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?
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.
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.
Перевели для вас на русский свежее ежегодное исследование программ лояльности от компании Antavo. Читайте о том, куда дует ветер, и пользуйтесь рекомендациями.
На пороге 2025 года исследование взяло на флаг искусственный интеллект, заявляя о начале новой «эпохи ИИ в лояльности». Это хайповая и беспроигрышная тема. Да и маркетинг уже вовсю орудует нейросетями в работе. Однако, на практике, если исключить лидеров рынка, то для многих основной потенциал роста до сих находится в базовых вещах – развитии СVM-подхода, моделировании доходов и расходов, наведении порядка в клиентских данных и построении толковой аналитики. Всё это пока ещё зависит больше от человеческих, а не от электронных мозгов.
Отметим, что исследование проводилось преимущественно в «недружественных» странах со своими особенностями. Тем не менее, выводы, основанные на качественных и количественных данных, возможно использовать как аргументы для разработки собственных стратегий.
Надеемся, что материал будет для вас полезным, и просим отнестись с пониманием к возможным недочётам – наше агентство занимается программами лояльности, а не литературными переводами 🙂
Удовлетворенность высока как никогда: В этом году 69,2 % владельцев программ остались довольны, по сравнению с 55,8 % за последние 3 года. С другой стороны, плохая интеграция с общим потребительским опытом – это причина №1 для недовольства.
Окупаемость инвестиций достигла новых высот: Показатель ROI также увеличился, что могло привести к росту удовлетворенности. 83,0 % компаний, измеряющих ROI, сообщили о положительных результатах, при этом показатель ROI в среднем составил 5,2X, что больше, чем в прошлом году, когда он составлял 4,8X.
Компании вкладывают все больше средств в лояльность клиентов: Расходы бизнеса на лояльность достигли самого высокого уровня за последние 4 года: владельцы программ лояльности теперь выделяют 31,4 % общего маркетингового бюджета на лояльность потребителей и CRM.
2. Потребители хотят скидок и мобильные приложения
Потребители приходят за вознаграждениями, но остаются ради впечатлений: Согласно данным, 69,8 % потребителей мотивированы финансовыми выгодами, чтобы присоединиться к программе лояльности. Однако персонализированные предложения и бесплатная доставка, похоже, пользуются популярностью: 36,3 % и 36,1 % потребителей называют эти причины, чтобы присоединиться к программе лояльности, соответственно, что свидетельствует о силе опыта.
Изменения, связанные с начислением баллов, занимают важное место в списке желаний: 4 из 10 потребителей хотели бы иметь больше способов заработать баллы. Почти столько же потребителей хотят, чтобы срок действия баллов не заканчивался. Поскольку в обоих случаях речь идет о баллах, предоставление участникам большей гибкости в использовании баллов является ключевым моментом.
Наиболее популярными формами взаимодействия являются мобильные приложения: Более половины (59,0%) респондентов предпочитают взаимодействовать с ПЛ через мобильные приложения. Мобильные приложения наиболее популярны среди представителей поколений Z и Millennials, но даже Baby Boomers и Gen X используют их в программах лояльности.
3. Как потребители, так и маркетологи принимают искусственный интеллект
Потребители проявляют большой интерес к искусственному интеллекту: большинство потребителей принимают функции, основанные на искусственном интеллекте, в то время как 4 из 10 потребителей более заинтересованы присоединиться к программе лояльности, если она использует искусственный интеллект, чтобы помочь им получить максимальную выгоду.
Маркетологи хотят облегчить управление с помощью ИИ: согласно нашим данным, 37,1 % компаний, предлагающих программу лояльности, используют ИИ для управления своей программой лояльности, а еще 49,5 % планируют использовать его в будущем. Основные варианты использования – поддержка клиентов, оптимизация программ лояльности и отчетность на основе данных.
Будущее за ИИ-агентами, как за виртуальными коллегами: Большинство, 7 из 10 маркетологов, чувствуют себя комфортно, используя агентов на базе искусственного интеллекта, которые могут предлагать решения, самообучаться и подстраиваться под их стиль работы для поддержки в управлении программой лояльности.
4. Неиспользованные возможности для маркетологов
Персонализация вознаграждений очень желательна: Предоставление потребителям большей свободы в выборе вознаграждений имеет огромный потенциал: 81,2 % участников предпочитают совершать покупки у брендов, предлагающих такую возможность. Это огромная возможность для брендов, в то время, как только 49,2%нынешних ПЛ имеют такие опции.
Геймификация повышает качество сбора данных: Потребители более охотно делятся информацией, если это делается в игровой форме: 55,1 % с большей вероятностью поделятся своими данными таким образом. Неудивительно, что 75,7 % программ лояльности, которые будут запущены в ближайшие два года, планируют использовать геймифицированный сбор данных.
Совместное использование счетов и семейные счета имеют нереализованный потенциал: 76,0% потребителей предпочли бы совершать покупки у брендов, которые допускают совместное использование счетов или объединение баллов. Таким образом, это стоящая инвестиция, и 7 из 10 владельцев программ лояльности, предлагающих разделение счетов.
Если у вас есть полезные сообществу материалы на иностранном языке, присылайте их нам на info@dirservice.ru, и мы попробуем их перевести.
Результаты исследования программ лояльности Data Insight
Ознакомьтесь с отчётом по итогам комплексного анализа российского рынка программ лояльности, проведённого в 2024 году.
Как эксперты, мы приняли участие в исследовании и поделились взглядами на задачи и состав программы лояльности, а также рекомендациями по её запуску и развитию.
Исследование интересно тем, что содержит не только качественную, но и количественную часть:
Результаты интервью с экспертами рынка. В этой части содержатся сведения о современных тенденциях и вызовах в отрасли, а также уникальные знания о внедрении и использовании программ лояльности. Кроме того, здесь представлены разнообразные практики и решения, которые были успешно применены на практике.
Результаты панельного опроса. Эта часть отчёта позволяет оценить восприятие программ лояльности конечными потребителями. В ходе опроса были выявлены привычки, ожидания и уровень удовлетворённости пользователей, а также факторы, влияющие на их выбор программы лояльности.
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.
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.
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.
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.
Pandora, популярная своими «шармами», создала линейку шармов, доступных исключительно для членов Pandora Club.
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.
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.
Искусство исключения или как «аномальные» клиенты рушат показатели эффективности акций
«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
Перевели результаты опроса европейских потребителей про состояние лояльности к брендам, факторам влияющим на лояльность, и желаемым компонентам программ лояльности
В конце 2022 года компания Marigold совместно с Econsultancy провела опрос более семи тысяч потребителей из западноевропейский стран. Полагаем, что статистика, полученная в результате опроса, может быть интересна и российским экспертам.
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
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
Увеличиваем прибыль от рассылок про «сгорание бонусов»
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
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 😉
Перевели на русский язык отчёт компании Antavo о трендах и стратегиях программ лояльности.
Добротные исследования программ лояльности встречаются нечасто. В 2022 году мы провели несколько десятков глубинных интервью с лидерами ритейла России и получили качественные выводы. Однако увидеть за деревьями лес помогают исследования количественные. Поэтому мы решили, что исследование Antavo будет интересно и нам, и всему ритейлу. Пусть этот перевод будет нашим подарком к Новому году 🙂
Заметим, что опрос проводился на других рынках и оценивать его нужно через призму отечественных реалий. Тем не менее, полученные выводы бьются с нашими исследованиями и наблюдениями от работы с клиентами.
Главная мысль исследования раскрыта в заголовке: «лояльность окупается». Программа лояльности является инструментом роста бизнеса, а экономический результат ПЛ является главным критерием оценки её эффективности. Неслучайно, именно ROI коллеги ставят первым в списке KPI программы лояльности.
Справедливым выводом является и то, что создание эффективной программы требует участия всего бизнеса, разных компетенций команды и (!) инвестиций. Поэтому компании, которые сваливают делегируют всю работу одному маркетологу или после запуска не видя мгновенной отдачи сдаются, наверняка, отстанут от тех, кто имеет долгосрочную стратегию.
Мы удивились высокой доле компаний, которые пересматривают свои программы лояльности. Это говорит о том, что перманентная модернизация программ является нормой. В этой связи, отрадно, что почти половина компаний привлекают для запуска и перезапуска программ независимых экспертов.
Желаем всем успешного 2024 года! Пускай ваши компенсации и инвестиционные возможности стремятся к тем цифрам, которые указали респонденты данного исследования! 😉
Если у вас остались вопросы – напишите нам или задайте их на нашем TG-канале.
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.
Результаты исследования технологии машинного обучения в программах лояльности
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
Ловцы скидок – как избежать удара по экономике акций
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.
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
Несколько слов про эффективность программы лояльности
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»:
“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.
Ключевые выводы из исследования 879 программ в 45 странах мира.
Когда возникает потребность взбодрить покупателей, ритейлеры часто прибегают к запуску временных программ лояльности. В первую очередь, это делают ритейлеры с высокой частотой покупок. В России такие программы известны по формату «накопи и получи». Покупатели собирают фишки, наклейки, штампы или баллы, количество которых зависит от суммы чека. А затем обменивают их на призы или товары из каталога, который составляется из ассортимента магазина. Мы перевели статью, чтобы разобраться, как работают и оцениваются такие программы, и каковы факторы их успеха.
