недоступными?

Классический инструментарий CRM-маркетолога – это прямые каналы коммуникации: пуши, имейлы, СМС. С ними все уже научились работать, и про это написано огромное количество кейсов и материалов.

Нужно выходить за рамки классических прямых каналов коммуникации. Новые каналы – это как раз то открытие, в которое идут все компании, которые развивают CVM и CRM направления.

Предложения можно показывать в мобильном приложении и на сайте. Можно внедрить их в перформанс-рекламу, выгрузив сегменты клиентов в рекламные кабинеты.

Отличным инструментом для CVM являются кассы. Они могут подсказывать кассиру, о том, что тот или иной клиент склонен к покупке некоторого товара, а значит ему нужно предложить такую-то акцию. На кассах самообслуживания также можно отображать наиболее релевантные для клиента предложения.

Теоретически, CVM-подход реализуем везде, где можно идентифицировать клиента. Всё зависит от вашей фантазии и возможности внедрить CVM в разные каналы коммуникаций, которые выстраиваются на всём клиентском пути, на всех точках касания клиента с бизнесом.

Ты говоришь про развитие нативных каналов?

Да, причём этим занимается не только CRM-маркетинг, а всё направление UX – клиентского опыта.

В этой сфере предстоит проделать ещё много работы, и на рынке не так много подобного опыта – бизнес не всегда понимает, как запускать такие каналы и оценивать их эффективность.

Ты имеешь в виду, например, посмотрел ли клиент stories в мобильном приложении или нет?

Да, был ли это просмотр или простой скроллинг, когда клиент даже не обратил на оффер внимание. Но не это самое главное. Чаще я сталкиваюсь с другой проблемой: дьявол кроется во внедрении.

Коллеги, которые отвечают за продажи, обычно смотрят на общий трафик, конверсию, средний чек и продажи. И слова про «контрольную группу» понимают не все.

В компаниях часто мыслят прямолинейно: «10 клиентов – это всегда лучше, чем 9». И не берут в расчёт, что восемь из этих клиентов могли прийти в магазин и без специального предложения, а значит, совсем не обязательно было «дарить» каждому скидку.

Поэтому намного легче управлять прямыми каналами, на которые ты имеешь непосредственное влияние. Гораздо сложнее продвигать CVM-подход, взаимодействуя с другими отделами и департаментами.

На какие каналы ты делаешь ставку?

Самый доходный канал коммуникации с точки зрения и объема, и эффективности – это, конечно, пуши из мобильных приложений. Этот канал любят все, потому что, он условно-бесплатный. Кроме того, клиенты, у которых есть мобильное приложение, уже вовлечены в твой бизнес – прошли этап онбординга и возможно уже даже что-то купили.

Есть ли каналы, которые для тебя потеряли свою значимость?

Таких нет.

Есть каналы, которые приносят больше или меньше. Есть каналы, с которыми работать проще или сложнее. Всё это зависит от бизнеса.

Что ты думаешь о ML и нейросетях в CVM-маркетинге?

Главное преимущество нейросетей в нашем случае — это более точная сегментация и понимание, как работать с разными группами клиентов.

Однако здесь важно учитывать уровень экспертизы человека, а также задачу.

Эксперт в своем бизнесе может построить модель, опираясь на личный опыт, понимание ключевых факторов и их влияния на задачу.

Хорошо разбираясь в предметной области можно провести сегментацию, кластерный анализ и выявить корреляции на основе бизнес-логики.

Но если ты не разбираешься в конкретной задаче, либо требуется выйти за рамки стандартных подходов, то лучше довериться ML и нейросетям. Они выявят скрытые закономерности и зависимости, о которых ты мог не догадываться.

Проблема нейросетей в том, что это дорого и требует времени. Кроме того, на рынке не так много специалистов, которые могут грамотно интегрировать нейросети в бизнес-процессы. Часто такие проекты растягиваются на месяцы, а их результат заранее спрогнозировать невозможно.

Смогут ли ML-модели полностью заменить экспертов?

Думаю, что нет.

В компаниях есть роль бизнес-эксперта. Это человек, который выступает связующим звеном между бизнесом и другими направлениями: финансами, маркетингом, IT. Он переводит бизнес-задачи на язык конкретной области и наоборот.

То же самое и с нейросетями. Они сами по себе не заменят эксперта, потому что работают только с теми данными, которые им дали, не понимая контекста.

Например, если модель будет анализировать рождаемость по месяцам, она выявит, что люди чаще рождаются в сентябре. Но модель вряд ли поймёт, что связано это с тем, что в декабре и январе много праздников, люди больше времени проводят дома, и поэтому через 9 месяцев рождается больше детей.

Поэтому, скорее всего, всегда потребуется человек, который сможет “нажать рубильник” или принять окончательное решение.

Давай поговорим о команде. Какими компетенциями должен обладать специалист по CRM-маркетингу?

Идеальный специалист должен сочетать три ключевых качества: аналитическое мышление, маркетинговую экспертизу и глубокое понимание бизнеса.

Аналитика помогает принимать решения на основе цифр и данных. Маркетинг отвечает за эффективную коммуникацию с клиентами. Бизнес-ориентированность позволяет связать маркетинг с аналитикой для роста продаж и выручки.

Технические компетенции остаются в других подразделениях?

В рамках CRM существует множество систем и сервисов – для сбора данных, интеграций, отправки коммуникации и т.д. Но если специалист понимает задачу и обладает креативностью, он может решить многие вопросы даже с помощью Excel.

Поэтому я делаю акцент именно на навыках аналитика-маркетолога с бизнес-мышлением, а не на технической экспертизе.

Что важное произошло в отрасли за последние годы?

Ключевое достижение заключается в том, что сегодня всё больше компаний даже в среднем и малом бизнесе осознаёт необходимость CRM-маркетинга.

Произошёл важный сдвиг в восприятии: бизнесы перешли от оценки трафика к анализу клиентской ценности. Теперь важно не просто фиксировать посещения магазина или сайта, а понимать реальную прибыль, которую приносит каждый конкретный клиент.

Прорыв связан с внедрением подходов LTV (пожизненной ценности клиента) и юнит-экономики. Компании, которые задаются вопросом «Сколько прибыли приносит нам каждый клиент?», а не «Сколько зарабатывает конкретная торговая точка», демонстрируют более успешные результаты.

Главная цель CVM-маркетинга – научиться оценивать доходность бизнеса через призму клиентской ценности, а не через эффективность отдельных каналов продаж. Ведь, в конечном счёте, прибыль компании приносят не магазины или мобильные приложения, а клиенты, которые ими пользуются. Именно это понимание составляет основу эффективного CVM-подхода в современном бизнесе.

Какие основные проблемы CRM-маркетинга ты бы выделил?

Главная сложность — его практическая реализация, которая включает как техническую составляющую, так и человеческий фактор.

Возьмём пример с кассирами: мы можем разработать отличные офферы. Но их эффективность будет зависеть в том числе от качества разработанных скриптов, скорости подгрузки офферов на кассу и мотивации кассира – будут ли они предлагать то, что высвечивает касса, или то, что им сегодня выгодно продавать по KPI.

Успех зависит от качества внедрения новых функций. Это ключевое ограничение для эффективности CRM.

Ты говоришь о проблемах новых каналов коммуникации?

И новых, и существующих. Можно создать прекрасную СМС-рассылку, но если в отделении банка или в магазине кассир скажет: «У нас нет такой акции», то вся цепочка привлечения – коту под хвост.

Это ахиллесова пята маркетинга, CRM и продаж в целом. Она может крыться в различных процессах – технических, управленческих, мотивационных, обучения. И в их несогласованности между собой.

С какими мифами об отрасли ты сталкиваешься?

Выделю три:

Еmail-маркетинг неэффективен.
CRM ограничивается только рассылками.
Внедрение CRM-систем всегда требует больших инвестиций.

Какие ты видишь тренды и перспективы развития CRM-маркетинга?

Выделю не столько временные тренды, сколько три фундаментальных направления, сохраняющих свою актуальность.

Первое – это развитие аналитической CRM, включающее совершенствование сбора данных, глубокую сегментацию клиентской базы и оптимизацию триггерных кампаний в цифровой среде.

Второе – расширение каналов коммуникации, интегрируемых с CRM-системой: от традиционных email, SMS и пушей до нестандартных: POS-терминалов, перформанс-рекламы и мессенджеров… Или даже, например, раздачу курьерами персонализированных листовок, адаптированных под стадию жизненного цикла конкретного клиента.

Третье – это интеграция CRM-подходов во все бизнес-процессы, даже в работу с поставщиками товаров. Последнее актуально для ритейла, когда ты начинаешь вовлекать поставщиков в свои коммуникации и в свои каналы продаж.

Николай, спасибо за ответы!

Следите за новыми материалами в telegram

Вы уже слышали модный термин CVM, но не до конца понимаете, чем он отличается от привычного CRM? Вы не одиноки. Мы провели 12 интервью с экспертами из «Магнита», X5 Group, Hoff, «Ростелекома» и других крупнейших компаний, чтобы наконец расставить все точки над i. Делимся выводами.

Скачать исследование, PDF

Благодарим экспертов, принявших участие в исследовании CRM-CVM

Анна Насекайлова. ТС «Пятёрочка», директор департамента развития персонализации
Диана Лурье. Ростелеком, руководитель программы лояльности
Татьяна Благодатская. РИВ ГОШ, руководитель программы лояльности
Екатерина Пронина. Hoff, руководитель блока CRM и программы лояльности
Мария Филипьева. X5 Group, руководитель CRM Интегрированной лояльности
Марина Лаговская. Экс-Ригла, преподаватель ВШЭ
Валентин Петров. Магнит Доставка, руководитель направления удержания и промо
Наталья Пиневич. Kassir.ru, руководитель направления прямых коммуникаций и лояльности
Николай Селищев. Розничный банк, экс-ИЛЬ ДЕ БОТЕ, начальник центра CRM
Жанна Дашкевич. Экс-Бургер Кинг, Верный, руководитель программы лояльности
Надежда Попович. Аптос Груп, экс Sunlight, Zenden, руководитель CRM и программы лояльности
Ирина Бондарь. Tокио-City, New Agency, директор по рекламе и маркетингу

Что такое CVM? Эволюция или просто ребрендинг CRM?

Дискуссия о разнице между Customer Relationship Management (CRM) и Customer Value Management (CVM) — одна из самых горячих в розничном маркетинге. Поэтому это главный вопрос нашего исследования.

Мы видим, что единого мнения нет. Однако большинство экспертов склоняются к тому, что CVM – это следующий уровень развития взаимоотношений с клиентами:

CVM — это не просто рассылки. Это стратегический подход, целью которого является максимизация прибыли от каждого клиента через глубокую персонализацию, прогнозную аналитику и машинное обучение.
Ключевые метрики CVM — LTV (Lifetime Value), инкрементальная прибыль, инкрементальный ROI, NPS, CSI. В то время как классический CRM часто фокусируется на охватах и конверсиях, CVM нацелен на инкрементальный доход и долгосрочную финансовую отдачу.

CVM – это про деньги

Один из экспертов ёмко выразился: «CRM — это про коммуникацию и лояльность, а CVM — про деньги».

Эта ориентация неслучайна. Бизнес всегда ставил во главу угла прибыль. А сейчас, в непростой экономической ситуации, руководство компаний всё чаще задаёт маркетологам вопросы «Где деньги?» от тех или иных активностей. Поэтому CVM-подход с чётким измерением финансового результата как никогда актуален для бизнеса. Более того, он становится важным инструментом роста бизнеса.

При этом, следуя за трендами рынка, CVM-подход исповедует принцип клиентоцентричности. Изучение клиента, его ожиданий и потребностей, использование для этого машинных инструментов позволяют поднять уровень персонализации и сократить количество надоевших клиентам массовых коммуникаций. Более того, мы начинаем говорить не только про персонализацию отдельных предложений, а про кастомизацию всего клиентского опыта. Это является одним из ключевых факторов лояльности клиента.

Определение CVM и семь принципов, свойственных CVM-подходу.

На основе мнений экспертов и нашей практики мы предложили определение CVM:

CVM — это cтратегия управления прибыльностью клиентов, направленная на максимизацию их пожизненной ценности (LTV) через персонализацию предложений и коммуникаций, продуктов и услуг, оптимизацию затрат на взаимодействие и другие действия для роста прибыли с каждого клиента.

Определение кажется достаточно простым. Поэтому, чтобы добавить глубины и конкретики, мы дополнили его принципами. Они могут показать, насколько ваш подход соответствует CVM. Чем больше пунктов из данного списка описывают вашу компанию, тем больше оснований считать себя CVM-гуру. А учитывая, что в России пока мало компаний, которые могут похвастаться настоящим CVM-подходом, то для многих этот список станет отличным чек-листом, чтобы определить направления развития.

Управление CLTV на основе анализа омниканального поведения клиентов как в прошлом, так и в будущем на основе прогнозных моделей с использованием системы метрик, отражающих специфику бизнеса.
Глубокая персонализация коммуникаций, формирование релевантных продуктовых и сервисных предложений, которые учитывают модели потребления клиента, удовлетворяют и формируют его потребности.
Приоритет финансовых KPI (инкрементальные прибыль и ROI, LTV) над нефинансовыми. Прогнозирование дохода и прибыли на основе экономических моделей.
Непрерывная работа по тестированию гипотез для повышения эффективности взаимодействия с клиентом на всём его пути в течение всего LT.
Внедрение технологий для автоматизации сбора и анализа данных, подготовки, отправки и оценки персонализированного взаимодействия. В том числе, на базе ML и ИИ.
Формирование кросс-функциональных команд, объединенных общими финансовыми KPI и адаптация бизнес-процессов компании к принципу клиентоцентричности.
Использование клиентской аналитики для персонализации продуктов и услуг бизнеса.

Другие темы исследования.

Помимо вопроса о различиях между CVM и CRM мы поговорили с экспертами на связанные темы.

Насколько активно компании внедряют CVM-подход

Многие компании пока довольствуются традиционным CRM, так как барьеры для запуска CVM достаточно высоки – затраты на IT и специалистов, долгий срок окупаемости и необходимость трансформации бизнес-процессов.

Всем ли подходит CVM

Здесь мнения разделились, но CVM, скорее, считается прерогативой крупного бизнеса с большими данными и бюджетом. Малый и средний бизнес может получить к нему доступ через партнёрство с экосистемами (например, подключившись к готовой программе лояльности «Сбера»).

Главные тренды

Не могли не поговорить о трендах, среди которых выделяются:

Фокус на деньги: Требование от маркетинга измеримого финансового результата (LTV, инкрементальная прибыль).
Усиление персонализации: Выход за рамки email/SMS, интеграция во все точки касания с клиентом.
Поиск новых каналов: Рост популярности мобильных пушей, сторис в приложениях, чат-ботов и геймификации.
Внедрение ИИ: Использование нейросетей для генерации контента, анализа данных и автоматизации.

Что «болит» у маркетологов?

Основные боли отрасли: острая нехватка квалифицированных кадров, низкое качество данных, технологические ограничения российских платформ, заспамленность каналов и «последняя миля» — человеческий фактор при внедрении предложения в офлайне.

Достижения

Несмотря на сложности, можно констатировать, что отрасль повзрослела: вырос общий уровень компетенций, компании научились считать экономику коммуникаций и осознали вред массовых рассылок.

Мария Мироновская (CSI), Антон Трухтанов (Direct Service) и Полина Фомина (CSI) рассказали:

На какие финансовые и нефинансовые метрики обращать внимание при оценке эффективности программы лояльности.
Как увеличивать частоту покупок и средний чек без зависимости от скидок.
Что является предвестниками оттока клиентов и как не попасться на ошибки неверного восприятия данных.
Как проводить кросс-категорийный анализ.

Бизнес-завтрак на Russian Retail Show: «Понять и удержать покупателей»

Участники тренинга поработали над кейсами:

Как вернуть клиентов из оттока,
Как продвигать и стимулировать продажи товаров собственной торговой марки.

Решая практические задания, участники разбирали различные вариант механик, оценивали их целесообразность и эффективность и предлагали свои сценарии работы.

Бизнесмены и топ-менеджеры, которые начали утро с разбора сложной темы лояльности, — это невероятная ценность для отрасли. Аудитория была настолько компетентной, что дать ей что-то новое оказалось интересным вызовом. Мы обсуждали не только лучшие решения, но и ошибки, а значит, все ушли не просто с новыми идеями, а с реальным пониманием, как избежать типичных ловушек.

Мария Мироновская. Директор направления лояльности, CSI

Максимальная продуктивность для 9 утра – пока многие только просыпались, мы уже отлично поработали. Приятно удивил высокий уровень компетенций и активности аудитории – мы не учили, а обсуждали с участниками реальные кейсы. Кроме того, присутствующие очень вовлечённо и слаженно работали в группах.

Антон Трухтанов. Управляющий партнёр Direct Service

Бизнес-завтрак прошёл на ура! Что по-настоящему вдохновило – это готовность участников делиться своими кейсами и лайфхаками. При этом, мы говорили не только об успешном опыте, но и о сложностях. Такой открытый обмен опытом в профессиональном сообществе сегодня на вес золота.

Полина Фомина. Customer Success Manager, CSI

Благодарим всех участников за интересные вопросы, вовлечённость и живую дискуссию! До встречи на новых мероприятиях!

Показатель вовлечённости в программу лояльности (он же проникновение, он же пенетрация, oн же penetration) – один из главных показателей здоровья программы.

Что такое вовлечённость?

Показатель вовлечённости / проникновения / penetration rate отражает долю в количестве чеков или в деньгах, которую составляют участники программы лояльности в общем обороте ритейлера.

Каждый маркетолог стремится вовлечь в программу лояльности как можно больше клиентов. Поэтому на этапе запуска новой программы стоит внимательно следить за ростом вовлечённости. А обновляя правила программы или меняя CRM-стратегию, ещё более внимательно следить за тем, чтобы вовлечённость не упала.

Бенчмарки

Как и для любого другого показателя, не существует единых стандартов для оценки вовлечённости. Можно сказать, что чем выше вовлечённость, тем лучше. Однако целевое значение этого параметра зависит от многих факторов:

Отрасль ритейлера,
Стратегия программы лояльности,
Продолжительность её существования.
Модель программы: подписная или бесплатная.

Для обычных бонусных или дисконтных программ на любом рынке приемлемым уровнем вовлечённости считается показатель 70%. Но это не предел мечтаний. В нашей практике удавалось достигать уровня вовлечённости 90% и более.

Можно с уверенностью сказать, что если программа лояльности существует более двух лет, а в ней участвует менее половины клиентов, то с ней явно что-то не так.

Изображение выглядит как текст, снимок экрана, визитная карточка, Шрифт

Контент, сгенерированный ИИ, может содержать ошибки.

При оценке вовлечённости необходимо понимать, какую именно вовлечённость мы рассматриваем. Вовлечённость, выраженная в деньгах (выручке), всегда выше вовлечённости, измеряемой по количеству покупок (чеков). Это связано с тем, что средний чек и частота покупок участников программы лояльности выше, чем у тех, кто не является её участником.

К слову, с этим связано распространённое заблуждение. Некоторые маркетологи, сравнивая средний чек и частоту покупок участников и не участников программы лояльности, пытаются рассчитать экономический эффект от её внедрения. Однако это не совсем корректно, поскольку в программу в первую очередь вступают самые преданные клиенты компании, которые и так тратят больше и чаще остальных.

Причины низкой вовлечённости

Ситуация, когда вовлечённость падает, встречается не так часто и характерна, скорее, для программ лояльности, которым уделяется совсем мало внимания. Чаще всего после запуска программы лояльности и регистрации в ней наиболее активной аудитории начинается стагнация и показатель не достигает целевого значения.

Почему клиенты не участвуют в программе лояльности? Не стоит сразу же делать вывод о том, что «программа лояльности неинтересна клиентам», и срочно вносить изменения в её правила. Давайте попробуем рассмотреть причины более широко.

Вот десять гипотез, которые могут объяснить, почему вовлечённость хромает:

1. Неинтересная программа

Действительно, условия программы должны соответствовать ожиданиям и потребностям аудитории. Это касается не только возможной «жадности» ритейлера, но и, например, неверно подобранных привилегий в виде призов и подарков. В случае многоуровневых программ, количество уровней и условия их достижения должно соотноситься с поведением клиентов.

2. Слабое информирование о программе

Клиенты могут получать недостаточно информации о правилах программы и, главное, о её привилегиях и преимуществах. В офлайне это часто связано со слабой мотивацией и низким уровнем обучения сотрудников, работающих с клиентами.

В онлайне бывает, что информация о наличии программы лояльности или её условий «спрятана» далеко в подвал.

3. Сложные правила

Сложные правила программы – одна из главных причин низкой вовлечённости, а поэтому это табу для маркетолога. В любой ситуации стоит стремиться к упрощению и повышению прозрачности как базовых, так и акционных механик программы лояльности.

4. Конкуренция

Программы лояльности конкурентов могут предлагать более выгодные условия программы. В этом случае вместе с падением вовлечённости происходит отток клиентов.

5. Экономические факторы

Изменение покупательской способности: в условиях экономического роста или увеличения доходов населения клиенты могут иметь меньше стимулов участвовать в программах лояльности.

Так же нужно учитывать, что инфляция, то есть рост цен на товары и услуги, может сделать привилегии менее значимыми для клиентов. Это касается ситуаций, когда размер бонуса не зависит от размера покупки, например в случае разовых бонусов на день рождения или за совершение целевого действия.

6. Социальная ответственность

Учёт современных трендов, таких списание бонусов на благотворительность не станет решающим фактором для удержания вовлечённости. Однако внимание к ESG-повестке (особенно к экологической и социальной ответственности) может увеличить интерес к участию в программе лояльности среди более молодой и социально-активной аудитории.

7. Отсутствие персонализации

Персонализация – главный тренд последних лет. Массовая рассылка предложений, не учитывающих интересы клиентских сегментов, могут вызывать чувство недооценённости и раздражение у клиентов, что увеличивает негативное отношение к программе лояльности.

8. Недоверие к сбору персональных данных.

Клиенты могут опасаться передачи своих данных третьим лицам или утечек информации, что снижает их желание регистрироваться в программе.

9. Технические проблемы и UX

Ошибки в работе систем обработки данных (процессинга, CDP), приложения или веб-сайта могут отпугнуть пользователей. Это могут быть проблемы с доступностью, скоростью работы или, например, ошибками в начислении или списании бонусов.

Неудобный или непонятный интерфейс, сложный процесс регистрации в программе, требующий ввода избыточного количества данных, совершение лишних действий для получения привилегий – всё это препятствует росту вовлечённости.

10. Отсутствие инноваций

Если программа лояльности остается неизменной долгое время, она может стать скучной и непривлекательной для участников. Даже небольшие инновации могут повысить ценность бонусов и привилегий, учитывать меняющиеся тренды рынка и конкурентов, а также создавать дополнительные инфоповоды для коммуникаций с клиентами.

Что делать, если у вас проблема с вовлечённостью?

Чтобы увеличить проникновение в программу лояльности сначала нужно понять точную причину стагнации или падения вовлеченности и принять меры. Для этого желательно провести анализ различных аспектов программы лояльности:

Проанализировать данные продаж за период до нескольких лет и рассчитать реальные показатели программы лояльности.
Оценить динамику вовлёченности в связке с изменением других показателей программы лояльности и поведением клиентов.
Провести опросы клиентов и изучить отзывы.
Подготовить сравнительный обзор конкурентов.
Оценить положение дел в коммуникациях.
Оценить UX интерфейсов и возможности сервисов, используемых для поддержки программы лояльности.

На основе полученных данных можно разработать стратегию изменений, которая вернёт интерес клиентов и повысит их активность. Иногда для этого нужно сделать небольшие, но важные шаги. А иногда – целиком перезапустить программу лояльности.

Эксперты Direct Service могут помочь вам провести аудит программы лояльности, выявить причины низкой вовлечённости и разработать план развития программы лояльности.

Следите за новыми материалами в telegram

ПАО «Ростелеком» – крупнейший в России интегрированный провайдер цифровых услуг и решений.

Благодарим Direct Service за аудит и разработку стратегии программы лояльности «Ростелеком». Команда агентства собрала и систематизировала информацию о рынке, конкурентах и о нашей компании. На основе анализа данных о продажах и продуктах построена экономическая модель программы лояльности, которая учитывала особенности бизнеса и клиентского потребления.

На основании выявленных ожиданий, ограничений и возможностей команда агентства предложила сценарии развития программы лояльности и помогли выбрать вариант, для которого разработали механику программы и CRM-стратегию.

Спасибо Direct Service за профессионализм и командную работу!

Диана Лурье

Руководитель программы лояльности «Ростелеком»

Услуги и продукты Direct Service

Эта статья про особенности и фишки программ лояльности ювелирной отрасли. Но она будет интересна всем брендам с низкой частотой покупок. Приводим также шесть кейсов иностранных программ ювелирных брендов.

С началом бурного развития электронной коммерции у ювелирных брендов возникла необходимость не только ускорить цифровую трансформацию, но и удерживать самых ценных клиентов. Программы лояльности ювелирных брендов решают обе эти задачи. Кроме того, они создают уникальный опыт покупок, ориентированный на современного покупателя, и одновременно укрепляют омниканальный маркетинг бренда.

В ювелирной отрасли покупки основаны на импульсе и желании побаловать себя. Задача заключается в том, чтобы поддерживать интерес клиентов и строить с ними отношения, таким образом, чтобы ваш бренд стал для клиентов номером один, когда они будут готовы совершить покупку. Кроме того, маркетинг превращается в диалог, а не просто одностороннюю коммуникацию – программа лояльности предоставляет платформу для более глубокого взаимодействия с вовлеченной аудиторией. Она помогает строить отношения и развивать адвокатов бренда, что способствует развитию успешного бизнеса.