Пример с сайта lenta.com
Краткосрочные программы имеют стандартный принцип накопления и списания баллов, но работают обычно всего несколько недель или месяцев. Временные программы могут запускаться как альтернатива постоянной программе лояльности, либо параллельно с ней, и работать по принципу «программа в программе».
Эффективны ли краткосрочные программы лояльности? Что нужно, чтобы они были эффективными? Исследование профессора Ника Бомбая из Амстердамского университета даёт некоторые ответы. В статье, опубликованной в Международном журнале исследований в области маркетинга, исследователи сообщают, что проанализировали 879 краткосрочных программ лояльности в секторе розничной торговли продуктами питания в 45 странах. Вот их основные выводы.
Измерение результатов
Прежде чем углубиться в выводы, нужно договориться как оценивать результаты. Исследование, в основном, использовало метрику, основанную на списаниях вознаграждений. Она рассчитывалась так:
Объём продаж, необходимый, для получения всех фактически полученных вознаграждений / стандартный объём продаж за период программы.
По сути, этот показатель показывает долю продаж ритейлера, которая была совершена с погашением вознаграждений. Во многом, показатель определяет активность участия клиентов в программе.
Среднее значение показателя составило около 14%. В разных программах он варьировался от менее 1% до 83%.
Является ли эта метрика лучшей для оценки программы? Ответ будет зависеть от того, какова цель программы. В некоторых программах, например, большее значение будет иметь её влияние на объём продаж. К счастью, при исследовании части программ, были изучены более подробные данные о продажах.
Насколько короткой должна быть краткосрочная программа лояльности?
В слишком затянутой программе люди будут терять к ней интерес. В слишком коротких – не успеют добраться до вознаграждения. Программы, изученные в исследовании, длились примерно от месяца до полугода.
Исследование показало, что программы длительностью 18 недель обеспечивают максимальную эффективность. Программы короче 13 недель были менее эффективными.
Оптимальная продолжительность менялась в зависимости от ценовой политики ритейлера. Дискаунтеры и магазины с ценовой стратегией “низкие цены каждый день” имели пиковую продолжительность программ около 20 недель. В то время как магазины со стратегией, сочетающий более высокие цены и более глубокие скидки – около 16 недель.
Оптимальная стратегия и подход к вознаграждениям
Размер вознаграждения
Некоторые из проанализированных программ предлагали вознаграждение в виде скидки. А другие – в виде бесплатного продукта. Одним из способов оценки ценности вознаграждения является процент скидки (принимая во внимание, что бесплатный продукт эквивалентен скидке 100%).
В изученных программах средняя скидка на вознаграждения составляла около 80%. Неудивительно, что более высокая скидка приводила к более высокому количеству списаний. Причём, чем ближе скидка приближалась к 100%, тем сильнее был эффект.
Глубина скидки сильнее влияла на результат небольших ритейлеров и на рынках с большой конкуренцией краткосрочных программ лояльности.
Интересно, что с точки зрения продаж, более высокие скидки не обязательно влияли на размер чеков участников, но мотивировали покупателей активнее списывать накопленные баллы.
Требование к покупке
Покупатели хотят получить в качестве вознаграждения бесплатный товар, либо значительную скидку. Но это сильно бьёт по марже магазина.
Один из способов компенсировать издержки — повысить требования к сумме покупок для получения вознаграждения.
Хорошо это или плохо? Исследование показало, что программы с высокими требованиями показали лучший результат с точки зрения участия и списания. В первую очередь, это было характерно для рынков с большой конкуренцией краткосрочных программ. Вероятно, это можно объяснить тем, что более высокие требования к сумме покупок лучше привязывали клиента к сети.
Разнообразие вознаграждений
Каждая программа, в среднем, предлагала 9 вариантов вознаграждений. В то время, как некоторые имели более 20 вариантов. Ритейлерам со стратегией «сочетания высоких и низких цен» предложение дополнительных вариантов вознаграждений не влияло на эффективность. Но это работало в случае дискаунтеров.
Что еще имеет значение?
На успех программ влияют и другие факторы, связанные с ритейлером и рынком:
• Ритейлеры с большей долей рынка сильнее выигрывают от краткосрочных программ лояльности, чем мелкие ритейлеры.
• Долгосрочные программы лояльности плохо сочетаются со своими краткосрочными аналогами. У ритейлеров с долгосрочной программой лояльности краткосрочная программа менее эффективна.
• Программы ритейлеров с ценовой стратегией сочетания высоких и низких цен показывают более высокий результат, чем дискаунтеры.
• Краткосрочные программы лучше работают в странах с меньшей концентрацией розничной торговли.
Влияние краткосрочных программ лояльности на продажи и прибыль
Результаты, которые обсуждались выше, оценивались, в основном, через показатель списания баллов. А что происходит с продажами и прибылью?
Влияние на продажи
Анализируя результаты программ, по которым имелись данные о продажах, исследователи подсчитали, что средний рост продаж, сгенерированный программами, составил 4,1%, с медианой 2,5%.
Рост продаж почти полностью произошел за счет участников, которые получали вознаграждение хотя бы один раз.
Объём покупок участников вырос примерно на 19%. В то время, как объём покупок тех, кто не участвовал, остался без изменений по сравнению с периодом до запуска программы.
Влияние на прибыль
Влияние краткосрочных программ лояльности на прибыль зависело от структуры расходов. Более половины программ перекладывали расходы на программу лояльности на потребителей, что влекло за собой минимальные дополнительные расходы для ритейлера.
Более щедрые ритейлеры относились к программам как к инвестициям и перекладывали на потребителей меньше затрат. Такие программы в 98% случаях были прибыльными с точки зрения валовой прибыли.
Ключевые выводы
Планируя запускать временную программу лояльности учитывайте свое положение на рынке и ценовую стратегию. Результат будет выше, если у вас большая доля рынка, если вы используете ценовую стратегию сочетающую высокие и низкие цены», и если у вас отсутствует постоянная программа лояльности.
Оптимальная длительность краткосрочных программ лояльности 4-5 месяцев.
Если можете, предлагайте в качестве вознаграждения бесплатные продукты, а не скидку на товары. Компенсируйте более высокие расходы на вознаграждения более высокими требованиями к объёму покупок. Особенно это важно, если вы не единственный, кто проводит на рынке краткосрочную программу.
Разнообразие вариантов вознаграждения в программе не сильно влияет на эффективность. Оно может иметь значение только для дискаунтеров.
Поощряйте списания. Рост продаж будет исходить, в основном, от покупателей, которые пользуется вознаграждениями.
Предостережение
Исследование полностью основано на результатах продуктовой розницы. Ритейлеры других категорий могут иметь другие результаты и подходы к программам.
Так как временные программы лояльности ориентированы на краткосрочную перспективу, анализ исследования был сфокусирован на краткосрочных показателях. В отличие от обычных программ лояльности, нет уверенности, что временные программы могут достичь такой же цели создания долгосрочной клиентской лояльности. Краткосрочные программы похожи, скорее, на эффективные рекламные рычаги, чем на настоящие инструменты создания лояльности.
Результаты исследования программ лояльности и CRM-маркетинга
Нашими респондентами стали 53 крупнейших ритейлера из разных отраслей
В России мало исследований программ лояльности. Все они имеют количественный характер и описывают поведение потребителей. Мы захотели посмотреть на программы лояльности с другой стороны – со стороны бизнеса. Кто управляет программами лояльности? Чем живёт и куда развивается отрасль? Как работают механизмы «под капотом» программы лояльности?
Уровень и глубина программ лояльности, как небо и земля, отличаются в федеральных сетях и у небольших региональных ритейлеров. Мы решили не мерить среднюю температуру по больнице и отказались от проведения количественных исследований. Вместо этого, сфокусировались на профессионалах отрасли лояльности. Их мнение позволило понять, куда дует ветер.
При поддержке нашего партнёра, компании «Кошелёк», мы провели глубинные интервью с руководителями программ лояльности крупнейших российских ритейлеров. Нашими респондентам стали представители более 50 компаний разных отраслей: «Лента» и «Ашан», «Ригла» и «Эркафарм», Kari и Zenden, «Адидас», «Связной», Hoff, Lego.
Так получилось, что время проведения исследования совпало с началом «специальной операции». Турбулентность, которая охватила ритейл, напрямую затронула и программы лояльности. Нам удалось и зафиксировать ситуацию “до”, и понять изменение подхода за последние 3 месяца.
В результате, мы собрали и обобщили мнение экспертов по актуальным аспектам программ лояльности и CRM-маркетинга.
Уверены, это будет интересно всем, кто ищет идеи для развития программы лояльности и способы сделать её эффективнее.
10 выводов из исследования программ лояльности и CRM-маркетинга
1. Практически все участники сошлись во мнении, что программа лояльности стала гигиенической нормой и нужна практически любому бизнесу.
В основе идентификации клиента рынок остановился на номере телефона. Наиболее распространенной является бонусная механика с курсом 1 бонус = 1 рубль. Статусы и прочие усложнения базовой привилегии уходят в прошлое.
2. Нет единого понятийного аппарата.
У всех своё понимание терминов “программа лояльности” и “CRM-маркетинг”, а также представление об их пересечении. Существует целый букет мнений начиная от «ПЛ и CRM-маркетинг – это одно и то же» до «это два непересекающихся понятия».
При этом, говоря о смыслах, чаще всего встречается видение, что программа лояльности – это больше про идентификацию клиентов, а CRM-маркетинг – про практическую работу с клиентами на основе собранной информации.
Всё это значит, что при постановке задачи, нужно чётко формулировать результат, иначе задача может быть понята «в другой логике».
3. Говоря о трендах развития программ лояльности в России, коллеги в первую очередь выделяют:
персонализацию
диджитализацию
развитие экосистем
геймификацию
расширение границ ПЛ.
4. В то же время, на вопрос “какие тренды вы считаете наиболее переоценёнными”, мы получили практически тот же список:
персонализация
диджитализация
развитие экосистем
геймификация
big data и ML
Эксперты, которые сделали слишком большие ставки на тренды испытали разочарование и называют многие тренды “хайпами”.
Работа с клиентами – рутина, здесь нет «волшебных таблеток» и «суперпрорывных технологий». Машинное обучение, идентификация по лицу или СМС, приходящие внутри торговой точки, обеспечивают незначительных дополнительный прирост, по сравнению с базовыми механиками.
5. Существует огромная разница между ритейлерами в выделяемых ресурсах, количестве работ и активностей при сопоставимых размерах клиентских баз.
Так, у двух ритейлеров с базой более 10 млн. человек численность службы CRM-маркетинга составил 2 и 60+ человек.
Направление может «съесть» любые выделяемые ресурсы, и руководитель должен четко понимать задачи и KPI подразделений по работе с клиентами.
6. Профиль руководителя программы лояльности чаще всего является «отражением» собственника/генерального директора.
Наиболее распространенный тип в федеральных сетях – «профессионал в лояльности», а в региональных сетях – «свой человек».
Для региональной сети найти эксперта на постоянную работу – достаточно сложно из-за миграции экспертов в мегаполисы на большие зарплаты.
7. Акции, проводимые для клиентов стандартны более чем на 90%. Можно говорить о «джентльменском наборе» акций:
на новых клиентов
вовлечение клиентов с 1-2 покупками
работе с оттоком
на частоту покупок
день рождения
Основной «недобор» прибыли происходит из-за грубой сегментации. Однако излишне глубокая сегментация не дает «прорывов», а лишь «добирает» прибыль.
8. Основным видом сегментации остается RFM и история покупок клиента. Другие методы сегментации от соц-дема до когортного или бинарного анализа распространены слабо.
9. Клиентский опыт путем построения карт CJM используется редко. Большинство компаний делают это своими силами.
10. Основные планы по развитию сводятся на более точную сегментацию и персонализацию, развитие команд маркетинга и улучшения IT-архитектуры.
После февраля 2022 года, стратегия большинства ритейлеров не изменилась, однако тактика адаптируются под новую реальность.
Смотрите запись доклада по итогам исследования, а также последующего обсуждения.
Очень длинный текст на основе реального кейса, показывающий наш подход к разработке.
На основе реального клиента мы хотели показать как наша команда разрабатывает концепцию программы лояльности. Однако, учитывая обилие подробностей, клиент попросил не указывать своё имя. Можем сказать, что это группа компаний, в которую входит онлайн-портал и более 600 аптек под несколькими брендами в 23 регионах страны.
Задача
В 2021 году, в связи с разработкой новой бизнес-стратегии, собственник группы компаний поставил задачу спроектировать современную омниканальную программу лояльности, которая бы учитывала разнообразие брендов и форматов сети:
7 брендов аптек
3 формата: аптека у дома, жёсткий дискаунтер, e-com
У каждого бренда своё позиционирование, ассортимент и ценообразование
Бренды никак не связаны друг с другом в глазах потребителя
Для разработки стратегии программы лояльности, после трёхмесячного отбора была выбрана компания DirectService.
Требования к программе лояльности
Программа должна объединить все бренды сети, а также иметь возможность безболезненного добавления, изменения или удаления брендов сетей, вплоть до перехода в будущем к единому бренду
Клиент должен иметь возможность регистрации в любых сетях и каналах с единым ID без дублирования данных
Коммуникация с клиентом должна идти от привычного для него бренда
Нужны простые и понятные правила регистрации и участия в программе
Требуется кастомизация программы под специфику бизнеса и конкурентное окружение
Здесь заметим, что спроектировать две абсолютно одинаковые программы лояльности не получится даже в рамках одной отрасли. Погружаясь в бизнес, эксперты находят сотни отличий в ассортименте, позиционировании, ценовой политике, сервисах, региональной специфике, конкуренции, соц-дем параметрах аудитории. Всё это даёт на выходе отличия в программе. Самые больше отличия содержатся в том, что не видно на первый взгляд –стратегии массового и целевого маркетинга. Но именно за счёт этого формируется лояльность клиентов и основная часть прибыли от программы лояльности.
Реализация
Разработка стратегии программы лояльности состояла из трёх основных этапов: аудит, проектирование, сдача-приёмка работ. Рассмотрим их подробнее.
Общая схема этапов разработки программы лояльности
Этап 1. Аудит
Аудит – это фундамент для проектирования программы лояльности. Полученные в результате аудита данные о состоянии бизнеса и планах на будущее позволяют разработать максимально адаптированную концепции программы. Такая концепция точно не «ляжет в стол» и будет немедленно готова к реализации.
В рамках аудита мы провели серию интервью с сотрудниками сети и проанализировали имеющиеся исторические данные.
Интервью
Для получения полноценной картины мы назначили встречи с ключевыми сотрудниками:
директор по стратегическому маркетингу
операционный директор
руководитель управления интернет-коммерции
заместитель начальника управления ИТ
руководитель управления рекламы
начальник креативного отдела
руководитель отдела персонала
Что выяснили в ходе общения:
как бизнес видит стратегию развития компании
что представляет собой текущее позиционирование и в чём его отличие от конкурентов
кто является ключевыми конкурентами
какую долю рынка сегодня занимает компания
какие особенности ценового позиционирования
какие особенности организационной структуры
Детально обсудили вопросы маркетинга:
какие акции используются в компании;
какие используются группировки или сегментации клиента;
есть ли категорийные, локальные акции;
используются ли целевые акции;
периодичность и формат планирования акций;
каким образом формируется и развивается e-com канал, какие цели ставятся.
По итогам интервью мы получили представление кто наш клиент, кем и за счёт чего хочет стать завтра. Мы выяснили, что требуется разработать программу лояльности не для одной сети, а для семи – с разными форматами, ценами и ассортиментом. При этом бизнес-стратегия предполагала возможность сокращения количества брендов до одного. Наши эксперты сформировали чёткое представление о задачах, которые предстояло решить. Появилось видение возможных вариантов реализации стратегии.
Анализ исторических данных
В одном из брендов группы ранее существовала программа лояльности. Мы загрузили в свою аналитическую систему «сырые» данные программы за последние 5 лет. На их основе мы самостоятельно сформировали более 30 отчётов по ключевым показателям программы лояльности, состоянию клиентской базы, а также по экономической эффективности текущей программы.
Анализ показал серьёзное снижение всех показателей на фоне стабильно высоких затрат на привилегии. Активность клиентской базы была менее 10% – существовавшая программа, фактически, не работала. Это подтвердило правильность решения о глобальном перезапуске.
На основе данных мы сформировали первичную RFM-сегментацию для экстраполяции на другие бренды. Мы понимали возможные отличия в составе целевых аудиторий разных брендов. Однако, релевантность этого подхода была выше, чем построение первичной сегментации только на основе среднерыночных показателей. Мы выделили перспективные сегменты для работы в рамках целевого маркетинга в первый год после запуска новой программы.
Этап 2. Разработка
Этап разработки определяет всю дальнейшую долгосрочную стратегию работы с клиентами. Это делает его самым сложным и долгим. Расскажем о ключевых блоках этого этапа.
1. Цели и задачи
В этом разделе мы сформировали общее понимание, зачем нужна программа лояльности, какие функции она будет выполнять, и какие задачи предстоит решать на протяжении всего срока её существования.
Единственная цель любой программы лояльности – это увеличение LTV. Можно много говорить о привязанности к бренду, об устойчивых отношениях с клиентом. Но если программа не будет являться источником роста прибыли, то её внедрение лишено смысла.
В числе основных были зафиксированы следующие задачи:
Рекрутинг новых участников программы и сбор информации о них
Вовлечение в программу, то есть стимулирование повторных покупок
Увеличение показателей доходности (средний чек, частота покупок, активность базы)
Оптимизация затрат на привилегии клиентам и на коммуникации с клиентами
2. KPI
Разрабатывая концепцию программы лояльности, мы даём заказчику понимание, какие показатели необходимо отслеживать, какие из них являются ключевыми, и какие значения этих показателей должны быть на каждом этапе развития программы.