Ашна Мехта. Наставник в The Mentoring Club.

Ключевые выводы

Ювелирные программы лояльности помогают создать больше точек касания и дать клиентам почувствовать себя особенными.
Среди проблем отрасли – низкая частота покупок и необходимость защищать покупателей от конкурентов.
Переосмысление традиционной формулы лояльности является одним из основных направлений в наше время.
Популярные функции лояльности включают персонализацию, создание у клиентов эмоций, а также возможности омниканального взаимодействия.

Особенности программ лояльности в ювелирной отрасли

Ювелирные программы лояльности – это уникальный тип программ, которые призваны сделать покупки удобными и запоминающимися для клиентов.

Общей чертой программ лояльности ювелирных брендов является то, что они в значительной степени ориентированы на эксклюзивное обслуживание и VIP-вознаграждения. Участие в программе обычно предполагает роскошные, но труднодостижимые привилегии, несколько уровней, эксклюзивные доступы, брендовый мерч и другие преимущества.

Еще одна общая черта программ – стремление к цифровизации, обусловленное задачей продавать в ecom. В результате ювелирные программы лояльности предлагают множество функций, которые либо генерируют больше точек контактов, либо поддерживают омниканальную стратегию бренда, преодолевая разрыв между оффлайн- и онлайн-активностью покупателей.

Основные проблемы удержания клиентов в ювелирном ритейле

Рост частоты покупок, несомненно, является задачей большинства ювелирных брендов. Причина проста: покупатели приобретают украшения по особым случаям, обычно перед днем рождения, юбилеем или днем святого Валентина – все эти события случаются только раз в год.

Что касается более специфических задач, то всё больше ювелирных компаний осознают важность обучения своих клиентов различным аспектам их продукции (или использованию различных технологий, например, зеркал дополненной реальности), одновременно собирая ценную информацию (дни рождения близких, размер колец, любимые бренды и т. д.) для предоставления персонализированных рекомендаций и электронных писем.

Лояльность формируется путем распознавания потребностей клиента и предложения актуальных решений, которые сохраняют его лояльность. Ювелирные изделия по-прежнему являются продуктом, работающим по принципу «посмотри, потрогай и почувствуй». Переход к онлайн-покупкам должен способствовать или заменить потребность в осязании и части ощущений. Такие решения, как инструменты дополненной реальности, позволят сэкономить значительные затраты на материалы и хранении запасов продукции, которые затем можно использовать вместе с баллами за лояльность, чтобы стимулировать изменение покупательского поведения. Премиальные AR/VR-инструменты и онлайн-приложения могут предлагаться участникам программы лояльности в обмен на баллы, а для нелояльных участников быть платными.

Брайан Алмейда. Партнер-основатель Strategic Caravan

И наконец, возможно, самый важный вопрос для компании в этой отрасли – как сделать так, чтобы клиенты чувствовали себя особенными и в магазине, и в интернете. Вместо того чтобы стимулировать клиента совершать покупки, компании могут использовать программу лояльности для вовлечения клиентов за пределами покупательского цикла, формируя сильную привязанность к бренду и изменяя их поведение шаг за шагом.

Компания Swarovski открыла магазин дополненной реальности (AR) в Чэнду (Китай). В магазине оборудована зона для селфи, где покупатели могут делать забавные снимки и публиковать их в социальных сетях.

Стратегия программ лояльности в ювелирном ритейле

Фишки программы лояльности

Какие ингредиенты помогут сделать вашу собственную программу вознаграждений по-настоящему уникальной.

1. Правильная модель программы лояльности

Выберите идеальный тип программы.

Первый шаг на пути к успешной программе лояльности в ювелирной отрасли – решить, какая модель программы больше всего подходит вашему бизнесу. Например, традиционные системы «копи и трать» относятся ко всем клиентам одинаково и имеют короткий срок реализации. Уровни, с другой стороны, предлагают более сложный опыт, не говоря уже о том, что они стимулируют долгосрочное вовлечение.

Выбирайте между бесплатными и платными программами.

В ювелирной отрасли бесплатные и подписные программы распространены примерно одинаково. Бесплатные программы, как правило, имеют более широкий охват и, несмотря на менее щедрую систему вознаграждений, все равно вызывают чувство благодарности у участников. Подписные программы более элитарны, вознаграждения в них более ценные и, в целом, они создают ощущение привилегированности.

Бесплатные программы лояльности:

Охватывают большую часть клиентской базы.
Стимулируют повторные покупки.
Клиенты могут вступить в программу без дополнительной платы.
Позволяют бренду собирать важные данные о покупателях.
Снижают необходимость в сложном финансовом учете.

Платные программы лояльности:

Увеличивают активность клиентов.
Позволяют собирать более качественную информацию о покупателях.
Позволяет бренду сразу предоставить покупателю больше пользы.
Создают новый источник дохода.
Привлекает приверженных бренду клиентов.

Поощряйте нетранзакционные взаимодействия.

Секрет лояльности в 21 веке заключается в том, чтобы дать клиентам повод участвовать в программе, даже если они в данный момент ничего не покупают. Для этого подумайте о создании ачивок, которыми награждаются участники, часто заходящие на сайт.

Аналогичным образом, вы должны предлагать баллы и льготы клиентам, которые приводят своих друзей или подписываются на вашу рассылку.

“Одни только баллы и блестящие награды не могут обеспечить настоящую лояльность к бренду. Брендам необходимо скорректировать свою стратегию лояльности, чтобы наладить связь с клиентами за пределами цикла покупки. Это особенно актуально для ювелирной отрасли, где невысокая частота покупок является важным фактором. Использование данных о лояльности для предоставления клиентам более увлекательного и персонализированного опыта поможет бренду выделиться в условиях жесткой конкуренции. Вовлечение клиентов и эмоциональная связь вносят огромный вклад в лояльность к бренду и в итоговый результат”.

Андреанна Рондо. Основатель и специалист по лояльности в компании StratLX.

2. Переосмысление традиционной стратегии лояльности

Объедините инфлюенс-маркетинг и программу лояльности.

Амбассадоры бренда и инфлюнсеры очень важны, так как их мнение может существенно повлиять на аудиторию, превращая её в лояльных клиентов. Вы можете поддержать эту стратегию с помощью программы лояльности для ювелирных изделий, просто присвоив каждому инфлюенсеру уникальную реферальную ссылку для отслеживания их прогресса. Или выразить благодарность, создав дополнительный уровень программе лояльности, доступный только по приглашению для инфлюенсеров.

Однако важно убедиться, что вы сотрудничаете только с правильными инфлюенсерами. Необходимо выбирать настоящих лидеров мнений для таких кампаний, поскольку репутация вашего бренда будет связана с их репутацией. Для поиска и оценки таких инфлюенсеров можно использовать существующие инструменты для анализа инфлюенсеров.

По сути, программа амбассадоров бренда не отличается от программы лояльности, ориентированной на рефералы, поэтому вы можете использовать её структуру и стимулы в качестве отправной точки.

Стимулируйте социальную активность и сарафанное радио.

Если ваша цель — достичь вирусного эффекта в социальных сетях, обязательно включите это в свою программу лояльности. Клиенты обычно с радостью делятся страницами товаров или блогами в своих соцсетях, клиенты зарабатывают за это бонусные баллы. Еще лучше — пригласите их принять участие в конкурсе, где можно выиграть главный приз. Для участия достаточно загрузить фото, на котором они носят ваш продукт, и отметить ваш бренд.

Используйте геймификацию для персонализации предложений.

Изучение предпочтений ваших клиентов приносит больше пользы, чем просто улучшение персонализации. Участие в викторине о размерах колец или заполнение анкеты о предпочтениях в украшениях помогает лучше понять, какие подарки хотят клиенты и снизить вероятность возврата товаров. Программа лояльности позволяет предложить привлекательные стимулы для поощрения участия в подобных опросах.

Создайте пул возможных призов и предложите клиентам шанс выиграть. Призовые колеса также можно использовать для поощрения клиентов к регистрации в программе лояльности.

3. Идеальная мотивация

Используйте встроенную лояльность персонализированных украшений

Персонализированные ювелирные изделия — это растущий тренд. Клиенты хотят рассказывать свои истории и создавать украшения, которые их отражают. Приобретая кастомизируемый браслет или ожерелье, они могут создать собственную традицию регулярно покупать дополнительные подвески, камни или другие аксессуары.

Элемент неожиданности и радости в жизни клиентов.

Понимание своих клиентов открывает возможность сделать им приятный сюрприз в самый неожиданный момент. Отправка купона или небольшого подарка за несколько недель до их дня рождения или 20-й годовщины свадьбы покажет, что вы о них заботитесь, и простимулирует их совершить покупку, наслаждаясь вниманием к себе.

Создавайте впечатления через уникальный клиентский опыт.

Сегодня клиенты ценят опыт не меньше, чем хорошие скидки. Специальные мероприятия, такие как VIP-экскурсия по магазину или приглашение на вечеринку с инфлюенсерами, — отличные высокоуровневые вознаграждения, которые укрепят эмоциональную привязанность клиентов к бренду, а также увеличат их долгосрочную ценность для компании.

В отличие от билетов на самолёт, кафе или продуктовых магазинов, покупка ювелирных изделий (особенно дорогих) происходит не так часто. Самые успешные программы лояльности в ювелирной отрасли часто не имеют формальной структуры. Лучшей стратегией лояльности может стать фокус на традиционном обслуживании клиентов. Хорошими примерами являются предоставление бесплатных услуг по чистке, осмотру или оценке украшений. Эти услуги способствуют повторным визитам в магазин, что, в свою очередь, часто приводит к дополнительным покупкам. Награды за рекомендации в виде Store Credit на покупки в магазине также могут быть весьма эффективными. Однако, как и в большинстве программ лояльности, скидки обычно оказываются не самой хорошей стратегией.

Дэвид Фельдман. Партнер компании New World Loyalty

4. Построение многоканальной программы лояльности

Привлекайте клиентов на ходу с помощью мобильного приложения.

Мобильное приложение создаёт новый канал для взаимодействия. Но не стоит рассматривать его только как еще один способ для рекламы: мобильные приложения, интегрированные с логикой лояльности, — это настоящая кладезь возможностей. Например, можно настроить предложения, доступные только в приложении, начислять баллы за ежедневный вход или отправлять пуш-уведомления, как только клиент окажется рядом с магазином.

Повышайте проходимость с помощью мероприятий в магазине.

Организация мероприятия в магазине — это идеальный способ укрепить сообщество и выявить потенциальных сторонников и адвокатов бренда. Рассмотрите возможность проведения вечеринки в честь запуска новой коллекции или открытия магазина. Чтобы повысить привлекательность события, отличной практикой будет использовать ваше звёздного влияния — пригласите инфлюенсеров или дизайнеров, которые смогут пообщаться с крупнейшими покупателями в VIP-зоне.

Поддерживайте связь с членами клуба с помощью цифровых карт.

Мобильный кошелек — это приложение для смартфона, которое хранит различные карты лояльности, купоны и цифровые билеты на мероприятия в одном удобном месте. Это означает, что клиенты могут легко получить доступ к своей цифровой карте лояльности во время оформления покупки и показать её кассиру, который может отсканировать её с помощью POS-устройства. Этот процесс помогает вам идентифицировать участников программы лояльности и позволяет им зарабатывать баллы при каждой покупке в магазине.

Шесть вдохновляющих программ лояльности ювелирных брендов

1. Pandora: PANDORA Club

Международный датский производитель и продавец ювелирных изделий Pandora продает свою продукцию в 100+ странах мира и известен своими настраиваемыми подвесками. Компания разработала довольно простую программу привилегий:

3 уровня программы: Pink (Розовый), Silver (Серебряный) и Gold (Золотой), которые предлагают больше привилегий по мере увеличения трат и накопления баллов.
Ежегодная ограниченная серия подвесок Pandora Club доступна только для участников программы.
Новые участники получают 10% скидку в качестве приветственного бонуса.

Кроме того, Pandora дарит постоянным участникам эксклюзивные приглашения на мероприятия в магазине, где они могут ознакомиться с новыми коллекциями и принять участие в розыгрышах призов.

Почему это работает:

Программа с привилегиями идеально подходит, если вы хотите предложить мгновенную ценность и простой доступ к наградам.
Ограниченные серии товаров, доступные только для участников, — это желанная награда в ювелирной индустрии.
Подарки ко дню рождения, даже если это всего лишь скидки, дают участникам ожидание чего-то приятного.

2. Swarovski: Swarovski Crystal Society

Хрустальный бизнес австрийской компании Swarovski насчитывает 3000 магазинов в 170 странах мира. Программа лояльности Swarovski Crystal Society использует многоуровневую систему, поощряя долгосрочное участие.

Программа имеет три уровня (Бронзовый, Серебряный, Золотой) в зависимости от потраченных средств.
Стандартные преимущества членства включают 15-процентный ваучер на день рождения, новости о стиле, а также доступ к эксклюзивным предпродажам.
Достижение более высоких уровней увеличивает размер скидки, добавляет специальные подарки и открывает VIP-доступ к мероприятиям.

В дополнение к бесплатной программе лояльности у Swarovski есть программа, основанная на подписке. Она называется Swarovski Crystal Society и предусматривает эксклюзивный доступ к продукции, недоступной для обычных участников.

Почему это работает:

Уровни, основанные на потраченных средствах, не только обеспечивают долгосрочное вовлечение, но и стимулируют увеличение трат клиентов.
Контент, доступный только для участников, — это экономичный способ подарить людям ощущение особого отношения.
Приглашение на специальные мероприятия — отличная награда и возможность для бренда выявить своих сторонников.

3. Чоу Тай Фук: Клуб CTF

Гонконгская компания Chow Tai Fook – одна из крупнейших ювелирных компаний в мире. Что касается программы лояльности, то компания предлагает множество эксклюзивных услуг, которые за годы существования стали востребованными.

Существует четыре уровня (Базовый, Золотой, Платиновый и Бриллиантовый) в зависимости от потраченных средств. Вознаграждения действительны в течение двух лет.
Преимущества для участников программы включают персонализированное VIP-обслуживание и специальные награды.
Участники также получают доступ к бесплатной услуге чистки ювелирных изделий, а также 15% скидку на покупки.

CTF демонстрирует, что успешная программа лояльности имеет множество точек соприкосновения (как транзакционных, так и не транзакционных), чтобы привлечь клиентов на длительный период времени.

Почему это работает:

Предложение четырех уровней вместо трех позволяет лучше распределить вознаграждения.
Персональное VIP-обслуживание в магазинах отлично подходит для ювелирных программ лояльности.
Бесплатные украшения для членов клуба – это награда, которая может легко привлечь новых членов.

4. Stella & Dot: Клуб стиля

Stella & Dot — американский ювелирный бренд, не имеющий физических магазинов. Продукция продается через социальную розничную платформу, основанную в Сан-Франциско. Бренд ориентируется на поддержку женщин, предлагая для них вознаграждения за стимулирование продаж через посты в социальных сетях. Компания реализует программу платного участия, предоставляя немедленные привилегии (программа Creator Community в деталях).

Стоимость участия – от $29 в год.
Участники получают ранний доступ к новым изделиям каждый месяц.
Члены программы получают подарок за первую покупку с чеком от $50.

Являясь программой привилегий, Style Club обеспечивает постоянный интерес клиентов благодаря ранним доступам.

Почему это работает:

Модель платной программы лояльности работает и для ювелирных брендов, если вознаграждения оправдывают вложения.
Для брендов, которые регулярно выпускают новые изделия, ранний доступ является обязательной функцией программы лояльности.
Подарки всегда будут желанным дополнением к программам лояльности в ювелирной отрасли.

5. Fink’s Jewelers: Frank’s First

Fink’s Jewelers, работающая в Вирджинии и Северной Каролине, продает такие люксовые бренды, как David Yurman и Rolex. Особенность программы лояльности компании — гибридная структура, которая сочетает элементы накопления и траты с уровнями.

Регистрация бесплатная, и за регистрацию клиент получает Store Credit на покупки, начисление которых зависит от суммы затрат.
Общая сумма трат определяет, к какой категории скидок принадлежат члены программы.
Другие преимущества включают подарки на день рождения и годовщину.

Один из главных выводов из программы заключается в том, что даже простая уровневая система может мотивировать клиентов. Однако если вы хотите стать лучшим из лучших, вам следует ввести более ценные стимулы.

Почему это работает:

Store Credit, в качестве вознаграждения по программе лояльности, помогают увеличить посещаемость магазина.
Привязка размера скидок к общим тратам клиента за всю его историю способствует увеличению его ценности для бренда.
Вознаграждения на юбилеи и дни рождения часто могут подтолкнуть к незапланированным покупкам.

6. Kristalize Jewelry: Jewel Squad

Компания Kristalize Jewelry, американский производитель персонализированных аксессуаров, специализирующийся на ювелирных изделиях ручной работы, использует многоуровневую программу лояльности, основанную на баллах, а не на тратах клиента, что даёт клиентам больше возможностей для достижения более высоких уровней.

Потратив 1 доллар, можно заработать от 1 до 3 баллов в зависимости от вашего уровня.
Участники получают баллы за регистрацию, привлечение друзей, подписку на рассылку и оставление отзывов о товарах.
Баллы можно обменять на купоны и другие преимущества.

Одна из причин, по которой стоит повышать уровень в программе лояльности Jewel Squad, — это доступ к лимитированным продуктам. Эти товары пользуются высоким спросом в индустрии и являются ценным дополнением к любой программе лояльности для ювелирных брендов.

Почему это работает:

Если уровни увеличивают количество баллов, которые зарабатывают участники, это будет мотивировать их повышать свой статус.
Всегда хорошая идея — предоставлять баллы за нетранзакционные действия.
Ежемесячные розыгрыши могут стать отличной точкой контакта для поддержания интереса клиентов.

Материал подготовлен на основе статьи Jewelry Loyalty Programs: A Comprehensive Guide.

Следите за новыми материалами в telegram

Kokoc Group — группа компаний, объединяющая платформенные решения для роста и развития бизнеса.

Перед запуском программы роста для своих B2B клиентов мы обратились в агентство Direct Service для проведения аудита. Независимый взгляд должен был помочь нам избежать субъективной оценки конкретных бизнесов, клиентов и сервисов, а также подсветить возможности, которые мы могли не заметить.

Коллеги провели математический анализ нашей клиентской базы и описали её языком сухих цифр. В результате появились необычные углы зрения на сегментацию клиентов и интересные гипотезы. Всё это дало нам ценную пищу для внутренних дискуссий и послужило отличным основанием для разработки плана внедрения программы.

Мы получили и ожидаемый результат, и удовольствие от совместной работы. Признательны команде Direct Service за конструктивную критику, нешаблонность мышления и особенно за то, что уложились в наши «горящие» сроки.

Антон Дугин

Руководитель департамента по развитию ключевых клиентов @ Kokoc Group

Услуги и продукты Direct Service

«Аномальные» клиенты – покупатели, которые по параметрам потребления сильно отличаются от остальных. Но где лежит граница между нормальным и аномальным поведением? И почему важно уметь находить и отделять «аномальных» клиентов?

Для расчёта эффективности маркетинговых кампаний в CVM используется метод контрольных групп. Целевой сегмент (то есть группа клиентов, объединённых по ряду признаков) разделяется на основную группу (ОГ) и контрольную группу (КГ). Коммуникация выстраивается только с основной группой. По итогам маркетинговой кампании выполняется сравнение параметров поведения клиентов в основной и контрольной группе. На этой основе делается расчёт эффективности проведённой кампании.

Что не так с контрольной группой?

Допустим, при планировании акции мы выделили целевой сегмент. Его размер небольшой – 2000 контактов. Чтобы минимизировать погрешность при оценке эффекта, в контрольную группу мы выделили 1000 человек. Соответственно, остальные 1000 попали в основную группу.

В мелком сегменте большой размер контрольной группы поможет нам сократить влияние каждого отдельного участника на результат. Полностью нивелировать искажение трудно. С одной стороны, чем больше сегмент, тем меньше влияние поведения отдельного участника и тем меньше погрешность. С другой стороны, с ростом сегмента повышается вероятность, что в него попадут «аномальные клиенты».

Затем мы запустили механику и разослали клиентам в основной группе предложение с некоторой привилегией. По итогам кампании замерили её эффект. И вот, получили неожиданный результат – при хорошем дополнительном отклике кампания не принесла экономических результатов. Средняя выручка на одного клиента в ОГ оказалась существенно ниже, чем в КГ.

Хорошим дополнительным откликом здесь мы считаем результат, когда конверсия в покупку в основной группе оказалась значительно выше, чем в контрольной группе.

В чём может быть причина низкого результата? Особенно если до этого аналогичная кампания всегда отрабатывала на “отлично”

1. Статистический «всплеск»

Даже при однородном распределении сегмента на ОГ и КГ мы получаем неоднородность внутри каждой группы. Ведь вряд ли можно найти бизнес, где все клиенты будут абсолютно одинаковы между собой по всем критериям.

Представим ситуацию. Средний чек нашей КГ и ОГ находится в диапазоне 1200–1700 ₽. При этом звёзды складываются так, что в период проведения акции из контрольной группы покупки совершили клиенты со средним чеком 1500–1700 ₽. В то время, как значимая часть низкодоходной группы по каким-то личным причинам покупку не совершили. В этой ситуации средняя выручка КГ окажется завышена.

Бороться с этим можно одним способом – использовать даже не микро, а нано-сегментацию. То есть изначально выбирать сегмент с разбросом по среднему чеку не 1500–1700, а, например, строго 1500–1550. Однако в такой узкий сегмент может не набраться достаточное количество клиентов для проведения отдельной кампании и адекватной оценки её результатов.

2. Слишком большая привилегия

Мы не окупаем привилегию за счет привлекаемых ею клиентов. В этом случае требуется пересмотреть механику кампании – либо сократить привилегию, либо предложить её более доходному сегменту.

3. Аномальные клиенты

В контрольную группу закрались «аномальные» клиенты, которые совершают нестандартно большие даже для самих себя покупки и завышают среднюю выручку всей контрольной группы. Это, в свою очередь, искажает оценку эффективности кампании.

«Аномальный» клиент – это не только и не столько ИП или профессиональный покупатель. Ведь таких, как правило, можно выявить на этапе сегментации. Любой обычный клиент может стать «аномальным», если в период акции купит, например, не один пирожок себе на завтрак, как это делал всегда, а сразу двадцать. Например, потому, что накануне получил премию и захотел поделиться радостью с коллегами. Ситуации такого рода невозможно предвидеть.

На практике нам встречались «аномальные» клиенты с выручкой в 10–150 раз выше среднего.

Один клиент из тысячи может драматически исказить результат

Представим, что по итогам нашей маркетинговой кампании мы получили следующий результат. Конверсия в покупку в основной группе составила 37 %, а в контрольной – 30 %. Клиенты из ОГ оставили в сети в среднем 1500 ₽. Средняя выручка «нормальных» клиентов, совершивших покупки в КГ, тоже составила 1500 ₽. Наша маркетинговая кампания не повлияла на средний чек и частоту покупок, но увеличила доходимость клиентов.

Однако в контрольной группе оказался один «аномальный» клиент с выручкой в десять раз выше средней – 15000 ₽. Какой результат тогда мы получим при оценке эффективности нашей кампании? Из-за всего одного «аномального» клиента дополнительная выручка (разница между выручкой клиентов в основной и контрольной группе) окажется на 14% ниже справедливой.

В лучшем случае это приведёт к заниженной оценке результатов кампании. В худшем – мы можем решить, что от такой кампании стоит отказаться.

Если отказаться от эффективной механики на основе искаженных результатов, можно упустить дополнительную выручку в несколько тысяч или даже миллионов рублей. И наоборот, если «аномальные» клиенты притаятся в основной группе, то эффективность акции будет неоправданно завышена. Таким образом, умение находить и исключать «аномальных» клиентов – это и реальный способ повысить точность наших решений о запуске кампаний, и способ избежать ошибок в оценке полученной прибыли от CVM.

Как определить «аномального клиента»

Одним из методов поиска аномальных клиентов в статистике является метод квартилей. Он позволяет определить как верхнюю, так и нижнюю границу нормальных значений по выручке в выборке. После определения границ можно исключить из анализа всех клиентов, чьё поведение выбивается за эти границы.

Попробуем объяснить, что такое квартиль. Предположим, что мы выбрали некий клиентский сегмент. Чтобы найти верхнюю и нижнюю границы по среднему чеку для тех, кого будем считать «нормальными» клиентами, выстроим участников сегмента в ряд по возрастанию среднего чека. Затем проведём три черты, разбивающие этот ряд на четыре равные части по количеству клиентов. В этом случае квартилями будут средние чеки, которые окажутся на границе полученных частей.

Например, мы выделили сегмент, в который отнесли всех клиентов с именем на букву «В», выстроили всех его участников по возрастанию среднего чека и разделили их на группы по такому принципу: первые 25% участников – первая группа, вторые 25% – вторая и так далее:

Тогда первый квартиль Q1 = 456 ₽. 25% клиентов сегмента имеют средний чек ниже или равный этому значению. Соответственно, Q2 = 1011 ₽, Q3 = 1415 ₽, Q4 = 1819 ₽.

Получив значения квартилей, мы можем найти межквартильный размах: IQR = Q3–Q1. Для определения верхней и нижней границ используются формулы: Нижняя граница = Q1–3*IQR. Верхняя граница = Q3+3*IQR.