Мы разработали плановые показатели на три этапа после запуска программы:
первые 6 месяцев,
от 6 месяцев до 18 месяцев,
после 18 месяцев с момента запуска.
Все показатели учитывают специфику фармацевтического рынка. Значения каждого показателя даны с критериями оценки: «минимально достаточный» и «хороший».
Пример показателя. Данные изменены.
Отдельные показатели были представлены в разрезе ценовых форматов сети:
Затраты на сопровождение. Данные изменены.
Ряд показателей представлен в разрезе каналов продаж:
Средний чек по каналам. Данные изменены.
Среди ключевых показателей были выделены следующие:
penetration rate (в деньгах и в чеках)
activity rate
churn rate
redemption rate
средний чек
частота покупок
рекрутинг на 100 чеков
затраты на программу
На основание блока KPI команда заказчика может отслеживать, насколько эффективно работает программа лояльности на каждом этапе.
3. Базовая механика
Базовая механика описывает основные правила регистрации и участия клиентов в программе лояльности. Разрабатывая базовую механику, мы обязательно изучаем и учитываем механики, которые используют конкуренты. Заказчик получил представление о программах лояльности локальных конкурентов, в чём их отличия, преимущества и недостатки.
Процедура регистрации
Для каждого канала регистрации разработано детальное описание бизнес-процесса как с точки зрения действий клиента, так и с точки зрения алгоритмов технических сервисов. Были проработаны следующие вопросы:
master-ID клиента
способы регистрации (возможность офлайн и онлайн регистрации с верификацией номера мобильного телефона)
процедуры регистрации
ограничения
минимально достаточный перечень собираемых персональных данных
Базовые привилегии
Мы определили размер базовых бонусов, начисляемых на все покупки в размере 0,5%, а также дополнительные базовые бонусы, которые начисляются на ряд категорий с повышенной маржинальностью.
В рамках этого блока также были установлены лимиты по количеству транзакций для борьбы с мошенничеством, время активации бонусов и ряд других технических параметров.
Правила списания баллов
Проработали ограничения от суммы чека, методы авторизации при списании, тип списания (FEFO в нашем случае). Чтобы сделать программу простой и понятной для клиента, курс списания был установлен в отношении 1:1.
Итогом разработки блока базовой механики стал «скелет» программы лояльности, на который при дальнейшей разработке навешивается маркетинговая составляющая в виде массовых и целевых акций. По итогам этого этапа мы понимаем основную логику вступления в программу, а также базовые принципы участия в ней.
4. CRM-маркетинг
Блок CRM-маркетинга – ключевой для программы лояльности. Именно он определяет стратегию работы с покупателями. От качества его проработки зависит, станет ли программа эффективной.
В этом блоке мы разработали омниканальную стратегию акций и коммуникаций для каждого сегмента на первый год работы программы. Все акции мы сопроводили описанием конкретных механик, коммуникаций, размера конверсий и финансовых показателей, а также методик оценки их эффективности.
При разработке мы учли специфику заказчика – наличие нескольких брендов и форматов, а также текущие маркетинговые активности, проводимые в сети.
Сегментация
В первую очередь, мы определили критерии сегментации по жизненному циклу клиента: при каких параметрах клиент переходит из новичков в постоянные, когда становится спящим, в какой момент мы считаем его ушедшим в отток.
На основании RFM-сегментации имеющейся базы, а также учитывая модель потребления на аптечном рынке, мы выделили 30 сегментов. 14 из них были определены как приоритетные для работы в рамках маркетинговых акций с точки зрения максимального экономического эффекта.
Выбранные приоритетные сегменты. Данные скрыты
На этапе определения параметров сегментации мы построили верхнеуровневую карту коммуникаций с каждым сегментом в рамках массовых и целевых акций.
Имея цель построить единую программу лояльности для нескольких брендов и форматов, мы разработали стратегию корректировки сегментации. Через 6 месяцев после запуска программы, на основании достаточных данных мы сможем уточнить сегменты в разрезе брендов и форматов. Мы также сможем оценить размер и ёмкость сегмента мултибрендовых клиентов (покупающих в разных брендах группы) и принять решение о выделении их в отдельный сегмент и дроблении на подсегменты.
Коммуникации. Общие принципы
Здесь мы определили основные принципы коммуникационной стратегии:
используемые каналы коммуникаций
рекомендуемые ограничения по количеству контактов на клиента для каждого канала
статические и динамические инфоповоды для коммуникаций с клиентами
Мы также определили оптимальные каналы коммуникации с клиентом в зависимости от того, в каком канале продаж он совершает покупки (offline/online) и с помощью какого устройства (desktop, адаптивный сайт, приложения iOS и Android)
Акции. Общие принципы
Как и в случае с коммуникациями, в разделе акций нам необходимо было сначала описать для заказчика используемый понятийный аппарат, а также общие принципы построения и классификации акций.
Были выделены несколько типов акций по разным параметрам.
Классификация акций
Каждая акция – это не только набор правил, но и пласт работ по её подготовке, настройке, и оценке эффективности. Поэтому перед разделом с конкретными механиками мы составили для нашего клиента детальное описание, из чего состоит каждая акция:
механика акции
правила акции
используемы маркетинговые коммуникации
менеджмент и администрирование
финансовые показатели
операционные показатели
методы оценки эффективности
совместимость акций
инфоповоды
После согласования понятий мы перешли к разработке конкретных маркетинговых активностей.
Массовые акции
Массовые акции направлены на весь входящий трафик аптек – как участников ПЛ для роста их клиентской активности и среднего чека, так и на не участников ПЛ для их вовлечения в программу.
Массовые акции – важная часть программы лояльности. Они оказывают значительный эффект на вовлеченность клиентов в программу и их активность. Они также являются подспорьем при проведении сбытовых мероприятий. Однако с точки зрения экономики массовый маркетинг – не лучший инструмент. Его низкая экономическая эффективность обусловлена большим размером скидок или бонусов. Это ведёт к снижению маржинальности продаваемого по акции товара и снижению общих финансовых показателей акции. Поэтому в программе лояльности мы следим за балансом между массовыми и целевыми акциями. Идеальная пропорция – 80/20 в пользу целевого маркетинга. Однако такое соотношение достигается не сразу, а приблизительно через год после запуска программы. На старте, когда требуется создать высокий интерес и быстро вовлечь клиентов в программу, соотношение может быть обратным.
Мы разработали ряд механик массовых акций, эффективность которых на аптечном рынке уже проверили. Например такие:
приветственная акция на рост клиентской базы
на вовлечение в online/омни
на общее вовлечение
на рост активности клиентов
на рост выручки с клиента
Дополнительно разработали акции, основанные на инфоповодах: гендерные праздники, Новый год, чёрная пятница, а также акции от поставщиков, транслируемые в программе лояльности.
Все акции мы сопроводили описанием конкретных механик и всеми необходимыми для запуска деталями:
тип и размер привилегии
ассортимент, участвующий в акции: кол-во SKU, категории, бренды
периодичность обновления перечня товаров
учёт сезонности
каналы коммуникации
основное коммуникационное сообщение
Пример описания массовой акции. Данные скрыты
Для каждой акции мы указали совместимость с другими механиками. Клиент будет знать, какие акции при единовременном запуске дают синергию, а какие приведут к каннибализму.
Целевые акции
Целевые акции направлены на определенный сегмент или выборку участников и предполагают использование персонифицированной коммуникации.
Целевые акции – основной источник доходов в программе лояльности. Они позволяют максимально эффективно воздействовать на наиболее экономически выгодных покупателей. Кроме того, целевой маркетинг поддаётся наиболее точному анализу эффективности за счёт возможности использования контрольных групп.
Для каждого целевого сегмента мы разработали набор акций с разным типом механик и коммуникаций:
триггерные кампании
«новые не вовлечённые» клиенты
реактивация «спящих» клиентов
предотвращение оттока
развитие сегмента «постоянные клиенты»
вовлечение в online
целевые рассылки по акциям поставщиков и локальным акциям
товарные акции на «хроников»
Были определены требования к контрольным и основным группам и технологии тестирования параметров акций.
Каждая целевая акция содержала описание цепочки коммуникаций с указанием количества точек контакта, а также временной интервал между этими точками. Для каждой коммуникации мы разработали структуру и образец сообщения.
Пример целевой акции на постоянных клиентов
Также были определены приоритетные каналы коммуникаций в зависимости от источника заказа.
Пример алгоритма выбора канала коммуникаций в зависимости от источника заказа
Календарный план маркетинговых мероприятий
Итогом разработки блока CRM-маркетинга стал календарный план маркетинговых мероприятий по программе лояльности на первый год после запуска. План учитывает совместимость акций и сочетает оптимальный микс массовых и целевых акций для каждого этапа развития программы лояльности.
Фрагмент календарного плана маркетинговых акций на три месяца
Блок CRM-маркетинга дал ответы:
Как сегментировать клиентскую базу на основе разработанной нами модели сегментации
Какие акции, для какого сегмента, в какое время и в каких каналах необходимо запускать.
Как избежать каннибализма акций и правильно сочетать массовые и целевые механики.
Как правильно сформировать основную и контрольную группу по принципам формирования выборок.
Как провести тестирование и определить оптимальные варианты масштабирования.
Как настроить, запустить и правильно провести любую акцию.
Как посчитать эффективность маркетинга и учесть его и учесть его в P&L программы лояльности.
5. Экономика программы лояльности
Не подкреплённая финансовым расчётом концепция программы лояльности является лишь набором фантазий и рискует стать «дырой в бюджете». Поэтому такой комплексный и долгосрочный инвестиционный проект должен быть оцифрован до старта.
Мы детально проработали экономическую модель программы лояльности с горизонтом планирования в 2,5 года после запуска. Срок был разбит на три этапа:
внедрение (первые 6 месяцев)
развитие (12 месяцев)
период зрелости (12 месяцев)
Экономическая модель содержала необходимые для финансового планирования отчеты, а также ключевые для ТОП менеджмента финансовые KPI проекта:
Бюджет доходов и расходов.
Отчет о движении денежных средств.
Сроки выхода на операционную безубыточность
Сроки выхода на операционную и инвестиционную окупаемость
Чистый денежный поток (NCF) и чистый дисконтированный доход (NPV) в разбивке по этапам ПЛ и по месяцам
Чтобы расчёт модели был понятен и прозрачен и для финансистов, и для менеджмента компании, он учитывал все важные ключевые параметры и метрики:
Инвестиционные затраты, возникающие от внедрения и сопровождения ПЛ.
разработка программы
внедрение технических сервисов
разработка и печать полиграфии
Ежемесячные затраты:
предоставленные клиентам привилегии
расходы на коммуникации
аренда и обслуживание технических сервисов
ФОТ сотрудников, задействованных в программе
Изменение фронт маржи на разных этапах жизненного цикла ПЛ. Параметр важен для анализа на предмет возможного кассового разрыва в периоде инвестиций.
Коэффициент дисконтирования денежных средств, учитывающийся при расчете инвестиционной окупаемости проекта.
Доходная часть содержала финансовый результат от акций, которые имеют прозрачную методику оценки результативности – с контрольными группами. Все иные механики акций в доходной части не учитывались.
Точность расчетов финансовых параметров достигается за счет связи через специальные алгоритмы текущих и прогнозных значений показателей:
Текущие показатели сети:
выручка
фронт-маржа в разрезе категорий товаров
бэк-маржа в разрезе категорий товаров
доля категорий товаров в ТО
Параметры каждого сегмента покупателей:
доля сегмента в клиентах
доля сегмента в выручке
активность клиентов в сегментах
средний чек
частота покупок
коэффициент притока в сегмент
коэффициент оттока из сегмента
Размеры сегментов в соответствии с разработанной сегментацией, исходя из размера планируемой клиентской базы и динамики её роста.
Ключевые показатели программы:
общий размер прогнозируемой клиентской базы
динамика прироста клиентской базы
динамика вовлеченности
коэффициент активности клиентской базы
доля списания бонусов и другие параметры
Эффективность акций, разработанных для каждого сегмента, с учётом следующих параметров каждой акции:
размер целевой аудитории на основании размера сегмента
конверсия в покупку
затраты на коммуникации
затраты на привилегии
изменение целевого показателя за счёт акции (средний чек, частота, активность, уровень оттока и т.д.)
дополнительная прибыль от проведения акции
Фрагмент экономической модели программы лояльности
Мы сформировали расчёт экономики по трём ценовым форматам сети с учётом финансовых показателей каждого из них. Точный и прозрачный расчёт позволил руководству компании принять положительное решения о запуске новой программы лояльности. Финансовая дирекция заложила в бюджет планируемые доходы и расходы от программы лояльности.
6. Формы аналитических отчётов
Для успешной работы спроектированной программы лояльности требуется регулярный мониторинг. При этом, важно понимать, какие специалисты, как часто и какие параметры должные отслеживать.
Мы разработали более 15 форм отчётов, разбитых на три группы:
стратегические
аналитические
операционные
Формы отчётов отображают ключевые показатели программы, состояние клиентской базы и клиентских сегментов, общие финансовые показатели, а также показатели эффективности акций.
Отчёты учитывают как стандартные разрезы по периоду и географии, так и структуру группы – бренд и формат.
Примеры разработанных форм отчётов
На основе отчётов аналитики, маркетологи и финансисты заказчика могут отслеживать показатели и оперативно принимать решения по корректировке программы.
7. ИТ-ландшафт
Современная программа лояльности не сможет работать без современных ИТ-сервисов. Чтобы понять, какие сервисы необходимы для запуска новой программы лояльности, мы включили в концепцию программы данный блок.
Для полноценной реализации программы лояльности в существующую ИТ-инфраструктуру ритейлера должны быть органично интегрированы следующие сервисы:
CRM-система. Обеспечивает процессинг баллов и хранение информации о клиентах и их транзакциях.
Сервис автоматизации маркетинга. Коммуникационная платформа для сбора клиентских данных, сегментации и запуска триггерных многоэтапных сценариев коммуникации.
Аналитическая система. Позволяет детально анализировать состояние программы.
Вместе с IT-департаментом заказчика мы составили и проанализировали схему IT-архитектуры в ситуации «as is». Мы изучили все используемые технические решения, логику их работы и взаимодействия. Оказалось, что существующие в компании сервисы не смогут поддержать новую программу лояльности:
невозможен сбор данных из различных систем в единый клиентский профиль
невозможна настройки ряд важных механик без существенных доработок
невозможна настройки необходимых лимитов в рамках программы
невозможен расчёт сегментов в реальном времени
невозможно построение омниканальных коммуникационных цепочек
и другие «невозможности»
На этом основании мы подготовили схему IT-ландшафта в ситуации «to be». Она включала в себя недостающие технические сервисы и описание взаимодействие всех систем компании в рамках будущей программы.
Одновременно мы детализировали функциональные требования к технической платформе. Для каждой задачи (процессинг-коммуникации-аналитика) были сформированы отдельные требования.
Кроме того, были подготовлены требования к личному кабинету участника программы на сайте: определили набор полей для отображения и необходимый функционал для управления клиентом своим профилем.
Пример общей схемы IT-ландшафта. Наименования и описание сервисов удалены.
Детальная проработка ИТ-ландшафта позволила по максимуму использовать для программы лояльности существующие ИТ-ресурсы компании. С другой стороны, она дала возможность подобрать оптимальные по дополнительные ИТ-сервисы. Всё это позволило значительно оптимизировать расходы на программу лояльности.
8. Финансово-правовая модель
Мы разработали 36 документов, среди которых:
Форма соглашения об участии в программе лояльности между юридическими лицами, аптеки которых участвуют в программе лояльности. Этот документ незаменим для компаний, состоящих из нескольких юридических лиц. Данное соглашение является основой юридического конструкта программы лояльности.
Формы документов для регистрации и дальнейшей работы заказчика в качестве Оператора по обработке, хранению и использованию персональных данных при реализации программы лояльности.
Рекомендации по бухгалтерскому и налоговому учету операций, связанных с реализацией бонусной программы лояльности.
Финансово-правовая модель гарантирует соответствие новой программы лояльности требованиям законов о персональных данных и о рекламе. Она также описывает необходимые процедуры бухгалтерского и налогового учёта при реализации программы.
Сдача проекта
Сдача проекта, фактически, происходила в течение всего срока разработки концепции. Каждый её блок по мере разработки обсуждался с представителями заказчика. На встречах мы объясняли выбор того или иного варианта реализации, отвечали на вопросы и обсуждали спорные моменты. Затем расставались, чтобы внести правки и встретиться ещё раз. Так повторялось многократно.
Много времени ушло на согласование экономической модели программы. Вместе с финансовым отделом мы обсуждали различные варианты стратегии запуска программы с учётом большого количества брендов и форматов. Тщательно обсуждали каждое «за» и «против» по каждому варианту. В итоге смогли прийти к модели, наиболее подходящей для текущей и будущей структуры бизнеса группы компаний.
Усердно работали над разработкой правовых документов для обеспечения юридической безопасности компании при реализации программы. Документы дополнялись и видоизменялись с учётом пожеланий юридического отдела заказчика.
Над проектом программы трудились несколько специалистов в разных отраслях. Поэтому все блоки программы разрабатывались и согласовывались параллельно. Это значительно ускорило разработку концепции.
Через пять месяцев работы в плотном взаимодействии с командой заказчика, эксперты Direct Service подготовили итоговый вариант концепции новой программы лояльности. Он был принят всеми отделами и собственником компании.
Концепция предусматривала запуск новой, омниканальной программы лояльности, которая учитывает мультибрендовость и мультиформатность компании с возможностью перехода к единому бренду в будущем.
Новая программа лояльности имеет простые и понятные правила для клиента, удобна для вступления и интересна для участников.
Прозрачная экономика программы создаёт уверенность в эффективности программы и позволяет контролировать реализацию выбранной стратегии на каждом этапе развития программы.
Как отличить CRM-маркетинг от примитивных механик директ-коммуникаций.