В нашем примере межквартильный размах составил 1415 минус 456 = 959. Таким образом, расчётная нижняя граница для среднего чека нормальных клиентов = (456 – 3*959) = -4421, а верхняя = (1415 + 3*959) = 4292.

В нашем примере «аномальных» клиентов не оказалось, несмотря на то, что самый высокий средний чек в 10 раз больше самого низкого. Так получилось потому, что средние чеки в сегменте распределяются достаточно плавно. А вот если бы средний чек сегмента находился в диапазоне 1813-1819, а у Валентины бы он остался бы на уровне 125, то расчёт дал бы нам нижнюю границу среднего чека нормальных клиентов на уровне около 1800. И тогда Валентина оказалась бы уже «аномальным» клиентом.

Заметим, что если данный метод выявит аномалии, то размер исходной выборки будет сокращён. Такое сокращение, по определению, не может превышать 25 %, а на практике составляет 1–3 %.

Метод квартилей можно использовать не только при проверке результатов кампаний, но и до их запуска. Мы применили его при формировании сегмента, до разделения его на ОГ и КГ. Это сделало исходную выборку более однородной по выручке и существенно снизило риск попадания в неё аномальных клиентов. Однако, исключить такой риск на 100 % невозможно – есть вероятность, что в жизни нашего покупателя именно в период проведения акции произойдет событие, изменяющее его поведение.

Метод квартилей даёт нам два важных результата

Рост точности оценки эффективности акций

Когда мы выявляем и исключаем «аномальных» клиентов до сегментации базы, мы нивелируем риск того, что они проявят себя во время нашей кампании и исказят результаты.

Однако мы лишь находим тех, кто уже был замечен за нестандартно большой или маленькой покупкой. Но никак не спасемся от тех, кто всегда вел себя одинаково, а в период акции поступит «не как всегда» – как тот сотрудник с премией и булочками из примера выше. Наша практика показывает, что «аномальные» клиенты примерно в половине случаев оказываются такими вот «тёмными лошадками», чье поведение изменилось только во время акции, а остальные могли быть вычислены и исключены на этапе сегментации базы.

Таким образом, мы наблюдаем, что на протяжении нескольких месяцев в период акций количество «аномальных» клиентов в ОГ и КГ сократилось в 2 раза по сравнению с теми кампаниями, где не был применен данный метод исключения при разделении сегмента на КГ и ОГ.

Отметим, что метод лучше работает на сегментах с большей историей покупок (постоянные, редкие клиенты). Их поведение можно предсказать с большей точностью, чем, например, новичков.

Сокращение трудозатрат менеджеров

В случае низкой или слишком высокой эффективности кампании мы всегда проводим дополнительные исследования, чтобы разобраться, в чем причина неудачи или невероятного успеха. Эта работа может занимать несколько часов по каждой акции. После внедрения метода исключения аномалий мы наблюдаем сокращение кампаний, по которым необходима дополнительная проверка результатов. Метод помогает быстро найти причину отрицательного или слишком положительного результата. Примерно в 80 % случаев именно «аномальный» покупатель оказывается причиной искаженного результата.

Вывод

Управление эффективностью CRM-маркетинга невозможно без прозрачного замера чистого эффекта. Один и тот же сценарий может показывать очень разный эффект в разные периоды. Одной из причин этого могут быть «аномальные» клиенты.

Выявление и исключение таких аномалий как до запуска кампании, так и после позволяет получать достоверные результаты эффективности и снижает трудозатраты команды на поиски причин и интерпретацию результатов. Это особенно важно, когда существующие кампании показывают нетипичные результаты и возникает необходимость объяснить причины отклонений и пересмотреть сценарий кампании.

Поэтому мы рекомендуем использовать метод квартилей для выравнивания неоднородностей в сегментах перед разделением их на основные и контрольные группы.

PS Исключение аномалий – далеко не единственная «фишка», которую можно использовать для повышения точности замера эффективности. Расскажем об этом в других статьях. Следите за новостями и включайте лояльность!

Наталья Фролова. Ведущий менеджер управления программами лояльности Direct Service

Следите за новыми материалами в telegram

Обычно период замера эффективности целевой акции равен периоду проведения акции. Мы решили проверить, есть ли долгосрочный эффект от целевых коммуникаций. И если да, то на каких сегментах этот эффект будет более явно выражен.

Целевые акции имеют задачу увеличить выручку и прибыль компании. В противовес массовым акциям они нацелены на определённый сегмент клиентов. В рамках целевой акции клиенты получают персональное предложение, которое стимулирует их совершить целевое действие. Результат целевой акции оценивается по методике контрольных групп

Механика

Тестирование проводилось в январе – марте 2024 года.

Отраслевая специализация: аптеки
Каналы продаж: офлайн, сайт, мобильное приложение

Целевые сегменты:

«новые клиенты» (дней с первой покупки <100, дней с последней покупки 10–50)
«регулярные клиенты» (дней с первой покупки >100, дней с последней покупки 30–45)
«спящие клиенты» (дней с первой покупки >100, дней с последней покупки 45–95)

Механика:

Канал коммуникации: SMS
«Новым клиентам»: подарочный бонус на 14 дней.
«Регулярным клиентам»: бонус за покупку + подарочный бонус на 14 дней.
«Спящим клиентам»: подарочный бонус на 21 день.

Замер эффективности:

Методика замера эффективности: контрольная группа
Пролонгированный эффект считали через 1 и через 2 месяца после коммуникации.
Чистота сегментов: ни клиенты целевой аудитории, ни клиенты контрольных групп не получали никаких дополнительных коммуникаций.

Результат

Мы получили положительный результат в период проведения акций по всем трём сегментам. Помимо этого, зафиксировали долгосрочный (пролонгированный) эффект от акций, который ярче всего проявился по сегменту «новые клиенты».

«Новые клиенты». Через 1 месяц после проведения акции средняя дополнительная выручка на клиента сохранилась на уровне месяца проведения акции и составила 77 ₽. Через 2 месяца дополнительная выручка незначительно снизилась, но при этом, осталась на высоком уровне 75 ₽. Дополнительный отклик по сравнению с контрольной группой составил 4,2 %.

«Регулярные клиенты». После проведения акции в течение 1 месяца целевая аудитория была активнее, чем контрольная группа на 3 %. Далее клиенты вернулись к своему обычному графику покупок и их активность сравнялась с активностью клиентов контрольной группы.

«Спящие клиенты». Пролонгированного эффекта не наблюдалось. В течение первого и второго месяца после акции показатели отклика и выручки на один контакт у целевой и контрольной группы находились примерно на одном уровне.

Выводы

Целевые акции эффективны для всех сегментов клиентов, но именно новые клиенты реагируют на них наиболее активно. Эффект от акции сохраняется даже на второй месяц после её окончания. Предлагая новым клиентам вознаграждения в виде подарочного бонуса или повышенного бонуса за следующую покупку, мы вовлекаем этих клиентов в потребление и увеличиваем их лояльность. В результате они охотнее возвращаются к нам за повторными покупками и быстрее переходят в сегмент регулярных клиентов.

В противовес новичкам, «спящие» клиенты хоть и меняют своё поведение в результате под воздействием акции, но эффект длится недолго. Это ещё раз подтверждает, что перевести «спящих» клиентов в регулярное потребление – задача непростая.

Обращайтесь к нам, если хотите увеличить эффективность целевого маркетинга!

Елена Резинкина

Ведущий менеджер управления программами лояльности Direct Service

Следите за новыми материалами в telegram

Опрос — это базовый инструмент для сбора обратной связи и обогащения данных о покупателях. А может ли он побуждать клиентов к покупке?

Мы провели серию тестов, чтобы измерить стимулирующий эффект онлайн-опросов на продажи. Оставим за скобками полезные данные, которые мы собрали в ходе опроса. Сосредоточимся исключительно на его влиянии на выручку и прибыль.

Механика

Отраслевая специализация: аптеки
Целевая аудитория опроса: постоянные покупатели, активно использующие мобильное приложение.
Канал для информирования об опросе: Push Mob
Количество вопросов: 3 вопроса (2 закрытых, 1 открытый)
Поощрение за прохождение опроса для клиента: нет
Инструмент создания опроса и сбора данных: Loymax Smart Communications
Методика замера эффективности: контрольная группа

Результаты

Опросы действительно могут стимулировать продажи. Для этого нужно поработать над текстом сообщений.

Сообщение со стандартным текстом не привело к росту продаж. Стандартными можно назвать фразы вроде: «Приглашаем пройти опрос о ваших предпочтениях при выборе аптеки. Нам важно ваше мнение».

Вероятно, в таких коммуникациях клиенты чувствуют формализм. Поэтому реагируют на них слабо. Доля ответивших на вопросы составила 1,9%. Клиенты, получившие такую рассылку, не увеличили ни активность, ни сумму покупок.

Рассылка с более «тёплым» текстом имела вдвое большую конверсию – опрос прошли 4,3% получателей. В нашем примере мы использовали сообщение: «Спасибо за выбор {имя аптеки}! Вы знаете нас лучше многих, поэтому приглашаем вас пройти короткий опрос».

Такой фразой мы хотели поблагодарить клиента, сделать комплимент и подчеркнуть его «избранность». А также обозначить, что опрос короткий. Всё это дало эффект.

Прирост выручки по группе получателей рассылки (как ответившим, так и не ответившим на вопросы) составил 2,5%. Или 45 ₽ на контакт в абсолютном значении.

При отсутствии затрат на коммуникации и привилегии, такой эффект превзошёл наши ожидания. Прибыль на контакт от этой рассылки оказалась ровно в два раза выше, чем у рассылки о массовой сезонной товарной акции.

Сравнение покупок клиентов, участвовавших и не участвовавших в опросе

Оставить обратную связь предпочли покупатели с более высокой активностью покупок. У прошедших опрос конверсия в покупки была выше на 6%, чем у тех, кто получил рассылку, но не принял участие в опросе.

Однако это нельзя считать стандартом. В нашей практике есть обратные случаи, когда конверсия в покупки у прошедших опрос ниже по сравнению с теми, кто его не прошёл. Это зависит от уровня удовлетворённости клиентов. Высокая частота покупок не всегда означает лояльность. Те, кто ответил на вопросы, могут быть по-настоящему лояльны, а могут просто «выпускать пар». Но это уже тема для другого материала 🙂

Обращайтесь к нам, если хотите увеличить эффективность целевого маркетинга!

Елена Евсевлеева и CRM-команда Direct Service / Apteka Loyalty

Следите за новыми материалами в telegram

Kassir.ru – национальный билетный оператор

Direct Service – крутая команда, в которой каждый – и эксперт, и просто приятный человек. Мы убедились в этом в ходе нашего совместного проекта по перезапуску CRM-маркетинга и программы лояльности. Коллеги проделали большую работу по изучению бизнеса kassir.ru и анализу нашей клиентской базы, на основании чего разработали пул рекомендаций и CRM-стратегию.

Нам понравилась любовь агентства к цифрам – все выводы и рекомендации носили не только экспертный характер, но были подкреплены данными. А ключевой фокус делался на экономическом результате. Важно, что работа шла не по шаблону, и специалисты агентства быстро адаптировались к особенностям нашей компании. При этом оставаясь внимательными, терпеливыми, а в нужный момент настойчивыми.

Мы готовы рекомендовать коллег из Direct Service для реализации задач в области лояльности, CRM-маркетинга и анализа больших данных в сложных и нестандартных индустриях.

Александр Барсуков

СМО @ kassir.ru

Услуги и продукты Direct Service

Hoff – сеть гипермаркетов мебели и товаров для дома.

Благодаря сотрудничеству с Direct Service мы впервые смогли собрать экономическую модель, отражающую расходы и доходы нашей программы лояльности.

Для этого мы выгрузили и проанализировали транзакционные данные за 5 лет, а также подход к сегментации и к расчёту экономического эффекта от программы лояльности. Совместно определили, что является ее доходной, а что – расходной частью.

После проведенного обучения смогли рассчитать реальные кейсы по изменению базовых условий программы лояльности, и сейчас находимся на этапе их пилотирования.

Екатерина Пронина

Руководитель отдела управления отношениями с клиентами

Услуги и продукты Direct Service

Инфоповод о сгорании бонусов используется в большинстве успешных программ лояльности. Можно ли придать новый импульс старому триггеру?

Спасибо Канеману

Даниель Канеман, обладатель нобелевской премии в области экономики, знаком многим по бестселлеру «Думай медленно, решай быстро». В 1970-х годах он вместе Амосом Тверски разрабатывает «теорию перспектив», которую осознанно или неосознанно сегодня используют все CRM-маркетологи.

Учёные оценили поведение людей в условиях риска и неопределённости и сделали вывод о том, что человеческое поведение зачастую нерационально. В частности, прибыли и потери воспринимаются людьми ассиметрично, причём риск потери переживается в два раза острее возможности выигрыша. Исследования Канемана и Тверски объясняют почему инфоповод о предстоящем сгорании бонусов часто отрабатывает эффективнее, чем рассылки про возможные выгоды.

Маркетологи знают этот эффект и умеют его монетизировать. Но суть CRM-маркетинга не только в том, чтобы получить прибыль от работающей механики, но и в поиске новых точек роста. Вот наш пример как базовому и очень эффективному триггеру придать новый импульс.

Эксперимент

Чтобы найти новые точки роста, мы исследовали:

поведение клиентов по накоплению и списанию бонусов,
поведение клиентов, получивших триггерную рассылку о сгорании бонусов.

Период эксперимента: октябрь, 2023
Период анализа: 8 месяцев
Период от анализа до масштабирования результата: 2 месяца
Размер базы: 1,5+ млн
Каналы продаж: офлайн, сайт, мобильное приложение

По итогам анализа сделали следующие выводы:

Клиенты, которые воспользовались предложением и списали бонусы до сгорания – самые активные и доходные. Они демонстрируют самый высокий показатель выручки на клиента среди всех получателей коммуникации.
Существует группа «забывчивых» клиентов. Они делают покупки после коммуникации, но забывают списать бонусы, и бонусы сгорают. LTV таких клиентов на 6% ниже, чем у тех, кто потратил бонус при покупке.
Есть группа «опоздавших», которые делают покупку после коммуникации через несколько дней после того, как бонусы сгорели. LTV таких клиентов на 23% ниже тех, кто списал бонусы вовремя.
LTV клиентов, которые не откликнулись на триггер в течение 3-х недель на 52% ниже тех, кто списал бонусы до того, как они сгорели.

На основе поведения этих групп мы определили точки роста и задачи по каждой из них, разработали и протестировали новые сценарии триггеров:

На активную аудиторию, у которой сгорает весомая сумма бонусов (5% среднего чека и более) мы увеличили частоту рассылки в 2 раза и начали информировать о предстоящем сгорании в 3 раза раньше.
Клиентов, у которых сгорает небольшая сумма бонусов (менее 5% среднего чека), но у которых накоплен достаточный бонусный баланс (5% и более среднего чека) мы стали информировать о сгорании в привязке к информации о бонусном балансе.
Самая многочисленная группа клиентов – покупатели со сгоранием малых сумм бонусов (менее 2% среднего чека) и без весомого накопленного баланса. Мы решили проверить, будут ли они откликаться на сообщения о сгорании таких малых сумм и запустили тесты с информированием в мобильном приложении за 10 дней до сгорания и за 30 дней до сгорания бонусов.

Результаты

Самый высокий финансовый результат был получен в группах со сгоранием малых сумм бонусов с привязкой к значимой сумме накопленного баланса. ROI составил 1065%. При масштабировании сценария рекомендуем информировать клиентов о сгорании и о накопленном балансе в одном сообщении. Информирование только о списании работает на 28% слабее.
В группе со сгоранием малой суммы бонусов и высоким балансом прибыль от сценария оказалась в 2,5 раза выше по сравнению с группой со сгоранием большой суммы бонусов и высоким балансом. Отчасти это связано с большим размером скидки у клиентов с большой суммой сгорания.
Клиентов мобильного приложения нужно информировать о сгорании даже совсем небольших сумм бонусов. Достаточно один раз сделать это через мобильный Push за 10 дней до сгорания.

В результате запуска шести новых сценариев инфоповода о сгорании бонусов мы увеличили выручку на 22%, а прибыль – на 26%. Инкрементальная выручка в абсолютном выражении составила несколько миллионов рублей.

Мы оцениваем результат как отличный, учитывая, что триггер на сгорание бонусов имел высокие показатели ещё до перезапуска.

Обращайтесь к нам, если хотите увеличить эффективность целевого маркетинга!

Елена Евсевлеева и CRM-команда Direct Service / Apteka Loyalty

Следите за новыми материалами в telegram

Перевели свежее исследование программ лояльности и обсудили его с руководителями из Hoff, Selgros, Tom Tailor и “Авторусь”.

В январе 2024 года вышло новое исследование программ лояльности от Antavo и мы его, по традиции, перевели на русский 🤗

Когда мы делились переводом прошлогоднего исследования (доступно здесь), коллеги и клиенты задавали нам вопрос – корректно ли применять результаты этого исследования к отечественным реалиям? Вопрос справедливый. К любому исследованию стоит относится с долей критики. Тем более, если его проводит вендор. Особенно, если исследование зарубежное.

Поэтому в этот раз мы решили дополнить материал живой дискуссией и поговорить о выводах исследования с руководителями маркетинга российского ритейла:

👕 Елена Ложкина, CMO Tom Tailor

🍊 Оксана Карпухина, CMO Selgros

🛋 Екатерина Пронина, Hoff, руководитель отдела CRM

🚗 Анастасия Ломаченко, CMO «Авторусь»

Модератор: Антон Трухтанов, Управляющий партнер Direct Service

Разговор подсветил не только отношение к трендам, выявленным в исследовании, но и другие практические вопросы из жизни программ лояльности. Поэтому дискуссия оказалась ценной сама по себе.

А ещё наши спикеры ищут сотрудников в свои отделы по работе с программами лояльности. Поэтому те, кто в поисках работы могут присмотреться к возможному руководителю 😉

Запись онлайн-дискуссии от 8 февраля 2024 года

00:00:00 Знакомство

00:04:04 Исследование Antavo.

00:06:35 О чём поговорим.

00:08:43 Удовлетворённость программами лояльности. Ситуация в компаниях и планы коллег.

00:18:53 Рекомендации по обновлению программ.

00:23:13 Что мотивирует клиентов – разум или эмоции. Примеры коллег.

00:40:05 Несколько рекомендаций по ПЛ из исследования.

00:41:25 Анализ данных в Tom Tailor.

00:44:15 8 принципов программ лояльности.

00:44:45 Бюджеты на программы лояльности.

00:53:40 ROI программ лояльности.

00:55:44 Иные показатели кроме ROI.

01:01:14 Про контрольные группы.

01:04:50 Программа как инструмент не только удержания, но и привлечения клиентов.

01:14:43 Стратегии успешных программ: 1. Микротаргетинг.

01:23:49 Примеры персонализации из исследования и у коллег. Один клиент – один сегмент.

01:32:42 Когда и как запускать персонализацию.

01:34:44 Стратегии успешных программ: 2. Вариативность опций списания бонусов

01:39:45 Вариативность привилегий. Партнёрство.

01:44:25 Стратегии успешных программ: 3. Премиальные программы/подписки.

01:54:55 Общие выводы.

Документ с переводом исследования также выкладываем в общий доступ:

Скачать исследование 2024

Если у вас остались вопросы – напишите нам или задайте их на нашем TG-канале.

Frank by Баста – рестораны, где под хороший хип-хоп готовят неповторимые рёбрышки и множество других авторских сочных блюд

Выражаем большую благодарность сотрудникам Direct Service за проделанную работу по анализу текущей программы лояльности нашей ресторанной сети.

Несмотря на все технические сложности, нам была предоставлена подробная аналитика текущего её состояния. Специалисты Direct Service предоставили исчерпывающие комментарии к отчетам, дали ценные советы, указали на точки роста.

Считаем, что полученная информация позволит нам повысить эффективность бизнеса.

Виктория Иллаутдинова

Генеральный директор

Услуги и продукты Direct Service

585 Золотой – одна из крупнейших ювелирных сетей России.

Мы в «585 Золотой» уверены, что независимая экспертиза может помочь избежать ошибок и сделать бизнес эффективнее. Поэтому попросили команду Direct Service провести оперативный анализ нашей программы лояльности.

Для этого мы рассказали коллегам о нашей программе и планах, поделились данными и провели сессию ответов на вопросы. На основании полученной информации эксперты Direct Service подготовили рекомендации по развитию программы и корректировке отдельных её элементов. Некоторые выводы подтвердили наши собственные опасения, а некоторые – подсветили моменты, на которые мы ранее внимание не обращали.

Благодарим Direct Service за работу. Готовы рекомендовать компанию как эксперта в программах лояльности.

Ольга Попова

Руководитель службы бренд-маркетингаHead of Digital Marketing

Услуги и продукты Direct Service

Статья, которая поможет сформировать реалистичные ожидания от программы лояльности и принять взвешенное решение о целесообразности её запуска

За последние пару лет мы взяли более полсотни интервью с ключевыми экспертами ритейла, посетили десятки профильных мероприятий, провели бессчётное количество встреч с клиентами. И уже привыкли, что программа лояльности в ритейле воспринимается как гигиеническая норма.

Но иногда представитель какой-нибудь сети возьмёт, да и скажет, что программа лояльности ему не нужна, потому-что у него «итак всё хорошо». Либо выскажет сомнения в том, что она поможет его бизнесу.

Понимаем, что сомнения являются двигателем прогресса. Мы и сами ежедневно используем критическое мышление, ставим под вопрос и требуем доказать каждую гипотезу. И уж тем более мы противники аргумента «так нужно делать, потому что так делают все».

Поэтому мы решили собрать и систематизировать аргументы, которые приводят, чтобы обосновать запуск программ лояльности. Будем использовать для этого как мнение экспертов рынка, так и собственный опыт управлений программами лояльности в разных отраслях ритейла.

Дисклеймер

1. Несмотря на то, что мы являемся адептами программ лояльности, понимаем, что существуют бизнесы, в которых она будет малоэффективна, и где для работы с клиентами лучше использовать другие маркетинговые инструменты. Поэтому будем говорить далее про классический ритейл, где нет монополии и есть, как минимум, десятки тысяч клиентов, совершающих покупки с определённой частотой.

2. Мы не выступаем за бездумное внедрение программ лояльности. Настаиваем, чтобы перед любым запуском предварительно оценивался потенциальный эффект от программы лояльности – с учётом географической, отраслевой специфики, размера и маржинальности бизнеса, а также инвестиционных возможностей и ожиданий.

3. Мы против запуска программы лояльности, если у ритейлера есть серьёзные проблемы с ассортиментом, качеством товаров/услуг или уровнем обслуживания. Решение этих вопросов имеет больший приоритет, чем запуск программы лояльности.

Надеемся, что всё, что написано ниже позволит руководителям и собственникам розничного бизнеса сформировать реалистичные ожидания от программы лояльности и принять взвешенное решение о целесообразности её запуска.

Давайте говорить на одном языке

Если ритейлер начинает выдавать покупателям карты лояльности, то это ещё не значит, что он запустил программу лояльности. Пока это означает лишь запуск «базовой механики» программы лояльности.

Базовая механика – это привилегия, которую получает любой участник программы лояльности. Она может иметь вид скидки, бонуса, кэшбека или их комбинаций.

Первоначально, много лет назад, предполагалась, что базовая механика будет стимулировать клиента «полюбить» магазин и возвращаться в него снова и снова. Но что-то пошло не так.

Во-первых, большинство магазинов запустили схожие базовые механики. Покупатель мог получить скидку или бонус в любом магазине. Карта лояльности не давала магазину уникального преимущества перед конкурентами.

Во-вторых, невидимая рука рынка заставила ритейлеров искать способы повысить эффективность бизнеса и сократить размер раздаваемых привилегий. Сейчас редко можно встретить программу лояльности с базовой привилегией выше 5%. В основном это удел высокомаржинального бизнеса, например beauty или fashion. У большинства ритейлеров она не превышает 1%!

Полагаем, что такая базовая механика не будет оказывать существенного влияния на лояльность к магазину и повторные покупки.

Можно ли оценить влияние базовой механики на клиентскую лояльность?

Точные инструменты для такой оценки отсутствуют. В остальном эксперты расходятся во мнениях. Кто-то считает, что это сделать сложно, а кто-то – что невозможно.

Зачем же тогда вообще нужна базовая механика? Затем, чтобы собрать данные о покупателях и их покупках. Регистрируясь в программе, покупатель передаёт нам свои персональные данные – имя и контакты. Мы также можем узнать его возраст, пол и некоторые другие данные. Затем, каждый раз, когда клиент предъявляет карту лояльности, он идентифицирует себя. А мы получаем возможность собирать и изучать информацию о его покупках.

Базовая механика – “плата” за идентификацию клиента. Для офлайн-ритейла базовая механика – это единственный способ собрать данные о покупателях.

Чем чаще клиент идентифицирует себя, тем лучше мы узнаём его покупательское поведение – что, где, когда и как часто он покупает. В связке с персональными данным эта информация позволяет выстраивать с покупателем индивидуальное взаимодействие. Это достигается за счёт глубокого анализа данных об истории покупок и понимания как ведут себя клиенты с похожим покупательским поведением.

Именно взаимодействие с клиентом, выполненное в правильное время, в правильном канале, в правильной форме и с правильной целью вызывает положительное отношение к ритейлеру и оказывает стимулирующее влияние на покупательское поведение.

Таким образом, запуск базовой механики и раздача покупателям привилегий без последующей работы работы с данными и без коммуникации с покупателями – прямой путь к провалу. Такая программа лояльности, скорее всего, будет приносить бизнесу только расходы.

Поэтому когда мы говорим о необходимости программы лояльности, мы имеем в виду не только о предоставлении стандартной для всех привилегии (базовой механики), но и о выстраивание системной работы с клиентской базой.

Что даёт выстраивание клиентоцентричных отношений в программе лояльности на основании анализа данных:

Увеличение розничного товарооборота на 5-8% с математически-доказанными результатами.
Увеличение коммерческой маржи за счёт работы с поставщиками и продвижения СТМ.
Выявление трендов, связанных с клиентским поведением, которые важны для принятия тактических и стратегических бизнес-решений.

За счёт чего можно добиться таких результатов?

1. Разработка целевых предложений на основании стратегической сегментации

На основании стратегической сегментации решаются следующие задачи:

вовлечение новых клиентов
рост частоты нерегулярных клиентов
рост частоты и ширины корзины случайных клиентов
поощрение и сохранение лучших клиентов
удержание и восстановление оттока
рост ширины корзины по тем, кто покупает ограниченный ассортимент
переключение на более маржинальные товары

На этапе управления программой лояльности мы определяем цели и задачи по каждому сегменту, стимулируем позитивные и предотвращаем негативные миграции между сегментами.

2. Снижение доли скидки за счёт замены массового промо целевыми предложениями

Это переход от массовых скидок, раздаваемых всем покупателям, к точечным скидкам, предоставляемым отдельным клиентским сегментам за совершение целевых действий. Зачем раздавать скидки направо и налево, если можно дать их только тем, кто с наибольшей вероятностью совершит покупку?

Здесь же можно сказать, что дальнейший переход в рамках программы лояльнсоти от скидок к бонусам позволяет ещё больше оптимизировать расходы.

3. Возможность замерять результаты каждого действия, тестировать и отбирать лучшие гипотезы

Мы управляем только тем, что можем измерить. Работа с идентифицированными клиентам по методике контрольных групп позволяет точно оценивать эффект наших действий. А значит повышать доходы и оптимизировать расходы, возникающие от работы с клиентами. Без программы лояльности оценить результат проблематично – на него воздействуют слишком много внешних факторов.

4. Сбор обратной связи от покупателей

Регулярные опросы NPS и CSI, которые можно проводить в рамках коммуникации с клиентами – это то, что позволяет совершенствовать весь бизнес – от процессов в магазине, до ассортимента и ценообразования.

5. Преимущество в конкуренции

Если в округе есть хотя бы один конкурент, то программа лояльности – это способ перетянуть к себе клиентов конкурента. Причём, не только за счёт самого наличия программы лояльности.

Изучая состав покупок можно понять, является ли ваш магазин основным местом покупок клиента, либо он всего лишь докупает у вас. На основании этого выстраивать стратегию работы с такими клиентами, увеличивая долю вашего магазина в его кошельке.

Мы знаем, что в среднем каждый клиент покупает продукты питания более, чем в 5 торговых точках. Поэтому, в этом аспекте, возможность роста продаж существует всегда.

6. Аналитика программы лояльности

Аналитика позволяет вывить неочевидные тренды на этапе пока они не приобрели массовый характер.

Например, даже когда оборот магазинов растёт, может иметь место высокая доля оттока, которая просто до настоящего времени компенсируются притоком новых покупателей. В этой ситуации, без программы лояльности цифры продаж покажут нормальный результат. И только с программой лояльности, благодаря анализу данных, можно обнаружить мину замедленного действия и принять меры.

7. Продвижение СТМ

Программа лояльности позволяет создать целевое предложение по СТМ для наиболее лояльной аудитории. Это могут быть клиенты, которые ещё не покупали СТМ. В этом случае, в коммуникации будет описание преимуществ СТМ. Это также может быть предложение для тех, кто регулярно покупает аналогичные продукты поставщиков.

8. Решение задач поставщиков с выгодой для себя

Это поддержка ввода новинок и работа с аудиторией, покупающей продукцию конкретного поставщика. Работа с базой на основе истории покупок позволяет расширить покупаемые категории и увеличить частоту покупок. Она даёт возможность предоставить таргетированную скидку и оценить её влияние на конверсию в покупку и прирост продаж. Все эти возможность отлично используются в переговорах с поставщиками.

По данным “Пятёрочки”, 40% коммуникаций в 2022 году были выполнены в сотрудничестве с поставщиками.

9. Персонализация

О пользе персонализации мы уже писали в отдельной статье. Есть простая тому иллюстрация – скажите, как бы вам хотелось, чтобы к вам обращались: «уважаемый клиент» или по имени?

Но персонализация – это не только про обращение по имени. Можно персонализировать контент – от дизайна до сути предложения. Например, предлагать веганам фрукты, а мясоедам – шашлык. И не наоборот! Персонализация – это возможность выбирать оптимальный по эффективности канал коммуникации, а также время отправки сообщения. Это профилактика переспамленности.

Поэтому, с одной стороны, без персонализация немыслима современная работа с клиентами. А с другой – это способ беречь бюджет и увеличивать отдачу от работы с клиентами.

В заключение – немного статистики.

40% респондентов отметили, что за последний год системы лояльности стали играть более значимую роль при выборе магазина.

Исследование «Ромир» и холдинга «Яков и партнёры». Январь, 2023.

Программа лояльности – мощный инструмент, который при правильном применении принесёт бизнесу дополнительную прибыль.

Больше информации о том, из чего состоит современная программа лояльности, и какие задачи нужно решить при её запуске, можно получить из нашего чек-листа.

И помните, что главный элемент программы лояльности – это команда, которая управляет программой лояльности. Обращайтесь к нам, если в этом потребуется помощь.

Сергей Ольховский

Исполнительный директор Direct Service

Следите за новыми материалами в telegram

lady & gentleman CITY – мультибрендовые магазины мужской, женской одежды и аксессуаров, делающие ставку на элегантность и высокое качество.

Благодарим Direct Service за разработку CRM-стратегии для lady&gentlemen City.

Эксперты выполнили внушительный объём работы – провели глубокий анализ данных, рассчитали показатели и оценили тренды. На этом основании определили модель сегментации и выстроили стратегию работы с ключевыми сегментами. Мы получили структурированные и обоснованные выводы, а также практические материалы для дальнейшей работы.

Уверены, что внешняя экспертиза в сочетании с нашим опытом позволит нам верно расставить акценты и повысить отдачу от CRM-маркетинга.

Готовы рекомендовать Direct Service как экспертов в аналитике и CRM-маркетинге. Планируем дальнейшее сотрудничество по развитию нашей программы лояльности.

Рафаэль Абишин

Head of Digital Marketing

Услуги и продукты Direct Service

Поговорили с экспертами и разобрались как и зачем используется технология ML, а также какие у неё перспективы. Не забыли спросить “мнение” у Chat GPT

Про машинное обучение говорят на каждой конференции по маркетингу. Но какая «магия» скрывается за этим понятием? Как используется технология и какую практическую пользу она приносит в области клиентского маркетинга и программ лояльности?

Мы решили разобраться в теме и поговорили с экспертами в обработке данных. Для большей объективности мы задавали одни и те же вопросы и ритейлерам, которые внедряют у себя машинное обучение, и вендорам – компаниям, предлагающим ритейлу технологии ML. Не могли пройти мимо Chat GPT – задали те же самые вопросы “искусственному интеллекту”.

По итогам предлагаем вам не только общие выводы по результатам исследования, но и большое количество цитат. Всё это поможет вам разобраться в вопросе и составить своё мнение о том, нужно ли срочно брать технологии машинного обучения на вооружение. Или пока это просто очередной хайп.

Оглавление

Общие итоги исследования
Что понимается под машинным обучением / machine learning / ML
Задачи, которые решает машинное обучение
Мифы о машинном обучении
Совершает ли машинное обучение ошибки
Роль эксперта на стороне ритейлера в развитии сервисов машинного обучения
Как оценивать эффективность ML
Состояние и перспективы развития рынка машинного обучения
Портрет идеального вендора
Портрет идеального заказчика

Участники исследования

Результаты исследования технологии машинного обучения в программах лояльности

Дмитрий Салабаев. SPAR-Калининград

Директор по цифровым проектам.

Зоя Заславец. Manzana

Руководитель бизнес-консалтинга

Иван Комаров. ЦФТ

Руководитель дирекции машиного обучения, “Золотая корона”

Виталий Митекин. Mindbox

Data Scientist. Отвечает за разработку алгоритмов Machine Learning

Кирилл Фридлянд. Hoff

Руководитель департамента управления данными.

Азамат Тибилов. Mario Berlucci

Директор по маркетингу. В проектах активно внедряет продукты машинного обучения.

Евгений Семикашев. Retail Rocket / SailPlay

Chief Product Officer

Иван Щесюк. Direct Service

Руководит разработкой аналитических сервисов и моделей для внутренней команды Direct Service и клиентов агентства.

Chat GPT. Модель text-davinchi-003

Изначально не планировали спрашивать машину о машинном обучении. Но решили попробовать. Получили дельные ответы, которые заставляют о многом задуматься.

1. Общие итоги исследования

После первичного хайпа и последующего разочарования, технология машинного обучения в ритейле выходит на этап совершенствования и адаптации.

Использование технологии для развития программ лояльности пока не носит массовый характер, и отношение к возможностям её применения неоднозначное. Тем не менее, все сходятся во мнении, что технология будет развиваться.

Для того, чтобы технология работала требуется эксперты, которые разбираются в теме, могут поставить задачу и могут скорректировать ошибки, которые неизбежно возникают в процессе работы.

К оглавлению

2. Что понимается под машинным обучением / machine learning / ML

Разработчики решений и компании, развивающие собственный ML, ориентируются на крупнейших игроков (ВК, Яндекс, Х5 и пр.) и научную базу. Поэтому в большинстве таких компаний существует единое понимание терминов.

У пользователей решений чаще всего существует разное понимание терминов. При этом разработчики подстраивают свою терминологию под “понимание” заказчика. Но от этого может возникнуть ещё больше путаницы.

К оглавлению

Зоя Заславец / Manzana

Мы оперируем тремя терминами: предиктивная аналитика, машинное обучение, искусственный интеллект.
Машинное обучение — это такой класс алгоритмов, когда задачу, логику построения можно отдать уже самой машине, она сама себя обучает. Очень похоже на то, как работает и учится человеческий мозг

Виталий Митекин / Mindbox

Машинное обучение — это широкий спектр алгоритмов, которые обучаются по историческим данным. Для этого могут использоваться методы от математической статистики (авторегресии и скользящего среднего — AR и MA) до нейронных систем машинного обучения. Все алгоритмы, которые используют исторические данные, чтобы как-то автонастроиться — всё это считаем Machine Learning.
Нейросеть — это одна из математических моделей, используемых в современном машинном обучении для решения множества разных задач. . Модель универсальная и очень гибкая, концептуально представляет собой набор базовых элементов (нейронов) и определенным образом настроенных связей между ними. Ее можно натренировать на исторических данных под решение самых разных задач: предсказывать показатели, классифицировать и так далее.

Евгений Семикашев / Retail Rocket

Мы используем разную терминологию в зависимости от того, с кем общаемся. Это значит, что когда мы общаемся с командой, кто непосредственно будет работать с моделями или готовить датасеты, то, скорее всего, будем оперировать наиболее близкими по каноничному содержанию терминами. Когда же мы общаемся с клиентами, то можем немного мимикрировать под то, что понятнее клиенту.
Датасет, набор данных — это, строго говоря, сырьё. Дальше мы, в первую очередь, определяем, каким образом они будут обработаны, и какая стоит цель. Разумеется, машина сама не определит цель. Но датасет — это данные из различных источников, которые принадлежат нашим клиентам.
Я бы сказал, что машинное обучение – это то, что помогает принимать решения или принимает решения за человека на основе анализа данных. Для машинного обучения необходимо:
- Правильно выбрать инструмент, который будет использоваться. Это включает в себя класс машинного обучения, а их там десять разных.
- Нужна экспертиза человека, который будет этим заниматься.

Дмитрий Салабаев / SPAR

Мало того, что терминология различается на функциональном уровне, так ещё и те же директора по маркетингу, директора по целевому маркетингу, руководители CRM-подразделений могут называть всё разными словами.
А есть же ещё уровень CEO или собственника, для которого предиктив, машинное обучение и вся эта история — это, скорее, какая-то модная штука. “У нас это есть. Мы молодцы. Мы продвинутые”. И есть коммуникация между руководителем подразделения и конечным заказчиком. Первый, как правило, пытается говорить то, что нравится второму.
Машинное обучение – конкретное решение прикладных задач которое мы получаем, обрабатывая большие или близкие к большим данные, исходя из тех гипотез и фактических данных как покупатели повели себя в ответ на сформированное ранее предложение.
Предиктивная аналитика – это попытка предсказать поведение и сформулировать это поведение на основе предыдущих данных. То есть, как мне кажется, предиктивная аналитика может быть без машинного обучения, когда у нас просто добавилась ещё неделя транзакционной и товарной активности, и мы построили новое предложение на следующую неделю.

Азамат Тибилов

Есть лидеры рынка, которые давно занимаются машинным обучением: X5 Group, ВК, Яндекс, и так далее. Есть самые яркие личности, которые являются амбассадорами машинного обучения. Это Бабушкин Валерий, Хантер — ребята, которые очень круто доносят ценность продукта. В целом, у них одинаковое определение. Хочешь или не хочешь, но ты отталкиваешься от него.
Поэтому всё достаточно просто. Есть искусственный интеллект, внутри которого есть машинное обучение. Машинное обучение в свою очередь подразделяется на различные нейросетки, различные алгоритмы, которые строятся из табличных данных.
Data Science — это область машинного обучения. Мне кажется, люди не совсем понимают, что такое рекомендательная система. Что такое, условно, классификатор. Чем кластеризация отличается от классификации. Это всё области внутри самого Data Science.

Кирилл Фридлянд / Hoff

Существует такая функция ETL. Это означает Extract, Transform, Load (загрузка и трансформация данных из исходных систем) и организация витрин данных для пользователя, для аналитики и в том числе для дата-сайентистов. То есть это извлечение и предподготовка данных. ETL – функция дата-инженера. А дата-сайентисты — это люди, которые берут эти данные и исследуют их на предмет закономерности, строят прогнозные модели с элементами машинного обучения и так далее.
Дата-сайентист делает предиктивные модели и исследования, а аналитик… у нас сейчас понятие «аналитик» настолько многогранное! Мы у себя переименовали ребят в разработчиков отчётности. Это люди, которые делают удобное и понятное предоставление информации для бизнеса (отчёты, дашборды, кубы), чтобы бизнес принимал решения.
Я сейчас боюсь вас запутать, но для нас отдел предиктивной аналитики — это люди, которые на основе данных делают прогнозные модели: прогноз спроса, прогноз трафика, прогноз чеков.
При разработке промо-акций прогнозная модель строится, в том числе, с помощью ML. На основе анализа прошлых акций с теми параметрами и на основе текущих параметров делают прогноз: продастся при такой скидке или при таких характеристиках и так далее. То есть там в том числе идёт чисто статистическая регрессионная модель, и более сложные математические, и ML, в том числе, Data Science.
Нейросети, как метод, сейчас применяем только в одном месте. Для распознавания аналогов при сопоставление нашего ассортимента с ассортиментом конкурентов. Наш ассортимент, в основном, – это мебель. Если бы мы говорили про электронику, то сопоставление и мониторинг цен на смартфон такой-то модели сильно проще. А сравнить «угловой диван в тёмном цвете» с такой-то конфигурацией — совсем другая задача.

Иван Щесюк / Direct Service

Если смотреть на вопрос широко, то существует понятие Data Science. Это область информационных технологий, которая занимается анализом данных. В рамках этого направления есть отдельные задачи по подготовке и обработке исходных данных, загрузке их в собственную базу данных, задачи по проектированию базы данных и задачи по анализу данных. К задачам анализа данных в том числе относятся и методы машинного обучения.
ML предназначено для решения задач посредством поиска схожего решения из большой выборки решений аналогичных задач. Для того, чтобы машина решала задачи, ее нужно обучить этому. В этом и заключается суть технологии решения задач с помощью машинного обучения – мы учим машину решать задачи, опираясь на опыт ее обучения. При обучении машины с одной стороны мы имеем группу ситуаций, а с другой группу реакций на данную ситуацию, но зависимость между ситуацией и реакцией на нее неявная. Задача машины выявить эту зависимость и применять ее при ответе на следующую ситуацию. Эта зависимость не всегда может быть описана аналитически, поэтому и требуются нейросети для определения решения.
Ещё есть задачи, связанные с прогнозированием каких-нибудь событий в будущем. Их зачастую целесообразно решать с помощью методов предиктивной аналитики. Предиктивная аналитика опираются на количественный статистический анализ – оценивает исторические и текущие события, чтобы выявить между ними взаимосвязь и предсказать вероятность события в будущем.
Оба этих метода анализа данных относятся к методам интеллектуального анализа данных Data mining.

Chat GPT

Машинное обучение – это область искусственного интеллекта, которая использует алгоритмы и статистику для автоматического поиска закономерностей в больших данных. Цель машинного обучения – построить модель, которая может предсказать будущие поведения и результаты на основе прошлых данных. Машинное обучение используется для построения различных видов моделей, таких как регрессионные, классификационные и кластерные модели.

3. Задачи, которое решает машинное обучение

Чаще всего к развитию ML приходят, когда решение задачи силами сотрудников становится неэффективным в силу большого количества данных. Но если данных мало, то маркетолог с опытом работы справится с задачей лучше.

Задачи, которые разработчики ПО предлагают решить с помощью ML достаточно стандартны для рынка:

Рекомендации товаров (на сайте, в ЛК, в рассылке).
Рекомендации клиентов под акции.
Прогнозирование оттока.
Определение оптимального времени для отправки письма.
Определение времени для письма по конкретным клиентам.
Ограничение по количеству писем с целью не «выжигать» базу.
Оптимизация бюджет на коммуникации от аудитории.

Но если компания сама вкладываются в ML, то цели разработки могут быть индивидуальны. В таком случае компания может даже купить готовое решение ML для части задач, но остальные разрабатывать своими силами.

Прогноз возраста детей/ребенка по совершенным покупкам.
Расчет вероятности следующей покупки в определенный период.
Вероятность добавление товара в корзину.
Поиск на сайте и в МП. Для крупных сетей с большими каталогами товаров это большая проблема.
Сопоставление своего ассортимента с ассортиментов других сетей.
Прогноз необходимого кол-ва персонала в зале и колл-центре и пр.
SEO-оптимизация.

К оглавлению

Зоя Заславец / Manzana

Когда у вас есть один товар и куча клиентов, возможно, машинное обучение не нужно. Когда у вас 5–10 тысяч товаров и 3 миллиона контактов, то здесь невозможна ручная работа.
Мы занимаемся персональными акциями. По сути это две связанные задачи – какие товары предложить клиенту (подбор товаров под клиентов) и каким клиентам предложить эти товары (подбор клиентов под товары)
У нас есть одна большая, хорошо работающая, доказанная тема, связанная с подбором персональных товарных предложений. На основании истории покупок, истории обратной связи и кучи дополнительных факторов мы можем предсказать, какие товары могут быть интересны клиенту и их ему рекомендовать. Можем установить для этого клиента индивидуальный размер скидки и тем самым мы делаем индивидуальные акции, когда каждый клиент является отдельным сегментом. И не страшно, если клиентов миллионы.

Виталий Митекин / Mindbox

В Mindbox есть четыре типа ML-алгоритмов:

Рекомендации. Подборки товаров для конкретного клиента или похожие товары на то, что уже смотрит клиент.
Лучшее время отправки. Подсказывает, в какое время лучше отправить письмо, чтобы его прочитали и оформили покупку.
Лучшее следующее действие. Помогает понять, что лучше предложить каждому конкретному клиенту в следующий раз — скидку, купон, отправить информационное письмо.
Контроль за количеством сообщений. Отслеживает, не отправляет ли клиент слишком много писем по базе.

Я уверен, что в большинстве случаев опытный маркетолог сможет вручную, без всякого машинного обучения, подобрать отличные рекомендации к товару. И вполне реальна ситуация, когда в честных тестах такие ручные рекомендации показывают эффект лучший, чем ML. Проблема в том, что у некоторых наших клиентов больше полумиллиона товаров, и чтобы подобрать к каждому из них рекомендации понадобится 2-3 жизни маркетолога.
Результаты ML отличаются в зависимости от сферы деятельности и специфики данных. В целом использование ML в рекомендациях помогает вырастить конверсию в 3–10 раз по сравнению с простой подборкой самых популярных товаров. Но важно помнить, что зачастую 90% клиентов, которым мы рассылаем рекомендации, не имеют достаточной истории покупок, чтобы обучить на них ML. В этом случае зачастую проще использовать те самые подборки популярных товаров.

Евгений Семикашев / Retail Rocket

Для организации машинного обучения мы не можем ставить абстрактные задачи типа “скажи, какую маркетинговую кампанию провести”. Но можем подсчитать вероятность оттока клиента – с какой вероятностью он уже не придёт к вам в магазин, или с какой вероятностью он входит в коммуникацию. То есть те вещи, которые, не уникальны и уже много кем много раз решены.
Сейчас машины не могут определять цели. Это всегда только средство поддержки решения задачи, которую ставит человек.
Машинное обучение помогает оптимизировать бюджет коммуникации и помогает определить с кем надо и с кем не надо коммуницировать, с кем по дорогому каналу, а с кем по дешевому. Выводы базируются на прогнозировании LTV клиентов и вероятности их оттока. То есть клиенту не надо что-то отправлять, если с большой вероятностью, по нашей гипотезе, он сам придет в ближайшие 1,5 недели. Но с ним надо пообщаться не через e-mail, а СМС или вообще позвонить операторам контакт-центра, если у него потенциальный LTV находится на верхнем уровне.

Азамат Тибилов

Для нас рекомендательная система — это продукт, который можно использовать в рассылках. Сейчас мы написали свой алгоритм, но, честно говоря, пока ещё не выкатывали его в тест у нас на сайте.
У нас есть один стек алгоритмов. Это вероятность добавления товара в корзину и вероятность покупки. Мы используем его для определенной механики внутри нашего сайта. Плюс дополнительно к этому у нас ещё есть стек вероятность возврата в течение энного периода, вероятность покупки в течение энного периода. Это мы используем для оптимизации рекламных кампаний в рамках ремаркетинга/ретаргетинга.
Второе направление — это то, что мы ищем какую-то тенденцию поведения пользователей. На основе данных, которые нам даёт ML, мы можем возвращать предикты и на основе этих предиктов давать скидку. Мы анализируем все подходы тоже через AB-тесты.

Кирилл Фридлянд / Hoff

У нас есть так называемые промо-инструменты — там, где категорийный менеджер выбирает товары для акций. Соответственно, прогнозная модель строится, в том числе, с помощью ML. На основе анализа прошлых акций с теми параметрами и на основе текущих параметров делают прогноз: продастся при такой скидке или при таких характеристиках и так далее. То есть там в том числе идёт чисто статистическая регрессионная модель, и более сложные математические, и ML (Machine learning) в том числе Data Science.
Мы предсказываем количество продаж, звонков и чеков, трафик — всё это вместе. На базе этих драйверов дальше строится расчет необходимой потребности в персонале. Не только продавцов, но и менеджеров, кассиров, операторов в call-центре.
Сейчас наша задача для категорийных менеджеров или для отдела ценообразования — облегчить принятие решения. У нас много СТМ – диваны, матрасы, кровати и так далее. Для того чтобы как-то мониторить наши цены, мы в рынке или не в рынке, нам нужно сопоставить это с нашими конкурентами. После того, как мы сопоставили, дальше зависит от того, какая это ценовая категория. Если это первая цена, лучшая цена, то понятно, что здесь мы должны быть не хуже наших конкурентов, предлагать лучшую цену. Например, базовые матрасы, базовая кровать или простая кушетка. Есть определённые категории. Если это премиум-сегмент, то понятно, что там будет своя ценовая стратегия. Мы можем быть выше на 10-20%. Если это ассортимент, который продается только в онлайне, а у нас в том числе маркетплейс, то мы смотрим, что у нас не должно быть с ведущими маркетплейсами большой дельты по цене, иначе все пойдут покупать к ним, а не к нам. Это одна часть ценообразования. Вторая часть. Например, по каким-то позициям у нас образовались оверстоки или ассортимент выводится из матрицы. Соответственно, нам тоже нужно дать покупателю оптимальную скидку с точки зрения эластичности спроса, чтобы реализовать этот товар в определенные сроки, а не продавать его годами. Вот ещё одна задача для дата-сайентистов: модель, построить эластичность спроса и дать некий прогноз или рекомендацию по скидке для того, чтобы реализовать этот товар в течение месяца.
У нас есть проблема с управлением запасами, и в приоритете задача разработать с помощью дата-сайентистов модели которые будут прогнозировать спрос. Есть задача управления персоналом в магазине. Соответственно, нужно решить прогноз драйверов, который влияет на то, сколько кассиров нужно вывести в магазин, сколько будет чеков, посещений и так далее. На основе этого наше розничное подразделение планирует графики вывода продавцов, чтобы не было оголений в час-пик и так далее. Конкретный результат этого — экономия ФОТ.