Обсуждая с клиентами, что такое CRM-маркетинг, мы делаем акцент на двух моментах. Во первых, CRM-маркетинг – это бизнес-инструмент. Значит он должен увеличивать прибыль компании. И делать это, конечно, с учётом интересов покупателей и для реализации их потребностей. Во вторых, результаты CRM-маркетинга можно замерить. Поэтому это всегда системная работа, которая начинается с планирования и реализуется на ежедневной основе в виде цикла – анализ, построение гипотез, тестирование, запуск успешных механик, мониторинг, оценка результата.
Хотим поделиться заметками нашей коллеги о том, как можно распознать системный CRM-маркетинг и по каким принципам он работает.
Вот ряд принципов, через которые хорошо получается высвечивать отличия CRM-маркетинга от примитивных механик директ-коммуникаций. Чтобы защитить системный подход от вопросов вроде “у нас есть емейлы, пуши и стоят товарные рекомендации в карточках товаров, что нового вы нам можете сказать”.
0. CRM-маркетинг ориентирован на то, чтобы решать Jobs To Be Done клиента быстрее и прозрачнее. Коммуникации строятся вокруг тех задач, которые клиент приходит решать через продукт. Опыт взаимодействия с продуктом оценивается клиентом через: экономию времени, получение максимальной информированности при сохранении когнитивной легкости, наличии лучшего предложения в цене/качестве.
1. CRM-маркетинг не будет эффективен без хорошего UX в ecom и мобильном приложении. Удерживать клиента в неудобном продукте бесполезно.
2. CRM-маркетинг не привлекает новых клиентов. Но не отпускает тех, кто пришел хотя бы один раз. Это направление про удержание и повышение лояльности, влияние на репутацию в широком смысле опосредованно, просто потому что за пределами существующих моделей атрибуции и понятия performance.
3. CRM-маркетинг обеспечивает сквозной опыт взаимодействия с продуктом во всех каналах. Опыт в онлайн и офлайн един и должен быть учтен при взаимодействии с клиентом в будущем, также во всех каналах.
4. CRM-маркетинг непрерывно собирает и анализирует обратную связь от клиентов. Меняет то, что провоцирует отток целевой аудитории. Маркер – результаты NPS опроса.
5. CRM-маркетинг ориентирован на максимизацию выручки с каждого отдельного клиента. При настройке аналитики это означает расчет пожизненной ценности клиента вместо того, чтобы довольствоваться совокупным объемом продаж со всех клиентов в периоде.
6. Нельзя настроить механики один раз. Необходим инструментарий для постоянного проведения экспериментов, тестирования гипотез, углубления сегментов
7. Доказывает свою эффективность через контрольные группы и расчет инкрементального дохода
Анастасия Горская, экс-директор в России eSputnik
Вынуждены признать – несмотря на то, что большинство согласится с таким подходом, в России нет единения в определении CRM-маркетинга. Совместно с компанией «Кошелёк» мы собрали мнения по этому поводу у более 50 представителей крупного и среднего ритейла и, в ближайшее время, опубликуем результаты этого исследования.
Как и зачем мы разработали собственный сервис аналитики программы лояльности
Спойлер: потому что без него никак. И потому что на рынке не нашлось адекватного.
Усложнение
За последние 10-15 лет у нас на глазах произошла быстрая эволюция программ лояльности. От простейшего одноклеточного дисконта они прошли путь до сложного омниканального организма, жадно поглощающего клиентские данные и запустившего свои щупальца во все точки контакта с клиентом.
Управлять современной программой лояльности становится всё сложнее. Это касается и скорости принятия управленческих решений, и количества информации, которую нужно изучить для того, чтобы решения принимать.
Мы ощущаем всё это на себе – десятки показателей, масса факторов, которые на них влияют, углубление сегментации и персонализации, сотни гипотез и тестов. И всё это под постоянным прессингом времени.
Ускорение
Год назад, работая над повышением эффективности бизнеса, мы изучили рабочий день наших CRM-специалистов.
Оказалось, что одним из ключевых пожирателей времени является подготовка и анализ отчётов по акциям и программе лояльности в целом. Эта рутинная работа отнимала до 20% времени маркетологов.
С одной стороны, дефицит толковых CRM-маркетологов и постоянный рост их зарплат делает их рабочее время весьма дорогим. С другой стороны, клиенты тоже хотят оперативно узнавать, сколько денег принёс им наш CRM-маркетинг.
Мы решили автоматизировать процесс.
Автоматизация
Начали искать решение, которое бы позволило быстро оценивать ситуацию в программе лояльности и управлять CRM-маркетингом. Реальность быстро опустила нас на землю.
На рынке нет готового решения экспертного уровня для аналитики программ лояльности
Есть OLAP-кубы, которые незаменимы для аналитиков, но являются “китайской грамотой” для маркетологов и директоров. Есть компании готовые “пилить” любую аналитику под наше ТЗ, но которые сами не разбираются в программах лояльности. Есть преднастроенная отчётность в CRM, которая либо скудна, либо, наоборот, выливает на пользователя килотонны несвязанных отчётов, в которых проще утонуть, чем разобраться.
Мы поняли, что проще разработать сервис самостоятельно. Для этого нам требовались:
Эксперты в CRM-маркетинге, в качестве внутренних клиентов, определяющие, что и как должен считать и отображать современный сервис аналитики.
Дата-сайентист, чтобы собрать и разложить по нужным полкам данные, получив корректный результат.
Специалист по интерфейсам и CX, чтобы всё было интуитивно-понятно, и работа доставляла удовольствие.
Power BI, как самый простой и доступный сервис дашбордов.
Всё это у нас было, и мы принялись за работу. Собрали внутреннюю команду, систематизировали и приоритезировали все хотелки пользователей. Оказалось, что дело пахло серьёзной разработкой на несколько месяцев. К большому счастью, у нас были не только амбиции, но и ресурсы. В том числе человеческие. Потому что найти адекватных специалистов на перегретом рынке – задача архисложная.
И вот, через шесть месяцев интенсивного креатива, разработки и настройки мы представили нашим самым добрым клиентам первую версию сервиса.
DS Monitor
DS Monitor – сервис для принятия управленческих решений по развитию программы лояльности и CRM-маркетинга на основе данных.
Более 50 дашбордов дают полную панораму программы:
ключевые показатели
клиентские данные
сегментация
товарная аналитика
CRM-маркетинг
доходы и расходы
экономика программы лояльности
…
Главный экран DS Monitor
Дашборды можно условно разделить на два вида:
Данные. Такие дашборды группируют по тематикам все показатели программы лояльности. Это позволяет в любой момент времени иметь под рукой актуальные отчёты и оценивать ситуацию в динамике. Без аналитиков, выгрузок и потери времени.
Инструменты. Такие дашборды позволяют изучать и сравнивать между собой данные в разных разрезах – сегменты, товары, акции. Это является основным рабочим инструментом CRM-маркетолога, с которым он может оценивать, строить гипотезы, планировать и принимать решения о запуске и масштабировании кампаний.
По запросу пользователей, для удобства и прозрачности, мы снабдили все дашбоды подсказками, которые объясняют методику расчёта параметров и отвечают на типичные вопросы.
+ “Доступ к этим данным сильно упростит нам жизнь“
Мы разрабатывали сервис, в первую очередь, для себя. Однако большое количество положительных отзывов показали, что сервис будет интересен для многих маркетологов, кто управляет программой лояльности.
Кто скажет нам спасибо
Кто занимается разработкой, запуском, тестированием и масштабированием целевых и массовых акций в программе лояльности. Сервис позволяет выдвигать гипотезы, понимать омниканальное поведение клиентов, сегментировать, сравнивать кампании и оценивать их инкрементальный доход.
Кто хочет в любой момент видеть актуальные показатели программы лояльности. Как в целях оперативного реагирования на изменения, так и для подготовки отчётности.
Сервис может быть одинаково полезен и директору по маркетингу, и CRM-маркетологу.
Что дальше
Мы не стоим на месте. Сервис становится полезнее и удобнее. Во многом, благодаря обратной связи от клиентов из разных отраслей ритейла.
Обращайтесь, если вам интересен наш сервис. Мы также с удовольствием обменяемся опытом, если вы разрабатываете свой собственный сервис аналитики программы лояльности.
Как запустить онлайн-продажи, если ты не федеральная сеть
Зачем небольшой сети аптек мобильное приложение? Каким оно должно быть? Как конкурировать в онлайн с крупными брендами?
«Прайд» – крупная оптово-розничная компания в Нижнем Новгороде. Специализируется на поставке дорогостоящих и редких лекарственных препаратов. Официальный дилер продукции для домашней диагностики «Литтл Доктор» (Тайвань), «Ниссей» (Япония) и продукции по специализированному уходу «Хартманн» (Германия).
Спрашивает: Сергей Ольховский. Директор по развитию Direct Service
Отвечает: Сергей Уставщиков. Куратор digital-проектов компании «Прайд». Проект-менеджер на фармацевтическом и розничных рынках, экс-совладелец АС «Ладушка». Запускал розничный пилот салонов «Librederm» (селективная косметика).