Татьяна Гурненко / ЦФТ

Машинное обучение в применении к программам лояльности может использоваться как для решения новых сложных задач с учетом большого количества данных, так и для автоматизации текущих алгоритмов с повышением качества продукта. Если первое направление требуется объемного исследования, включая проведения тестирования и проверки гипотез, то второе направление более понятно с точки зрения целей, затрат и бюджета.
Первые шаги у многих компаний связаны именно с целями автоматизации: заменой правил, придуманных маркетологами, на математические модели. Например, стоит задача оптимизировать бюджет акции по продаже товара Х и надо понять кому отправить коммуникацию. Текущими методами эта задача решается маркетологами через аналитику в excel и создание набора правил для выбора целевой аудитории. Уже очевидно, что математическая модель решает эту задачу быстрее и не хуже человека, и высвобождает человеческие ресурсы для новых творческих задач.

Иван Комаров / ЦФТ

Во-первых, когда мы говорим о маркетинге, мы говорим о рекомендациях. Самая простая вещь — рекомендовать самое популярное. Это может сделать аналитик или тот, кто выгружал вам из базы данных. Вы можете попросить его сделать ТОП100 товаров, например. Или те, которые вам нужно в это время продвигать. Вот вам рекомендации. Что здесь думать? Это раз.
Во-вторых, что такое рекомендация, если мы говорим про ритейл? Это не работает в офлайне. Это штука, которая работает в онлайн. Почему? Потому что онлайн ограничен монитором. В нём очень мало места, и нужно разобраться, что мы туда положим. Это небольшой магазин, где мы всё выложили, и нужно выложить все оптимально, с т.з. прибыли.
Вот есть группа покупателей, которая вам очень нравится. Вы говорите: “Найдите нам ещё таких. Постройте модель, чтобы она находила нам их”. Это называется Look Alike. Мы можем построить такую модель.
Кластеризация тоже работает. У банков есть задача, чтобы люди не снимали наличные, а тратили. Мы раскладывали всех, смотрели и понимали, что у нас за группы есть, к какой группе можно отнести человека.
Ещё есть две штуки, которые часто продаём – «отток» и Uplift. Нам поставили задачу: “Найдите нам тех, кто уйдёт в отток в ближайшие 3 месяца”. Мы построили модели – действительно нашли тех, кто собирался уйти. Uplift – это про то, как вернуть нам ушедших, т.е. необходимо придумать какую-то акцию. В таком случае, для построения модели нужно тесно работать с маркетингом и проводить эксперимент.

Иван Щесюк / Direct Service

Прежде всего ML нужен там, где необходимо устанавливать неявные связи (зависимость) между ситуацией и ответом на нее системы. Решение задач с помощью ML – это применение определенных математических подходов для выявления неявных зависимостей.
Не все задачи маркетолога нужно решать именно через ML. Приведу пример: на первом этапе, некоторой работой занимается профильный специалист. Когда бизнес масштабируется необходимо либо увеличить штат, либо переложить опыт специалиста в программные алгоритмы. В большинстве случаев автоматизация опыта профильных специалистов реализуются не средствами ML, а автоматизацией, программированием точной последовательности их действий.

Chat GPT

Технология машинного обучения может помочь решить ряд задач в программах лояльности. Она может использоваться для анализа истории покупок и предпочтений клиентов, а также для автоматической персонализации предложений и рекомендаций. Она может помочь программам лояльности идентифицировать ключевых клиентов.

4. Мифы о машинном обучении

Существует несколько устойчивых ожиданий от внедрения инструментов ML, которые оказываются неверными:

Если есть данные, то достаточно дать их машине, и она сама все сделает.
Один алгоритм может дать нам готовый результат.
Чтобы создать готовый инструмент достаточно: 1-2 математика, дата инженера, дата сайентиста и пр.
Машина будет нам говорить, что делать, и нам не придется тратиться на сотрудников.

К оглавлению

Иван Щесюк / Direct Service

О полной автономии системы от человеческого труда говорить не стоит. Но если правильно подойти к решению задачи, то внедрение ML действительно позволит сократить штатную численность отдельных подразделений. Наиболее яркий пример – повсеместное внедрение голосовых помощников и роботов по обзвону клиентской базы. Конечно после внедрения подобных систем работа человека не заканчивается, но переносится в более квалифицированную область. На смену множеству операторов колл-центра к вам приходит один или несколько дата сайнтистов.
Безусловно при внедрении подобных сложных систем речь идет не об одном алгоритме, а о комплексном взаимодействии разных алгоритмов.
Примеров, когда ML-модели производят полную автоматизацию бизнес-процессов компании не так много. Чаще всего повышение экономической эффективности бизнес-процесса происходит при подборе правильного инструмента для автоматизации – где то это ML, где то предиктивные модели, а где то другие программные алгоритмы. Чтобы добиться именно экономической результативности от автоматизации необходимы сотрудники (или компании) с разносторонним опытом применения различных инструментов анализа. Иначе есть риск произвести “модную” ML-автоматизацию, которая на “открытой” системе покажет очень сомнительную результативность.

Зоя Заславец / Manzana

Оказалось, что алгоритмы, с одной стороны, умные, а с другой стороны очень тупые, потому что они могут работать с определенной структурой данных. Данные нужно вычищать. До этого тебе нужно 10 раз подумать, какую структуру ты хочешь подать, за какой период ты хочешь считать эти показатели. Вот эта подготовительная работа. Алгоритм обрабатывает 20 минут, а до этого ты готовишь данные 3 дня.
Если вы наймете какого-нибудь дата-сайентиста, и он сделает вам какой-то простой алгоритм, то это не выстрелит. В нашей теме подбора рекомендаций — нет. Мы так когда-то пробовали, тоже считали, что можно взять алгоритм и будет нам счастье. Но так работает плохо. Поэтому сейчас у нас уже сложная модель. На первом этапе 4 алгоритма рекомендательных систем, которые рекомендуют по-своему: один с одной стороны, другой с другой стороны, третий в векторном пространстве, четвертый через кластеризацию. Эти рекомендации смешиваются, и формируется определённый список 100-200 товарных рекомендаций для каждого клиента. Далее запускается второй этап — дообучение. Еще одна моделька, которая в зависимости от заложенной цели (повышение ср чека или продажа маржинальных товаров или увеличение частоты покупок) может полученные рекомендации пересортировать, поднимая вверх товары, которые лучше соответствуют этим целям.

Евгений Семикашев / Retail Rocket

Почему-то все думают, что, чтобы сделать нормальный инструмент машинного обучения, достаточно посадить двух математиков, которые сделают всё на коленке. Если обратиться к опыту X5, там 40 человек занимается только одним стримом, который прогнозирует, как будут продаваться товары, чтобы делать заказы. 40 человек обеспечивают одну, казалось бы, утилитарную вещь!
Восприятие на рынке такое, что это делать просто. Поэтому в этом случае и поставщики делают просто. В реальности так и происходит: два математика сели и сделали. Что-то в пути между прототипом MVP и Production решением в том или ином виде сейчас появляются у всех.
Нам иногда говорят: “Так как у нас есть очень богатые процессинговые инструменты, мы хотели бы, чтобы платформа, исходя из динамики продаж и с внешних факторов (любых фичей) сказала: “Маркетолог, проведи такую-то акцию”. То есть акция должна звучать так, она должна проходить в такие-то сроки, в таких-то регионах, должна устанавливать такую-то скидку на такие-то категории/группы товаров. И чтобы всё это было хорошо, давай сэкономим бюджет и отправим коммуникацию только тем клиентам, для которых она будет максимально релевантная”.

Виталий Митекин / Mindbox

“Главное подобрать крутую современную модель машинного обучения и скормить ей как можно больше данных. Классный результат получится автоматически” – нет, это не так. На практике, значимое время от работы Data Scientist – это ручная “чистка” данных от ошибок, балансировка данных, попытки получить от бизнеса более детальную информацию о данных. Разведочный анализ данных и очистка данных – не такая “модная”, но критически важная работа для успеха ML.
“Если работает ML, то даже не нужно пытаться понять, как оно принимает решения. Всё сложно” – частично этот миф правдив. Некоторые модели машинного обучения очень тяжело “разобрать” и интерпретировать. И отчасти поэтому в банковской и медицинской сфере избегали применения нейросетей для принятия решений – эти решения нельзя проверить и интерпретировать. Но всё же существуют техники и алгоритмы ML explainability, позволяющие “заглянуть” внутрь работающей модели ML и понять, на основе каких факторов она принимает то или иное решение.

Chat GPT

Машинное обучение может заменить человека.
Для использования машинного обучения необходимо огромное количество данных.
Машинное обучение требует дорогостоящего оборудования.
Для использования машинного обучения необходимо быть экспертом в программировании.
Результаты машинного обучения всегда точные.
Машинное обучение может полностью заменить человеческий интеллект.
Машинное обучение не может обрабатывать неструктурированные данные.

5. Совершает ли машинное обучение ошибки

Да, машина может ошибаться. Ниже приводим несколько типовых ситуаций. Эти и подобные ошибки на сегодня может выявлять и профилактировать только человек.

Если товар хорошо продается – значит его следует рекомендовать. Но самый продающийся товар – пластиковый пакет.
Случайные покупки или изменение состава покупок в связи с некоторыми праздникам (например, на Пасху) поменяют состав последующих рекомендаций.
Работая с покупкой, машина не понимает модели потребления покупателя. То есть может порекомендовать вегетарианцу мясо.
Невозможно заранее отделить факторы однозначно влияющие или не влияющие на покупку – от погоды, до политической обстановки.

К оглавлению

Виталий Митекин / Mindbox

Чтобы обучить ML нужны данные о действиях: покупках, кликах, просмотрах. Если у клиента в ассортименте 200 тысяч товаров, но есть информация только о тысяче покупок, то ML не сможет обучиться и делать точные предсказания.

Дмитрий Салабаев / SPAR

Ошибки в рекомендациях бывают. На них обращаем внимание. В какой-то момент предпринимали попытку дооснастить мобильное приложение возможностью получения прямой обратной связи от самого пользователя: нравится/не нравится предложение; больше не предлагать товары из этой категории. Но, к сожалению, по ряду инфраструктурных причин, в силу сложности и дороговизны решили от этого отказаться.

Зоя Заславец / Manzana

Есть ошибки логики машины. Чем больше продается товар, тем больше он образовывает связей с другими товарами, соответственно, тем чаще он будет попадать в рекомендации. Как бы не было банально, но лучше всего машина умеет рекомендовать то, что продается и так хорошо. 🙂
И еще, машина формирует рекомендации с некоторым опозданием, ведь она учится на совершенных покупках, а не на будущих. Вот пример – перед Пасхой, особенно в христианских странах, куличи, яйца, творог выходят на пик покупок. Машина видит, что они не продавались-не продавались, потом произошел пик, юди стали их массово покупать. Но обычно рекомендовать до события для машины сложно, поэтому она начинает предлагать больше яиц, творога, куличей уже после Пасхи. Машина учится рекомендовать эти товары после пикового спроса. Не до, а после пика, потому что они начинают появляться в продажах, образовывать связи и появляться в рекомендациях. В принципе, с этим можно жить, если знать как. Например, можно заложить регулярные праздники и сезонность.
Еще Вы не заложите в алгоритм какие-то форс-мажорные обстоятельства, которые происходят в моменте. Когда случаются какие-то события типа пандемии или специальной операции, когда поведение людей меняется, и они начинают массово закупать нетипичные товары…

Иван Щесюк / Direct Service

Задачи, которые ML может эффективно решать обладают свойством, которое мы называем принадлежностью к “закрытым системам”. Мы заимствуем термины “закрытой/открытой системы” из физики. “Открытые системы” испытывают влияние внешней среды, а не только той среды, которую мы анализируем с помощью ML. Поэтому построение неявных связей в “открытых системах”, к которым относится и поведение покупателей, имеет высокую вероятность ошибки.
Чаще всего ошибки происходят, когда с помощью ML пытаются решить задачи, которые целесообразнее решать с помощью предиктивных моделей и других программных алгоритмов. В основном это задачи относящиеся к данным из “открытых систем”. Это даст более высокий экономический результат при сопоставимом бюджете разработки.
События глобального масштаба тоже могут приводить к ошибкам. Например, пандемия изменила стратегию развития ритейла во многих аспектах, в том числе ускорила переход пользователей в онлайн. В таких ситуациях необходимо обогащать ML-систему новыми данными, чтобы она учитывала новые обстоятельства.

Азамат Тибилов

Когда наступает лето, мы замечаем, что как только идет сильное потепление, люди идут и покупают у нас летние модели обуви. Мы это понимаем. Мы это видим. Но мы не смогли прикрутить погоду к нашим алгоритмам. К сожалению, не получилось. С другой стороны, зачем оно нам нужно, если поведение пользователя на сайте само по себе показывает, готов человек покупать или не готов. Зачем нам еще погода?
У нас ещё есть алгоритм, который предсказывает покупку в течение энного периода, например 7 дней, строит некоторый тренд поведения пользователей. Сейчас мы с Вами разговариваем, и я задумался о том, почему бы нам на следующие 7 дней не попробовать наложить погоду и посмотреть, как это влияет на покупки.

Chat GPT

Да, машинное обучение может совершать ошибки. Это происходит из-за недостаточно большого объема данных, недостаточной точности алгоритма или других причин. Ошибки могут быть минимизированы с помощью правильного обучения и проверки результатов.

6. Роль эксперта на стороне ритейлера в развитии сервисов машинного обучения

Существует противоречие между реальностями вендора и ритейла. Вендор хочет понимания и четкой постановки задач, ритейл желает исключительно получать результаты и минимизировать затраты. Редкий ритейлер может похвастаться экспертом, который понимает технологию и продвигает её внутри компании.

К оглавлению

Евгений Семикашев / Retail Rocket

Сейчас машины не могут определять цели. В настоящий момент это всегда только средство поддержки решения задачи, которую определяет человек.
Экспертиза редко бывает лишней. Особенно если мы говорим о каких-то технологических отраслях. Сначала, в первую очередь, необходима экспертиза по сбору данных. Не каждый поймёт, какие данные надо собирать, а какие данные мусорные. Не каждому вообще придёт в голову, что какие-то данные могут иметь корреляцию вообще. То есть сначала экспертиза появляется на этапе сбора данных. Потом должна быть экспертиза при формулировке задачи: что должна делать машина в этом случае; что она должна обеспечивать, какую задачу решать. И, разумеется, валидировать эти результаты. Как Вы уже знаете, любое машинное обучение и решение любой задачи — это очень-очень итеративный процесс… Экспертизой должен обладать тот человек, который получает результаты работы машинки и как-то их использует.

Иван Щесюк / Direct Service

Для того, чтобы добиваться наилучшего результата при решении аналитических задач типа Big Data нужна экспертиза человека для выбора наиболее предпочтительного метода анализа данных.
Вендору при разработке своих продуктов нужно понимать специфику бизнес-процессов ритейлера. Внедрение шаблонных ML или других алгоритмов без адаптации к специфике бизнеса имеет низкую эффективность.
У сотрудников вендора есть знания как правильно реализовывать ML или другие аналитические алгоритмы, у сотрудников ритейлера есть знания специфики их бизнеса. Высокие результаты достигаются, когда эти знания работают в синергии.

Игорь Калиновский / mindbox

Я считаю, что пока в конкретном бизнесе не будет человека, который понимает, как нужно развивать маркетинг данных, никакой ML не поможет. Его можно встроить, он даст какой-то базовый уровень. Наверное, лучше, чем ничего. Но это не позволит больше зарабатывать, делать свой маркетинг лучше. То есть это будут стандартные штуки, которые предоставляют вендоры на основе какого-то опыта, но это не позволит добиться исключительных результатов. Это позволит добиться средних результатов, как мне кажется. ML в этом плане будет развиваться вместе с развитием рынка и маркетологов. То есть чем в среднем лучше на рынке умеют делать маркетинг, тем лучше будет ML.

Азамат Тибилов

Я могу залезть в код алгоритма, посмотреть, что там ребята написали, но боюсь, что они разбираются в коде лучше меня. Но я ставлю задачи с точки зрения бизнеса, потому что с точки зрения бизнеса я лучше знаю, что необходимо. Я понимаю, что значит та или иная метка в разрезе какого-то алгоритма. Эти метрики мне дают понимание того, насколько это точно, насколько это подходит бизнесу и стоит ли тестировать это после написания.
Всё зависит от того, кто ставит задачу. Придёт человек, поставит иную задачу или скажет: “У нас машинное обучение не работает. Убираем это к чёртовой матери! Убираем отдел, сокращаем касты, и всё дальше хорошо работает”. А может быть, придёт другой человек и скажет: “Это всё прекрасно работает. Давайте усиливать и брать больше народа”. У разных людей всегда разные подходы.

Кирилл Фридлянд / Hoff

С одной стороны, темы Data Science и машинного обучения хайповые и важные. Но здесь со стороны руководства действительно нужно чётко понимать, где его можно применить. Потому что иногда изыскания могут быть очень дорогими и ресурсоёмкими. А по факту мы не получим никакого выхлопа. То есть от руководства нужно понимание, где мы можем применить, поддержка изысканий, понимание, что это не сразу получится, что это поиск и проверка гипотез. Это не готовое ТЗ, которое можно просто отдать разработчику на стандартное программирование, проверить выполнение и получить результат. Здесь имеет место поиск решения, поиск параметров, постоянное изыскание.
Есть просто математика, когда дата-сайентист приходит без какого-то бэкграунда, знания бизнес-процесса, специфики бизнеса и пытается просто на уровне цифр сделать какую-то модельку. Это один уровень. Второй уровень — когда вместе с бизнесом, либо когда дата-сайентист имеет опыт в определённых бизнес-процессах и может что-то добавить. Если человек пару лет работает вместе с бизнесом, то уже чувствует процессы. Когда со стороны бизнеса в самом начале идёт поддержка и понимание, какие гипотезы проверить, это, конечно, работает в плюс.

Татьяна Гурненко / ЦФТ

Роль экспертов в сервисе машинного обучения высока. Разработка моделей, обучение, тестирование, оптимизация моделей под задачи клиента требует квалифицированных IT кадров. Проекты с машинным обучением могут выполняться как внутренними командами, так и внешними командами. Не зависимо от этого необходимо будет выстраивать тесные коммуникации с командой аналитиков или маркетологов, которые владеют предметной областью, могут поставить задачу, провести нужные АВ тестирования и обработать результаты.
Набрать команду data scientist-ов, не самая сложная задача. Такая команда разработчиков, как правило, в обозримо небольшие сроки сможет выдать тестовые модели для использования. Готовая слаженная команда всегда будет в выигрыше по результату, который вы получите.
Не стоит забывать о том, что понадобятся дополнительные усилия для организации проекта как такового: от построения инфраструктуры поставки данных в модель и использования моделей до сбора и оценки результатов. С более квалицированной командой результат будет лучше.

Иван Комаров / ЦФТ

Хотелось бы дать новые инструменты маркетологу. Поэтому эта связь с маркетингом очень важна. Маркетолог делает по-своему, и ему даже не очень хочется всё это машинное обучение. Потому что у него есть нормальная работа, он что-то делает, рассчитывает, акции придумывает. Машинное обучение не копирует маркетолога. Оно берёт какие-то идеи и делает это через данные.

7. Как оценивать эффективность ML, есть ли конкретные примеры

Эффективность любого сервиса оценивается на основании либо а/б-тестирования, либо в сравнении с сервисом, который работал до него. Практика показывает, что не все решения на базе ML реально работают и приносят пользу для бизнеса. Поэтому тестирование каждого алгоритма является обязательным.

На этапе выбора сервиса сравнить различные сервисы или оценить перспективы их внедрения проблематично. Всё, что находится “под капотом” сервисов является для заказчика “черным ящиком”. Он может понять только базовые принципы работы. Поэтому в вопросе выбора вендора ключевым является фактор доверия к подрядчику.

К оглавлению

Дмитрий Салабаев / SPAR

В силу того, что наш поставщик не знает себестоимость, не знает систему ценообразования, он не может показывать нам в своих отчёт уровень доходности по покупкам участников программы лояльности, которые пользуются акциями. Мы должны за счёт среднего размера скидки, например, или общего размера скидки, который мы предоставили этим покупателям, понимать, насколько много мы потеряли из-за этой активности, и делать для себя определённые выводы, сопоставляя с тем, сколько мы прирастили.
В некотором смысле, мы относимся к этой истории как к “чёрному ящику”. Мы понимаем основные принципы, по которым работает сервис. В целом, мы верим коллегам, что там внутри есть машинное обучение, но для нас принципиальны результаты и эффективность той или иной механики. Плюс некоторая гигиеническая история про то, что с точки зрения покупателей, спроса, продвинутости наиболее активной и наиболее лояльной у каждой сети аудитории, рынок привык к тому, что должна быть какая-то персонализация. Есть там машинное обучение сейчас или они создают его видимость? Это момент надо понимать. Пока мы не пытаемся заглядывать внутрь. Пока мы смотрим на верхнеуровневые показатели. Отчасти это обусловлено тем, что пока у нас нет соответствующей функции и компетенции. Но, думаю, через некоторое время мы к этому придём.

Азамат Тибилов

Были попытки поработать с {вендор} — мы не получили каких-то качественных улучшений. Попробовали поставить рекомендательную систему {вендор} к нам на сайт — тоже не получили каких-то хороших, качественных улучшений. Однако AB-тесты показали что с рекомендательной системой в рассылках мы получаем значительно более качественные метрики: такие как Open Rate, Click Rate и, конечно же, конверсии с каналом как раз по данным блокам.

Виталий Митекин / Mindbox

Не всегда «техническая» эффективность модели означает пользу для бизнеса. Так, мы построили модель, которая предсказывала отток отдельных покупателей. Но эти предсказания оказались бесполезны с точки зрения бизнеса. Алгоритм помогал найти сегмент клиентов, которые с большой вероятностью уйдут в отток, а затем мог отправить им письмо со скидкой или специальным предложением. Когда мы тестировали разные варианты писем, то не увидели, что алгоритм помогает бизнесу: приносит дополнительную выручку, увеличивает конверсии или еще какие-то метрики. После тестирования разных вариантов пришли к выводу, что этот алгоритм не будет полезен клиентам. Какую бы вероятность, какой бы сегмент, какие бы письма мы ни отправляли — он не помогает бизнесу вернуть отток. Поэтому мы от него отказались. Поэтому от компании, использующей ML, очень многое зависит: как она может использовать результаты моделирования? Не поздно ли она использует ML для принятия решений?

Иван Комаров / ЦФТ

Тут никакого секрета нет, оценка эффективности проекта оценивается аналогичным способом, как и любой проект с внедрением новых технологий. Надо оценить какой результат получили и сколько ресурсов потратили.
Надо понимать, что машинное обучение применимо к задачам для нахождения быстрого оптимального решения в кратчайшие сроки на большом объеме данных. Если данных недостаточно, или они не консистентны, то результат может быть не удовлетворителен. Все эти нюансы выясняются на этапе анализа проекта, или тестирования модели.
Наши рекомендации – выполнять проект по шагам и оценивать эффективность на каждом шагу. Поставьте цель, проведите аналитику данных, создайте тестовые модели, протестируйте решение, на основе результатов принимайте решение корректируя цель. Решения в таких проектах получаются всегда творческие и интересные.

Иван Щесюк / Direct Service

Стоит понимать, что ML это одно из решений, которое можно получить но не единственное во всей палитре возможных решений. Большинство аналитических задач, решаемых в бизнесе в первую очередь решаются программированием определенных алгоритмов, а после отдельные этапы этих процессов или весь процесс пытаются оптимизировать с помощью ML.
Поэтому эффективность решения с помощью ML как правило всегда можно сравнить с аналогичным решением на смену которого оно приходит.

Chat GPT

Эффективность машинного обучения можно оценивать с помощью метрик качества, таких как точность (accuracy), полнота (recall), полнота первичного предсказания (precision) и т.д.
Примеры: 1. Точность (accuracy): это доля правильных предсказаний, которые дает модель. Она вычисляется как отношение правильных предсказаний к общему числу предсказаний. 2. Полнота (recall): это доля правильных предсказаний из общего числа правильных предсказаний. 3. Полнота первичного предсказания (precision): это доля правильных предсказаний из общего числа предсказаний. 4. Функция потерь (loss function): это мера, на которую модель оценивает качество своих предсказаний. Она вычисляется как разница между предсказанными и фактическими значениями. Чем ниже функция потерь, тем лучше предсказания модели.

8. Состояние и перспективы развития рынка машинного обучения

Мнения о состоянии и перспективах развития ML расходятся. Кто-то видит в этом будущее для всех. Кто-то полагает, что только крупные компании могут позволить себе серьезно развивать данное направление, в то время как для большинства бизнесов будет существовать лишь «джентельменский набор», закрывающий базовые потребности.

К оглавлению

Азамат Тибилов

Я думаю, что идёт активная фаза развития. Раньше не все понимали, как это работает, но гиганты приучили нас этим пользоваться. Например, когда я захожу в условное приложение «Яндекс.Еды», то получаю соответствующие предложения, которые мне прекрасно подходят. Очевидно, что сделать всё это руками сложно. Проще обучить алгоритм, который будет определять желания человека и давать ему те продукты, которые он хочет. Или тот же «Яндекс.Такси». Мы же прекрасно понимаем, что это продукт, который практически полностью построен на алгоритмах. В Москве уже невозможно передвижение без «Яндекс.Такси». В есom уж, тем более, всё идёт в сторону персонализации и более точных отношений между продавцом и покупателем.
Что будет дальше – сложный вопрос. У нас планы меняются каждый месяц, исходя из происходящего в стране. Была идея реализовывать очень сложные интересные механики в Facebook, но эта история сломалась. Для нас Facebook был очень сильным каналом трафика, и в целом мы понимали, что усилие этого канала с помощью тех алгоритмов, которые мы делаем, может дать улучшение. Вторая история – мы планировали в Яндексе всё делать на основе LTV… То есть усложнять алгоритмы, усложнять постановку задач. Делать не что-то простое, связанное с “купит/не купит, вернётся/не вернётся”, а рассчитывать более сложные метрики и подходить к этим метрикам с помощью наших алгоритмов, то есть углубляться.