В своё время мы захотели диверсифицироваться и появилась идея сделать небольшую аптечную сеть – редкие лекарства нужно как-то продавать и выдавать людям.
Сначала было три аптеки, и мы решили нарастить их количество. Но быстро поняли, что для охвата большей территории ресурсов мало и соревноваться с сетями, у которых по 1,5-3 тысячи аптек, уже поздно.
Поэтому мы решили найти свою нишу в онлайн. На всех рынках люди начинают покупать в интернете. Даже такой традиционный рынок, как продуктовый, и тот сдался. К тому же, разрешили доставлять лекарства.
«Рецептуру» ещё не разрешили, но я думаю, к этому мы тоже придём, появится «электронный рецепт» и так далее. Какая-то часть людей воспользуются сервисом, и лекарства будут доставлять домой.
Но онлайн конкуренция не меньше. Как вы планируете там выживать?
Да, на этом рынке сейчас развернулась борьба: традиционные аптечные сети открывают свои сайты и мобильные приложения, маркетплейсы (такие как Wildberries, Яндекс Маркет и прочее), специфические агрегаторы (apteka.ru, «Здравсервис» и так далее). То есть игроков разных много. Понятно, что силы не равны.
Но на локальном рынке, имея специфический ассортимент и нарастив себе некую базу, мы можем попробовать взять себе кусок пирога. Для этого, как раз, не нужно много аптек. Достаточно иметь в каждом районе города 2-3 аптеки и открыть по 1-2 аптеке в ближайших городах, чтобы там также иметь возможность доставлять.
Естественно, нам нужно онлайн-представительство, которым является сайт. И к нему приложение, потому люди всё больше идут в приложение. Я думаю, что и лекарства тоже в половине случаев или больше будут заказывать через приложение. Это удобно, когда всё в телефоне.
На что вы собираетесь делать ставку?
Мы планируем иметь такую конфигурацию: несколько физических аптек, сайт и мобильное приложение. А также особые фишки – сервисы и фичи, которые позволят как-то выделиться на фоне других аптек.
В приложении и на сайте мы решили подчеркнуть три свои основные компетенции, чтобы у покупателя это засело в голове: Прайд — это поиск, консультация, доставка.
Мы делаем ставку не столько на бронирование лекарств. Потому что есть куча аптек, у которых покрытие больше. Сейчас редко у кого есть полноценная доставка – чтобы курьер приходил и отдавал лекарства. Это разрешили только с 1 сентября. Поэтому здесь у нас есть шанс наладить свою доставку и занять какую-то часть локального рынка.
Если мы первые сможем доставить человеку препараты, и ему понравится опыт и цена, то он будет пользоваться нашим сервисом. Тут наши шансы более-менее равные с другими.
Мы считаем, что у нас лучшие компетенции по рекомендации. Понятно, что вроде все эксперты, но мы считаем, что мы действительно можем что-то посоветовать. Потому что много лет ищем какие-то редчайшие лекарства. Например, одна ампулка может стоить 250 тысяч рублей. Не все могут такую продать, а у нас это нормальная практика. Люди ценят хороший совет, и возможно, это сыграет на лояльность именно к этому приложению или сайту.
Давайте поговорим о мобильном приложение. Как вы выбирали решение, с которым запускаться?
У нас небольшая компания и нет своих разработчиков. Поэтому и для сайта, и для мобильного приложение мы искали сторонние команды. Как проектный менеджер, я пришёл именно для того, чтобы курировать этот процесс.
Посмотрел, что есть на рынке и посоветовался с людьми. Понял, что и у маленьких, и у больших сетей есть свои приложения. Посмотрел, кто их делает. Пару раз мелькнула информация про Директ Сервис и проект Aptekaloyalty. Кто-то с рынка посоветовал: “Они делали мобильное приложения”. Увидел вас на какой-то конференции, посмотрел сайт.
Обзвонил 2-3 альтернативы. Одни ответили через пень-колоду, на третьи сутки. Всё было непонятно. Другие вообще не перезвонили, хотя я оставлял запросы. А вы перезвонили в этот же день. Мы сразу нашли общий язык, всё обговорили. Так и получилось.
Почему вы выбрали разработку приложения на базе конструктора, а не студию?
Нам нужно было сделать быстро. Скорость имеет значение. Мы понимали, что если идти в студию, то появятся особые хотелки, придётся допиливать многое у себя, плотно этим заниматься. А у нас просто не было на это ресурсов.
Нам важно было сделать продукт, который удовлетворит нашим базовым требованиям и может запуститься одновременно с сайтом. Собственник хотел запустить всё в сентябре, но оставалось мало времени. Он сказал: “думаю, что всё это сдвинется на октябрь или дальше”. А я говорю: “Давай-ка мы попробуем успеть”.
До конца разработки сайта оставалось всего три месяца. И вот, тут же, параллельно, за 3 месяца мы запустили приложение. И нашли именно ваш продукт, конструктор, который мне понравился.
Не смутило, что конструктор?
Нам не нужно никаких студий, которые будут изголяться с кодом, чтобы показывать мультики и сменяющиеся картинки. Это всё отвлекает. Для наших задач нам вполне подошёл конструктор.
То, что он из модулей – хорошо: проще понять, легче и быстрее делать. И дешевле получается. Поэтому мы решили, что для нас он выполнит свою функцию.
Дальше – посмотрим. Когда у нас появятся лояльные потребители, и они там будут постоянно покупать, когда будет нормальная глубина проникновения в клиента, то мы сможем, захотев, переделать приложение. Но всё это уже потом.
Сейчас важнее тестить канал и выводить его на безубыточность. Чтобы он просто приносил деньги. А дальше будем смотреть.
Вы против мультиков и сменяющихся картинок?
Вы видели наше приложение? – оно получилось лаконичное и, поэтому, удобное.Когда я изучал вопрос, то обратил внимание, что и в приложениях, и на сайтах часто вылезает куча информации. Для людей она становится фоном, белым шумом. То есть, они уже её не воспринимают. Непонятно, куда и что вбивать. Здесь что-то кликает, там –пикает, и так далее. Веет хаосом.
Если посмотреть поисковую страницу Google, то там вообще ничего нет. Поэтому в начале года я провёл сессию с владельцем бизнеса и парой людей из компании. Мозговым штурмом мы решили, что для дистанцирования от конкурентов нам нужна лаконичность.
Я – по совместительству, бизнес-тренер, и у меня есть авторский тренинг по мерчандайзингу для аптек. Там я говорю о следующем:
Важно создать визуальный комфорт в любой точке касания с покупателем. В том числе, и в приложении. Чтобы человека ничего не раздражало, и он мог быстро сориентироваться, найти лекарство и купить его буквально в два клика.
На ваш взгляд, что должно быть в мобильном приложении, чтобы оно отвечало ключевым потребностям?
Поисковая строка в приоритете и возможность голосового поиска. У нас это есть, работает прекрасно. Возможность искать не только по названию препарата, но и по симптомам заболевания. Важно, чтобы человек смог найти товар как угодно: “понос”. То есть даже просторечные, общеупотребимые, банальные названия и жаргонизмы должны быть там.
Должен быть грамотный каталог, чат с фармацевтом в разных видах. То есть и видеочат, и печатный. То есть мы хотим вытащить человека на общение, потому что, когда он общается, у него больше доверия, ему можно больше продать, как и в офлайне.
Понятное объяснение и подсказки: как доставляют, от какой суммы. Чтобы это объяснялось в приложении или там было интуитивно понятно. Чтобы не было много переключений между страницей. Вообще в идеале от поиска должно быть два клика, то есть отобрал и купил.
Я не верю, что должны быть какие-то новости, статьи, потому что вряд ли кто-то будет специально открывать мобильное приложение аптеки, чтобы прочитать новость про здоровье, про витамины зимой и так далее.
А вот полезное, относящееся к здоровью, может быть. Например, напоминание о приёме лекарств, типа будильника. Или напоминание о том, что, надо докупить лекарство, потому что, по расчётам, оно уже закончилось. Или дать возможность ставить галочку согласия о получении акционных предложений. Вот он периодически покупает полоски для глюкометра: “Присылать специальные предложения, если будет акция”. Или какие-то абонементы. Это, конечно, всё касается, в первую очередь, хронически больных или тех, кто заказывает товары для здоровья периодически.
Такие вещи будут здорово отличать от других. Условно говоря, если мы по каким-то признакам, что человек много бегает, то можем предложить определённый ассортимент. Или, наоборот, мало занимается этим, тогда мы можем предложить ему вступить в программу, допустим, нашего партнёра со скидкой.
Должен быть личный кабинет с историей покупок. Потому что иногда он может забывать что-то о своих лекарствах. Особенно, если это будет связано с электронными рецептами и с возмещением за лекарство. Вы знаете, что человек может компенсировать часть своих затрат на лечение, в том числе на покупку лекарств? Чтобы он всё это не искал судорожно, где чеки и так далее. Возможно, сделать ему эту опцию доступной в личном кабинете, чтобы всё это хранилось там. И в какой-то определённый момент ему придёт напоминание: “У Вас, Сергей Юрьевич, есть возможность на 15 тысяч уменьшить налогооблагаемую базу. Мы всё приготовили для этого. Пожалуйста, распечатайте, зайдите туда-то”. Если будет реализован такой сервис, это вообще будет здорово.