Зоя Заславец / Манзана

Это уже как некая данность. С одной стороны массовость использования частично снимает вопросы эффективности. С другой стороны, я как маркетолог с 20-летним опытом работы могу сказать, что это очень эффективные техники. Эффективнее целевого маркетинга, когда нужно работать с сегментом. Всегда стабильно высокий результат. Не помню ни одной неэффективной волны, когда контроль отрабатывал лучше тестовой группы. А в целевом маркетиге это частая история. Мы знаем, что какая-то часть акций будет не очень эффективной, но предсказать, какая именно, не можем.

Иван Щесюк / Direct Service

Проектов которые используют исключительно ML на данный момент немного. И не будет много в ближайшем будущем в силу того, что бизнес-процессы, которые результативно автоматизирует ML, опираются на данные “закрытых” систем. На данном этапе развития систем сбора информации узкое количество бизнес-процессов опирается на подобный тип данных. Экономически более целесообразно оперировать различными алгоритмами анализа данных, которые включают и предиктивные модели и другие программные алгоритмы. Правильно подбирая инструмент к задаче можно получать высокую экономическую отдачу от автоматизации различных бизнес-процессов.

Виталий Митекин / Mindbox

Я считаю, что вокруг машинного обучения и искуственного интеллекта огромный хайп и ореол завышенных ожиданий: «Давайте возьмем ChatGPT, чуть донастроим, и он заменит нам все частные алгоритмы». К сожалению, такого «универсального ML» сейчас нет и не предвидится. Хайп постепенно спадет. Реальные передовые алгоритмы машинного обучения очень сложны в настройке и поддержке, они «заточены» под особенности данных конкретной компании. Рекомендательную систему «Яндекс.Услуги» нельзя просто перенести на данные HeadHunter, и наоборот. Почти все крупные компания годами совершенствуют свои системы ML в маркетинге.
Для небольших компаний, например сетей спортивных магазинов, сервисов доставки, подобные «тяжелые» разработки не по карману.
При этом, фактически, альтернативы ML для крупных и уже даже средних предприятий нет. Маркетолог не разметит 500 тысяч товаров вручную. И 5 маркетологов не разметят. Тут может помочь только ML.

Евгений Семикашев / Retail Rocket

Ультрахайп, который был 3–4 года назад, был очень наивным. Все увидели, как нейросети работают с изображениями или генерируют музыку и сказали: “Ничего себе! Скоро мы все останемся без работы”. Реальность, конечно, не такова. Сейчас в медиаполе всё успокоилось. А с другой стороны, серьёзные ребята собрали команду по 40 человек и пилят то, что увеличивает им некий показатель на х% и даёт реальную прибыль.
Очень хотелось бы “пощупать историю”, чтобы когда пользователь создаёт у нас маркетинговую кампанию, мы могли ем сказать: “Слушай, мы думаем, что она принесёт столько-то денег”. Чтобы пользователь мог смоделировать то, что он делает. Например, он поменял глубину скидки с 11% на 13%, и на основании тех данных, которые у нас есть по продажам, по скидкам, по товарам, которые к ним подходят, мы скажем: “В этом случае она принесёт больше выручки, но ROI снизится”.

Дмитрий Салабаев / SPAR

Одни с этим носятся, а другие это отрицают. Я слышу о каких-то решениях, которые есть на рынке. При этом я знаю, что внедрений мало. Половина сразу отсеивается, потому что считает, что это ерунда, не работает, перегрето. Отношение к этому, как к блокчейну.
Запуск предиктива – это как некий новый запуск после запуска самой программы лояльности. Это как второй прыжок с парашютом. А второй раз сложнее, потому что знаешь, что будет. Эта сложность может некоторых останавливать. Запускать лояльность было непросто. Но мы были такие решительные, понимали, чего хотим и зачем это делаем, поэтому ли в это. Шли через пилоты, через долгое обсуждение того, как считать. В предиктиве будет то же самое. Поэтому вендор не может убедить нас словами: “Просто подключите сервис, и будет вам счастье”.
Безусловно, нам хотелось бы сделать всё чуть разнообразнее, чем есть сейчас. От плоских по форме предложений перейти к возможности транслировать что-то в бонусном формате, что-то в виде поощрения на категории, на конкретный товар. В общем, чтобы механизм был более гибким. Сегодня мы реализуем подобную механику на своей стороне, вне решения от поставщика лояльности.
С точки зрения целевой картинки с подрядчиками было бы здорово иметь больше одного подключения, и чтобы тарификация производилась по принципу “кто лучше отработал”. Есть некоторые ключевые показатели, на которые мы ориентируемся. Есть определённое разделение аудитории между сервисами. Дальше, может быть, дискуссия: должны ли они одинаково и по форме генерировать предложение или каждый сервис может формулировать конкретные офферы в силу своих возможностей. Скорее, мы здесь будем ограничиваться тем, что умеет процессинг лояльности и CRM, какие правила там могут быть настроены. Но с точки зрения того, какие данные используются, выходит ли сервис за пределы того, что накапливается о покупках и смотрит на какие-то реально большие данные из окружающего мира, — это уж точно, пожалуйста, кто чем горазд. Наверное, из этого и формируется итоговый результат. По сути, мы платим тому или в той пропорции в зависимости от того, какой сервис в какой период времени был эффективнее.

Кирилл Фридлянд / Hoff

Сейчас ситуация немножко подуспокоилась, либо я уже не обращаю внимания. Но сначала было много хайпа на тему Data Science, моделей и так далее. Мы много общались с коллегами из BigData {федеральной продуктовой сети}. Даже там много идей не получили дальше практического применения, не пошли в регулярное использование.
В будущем, думаю, будет больше практических решений. Может быть, наконец-то это будет восприниматься просто как инструментарий, а не какой-то хайп, и всё перейдёт в плоскость практических решений. Плюс, возможно, на рынке начнут появляться более изолированные и применимые решения. Понятно, что не каждая компания может позволить себе содержать DataScience команду.
У нас плохо работают прогнозы. Если мы говорим про продукты питания, то там очень много статистики смежной от конкурентов, плюс вы продаёте молоко, сок и так далее… У него достаточно высокая частотность продаж. В нашем случае ассортимент, особенно мебель, сильно более разнообразный, и частотность ниже. Предсказывать продажи и строить хороший прогноз сильно сложнее, поэтому у нас уровень точности сильно ниже, чем у продуктовых сетей, и у нас там есть над чем поработать.

Chat GPT

Рынок машинного обучения в области программ лояльности имеет большой потенциал развития. Использование машинного обучения позволяет предприятиям более эффективно анализировать данные о поведении покупателей, а также предлагать более персонализированные программы лояльности. В будущем мы можем ожидать развития интеллектуальных алгоритмов, которые помогут предприятиям более эффективно проанализировать данные и адаптировать программы лояльности к индивидуальным потребностям клиентов. Также можно ожидать развития более эффективных систем аналитики, которые помогут предприятиям лучше понимать и использовать данные о покупателях для улучшения программ лояльности.

9. Портрет идеального вендора

Что нужно от вендора: практический опыт внедрения подобных проектов, гибкость и готовность к плотному взаимодействию с заказчиком. Возможность работать по схеме Revenue Share.

К оглавлению

Зоя Заславец / Манзана

Тут все банально – чем больше опыта, тем лучше.Чем больше клиентов – тем лучше.

Дмитрий Салабаев / SPAR

Отвечу с бизнесовой точки зрения. Персональные предложения в дополнение к базовой механике программы лояльности и регулярному промо сети – дополнительная нагрузка на маржинальность продаж. Для того, чтобы убедить заказчика в эффективности работы такого инструмента “идеальному” вендору нужно быть готовым работать в партнёрском формате: если зарабатываем, то вместе, если теряем, то оба. Конечно, в первом случае речь не о том, что вендор зарабатывает пропорционально доходу ритейлера, а во втором – не о возмещении убытков. Гонорар должен быть справедливым, а отсутствие положительного эффекта компенсироваться отсутствием гонорара в соответствующем периоде.

Иван Комаров / ЦФТ

Вендор (или это будет внутренняя команда) должен тесно работать с маркетологами. Одни хорошо понимают цели и бизнес, другие хорошо умеют анализировать данные. Если до этого никогда не использовали методы дата-сайенс, то нужен человек с опытом в ритейле для организации пилотного проекта.

ChatGPT / Open AI

Идеальный разработчик систем машинного обучения должен иметь сильные навыки в программировании, а также знания и опыт в области математики, статистики и алгоритмов. Он должен быть в курсе современных инструментов, технологий и методов машинного обучения, а также иметь понимание бизнес-процессов и проблем, которые могут быть решены с помощью машинного обучения. Он должен быть способен оценить результаты своей работы и иметь понимание и знания о принципах и методах анализа данных.

10. Портрет идеального заказчика

Заказчик должен понимать и чётко формулировать задачи, которые будут решаться с помощью ML. Требуется достаточное количество данных для анализа. А также располагать ресурсами – сотрудниками, заинтересованными в результате и, конечно, бюджетом.

К оглавлению

Зоя Заславец / Манзана

Нужен большой ассортимент и большая клиентская база с транзакциями, тогда алгоритмы смогут хорошо обучиться.
Еще хорошо бы иметь хорошие картинки товаров.
Чем чётче задача, тем лучше результат.

Дмитрий Салабаев / SPAR

У проекта должен быть менеджер, у менеджера должна быть мотивация не только на запуск, но и на эксплуатацию решения – здесь всё просто. В этом случае и партнёрская модель становится более жизнеспособной, потому что в ней задействованы не только два бизнеса, но и ответственный сотрудник, через которого строится коммуникация с вендором и заинтересованными профильными службами заказчика (коммерция, финансы, аналитика и т.п.). В этой роли, скорее, должен выступать менеджер ПЛ. И во время внедрения и в процессе эксплуатации нужен ресурс аналитика. Финансисты, как всегда, будут полезны своим критическим взглядом на эффективность инструмента, но желательно добиться от них конструктивной критики, участия в процессе согласования критерием оценки эффективности. От коммерческой службы должен быть кто-то, может быть, не проактивный с точки зрения участия в проекте, но осведомлённый с точки зрения принципа работы сервиса и способа оценки его эффективности. Кто сможет адекватно воспринимать данные из регулярных отчётов в процессе эксплуатации и транслировать доверие к этим данным своим коллегам.

Иван Комаров / ЦФТ

ML нужен, когда есть много данных, и мы боремся за проценты. Это и определяет портрет заказчика. Мы живем в мире ML последние 7–10 лет. Поэтому команда, которая работает с данными у ритейлера уже может быть. Остаётся вопрос – насколько эффективно работает команда и нет ли смысла создать конкуренцию?
Если же вы ещё не использовали ML, то стоит попробовать. Как я уже говорил, просто занимаясь анализом, можно придумать что-то прорывное для бизнеса.

Chat GPT

Идеальный заказчик в области машинного обучения должен быть открытым и готовым к изменениям.
Он должен понимать и принимать во внимание тонкости и возможности машинного обучения. Он должен иметь достаточно знаний и опыта для того, чтобы понимать и разбираться в особенностях решений в области машинного обучения. Он должен быть готов принимать решения на основе разумных и обоснованных данных. Он должен быть готов инвестировать время и ресурсы в изучение и понимание решений в области машинного обучения. Он должен иметь понимание того, как машинное обучение может быть использовано для достижения бизнес-целей и принимать решения в соответствии с этими целями.

К оглавлению

Исследование провели

Глеб Попов

Директор по стратегическому анализу Direct Service

Сергей Ольховский

Исполнительный директор Direct Service

Следите за новыми материалами в telegram

Как и почему трансформируется программа лояльности сети супермаркетов

Интервью с экспертами: Елена Генералова, Ярослав Шиллер. Сеть супермаркетов «Слата»

Елена Генералова. Директор по маркетингу сети супермаркетов «Слата».

Ярослав Шиллер. Исполнительный директор сети супермаркетов «Слата»

Коллеги, сколько людей или отделов сейчас занимаются программой лояльности и CRM-маркетингом в компании?

Елена: У нас в компании существует отдел лояльности, в котором сейчас пока только один человек, который и развивает нашу программу.

В регионах найти профессионалов с опытом работы в лояльности практически невозможно.

Поэтому мы развиваем своих специалистов, проходим обучения, читаем статьи и исследования. Спасибо и вам за ваши материалы!

Ярослав: Я помню, в некоторых федеральных сетях ещё несколько лет назад Российская Федерация заканчивалась на Красноярске. Да, проблема с кадрами есть. Но у нас получается выращивать кадры внутри. Отчасти, потому что до сих пор удается сотрудничать со специалистами, в том числе из Европы.

Елена: Мы гордимся своими людьми!

Один человек — это достаточный штат? Планируете расширять?

Елена: Лояльность – это такое направление, в котором сколько бы людей ни было, всегда будет мало. Расширяться конечно же планируем.

Что подразумевается у вас в компании под программой лояльности?

Ярослав: Я думаю, здесь нужно опереться на само слово “лояльность”. Это программы или действия, которые соединяют или сближают клиента с предложениями. С помощью такого рода взаимодействия мы получаем долгосрочные отношения, и наша задача в этих отношениях постоянно их поддерживать. Как действиями, так и эмоционально.

Елена: Программа лояльности позволяет нам идентифицировать клиента и качественно с ним работать. То есть создавать предложения для привлечения новых покупателей, удержания существующих с учетом их интересов, для увеличения и стимулирования текущих покупок, а также работать с оттоком.

Используете ли вы термин CRM-маркетинг?

Елена: Программа лояльности — это что-то большее, что включает в себя и идентификацию клиента, и CRM-маркетинг, как прикладную работу.

Мы растем, развиваемся, тестируем использование новых каналов коммуникации со своими покупателями: например, телеграм-бот.

Как бы вы оценили уровень развития программ лояльности в России?

Елена: Я думаю, что программы лояльности набирают обороты. Их внедряют даже в небольших компаниях. Я говорю не только про ритейл. В данный момент, уже и заправочные станции стали их запускать, и маленькие магазины.

Конкуренция настолько развивается, что у компаний должно быть преимущество. Лояльность — это именно то преимущество, которое необходимо.

Читала исследование, что у нас в России программы лояльности находятся на нулевом этапе. Я не поддерживаю такое мнение. На мой взгляд, мы находимся где-то посередине или чуть выше среднего.

А, например, три года назад было хуже или также?

Елена: Программы стали активно развиваться последние 3–5 лет. Новые технологии дают новые инструменты и новые возможности. Возьмем, например, нашу сеть. Мы запустили программу лояльности в 2016 году. Тогда это была простая скидочная механика. Затем мы перешли на бонусы.

Мы сегментируем клиентов не только по RFM. Да и сам RFM немного видоизменили – добавили промо-чувствительных клиентов. Мы запускаем геймификацию, начисляем повышенный кэшбек за любимые категории и многое-многое другое. Три года назад всего этого не было.

Какие виды сегментации кроме RFM вы используете? Когортный, соцдем, по геолокации?

Елена: Безусловно, мы пробуем разные механики сегментирования клиентов. Используем социально-демографические признаки. Например, выделяем клиентов с домашними животными и готовим для них отдельное предложение. Или находим клиентов с определенными увлечениями и формируем им предложение для дачи, пикника, спорта или отдыха.

Ярослав: Надо знать, для чего это делаешь. Если у всех like for like 5%, а у нас – 10%, значит у нас сегментация правильная и целевые предложения правильные. А когда наоборот, то значит у нас это работает плохо.

Like for like – это прирост год к году. Я как человек из старой школы торговли, стараюсь оперировать очень приземленными показателями. Хороший like for like — на 4% выше инфляции. Всё, что меньше – не есть хорошо.

Какие ещё показатели отслеживаете?

Елена: Увеличение частоты покупки, увеличение текущих объёмов покупки. Хочу отметить, что средний чек клиента в программе лояльности на 70% выше, чем клиента без карты лояльности.

Мы активно работаем с оттоком, то есть оцениваем возвращение клиентов. Мы можем отследить клиента, его путь, вернулся он/не вернулся, и предложить ему оффер, который побудит его вновь прийти в “Слату”. Конечно же отслеживаем количество активных и новых пользователей программы.

Какие сейчас тренды в сфере программ лояльности?

Елена: Наш текущий тренд — персонализация и геймификация. Помимо “желтых ценников” люди жаждут эмоций, развлечений и мы активно им их дарим.

А есть ли хайповые тренды, которые, на ваш взгляд, имеют мало перспектив развития?

Елена: На мой взгляд, очень много говорят про развитие экосистем. Думаю, у клиента сейчас настолько клиповое мышление, что он не всегда готов к восприятию какой-то большой информации.

Но на вашем сайте «ФрешКарта» существуют партнёры. Вы разве не строите экосистему?

Елена: Именно поэтому я так уверенно об этом говорю. Да, на первом этапе мы пытались создать дополнительные выгоды, преимущества для владельцев карт, поэтому активно привлекали других участников рынка.

У наших партнёров есть достаточно интересные предложения, но если спросить у них, как часто клиенты применяют «ФрешКарту» в их торговых точках, то это будет буквально 1–2%. Клиентам сложно помнить, что именно в этом магазине или на заправке надо достать «ФрешКарту» для получения дополнительной скидки.

Можно ли сказать о том, что сегодня программы лояльности стали утилитарной услугой? То есть добавленной ценности в этом нет?

Елена: Ценность есть, но ценность в моменте, когда человек находится именно в этой торговой точке, где у него карта лояльности. Он не будет вспоминать о том, что карту нужно достать в аптеке. Клиент не хочет помнить. Он хочет, чтобы ему напомнили или сделали за него.

Ярослав: Я согласен. Потому что это зависит от того, о каком поколении мы говорим.

К нам в магазины сейчас ходят не одно, а 3–4 поколения. Эти поколения, воспитанные телефоном и соцсетями. Они реагируют на всё совершенно по-другому.

В будущем ценность от того, что покупатель получает на заправке скидку, предъявляя карту «Слата», будет уменьшаться. Мелкий бизнес таким образом просто хочет приклеиться, «сесть на поезд» более крупных компаний, у которых есть больше трафика, больше возможностей, большая интенсивность коммуникаций.

Это так же, как торговые сети хотят использовать лояльность покупателей к Coca-Cola или Raffaello. Ко всем праздникам мы делаем массовую выкладку на входе именно этих брендов, потому что лояльность к ним выше, чем лояльность к самой сети.

Когда региональная сеть запускает программу лояльности, что для неё оптимальнее: скопировать программу у крупной успешной сети или придумать что-то сугубо уникальное, чтобы отличаться от всех?

Ярослав: Моё мнение — сделать своё. Региональная специфика всё равно присутствует. И по предпочтениям, и по товарам. А где-то, может быть, и по менталитету.

У больших карт лояльности, которые объединяют на территории огромной страны, успех меньше, чем у региональных. Вспомните, по-моему, была такая карта “Шесть семерок”?

Если вы имеете в виду коалиции, то самыми известными коалициями были «Малина», «Золотая середина», «Город скидок». По-моему, ни одна из них не выжила.

Ярослав: Индивидуальный подход, наверное, более сильный и более правильный.

Что вы думаете об иностранных программах лояльности? Одно время все брали на флаг Tesco с её партнёрской программой.

Ярослав: Я имел возможность лично познакомиться с командой, которая внедряла программу лояльности в Tesco, а до этого в Carrefour. Да, программа лояльности Tesco озвучивалась как программа с наибольшей отдачей. А программу Carrefour в своё время пыталась копировать сеть «Мосмарт». У них была одна большая карта и три маленькие со штрих-кодами, где целая семья могла копить баллы на одном счету.

Но мировые тенденции таковы, что программы лояльности рано или поздно становятся слишком дорогими. Это касается и роста операционных расходов и высокой цены предложения. На насыщенных торговыми сетями рынках с активной борьбой за клиента, если программа лояльности становятся денежным якорем, то компания её сворачивает. И начинает «бомбардировать» клиентов активностями другого типа.

Вы имеете в виду целевые коммуникации?

Ярослав: Да, целевые коммуникации и различные акции. Например, моментально-накопительные акции лояльности. Не ценовые, а такие, которые несут набор эмоций, но прямо не связаны с деньгами. В быстро меняющейся окружающей среде такие короткие импульсы дают лучший результат и не несут за собой «рюкзака» финансового обременения.

Программу лояльности быстро мы менять не можем: есть базовая привилегия, которую получает всегда любой клиент. А еще существуют различные дополнительные микропрограммы: какие-то целевые акции, акции внутри точек, которые дополнительно вовлекают клиентов и в этом мы видим большой потенциал.

Как вы считаете, в какой сфере бизнеса программы лояльности наиболее развиты?

Ярослав: Ещё не так давно это были авиаперелёты. Пока не начали работать лоукостеры программы лояльности в этой сфере были очень распространены и хорошо работали.

Все сферы lifestyle: фитнес-услуги, услуги, связанные со здоровьем. Там лояльность хорошо построена, работает и будет работать. В таком бизнесе человек прикрепляется к месту формирования услуги, и потеря клиента очень дорога для компании. А с другой стороны, если клиент решил пользоваться услугой в данной компании, то ему не хочется с ней расставаться. И только какая-то существенная, грубая ошибка может заставить его изменить место.

Поощрение здесь проще сделать более эмоциональным, потому что это сфера услуг. И поощрение здесь может быть более маржинальным. Например, бесплатный сертификат на маникюр может легко стоить 10% от цены самой услуги.

В какой сфере программы лояльности могут быть не нужны?

Ярослав: В сфере дисконтных продаж. В дискаунтерах программа лояльности не нужна.

Программой лояльности дисконтных предложений является цена. Там не надо наказывать покупателей или клиентов данной услуги дополнительными деньгами, за которые надо сопровождать программу лояльности.

Также все сферы, где важна окончательная стоимость услуги. Там нужны какие-то акции, импульсы, которые поддерживают, показывают кто мы и почему мы такие классные.

Чего на рынке сейчас не хватает в программах лояльности?

Ярослав: Отличный вопрос! Не хватает инструментов, с помощью которых мы бы могли узнать клиента еще лучше. Лояльность можно получить только в тот момент, когда будут максимальные, доскональные знания о покупателях.

Я не помню, кто это сказал: «Если я сделаю так, что буду обеспечивать все твои пожелания и твои нужды, то я заберу все твои деньги».

Компании, которые хотят работать эффективно, должны знать нужды и пожелания своих текущих и потенциальных клиентов. На сегодняшний день я ещё не видел, чтобы это было реализовано даже с помощью инструментов XXI века, таких, как искусственный интеллект.

Что именно вы хотите знать про клиента?

Ярослав: В цифровых каналах можно отслеживать поведение покупателя – что он смотрит и на основе чего принимает решение: купил/не купил, зашёл/не зашёл, подписался или нет…

Такую систему отслеживания покупателей в обычной рознице я видел лет 20 назад в Скандинавских краях. Это были сложные ИТ-сервисы, интегрированные с геолокацией карты лояльности. С её помощью в крупноформатных магазинах можно было отслеживать путь клиента и принимать решения о так называемых «холодных» и «тёплых» местах в магазине: понимать возле какого стеллажа сколько покупателей задержалось. Там не было прямой корреляции с продажами, это был просто сбор данных.

Существуют системы с очками, в которые встроены датчики и можно отследить на каком товаре или на каких рекламных материалах человек задерживает свой взгляд.

Бывает, что я немного витаю в облаках… Например, мы делали проект, в котором анализировали с помощью искусственного интеллекта нелогичное, на первый взгляд, поведение и нелогичные потребности на основе истории покупок. Например, “если человек обычно покупает масло 82%, сметану 15% и Coca Cola, то, с большой вероятностью, будет покупать носки синего цвета”.

Искусственный интеллект?

Ярослав: У нас такой проект был и мы его закрыли по разным причинам. Но в голове у меня он остался. Это – будущее аналитики покупательского поведения, которую можно использовать для формирования лояльности. Я слышал, что инструменты такого типа существуют сейчас в интернет-магазинах.

Рассказывали об эксперименте в одном федеральном ритейле: что якобы девушка ещё не знала, что она беременна, а система уже предлагала ей купить памперсы. Хотя я думаю, что это легенда.

Вы же понимаете, что лояльных на 100% клиентов не бывает. В продуктах питания даже самый лояльный покупатель может посещать от 3 до 5 торговых сетей. Поэтому нужно отделять лояльность к магазину от лояльности к предложению.

Программа лояльности должна что-то предлагать, максимально учитывая и удовлетворяя потребность покупателя. Тогда это будет настоящая лояльность.

Расскажу историю с Carrefour. У них есть такой торт под названием «Чёрный лес». Когда они открыли первые магазины в больших городах центральной Европы, то за этим тортом покупатели на выходных ехали через весь город. Не могу понять почему, но я и сам на него подсел. Торт диаметром 30 сантиметров мы с сыном съедали на двоих. С помощью вот таких уникальных предложений формируется лояльность.

Условия вашей программы сейчас достаточно стандартны, 1 бонус = 1 рубль…

Елена: Я думаю, что сейчас идет тренд на упрощение. Чем проще и понятнее программа лояльности, тем выгоднее и интереснее она клиенту. Не нужно усложнять!

Понимаю, что загадывать на годы вперед сейчас нельзя. Тем не менее, как вы планируете развивать свою программу?

Елена: Мы идём в персонализацию. Мы уже на этапе тестирования персональных предложений для наших клиентов. А также мы активно начали развивать геймификацию – это как раз про эмоции и впечатления, которых сейчас так не хватает.

Ярослав: Ещё в первый год коронавируса мы получили от коллег из Европы исследование, в котором говорилось, что клиенты в последнее время ожидают от покупок ощущение приятного события. Покупка должна снимать напряжение, которого нам в окружающем мире на сегодняшний момент достаточно.

Коллеги, спасибо за ответы!

Ярослав: Спасибо, получился приятный разговор. Немногие глубоко знают тему лояльности. Ваш «расстрел» вопросами был солидный! Надеюсь, нам удалось ответить на большинство.

Елена: Спасибо!

Да, спасибо огромное!

Следите за новыми материалами в telegram

Глеб Попов. Задавал вопросы.

Сергей Ольховский. Делал всё остальное.

Какие задачи в области программы лояльности и CRM-маркетинга решает официальный представитель международного бренда

Интервью с экспертом: Елена Шкирдова, mi-shop.com

Елена Шкирдова. Директор по электронной коммерции @ Mi-shop.com

Елена, взаимоотношения с клиентами — ваша стезя?

Да, причём, это касается не только интернет-магазина. Я отвечаю, в том числе, за контакт-центр. У нас много звонков от клиентов, которые забирают заказы в розничных магазинах.

Наша лояльность строится на пересечении интернет-магазина и ритейла.

Вообще наша структура выглядит следующим образом: есть бренд Xiaomi, у него есть официальное представительство в России. Товары под маркой Xiaomi продаются как через брендированные фирменные магазины, так и в остальном ритейле. А есть наш интернет-магазин и продажи через него.

Наша группа компаний была первой, кто официально привёз в Россию бренд Xiaomi и несколько лет была его эксклюзивным дистрибьютором. Сейчас у нас около шестидесяти фирменных магазинов и сайт mi-shop.com/ru.

Если я купил технику Mi, например, в «красном» магазине, то вы как-то узнаете про меня?

На сайте ритейлера в разделе «сервисное обслуживание» есть вкладка «авторизованные сервисные центры». Там указаны наши контакты. Соответственно, даже если вы купили технику Xiaomi не у нас, вы можете позвонить нам, и мы примем товар на гарантийное обслуживание.

То есть если я купил товар не у вас, то вы узнаете обо мне только когда он сломался?

Конечно, по-другому никак. При этом, сначала вы пойдёте по гарантии в магазин, где купили технику. Когда гарантия магазина закончится, тогда вы придете к нам.

Есть производитель, который запускает акции, чтобы привлекать к вам новых клиентов, а есть ваши собственные акции. Вы как-то взаимодействуете в этом вопросе, или каждый действует сам по себе?

К сожалению, пока единой системы нет. Например, я бы с удовольствием пользовалась рекламными возможностями в «Яндекс Картах», в «Яндекс Навигаторе» и в 2ГИС, который хорошо представлен в регионах. Но сейчас я не могу запустить рекламу, поскольку её всю уже выкупил наш вендор. Если бы можно было управлять какими-то вещами вместе, то это было бы круто.

Вы сами выстраиваете такой клиентский путь?

Нет, так заведено нашим вендором, потому что мы официальный партнёр и обязаны соблюдать определённые правила.

Можно сказать, что мы влияем на клиентский опыт трёх потоков покупателей: те, кто пришел за покупкой именно в нашу розничную точку; те, кто приобрел технику в другом магазине, но пришел к нам чинить ее; и те, кто покупает через сайт.

У вас, как у партнёра, есть возможность влиять на розничную цену? Например, дать постоянному клиенту скидку 5%?

Существует рекомендованная розничная цена. Вендор следит за тем, чтобы мы намеренно не снижали цены ниже средних по рынку. Но всё, что касается промокодов, наших собственных закрытых акций, программ лояльности – всё это мы вправе делать сами.

Насколько глубоко вы изучаете своих клиентов? Как-то сегментируете их кроме RFM?

Пока нет, потому что не хватает рук. У меня не такой большой отдел, как хотелось бы. Ещё бы 2–3 человека, и мы смогли бы выполнять больше задач. Но это не значит, что мне не хочется ничего делать. Просто всему свое время. Компании больше 7 лет, и мы развиваемся достаточно активно для текущего момента жизни компании.

Как вы коммуницируете со своими онлайн и офлайн клиентами?

У нас на сайте есть онлайн-чат. Я сама как клиент, который много покупает в интернете, всегда пишу в Телеграм или WhatsApp.

Мы пробовали заводить WhatsApp и Телеграм, но это, к моему большому удивлению, не стало пользоваться популярностью. Yаши клиенты пишут именно в чат. Мы удивились и убрали мессенджеры.

Клиенты могут связаться с нами и по телефону. На этот случай у нас настроен IVR, где можно пройтись по меню и сразу получить ответ на свой вопрос. Там много готовых ответов по сервису, по гарантии, по разным товарным категориям и подкатегориям.

В итоге клиент всё равно выходит на оператора, но к этому моменту оператор точно будет знать, с каким вопросом обратился клиент. Операторы колл-центра хорошо знают продукцию бренда и могут решить любой вопрос.

Мы также используем CRM-маркетинг. Я очень плотно занялась им в 2022 году. Мы поменяли платформу рассылок и подключили CDP-платформу. В штате появился CRM-маркетолог. Вместе с ней мы активно начали развивать это направление.

Вся наша коммуникация качественно поменялась. Мы полностью изменили оформление писем и подход к push-уведомлениям. Настроили цепочки реактивации, RFM-цепочки, серию welcome-писем. Мы проделали огромную работу по персонализации.

От предыдущего подрядчика мы перенесли часть поп-апов по работе с брошенными заказами, часть запустили непосредственно через новую платформу. Большая доля нашей коммуникации с клиентами происходит именно в рамках CRM-маркетинга. Мы составляем рассылки, отправляем их, ведем работу по улучшению клиентской базы, повышению уровня удовлетворенности и лояльности наших клиентов.

Так, путём опросов мы обнаружили, что наши клиенты не знают о том, что у нас существует много разных категорий товаров. Это подтолкнуло нас к тому, чтобы переделать сайт, тем самым сделав такие товары более заметными.

Мы запустили автоматические цепочки писем. Если клиент купил смартфон, мы запускаем серию, в которой рассказываем, что у нас есть много других категорий, содержащих классные товары: наушники, товары для животных, чайники, всё что угодно.

Если клиент купил любой товар из экосистемы, то мы обязательно расскажем ему и про другие экосистемы, про наши новинки. Результат после запуска подобных цепочек налицо – количество повторных покупок заметно увеличилось.

Сейчас мы в процессе запуска Телеграм-бота. В этой соцсети есть возможность не только получать ответы на стандартные вопросы, но и сразу же покупать товар. Пока что там представлен не весь наш каталог, однако смартфоны точно будут размещены и доступны к покупке.

СМС-канал используете?

Коллеги из розничной сети используют, но я не могу сказать, что регулярно. Мы начисляем баллы клиенту и информируем покупателей через СМС. Конкретно интернет-магазин этот канал не использует.

А вообще, тут мы подходим к очень важному вопросу. Наша программа лояльности работает пока только в розничных магазинах.

На этот год у нас стоит совместная задача со всеми коллегами — сделать программу лояльности омниканальной.

То есть базы интернет-покупателей и клиентов магазинов сейчас независимы?

Да. Когда я пришла в компанию, то моей большой мечтой было «поженить» эти базы. На другом месте работы я уже занималась таким вопросом, и это был очень увлекательный квест. Там в базе было более трёх миллионов телефонов и адресов. Мы полгода «развлекались», но задачу выполнили.

Здесь задача сложнее, так как розничная база по программе лояльности выше, да и наша база тоже достаточно большая. Тем не менее вскоре мы сформируем план действий.

Это также станет поводом поменять условия программы лояльности, потому что морально она уже устарела. Мы создадим единые условия для офлайна и для онлайна.

Пользуетесь аналитикой CDP-платформы или используете свою?

У нас есть внутренняя система аналитики, есть мои дашборды в Data Studio. В розничной сети немножко иначе всё выстроено, но все мы смотрим на свои, нужные нам цифры, которые сами собираем.

Если в разных каналах у вас разные аналитические системы, то, подозреваю, у вас нет сквозной аналитики?

Если мы говорим про классическую сквозную аналитику, которая прослеживает клиента от входа на сайт до прихода в наши магазины, затем повторного возвращения на сайт, то такого у нас нет. Для меня это high level. Это безусловно круто и позволяет обнаружить много интересных моментов. Мы сможем прийти к этому после объединения систем.

Чем программа лояльности отличается от CRM-маркетинга? Или это одно и то же?

CRM-маркетинг — это набор наших правил по коммуникации с клиентом, которые приносят клиенту больше клиентского счастья, а нам, как бизнесу, больше прибыли за счёт того, что клиент становится более лояльным.

Программа лояльности лишь помогает CRM-маркетингу. Если она есть, то CRM-маркетинг будет более качественным. То есть клиенту будет ещё чуть более интересно и приятно работать с брендом, интернет-магазином. Программа лояльности дополняет CRM-маркетинг, это одна из его составных частей.

Что для вас является мерилом актуальности и эффективности программы лояльности?

Во-первых, это на уровне ощущений. Для меня успехом является ситуация, когда клиенту всё понятно, когда каждый второй не звонит в колл-центр с вопросами: «А вот здесь я могу списать баллы?». Это значит, что мы правильно сформировали программу и доходчиво объяснили её условия.

Конечно, мы смотрим на метрики. Программа лояльности должна увеличивать частоту покупок, средний чек, или то и другое сразу. Смотря, на что мы её направляем.

Сейчас, в среднем, к нам приходят почти два раза в год. Я хочу, чтобы приходили минимум три раза. Я хочу повысить и частоту покупки, и увеличить средний чек. Поэтому мы рассказываем о том, что у нас много категорий. И о том, что у нас всё это есть в наличии, и это можно купить онлайн и офлайн, и получить удобным способом.

Мы считаем и итоговую рентабельность: сколько денег потратили на скидки по программе лояльности, а сколько по итогу заработали.

У нас есть просчитанный LTV. Сейчас это пока просто цифра. Но как только мы введём новые условия по программе лояльности, то я буду отслеживать её в динамике. До меня этого никто не считал.

В данном случае вы говорите не про классический LTV, а про доход за период?

Да, доход за период, и как он изменится после внедрения программы лояльности – когда я смогу задействовать все её инструменты.

Сможете вспомнить кейсы, про которые можете сказать: «Вот хорошая программа лояльности или вот качественный CRM-маркетинг?»

Например, программа лояльности «Альфа-банка». У меня там очень хороший кэшбэк, есть прекрасная тревел-карта, и, наверное, последние пять лет я летаю бесплатно. Мне очень нравится.

Ещё я пользуюсь программой лояльности «Лэтуаль». Но, мне кажется, там у всех скидка 25% по умолчанию. Хоть менеджеры и утверждают обратное, ссылаясь на многоступенчатую систему.

«Яндекс Плюс» я не рассматриваю как программу лояльности. Для меня это набор сервисов, которые я покупаю каждый месяц и просто пользуюсь.

Я купила себе премиальную версию «Телеграм». Купила стикеры и перевод голоса в текст. Иногда эта функция представляется мне более удобной.

Знаете, чем я восхищаюсь? Я давно слежу за «Деликатеской». Мне очень нравится их динамика, насколько они гибкие в промоакциях, в смене программе лояльности. Мне кажется, они поменяли её уже раза три. И личный кабинет, и check-out они уже три миллиона раз переобули и переодели. При этом там всё просто и понятно: я купила, мне кэшбэк упал. Я в следующий заказ его использовала. Вообще не надо думать.

Как бы вы в целом оценили рынок программ лояльности? На каком уровне он у нас в стране? Развит или не развит?

По пятибалльной шкале, я бы сказала, что на твёрдую четвёрку. У львиной доли больших e-com всё хорошо с программой лояльности, с клиентоориентированностью и с подходом.

Если мы говорим про какие-то нишевые магазины или региональные… Я недавно была во Владивостоке. Это как Москва лет 20 назад. Какие там программы лояльности? Какая там клиентоориентированность? Найдите там приличный магазин. Вы покупаете всё в магазине у дома, где цены х2 от наших «Пятёрочек».

Это относится к любым проектам, которые развиваются на собственные деньги без привлечения инвест-капитала. Естественно, у них не хватает ресурсов. Поэтому всё сделано криво.

Большой e-com молодец. У нишевого и регионального есть куда расти.

Какое будущее у программ лояльности. К чему они придут через, скажем, три года?

Что касается глобальных экосистем, то они будут расти и развиваться. Никуда мы от этого не денемся. Когда там столько денег, они будут расти и подминать под себя всё, что можно: рынок, бренды, сервисы. Участвовать или не участвовать в экосистемах – каждый будет решать сам.

Что касается нас, смотрите, есть вендор, но у него есть собственный сайт. С большой долей вероятности, рано или поздно вендор тоже присоединится к какой-либо экосистеме, например «Яндексу». Это будет означать, что с «Яндексом» работает только сайт mi.com. Да, наверное, если я пользуюсь «Яндекс Плюсом», мне будет прикольно купить что-нибудь на mi.com.

Но точно так же никуда не денутся клиенты, которые покупали у нас или просто знают, что есть монобрендовые сети. И неважно, как они называются.

Всегда останется узкая специализация у любого достойного интернет-магазина или представителя бренда, чем он сможет привлекать клиентов. Я топлю за это, и наши клиенты из нашей программы лояльности точно никуда не денутся.

Это не отменяет того, что клиент может быть и в программе «Яндекс Плюс» на mi.com, и в нашей программе лояльности. У него везде будут копиться баллы. И он будет расстраиваться, что он не сможет их объединить и купить большой телевизор. Но он всегда будет думать: «Ага, классно. Сейчас мне удобнее здесь потратить, а потом мне удобнее будет потратить там».

Потребитель становится более требовательным и начинает считать. Раньше никто ничего не считал, и карточки программ лояльности просто валялись. Хорошо, что сейчас всё перешло в цифру, и мы избавились от пластика.

Но покупатели действительно начинают считать: как, что и где им тратить. Даже среди моих знакомых мы разговариваем в кулуарах: «О, я вот тут так-то сделал, воспользовался этим. Классно!» Мы теперь задумываемся об этом. Становимся умнее, финансово образованнее.

Это вы про осознанное потребление?

Да, мы действительно покупаем что-то, тратим деньги осознанно, не бездумно. Поэтому, я думаю, все эти процессы будут развиваться параллельно: как увеличение больших экосистем, так и развитие программ лояльности.

И мы никуда не уйдём от скидок. Потому что люди, в первую очередь, хотят получить финансовую выгоду.

В конечном итоге, даже если какой-то сервис или магазин предложит вам бесплатный массаж, фактически, это тоже деньги.

Вы сказали, что узконишевый магазин всё равно может удержать клиента, несмотря на рост всех этих больших и богатых игроков. Чем?

Я покупаю некоторые вещи для своего ребёнка в Instagram (Компания Meta Platforms Inc. признана в России экстремистской организацией. Принадлежащая ей соцсеть Instagram запрещена), хотя эти вещи можно найти и на маркетплейсах. Но в Instagram мне расскажут, покажут, пришлют на тест, согласуют со мной время доставки. Такие продавцы будут брать и удерживать клиента сервисом.

Вспомнила хороший пример. На какой-то конференции присутствовал один энтузиаст. Он запустил свой бренд российской бытовой техники на базе китайских фабрик. Бренду пару лет. Человек невероятно увлекательно про него рассказывал!

Например, кейс про клиентоориентированность, где раскрывается, что он сам общается с клиентом. Он обязательно раз в месяц спускается и на доставку, и в колл-центр, и ездит на завод. Он весь погружён в процесс, сразу видит проблемы, которые возникают, и тут же их корректирует. Вот вам сервис — нишевый бренд электроники.

Понятно, есть мы, есть другие продавцы. У клиента большой выбор к кому обратиться. Но послушав, как воодушевленно рассказывает этот владелец, генеральный директор… Вы знаете, я чуть сама не побежала что-то покупать. Конечно, я по итогу не купила, но я очень вдохновилась его подходом, который в своё время был у «Слата» и «Деликатески».

Маркетплейс никогда в жизни не даст вам такого сервиса, вдохновения и такой клиентоориентированности – когда вас оденут, обуют, в щёчку поцелуют и дорожку постелят.

То есть важен не только товар, но и сервис, и эмоции.

Конечно! Человеческая составляющая никуда не денется. Я прихожу в наш колл-центр и слушаю звонки, как коллеги общаются с клиентами. У нас в колл-центре есть сотрудница, которой 59 лет. Люди сначала удивляются, когда её слышат. Но она так задорно и классно с ними общается, что они могут сказать ей что-то вроде: «Ой, Лиля! Я так рад, что я на вас попал».

Вот это про человечность. Хотя она и не сильно отходит от скрипта. Она просто решает задачи клиента, как мы её и просим делать. Она просто качественно выполняет свою работу дружелюбным, довольным голосом.

Небольшому бизнесу, который не хочет продаваться, а хочет сам развиться и занять свою нишу, без человечности никуда.

Как вы представляете образ идеального будущего? Вот, мы встречаемся в конце 2023 года, и вы говорите: «У меня был отличный год, потому что…»

Мы обновили сайт, увеличилась конверсия на сайте, мы запустили нашу программу лояльности, достигли максимально возможных классных договорённостей со всей розничной сетью по запуску различных акций по программе лояльности.

Если к декабрю всё это случится, то я скажу, что лететь в космос можно уже в 2024 году.

Елена, спасибо за ответы и пускай всё у вас получиться!

Следите за новыми материалами в telegram

Глеб Попов. Задавал вопросы.

Сергей Ольховский. Делал всё остальное.

Наша CRM-команда оценила сегмент ловцов скидок и провела эксперимент по исключению их из целевых акций. Смотрите результат

Запуск маркетинговых акций требует обязательных затрат. Основная их часть приходится на рассылки и дополнительные “плюшки”. Эти затраты бьют по прибыли ритейлеров. Особенно по тем, чья маржа невысока.

Проблема обостряется с ростом стоимости коммуникаций и клиентским трендом на экономию, который снижает средний чек и заставляет списывать бонусы по максимуму.

В этой ситуации критически важным для бизнеса становится повышение эффективности целевого маркетинга. Усилия маркетологов и затраты на запуск целевых акций должны достигать цели – увеличивать лояльность к бренду, которая будет выражаться в росте чека, частоты и LTV.

Ловцы скидок

Это сегмент клиентов, для которых в первую очередь важна выгода и низкая цена. Ловцы скидок не проявляют лояльность к конкретному магазину или сети. Они легко переключаются между сетями, ориентируясь на то, чьё предложение лучше здесь и сейчас.

Работая с ловцами скидок бизнес несёт повышенные издержки. Это касается не только коммуникаций и скидок, но и операционных затрат на обслуживание или обработку онлайн-заказов.

Нужно ли проводить персональные акции для ловцов скидок?

Если задачами являются оптимизация затрат и прибыльность акций, то не нужно!

Однако сложность заключается в том, что один клиент, совершив покупку по акции будет иметь потенциал роста доходности, а другой – оставаться “не нашим” клиентом.

Как отловить “не наших” клиентов?

Как определить какие клиенты являются “нашими клиентами”, а какие – лишь ловцами скидок? Для эксперимента мы взяли хорошо знакомую нам отрасль аптечного ритейла.

Мы выделили покупателей, которые после целевого воздействия не совершают обычных покупок, а продолжают покупать только по персональным акциям. При этом списывая бонусы по максимуму, тем самым, получая максимально возможную выгоду.

Оказалось, что таких клиентов намного больше среди пенсионеров (56-75 лет). Мы объясняем это чувствительностью к цене, наличию свободного времени, а также льготами на проезд. Всё это даёт им возможность посещать различные аптеки в поисках выгоды.

Мы обнаружили следующие закономерности при оценке сегментов:

1. Чем менее активен сегмент клиентов, тем выше в нём доля “не наших клиентов” Так, в ПредОттоке их 8%, в Спящих с редкой и средней частотой покупок 5%, а в Спящих частоходящих – 3%.

2. Средний чек “не наших” клиентов в 5 раз ниже.

3. Выручка “не нашего” клиента в среднем в 14 раз ниже.

4. “Не наши” весомо влияют на списания бонусов акции. Так, 8% “не наших” клиентов в ПредОттоке занимают 19% в затратах на бонусы акции, 5% Спящих редко и среднеходящих тратят 12% бонусов акции, а 3% не наших клиентов в Спящих частоходящих тратят 6%.

6. У “не наших” в 1,5 раза выше доля офлайн-покупок.

Ловцы скидок – как избежать удара по экономике акций

Мы исключили таких покупателей из персональных акций.

В связи с тем, что CDP клиента не позволяет автоматически выделять подобных покупателей, нам пришлось формировать список “не наших” клиентов с помощью OLAP-куба с последующей загрузкой в сервис коммуникаций.

Результаты

На старте мы предположили, что исключение сегмента ловцов скидок из целевых акций позволит повысить прибыль на 20%.

По результатам тестирования и мониторинга четырёх сегментов в течение трёх месяцев мы получили следующие результаты:

По 3 из 4 сегментов затраты на бонусы снизились от 5% до 47% без изменения механики акции.
Прирост ROI составил от 2% до 79%.

Чем меньше была активность сегмента, тем больший рост прибыли мы получили. ROI кампаний по методу контрольных групп за вычетом всех затрат из дополнительной прибыли составил от 7% до 86% в период акции в зависимости от сегмента.

Вывод

Для роста прибыльности акций нужно выявлять и исключать ловцов скидок из сегментов для проведения целевых акций.

Елена Евсевлеева и CRM-команда Direct Service / Apteka Loyalty

Следите за новыми материалами в telegram

Нужно ли измерять эффективность или программа ценна сама по себе

Наши друзья из компании mindbox организовали мероприятие для руководителей компаний, на котором генеральные директора “Азбука вкуса”, “Ситилинк”, “Стокманн” и “ВсеИнструменты.ру” в прямом эфире поговорили о развитии бизнеса в России.

Мы попросили модератора задать гостям вопрос о том, считают ли они эффективность своих программ лояльности, либо программы существуют просто потому, что такая практика есть у других ритейлеров.

Первым взял слово Александр Лозовский, генеральный директор «Ситилинк»:

Несколько слов про эффективность программы лояльности

“Мы считаем, что это очень важный аспект. Эффективность программы лояльности, безусловно, нужно мерить. И не раз в полгода или в год, а делать это постоянно. Это обыкновенная гигиена, и без этого нельзя никак”.

Александр сказал, что его компания внимательно смотрит не только на программу лояльности, но на любую маркетинговую активность, чтобы понять куда, зачем и насколько эффективно тратятся деньги. Его коллеги согласились с такой позиций.

Хотелось бы, чтобы эти слова услышали представители розницы, чьи программы лояльности до сих пор не оцифрованы. Кто не может сказать, за счёт чего окупается и какой доход приносит его программа лояльности. И приносит ли она его вообще.

Нам досадно смотреть, как иной бизнес раздаёт клиентам скидки в размере 3-5%, убивая свою маржу. При этом не зная, что он получает взамен.

Все давно говорят, что программы лояльности стали для ритейла гигиеническим фактором. Но мы всегда добавляем, что это касается только прибыльных программ лояльности. А если программа не приносит денег, ей нужно трансформировать или закрывать.

PS Запись CEO Summit можно посмотреть по ссылке

Следите за новыми материалами в telegram

В Пятигорске состоялась очередная встреча дискуссионного клуба, где мы организовали и провели сессию по программам лояльности в аптеках

Запланированное ещё весной мероприятие состоялось. Антон Трухтанов, управляющий партнёр Direct Service / Apteka Loyalty, модерировал сессию про аптечные программы лояльности.

В сессии принимали участие руководители / собственники аптечных сетей, каждый из которых лично курирует развитие программы лояльности в своём бизнесе. Оттого рекомендации коллег были максимально практическими и яркими.

Мы обсудили вопросы, что такое программа лояльности, зачем она нужна и как её оценивать. Приятно, что по большинству вопросов наши позиции совпали.

Вот некоторые цитаты коллег:

Тамерлан Салиев, аптеки «Диалог»

Программа лояльности – часть битвы за потребителя. Потребителя нужно привязывать, главный вопрос – какими пирогами это можно делать?
Запускать или не запускать лояльность? Если просто тратить на это деньги, то запускать не нужно. И запускать нужно тогда, когда здоров «основной организм» бизнеса.
Мы поняли, что тот, кто занимается, например, рекламой, не может заниматься лояльностью. Для работы нужно обязательно иметь релевантный опыт или нанимать аутсорс.

Антон Лопатин, аптеки «Фитофарм»

Правильно спроектированная программа станет конкурентными преимуществом. Кроме того, если «все папуасы уже давно бегают в бусах, а у тебя их ещё нет…» 🙂
Качество принятия твоих решений повышается, когда ты знаешь своего клиента. Программа лояльности – хороший инструмент сбора данных о клиентах.
У «….» была вовлечённость в программу лояльности на уровне 95%, но это работало только благодаря специальной цене для участников программы. Было ли это эффективно? Нет! Поэтому нужно всегда считать не только параметры самой программы, но и её затраты.
Программу лояльности нужно либо делать хорошо, либо не делать. Это требует достаточно дорогих решений и компетенций. Упрощённые партнёрские истории не очень работают.

Егор Будрин, аптеки «Будь здоров!» и «Твой доктор»

Программы лояльности аптек в базовой части не отличаются от программ лояльности других сетей. Но путь клиента отличается, ведь в аптеках есть врач и есть его рекомендации.
Мы называем участников программы лояльности «обилеченными». Параметры покупок «обилеченных» выше на десятки процентов. Поэтому нужно сначала покупателя «обилетить», а потом тащить его всё дальше и дальше, чтобы он приносил всё больше и больше денег.
Чтобы делать программу лояльности обращайтесь к компетентным людям. Если нет опыта, то сами точно не справитесь – наломаете дров. При этом внутри команды точно должен быть кто-то компетентный, чтобы следить за процессом.
Apteka Loyalty – мы с вами не работаем, но вы – молодцы 🙂

Дискуссионный клуб – закрытая отраслевая площадка, где представители среднего и небольшого фармритейла обмениваются опытом, обсуждают развитие рынка и способы защитить свои интересы.

В последние годы отрасль сильно потряхивает. Помимо общерыночных проблем, у глубокозарегулированной аптечной отрасли происходит масса собственные нововведения: маркировка, уход от ЕНВД, новые правила лицензирования, электронные рецепты…

Кроме того, разрешение дистанционной продажи лекарствами открыло дорогу в отрасль крупным федеральным брендам и резко усилило конкуренцию.

Эти вызовы бьют по экономике сетей, что требуют внимательного отношения к расходам и доходам бизнеса. Программа лояльности своими скидками и бонусами отнимают несколько процентов у маржи.

С другой строны, она позволяет бороться за покупателей и увеличивать доходы. Поэтому задача повысить эффективность программы лояльности остаётся актуальной.

Следите за новыми материалами в telegram

Необычный взгляд на ритейл глазами агентства. Что хотят заказчики от программы лояльности, и всё ли получается так, как они хотят

Елена Евсевлеева. Директор отдела сопровождения программ лояльности @ Direct Service

Лена, привет! Давай поговорим про ритейлеров, чьи программы лояльности находятся под управлением твоей команды. Обсудим задачи, результаты и сложности в работе.

Ок, задавай вопросы 🙂

Давай сначала договоримся о терминах. Как показало наше исследование, нет единого понимания, что такое программа лояльности, и чем она отличается от CRM-маркетинга. Как бы ты объяснила, что есть что?

CRM-маркетинг — это всё про маркетинговые акции и коммуникацию с клиентами. Это выстраивание диалога и общения с клиентом в зависимости от его профиля и стиля покупок. Сюда входят конкретные мероприятия, которые мы проводим для различных групп клиентов – рассылки по целевым и массовым акциям, триггерные алгоритмы коммуникации и так далее…

Программа лояльности — это более широкое понятие, которое помимо акций и коммуникаций включает ещё правила программы лояльности – как мы регистрируем участников, какие есть базовые бонусы или базовые акции, как участник получает и использует вознаграждение и так далее.

Можно сказать проще: программа лояльности — это инструмент, который обеспечивает набор клиентской базы. А непосредственная работа с этой базой строится с помощью комплекса CRM-маркетинга.

Какую задачу преследуют клиенты, которые к нам обращаются?

Обычно задача звучит так: “Хочу больше зарабатывать, хочу видеть улучшение общих показателей выручки. Не хочу или не могу сам этим заниматься. Готов вам за это платить”.

Грубо говоря, у меня оборот 100 миллионов, а я хочу, чтобы вы сделали 110.

Это говорят маркетологи или руководители бизнеса?

Конечно, руководители. За что отвечает руководитель? – За выручку и за прибыль. Вот он и хочет вырастить эти показатели.

Маркетологи мыслят более приземлённо, своими категориями и метриками. Часто они не думают терминами ROI и P&L не то, что бизнеса в целом, но и даже программы лояльности.

Есть разные варианты увеличить эти показатели. Можно поднять наценку, развивать СТМ, подбирать правильных поставщиков. Программа лояльности для них – это альтернативный способ достичь цели?

Нет, не альтернатива, а дополнение. Работы по поиску поставщиков и по ценообразованию не прекращаются.

Какая роль играет конкуренция в том, что сеть запускает программу лояльности или начинает её активно развивать?

По-разному. Если на рынок заходит новый игрок, то у некоторых это вызывает дискомфорт и желание подглядывать за конкурентом: “Ой, они запустили розыгрыш. Нам тоже нужен такой розыгрыш. Ой, у них есть система статусов. Мы тоже хотим систему статусов. И так далее: «хотим как у «Ленты», хотим как у «Риглы»…

У других, наоборот, есть ощущение своей особенности: «Мы такие крутые, мы – локальные лидеры. Все остальные не такие красивые и не такие сервисные». Хотя, если посмотреть вокруг, то и маркетплейсы тут как тут, и федеральные сети поддавливают, и локальные конкуренты активничают.

То есть, у части ритейлеров есть впечатление, что конкуренты где-то далеко?

Да, они как будто живут ещё в старой парадигме, что рынка на всех хватит. Нет ощущения какого-то глобального передела.

С твоей точки зрения, этот передел касается всех сфер и регионов?

Да, хотя, конечно, всё идёт быстрее в крупных городах и агломерациях. Федералы дерутся между собой и поглощают рынок. У них есть ресурсы, чтобы инвестировать, тратить, даже сидеть «в минусах». Руководитель одной крупной сети аптек на конференции публично объявил, что у небольших сетей нет будущего и призвал их продаваться. Разумеется, продаваться нужно было именно этой крупной сети 🙂

А что касается перетягивания клиентов, федералы больше уделяют внимания CRM-маркетингу или делают, скорее, фокус на ценах?

Они могут всё. Конечно, начинается с цены. Но когда база собрана, то зачем им ронять маржу, если можно удерживать покупателей за счёт эффективной с ними коммуникации? У федералов в этом большой опыт и лучшее понимание, какие инструменты работают, а какие не работают.

Как ты считаешь, почему твои клиенты не занимаются программой лояльности самостоятельно?

Тут есть две ключевые причины – отсутствие понимания, что делать и отсутствие людей, кто это сможет сделать.

Как правило, все пытались делать что-то из серии: «дадим клиентам скидку 5%, а самым активным – 10%». Но маржа больше не позволяет запускать подобные аттракционы щедрости.

Поэтому теперь они могут раздавать на скидки не более 2%. Но такая скидка выглядит глупо и непривлекательно для покупателей.

А вот как сделать с таким ограничением что-то работающее, как сэкономить, или, например, без потерь перейти от скидок на бонусы – вот в этом у них понимания нет.

Что касается людей, то самый первый результат, который заказчик получает от нас – это ценные кадры в виде CRM-менеджеров, аналитиков, стратегов и прочее. Собрать такую команду самостоятельно реально сложно. Да и не все могут загрузить такую команду работой, чтобы набирать её в штат.

Когда сеть привлекает внешних экспертов, наверное, у неё есть ожидание, что будет происходить дальше. Насколько эти ожидания реалистичны?

Такое бывает редко.

Многие считают, что это как «нажал на кнопку и всё заработало». То есть появилась программа лояльности, и всё сразу поменялось и расцвело новыми красками. 🙂

Не все понимают, что программа лояльности – это инструмент, с которым нужно планомерно, системно работать.

Другие начитаются статей про диджитализацию, AI, ML и ожидают, что мы сразу начнём внедрять хайповые технологии. Приходится объяснять, что далеко не все эти технологии реально работают, и что не на любой автомобиль можно поставить двигатель от «Камаза».

Отдельная история, про которую сейчас все говорят – суперперсонализация: «мы должны отправлять каждому клиенту персональные рекомендации о том, что ему нужно». То есть, если у меня через четыре дня закончится кремик под глазик, то магазин должен написать мне: “Елена, у Вас заканчивается кремик под глазик”. И я счастливая прибегу в магазин, и всех расцелую. И будет для магазина прибыль. Но так не работает. Уже хотя бы потому, что доля кремиков в обороте 0,5%. Сегмент, который покупает этот кремик, составляет 1%. Этот кремик не имеет вообще никакого значения для клиента при посещении магазина!

Подобных убеждений очень много. Нам приходится работать с ними и до запуска проекта, и позже, в процессе работы.

Давай тогда поговорим о реальных результатах, которые приносит твоя команда. Ты сказала, что ритейлу в первую очередь нужен рост оборота…

Да, как правило мы говорим о росте оборота сети, и у нас есть кейсы, которые это подтверждают.

В зависимости от масштаба и формата бизнеса, прирост выручки может составлять 5–10%. Чем больше сеть, тем выше потенциал роста. Это связано с тем, что у них больше клиентская база.

Через какой срок мы можем показать заказчику какой-то значимый результат?

Для этого нужно стабильно, без пауз, проработать около года.

Почему именно год?

Если программы лояльности ещё нет, то сначала необходимо набрать клиентскую базу. Причём, важно, чтобы клиенты совершили несколько покупок. Это позволит понять их поведение и заняться сегментацией. На это уходит, как правило, около шести месяцев. Затем начинаются тесты и отладка, мы приступаем к активной работе с клиентами, стартуют акции. В базовом формате на это уходит ещё 3–4 месяца.

Обязательно необходимо синхронизировать с заказчиком бизнес-процессы. Это происходит не так быстро, как бы нам хотелось – нужно всё показать, объяснить и согласовать… С некоторыми клиентами на это уходит много времени.

Поэтому если идти с нуля и по плану, то для достижения финансового результата требуется 10–11 месяцев.

Какой именно результат мы можем показать через эти 10–11 месяцев?

Как правило, мы выводим программу лояльности на операционную окупаемость. То есть доходы от программы лояльности становятся выше расходов.

А как быстро окупаются инвестиционные затраты?

Если усреднять, то программа окупается через 12–13 месяцев.

Этот срок сильно зависит от проекта, а именно от размера бизнеса и статуса программы на старте – размера и состояния базы, маркетинговых активностей, объёма инвестиций в клиентские исследованиями и ИТ-сервисы.

Можем ли мы сказать, что все наши программы лояльности приносят клиентам прибыль? Или это самонадеянно?

Я не могу вспомнить тех, кто не вышел в плюс.

Если делать всё по плану, то программа обязательно выйдет в плюс.

Были случаи, когда мы шли с отставанием от экономической модели. Но причина всегда была в том, что работа ставилась на стоп или тормозилась. Соответственно, останавливался «генератор прибыли». Я уже говорила, что если системной работы нет, то и прибыли не будет.

А почему клиент принимает решение приостановить или отложить работу?

Часто это звучит так: «Ой, мне нужно платить за отправку СМС по миллиону каждый месяц? Что-то это много!» Хотя эти расходы были согласованы в экономической модели.

Или так: «А что это за СМС? А почему вы этим такое отправляете?» Начинаем разбор: что, как и почему. Потом следуют рекомендации: «А давайте вот так…» То есть, пациент начинает рассказывать доктору как его нужно правильно лечить. Конечно, мы объясняем и убеждаем клиента, но упущенное время уже не вернуть.

Что ещё… на старте всегда есть период «проверки на вшивость», когда заказчик вникает во все расчёты и каждую цифру перепроверяет лично. Мы к этому относимся с пониманием. Затем мы ежемесячно защищаем результаты своей работы и планы на следующий месяц. (Да, мы продаём свои услуги не один раз, а ежемесячно). Так вот иногда этот процесс проверки сильно бюрократизируется и затягивается. Соответственно, работа отстаёт от графика.

Эти проверки происходят из-за недоверия? Или потребности в большей прозрачности?

Где-то клиент не понимает, что мы делаем, и это рождает недоверие.

Но чаще причина в неготовности ждать и желании получить быстрый результат. Например, мы развернулись, запустились, провели три акции. Заказчик начинает цепляться: “Так, что там с цифрами? Ага, вот тут результат ниже, чем нужно. Значит всё плохо!». Ну так эти три акции — только тесты, на которых идёт отладка. За ними могут следовать другие тесты для проверки гипотез и выбора оптимального сценария. Это же работа в долгую. А они хотят результат сразу. Такого не бывает.

Можешь ли ты отметить какие-то самые распространённые ошибки, которые ритейлеры допускают в работе с программой лояльности?

Ошибок много. Здесь, как говориться, все несчастные сети несчастливы по-своему.

Главная ошибка – отсутствие системной работы с клиентами. То есть, либо работа не ведётся совсем, либо она происходит эпизодически. Например, ритейлер не общается с клиентами, а потом вдруг понимает: “Аааа, у нас упала выручка! Давайте всем зачислим тройные бонусы и сделаем рассылку по всей базе”!

Повторюсь, что основное условие прибыльности и успешности проекта – всё делать ритмично, системно, без пропусков.

Но часто на стороне ритейлера отсутствуют не только ресурсы и понимание, но и управленческая воля играть в долгую.

Что-то попробовали и побежали дальше, даже не замерив результат.

То есть результаты тоже не замеряют?

Замеряют не всегда. Иногда делают это для успокоения и очистки совести. При этом используют сомнительные методики. Например, сравнивают, что было «до», и что стало «после», даже не учитывая затраты.

Понятное дело, что после акции продажи растут, потому что покупатели получили бонусы. Но сколько денег раздали на бонусы? Сколько потратили на коммуникации? Насколько всё это было эффективно? Как на результат повлияла сезонность или иные внешние факторы?

…например, когда после «февраля» в марте все стали судорожно закупаться?

Да, точно. Подход такой: «Мы видим, что продажи выросли, и значит мы молодцы». А если продажи не выросли, то всегда можно найти оправдание почему это не сработало.

Это, конечно, не значит, что у всех такая ситуация. Есть сети, которые искренне пытаются работать вдумчиво и учиться на своих ошибках.

Но когда маркетологи учатся управлять программой лояльности на собственных ошибках, надо понимать, что стоимость этих ошибок оплачивает работодатель.

Пока маркетолог поймёт, что нужно переходить с дисконта на бонусы… или что не нужно брать с покупателей деньги за выдачу бонусной карты, пока убедит в этом руководство – сколько времени и денег потеряет собственник сети?

Возникают ли в твоей работе какие-то сложности с ИТ-сервисами?

На рынке была проблема с импортозамещением, она коснулась крупных сетей, которые работали на иностранных сервисах, типа SAP, SAS… Мы видели, как у некоторых крупных ритейлеров временно останавливалась программа лояльности.

У наших клиентов такой проблемы не было. Мы внедряем клиентам проверенные локальные сервисы. Здесь проблема может быть в другом – в целесообразности инвестиций в сервисы.

Если у тебя небольшая сеть, то ты не можешь позволить себе разработку собственного мобильного приложения. Или покупку мощного сервиса для коммуникаций. Это всё просто не будет окупаться. В этом случае мы не можем автоматизировать процессы и нам приходится выполнять больше ручной, рутинной работы. Это не очень удобно, но зато позволяет оптимизировать расходы на программу.

Если говорить о сложностях, то, с сожалением нужно признать, что идеального ИТ-сервиса не существует. У всех есть узкие места, дырки в функционале и случаются баги. Однако сейчас мы уже знаем все эти нюансы, знаем, чего ожидать. Поэтому нас это уже сильно не напрягает.

Ты говоришь, что у клиентов нет ресурсов для управления программой лояльности. Кто ведёт проект на той стороне? Маркетолог?

В сетях побольше есть выделенные менеджеры по программе лояльности и CRM-маркетингу.

В небольших сетях может вообще не быть маркетолога. У них есть какой-нибудь «директор по маркетингу», который занимается рекламой и процессом открытия новых точек – вывесками и воздушными шариками… В таких сетях вообще нет компетенций для развития программы лояльности.

Тогда для операционной работы выделяется сотрудник, у которого есть свободное время и хотя бы какое-то понимание задач – например, специалист по ассортименту.

Кто тогда является бизнес-заказчиком со стороны клиента?

Независимо от размера компании, бизнес-заказчиком всегда является топ-менеджер.

В средних и небольших сетях это директор или собственник. Без его участия ничего не происходит. Минимум раз в месяц мы встречаемся с ним, делимся ходом работ и результатами. Он даёт согласие на дальнейшую работу по плану либо просит подумать над альтернативными решениями.

Разумеется, что все стратегические переговоры тоже ведёт топ-менеджер. Но это даже хорошо, потому что нам проще говорить с ним на языке цифр и финансовых показателей. Да и важные решения принимаются быстрее.

А что, если на стороне сети появится специалист, и через какое-то время он сам научится управлять программой лояльности? Такое возможно?

Это нормальное развитие событий, и такие случаи были. Если у клиента появится разумный человек, который проработает с нами бок о бок 2–3 года, то он научится делать, что делаем мы. Система работы за это время уже будет выстроена, и человек сможет взять на себя управление программой.

Но чаще бывает, когда руководству сети удобнее отдавать работу на аутсорс. Думаю, это связано с кадровым вопросом – хороших экспертов мало, они бегают из компании в компанию, а из регионов утекают в мегаполисы. Поэтому найти стабильного сотрудника, разбирающегося во всех аспектах лояльности, сложно.

Если клиенту всё-такие больше не требуется наш консалтинг, мы не всегда его теряем. Ведь у нас есть ИТ-сервисы, есть аналитическая платформа, которыми клиенты продолжают пользоваться.

Какой для тебя идеальный сценарий взаимодействия с клиентом?

Эффективнее всего работа строится, если на стороне клиента есть выделенный проектный менеджер, который разбирается в бизнесе заказчика и может маршрутизировать любые возникающие вопросы с коммерческим отделом, с ИТ, с HR и так далее.

Менеджер может и не разбираться глубоко в теме лояльности. Главное, чтобы он мог быстро реагировать на запросы и имел достаточные организационные полномочия.

И ещё важно, чтобы был прямой контакт с топ-менеджером, чтобы исключить испорченный телефон в процессе планирования и отчётности.

Чтобы ты порекомендовала ритейлеру, который ещё не стал нашим клиентом и не запустил программу лояльности. Какие шаги нужно сделать, условно, «вчера»?

Если вы хотите что-то делать, то сначала ответьте себе на вопрос: зачем вы это делаете и будете ли вы это делать постоянно? Программа лояльности – это штука, которой нужно заниматься регулярно.

Я бы даже сказала так: если вы не собираетесь заниматься программой лояльности всерьёз и надолго, то лучше вообще ничего не делайте.

Я даже не буду рекомендовать начинать собирать базу. Потому что многие собирают базу, а потом эта базы лежит и пылится на полке.

Чтобы корректно ответить на вопрос зачем нужна программа лояльности и стоит ли в неё играть, нужно понять, что она вам даст и сколько нужно будет потратить на неё денег.

Поэтому нужно начать с экономической модели. Чтобы экономическая модель была корректной, нужно обратиться к экспертам, которые посчитают доходы, расходы, инвестиции и окупаемость. И уже на основании этого принимать решение.

А чего сложного в том, чтобы посчитать доходы и расходы?

На верхнем уровне всё понятно. Но давай возьмём расходы. Мало кто понимает статьи расходов и может их оцифровать. Вот, например, расходы на вознаграждения. Как понять какой тебе нужен уровень вознаграждений, чтобы программа работала? Поставишь 5% — окажешься в минусе. Поставишь 1% — тоже будешь в минусе, потому что так программа не полетит. А как прикинуть расходы на коммуникацию с клиентами по разным каналам? А на сервисы?..

С доходами всё ещё сложнее – что является источником доходов? Как их спрогнозировать? Можно найти какие-то мутные отраслевые бенчмарки, но кто сказал, что у тебя всё будет по бенчмарку? По моему опыту, у двух сетей в одной отрасли и в одном регионе показатели будут отличаться. А 1–2% разницы могут кардинально поменять ситуацию в P&L программы лояльности.

Поэтому прогноз экспертов, опирающийся на реальную ситуацию в бизнесе, будет, однозначно, точнее.

Кстати, я встречал подход, когда скидка не воспринималась как расходы. Ритейлер говорил, «мне приходят 100 млн в месяц. Какая разница, какую скидку я при этом даю?»

Ключевое здесь слово — «воспринимается». Есть расход, который у тебя скрыт в выручке, в кассе, а есть расход, когда ты оплачиваешь счёт. Чтобы тебе оплатить счёт, у тебя должен быть бюджет. Чтобы понести расход, который зашит в выручке, тебе бюджет не нужен.

Поэтому это так и воспринимается. Но те, кто считают финансы, относят скидки именно к затратам.

Все директора и собственники понимают, что «если мы дали скидку в 5%, то это мои затраты»?

Да, понимают. Но тут есть другая проблема на уровне ниже.

Условному маркетологу легче дать всем скидку, чем выбить бюджет 1 000 000 рублей на СМС-рассылку в рамках целевого маркетинга. С одной стороны, потому что он не всегда разбирается в финансах и может это обосновать. С другой стороны, потому что директор не всегда разбирается в программе лояльности.

Эта проблема во взаимопонимании одна из ключевых причин, почему развитие программ лояльности в средних сетях пробуксовывает. И нам приходится заниматься решением этой проблемы с нашими клиентами.

Лена, спасибо за ответы. Ты сейчас сказала много откровенных слов. Не боишься, что кто-то из клиентов узнает в них себя?

Нет, мы достаточно откровенны с клиентами. И если мы не согласны с мнением или действиями клиента, то не молчим 🙂 Потому, что в конце концов, именно мы будем отвечать перед ним за результат, который показывает его программа лояльности.

Следите за новыми материалами в telegram

Глеб Попов. Задавал вопросы.

Сергей Ольховский. Делал всё остальное.

Отзыв. Аскона

Светлана Борисова

Рассказали про когортный анализ на SetLoyalty conf

На примерах показали как работает и для чего используется один из ключевых инструментов аналитиков

CVM — это не революция, а грамотная эволюция к управлению ценностью клиента.

Прикладной ответ коммерческого директора ЮНИФАРМА на вопрос, что такое CVM с опорой на актуальные источники 2024–2025 годов и практику рынка.

В чём суть CVM?

Чем CVM отличается от CRM?

Что реально даёт CVM?

В чём ограничения и риски CVM?

Когда CVM целесообразен?

Что меняется в маркетинге при переходе к CVM

Каково отношение к CVM в экспертной среде?

Вывод

CRM vs CVM: реальность без мифов.

Давай начнём с актуального вопроса: различаешь ли ты CVM и CRM-маркетинг?

Ты сказала, что применение ML-моделей даёт кому-то повод называть свой подход «CVM»?

Годится ли CVM для малого бизнеса?

Как бизнесу оценить эффект от CVM? Какие метрики действительно важны на практике?

Какие каналы сейчас наиболее эффективны?

Как вы используете нейросети в работе?

Какие функции можно отдавать на аутсорс, а какие держать в компании?

Какие главные вызовы для CRM-маркетинга сегодня?

Что бы ты назвала главным мифом CRM-маркетинга?

Куда сейчас двигается рынок?

Мария, спасибо за ответы!

CRM и CVM — два столпа клиентского маркетинга.

Начнём с хайпового вопроса – ты различаешь CVM и CRM-маркетинг?

Насколько активно российские компании внедряют СVM-подход?

То есть, слабое проникновение CVM-подхода связано с отсутствием возможностей?

Если CVM-подход – это «долго и дорого», значит ли это, что он не подходит для небольших клиентских баз и малого бизнеса?

Какие метрики позволяют оценить эффект от CRM и CVM-маркетинга?

Используешь ли локальные контрольные группы?

Какой горизонт планирования в CVM и в CRM?

Давай поговорим про коммуникации. Как удерживать дефицитное внимание клиентов, если каналы либо дорожают, либо становятся недоступными?

Ты говоришь про развитие нативных каналов?

Ты имеешь в виду, например, посмотрел ли клиент stories в мобильном приложении или нет?

На какие каналы ты делаешь ставку?

Есть ли каналы, которые для тебя потеряли свою значимость?

Что ты думаешь о ML и нейросетях в CVM-маркетинге?

Смогут ли ML-модели полностью заменить экспертов?

Давай поговорим о команде. Какими компетенциями должен обладать специалист по CRM-маркетингу?

Технические компетенции остаются в других подразделениях?

Какие основные проблемы CRM-маркетинга ты бы выделил?

Ты говоришь о проблемах новых каналов коммуникации?

С какими мифами об отрасли ты сталкиваешься?

Какие ты видишь тренды и перспективы развития CRM-маркетинга?

Николай, спасибо за ответы!

CVM vs CRM. Что такое Customer Value Management на самом деле и почему это важно для вашего бизнеса? Итоги исследования 2025.

Благодарим экспертов, принявших участие в исследовании CRM-CVM

Что такое CVM? Эволюция или просто ребрендинг CRM?

CVM – это про деньги

Определение CVM и семь принципов, свойственных CVM-подходу.

Другие темы исследования.

Насколько активно компании внедряют CVM-подход

Всем ли подходит CVM

Главные тренды

Что «болит» у маркетологов?

Достижения

Рекомендации

Подкаст «Это база» с Антоном Трухтановым, управляющим партнёром Direct Service.

Как запускать программу лояльности правильно, с чего начать и когда ждать первых результатов.

Бизнес-завтрак на Russian Retail Show: «Понять и удержать покупателей»

Мария Мироновская (CSI), Антон Трухтанов (Direct Service) и Полина Фомина (CSI) рассказали:

Участники тренинга поработали над кейсами:

Причины низкой вовлечённости в программу лояльности

Показатель вовлечённости в программу лояльности (он же проникновение, он же пенетрация, oн же penetration) – один из главных показателей здоровья программы.

Что такое вовлечённость?

Бенчмарки

Причины низкой вовлечённости

1. Неинтересная программа

2. Слабое информирование о программе

3. Сложные правила

4. Конкуренция

5. Экономические факторы

6. Социальная ответственность

7. Отсутствие персонализации

8. Недоверие к сбору персональных данных.

9. Технические проблемы и UX

10. Отсутствие инноваций