Push будете рассылать?
Конечно, возможность отправлять сообщения, персонализированные рассылки с разной сортировкой клиентов должна быть обязательно. Возможность оплатить на сайте тоже должна быть.
Как вы рассчитывали окупаемость приложения?
Честно говоря, мы этого не делали. Это, скорее всего, будет пальцем в небо.
У нас есть принцип – всё тестировать.
Мы выбрали не самый дорогой вариант приложения, не потратили на него неподъёмные деньги. Поэтому мы должны запустить проект и попытаться вытянуть его хотя бы в ноль. Косвенно, это всё равно пойдёт на пользу всему бизнесу. Люди увидят рекламу, а потом вживую наш логотип со львом и скажут: “а, окей, эту аптеку мы знаем”.
По каким критериям вы тогда поймёте, что приложение эффективно?
Мы знаем, что средний чек в онлайн, скажем, полторы тысячи. По сравнению с обычной аптекой, где чек, скажем, 500 рублей, это здорово. Причём, издержки в онлайн меньше, чем у физической аптеки.
Поэтому, если мы сделаем через онлайн хотя бы оборот обычной аптеки, то с таким чеком при наценке, допустим, 25%, мы заработали несколько сотен тысяч. Получается, мы достигнем успеха.
Поэтому, оборот 1,5-2 миллиона — это минимум в месяц, который мы хотим достичь для того, чтобы в этом всём был смысл.
На каком горизонте планируете выйти на эти цифры?
Думаю, на всё это потребуется год, если всё получится. Может выстрелит. На самом деле, сейчас нет ни у кого рецептов, кто бы что ни говорил.
Как планируете рассказывать клиентам о мобильном приложении и стимулировать его установку?
Продвигать будем через свой сайт, в офлайн аптеках по баннерам с призывом “Скачай себе аптеку в телефон”. Вывод на кассовые чеки сделаем. Правда это оказалось сложнее, чем мы думали. Я думаю, мы сделаем это через печать QR-кода на чеках, который мы у вас взяли.
Затем, мы хотим сделать мотивацию для фармацевтов, чтобы они предлагали лояльным покупателям удобный дополнительный сервис с помощью приложения – бронирование ли доставку лекарств. Будем, условно, платить фармацевту 100 рублей за то, что он помог скачать приложение. Надо понять, как идентифицировать фармацевтов. Наверное, можно выпустить индивидуальные QR-коды. У него будет брелок с кодом, и он может тут-же предложить скачать приложение. Таким образом, один замотивированный фармацевт может делать несколько установок в день.
У наших аптек есть соцсети – Facebook, Instagram. Предложим подписчикам скачать это приложение.
Установить – пол дела. Как остаться у покупателя в телефоне?
Через некоторые время у человека в телефоне остаётся 1–2 приложения такси, 1–2 приложения доставки. Маркетплейсов, может быть, будет больше. Но на лекарства тоже, я думаю, останется 1–2 приложения, которыми человек будет постоянно пользоваться. Он не будет иметь десяток, он выберет себе какое-то.
Надеемся, что с помощью своего отличного от других сервиса, мы сделаем так, что человеку понравится у нас заказывать. Тогда наше приложение останется в телефоне у нижегородца.
Сергей, спасибо за ответы. Пускай у вас всё получится!
Продукты и услуги, используемые для запуска программы лояльности:
Программа лояльности: запустить за семь шагов и не совершить десять ошибок
Во всем многообразии программ лояльности не найти двух одинаковых. Каждый бизнес уникален, уникальны его цели и ресурсы, уникально его позиционирование и корпоративная культура. Но последовательность шагов для запуска эффективной программы лояльности всегда приблизительно одинакова.
Елена Наумчик – консультант и проектный менеджер. С 2004 года в области программ лояльности и клиентоориентированного сервиса в ритейле, финансовом и сервисном бизнесе. Среди проектов: «Банк Москвы», «ЦУМ», «Почта России», «Роснефть», «Виктория», «Magnum».
Семь шагов разработки программы лояльности
Установите цели, соответствующие актуальным целям бизнеса.
Изучите потребности клиента.
Придумайте механики, помогающие достигать целей бизнеса, опираясь на потребности клиента.
Постройте финансовую модель.
Автоматизируйте механики программы.
Обеспечьте операционную поддержку программы.
Коммуницируйте условия и правила программы.
Шаг 1. Постановка целей и понимание ожиданий бизнеса
Важно помнить, что программа лояльности — это инструмент. У инструмента нет своей собственной цели, но есть рамки возможного применения, определяемые его свойствами.
Свойства программы лояльности:
учет данных о покупках в разрезе клиентских счетов;
возможность сегментации клиентов в зависимости от соответствия определенным параметрам и их сочетаний (пол, возраст, суммы покупок, частота покупок, время с последней покупки, ассортимент, триггерные действия и т. д.);
возможность назначения для разных клиентских сегментов разных правил вознаграждения;
возможность персонализированной коммуникации, в том числе привязанной к сегментам, определенным правилам или другим триггерам.
Иными словами, с помощью программы лояльности можно оценивать экономическую и поведенческую активность отдельных клиентов и влиять на разных клиентов по-разному, устанавливая для них особые правила и вознаграждения и направляя им индивидуальные сообщения.
Подумайте, каких целей бизнеса вы могли бы достичь быстрее, обладая таким инструментом.
Пример целей программы лояльности, соответствующих целям бизнеса
Повышение LTV (Life Time Value) клиента за счет:
Изменения поведения ЦА
повышения частоты захода на сайт или визитов в магазин;
увеличения количества заказов;
увеличения количества категорий в заказах;
расширения ассортимента внутри категории;
предотвращения оттока.
Повышения доходности от ЦА
увеличения среднего чека;
повышения доли покупоквысокомаржинальных товаров;
Снижения операционных издержек
снижения количества брошенных корзин и возвратов;
снижения количества отказов от выкупа при доставке;
оптимизации товарных запасов благодаря лучшему пониманию потребностей клиента.
Это не исчерпывающий список. Он может быть шире или уже, может включать в себя цели по получению дополнительного дохода от партнеров, цели «покупки» лояльности клиентов у конкурентов и так далее.
Ошибка 1. Предположить, что у инструмента могут быть цели, отличные от целей бизнеса
Каждый раз формулируйте цель таким образом, чтобы контроль ее достижения был прост и понятен. То есть, если нельзя точно и ясно ответить на вопрос «Как мы узнаем, что цель достигнута?», вычеркивайте такую цель из списка.
Слова «Мы хотим построить лучшую программу лояльности» могут звучать амбициозно, но, как правило, за этим заявлением редко стоит понимание ответа на вопросы «Как мы поймем, что уже стали лучшими?» и «Как будем отслеживать динамику?».
Ошибка 2. Ставить цели недостаточно конкретно, а то и вовсе вразрез со свойствами этого инструмента, что будет мешать развитию программы и созданию работающих правил
В целом, если вы знакомы с диджитал-маркетингом, то разобраться с программами лояльности вам будет несложно.
Шаг 2. Изучаем рынок и потребности клиента
Опыт показывает, что даже крупные компании часто не знают своего клиента. Компания собирает данные о количестве покупок, составе чеков, ведет статистику жалоб и обращений, а образ аудитории остается размытым и определяется бессмысленными цифрами: мужчины — 55%, женщины — 45%, возраст 24–55 лет.
Чтобы программа лояльности нашла отклик у вашего клиента, она должна его заинтересовать, предложив что-то ценное. Разобраться в том, что именно предлагать, можно:
изучив действия конкурентов, чтобы ваше предложение соответствовало стандартам рынка и по возможности превосходило их
изучив интересы и потребности вашей целевой аудитории. Нужно понять особенности людей, которым нужен ваш продукт. Что ими движет? Что их привлекает и что отталкивает?
Для изучения конкурентной среды применяются так называемые кабинетные исследования — сбор информации в интернете, включая статьи о программах и технологиях, правила программ, опубликованные на сайтах, отзывы клиентов на форумах потребителей и в социальных сетях, а также звонки на горячие линии. Важную дополнительную информацию дадут визиты «тайного покупателя» в магазины конкурентов.
Самый простой и в то же время информативный путь выяснить потребности клиентов — спросить их самих.
Проведите качественные исследования, например, глубинные интервью или фокус-группы.
Ошибка 3. Недооценивать пользу качественных исследований и полагаться только на данные транзакций
Есть мнение, что все необходимое можно узнать из статистики покупок или посещений сайта. Действительно, данные о реальном потребительском поведении клиента очень информативны и точны. Но в них есть один очень большой недостаток. Они отвечают на вопрос «Как повели себя клиенты?» в разное время, но, к сожалению, не отвечают на вопрос «Почему?».
Недостаток качественных исследований: ограниченная выборка. Не принимайте все услышанное на фокус-группе на веру, отнеситесь к словам клиента, как к возможному сценарию. Качественные исследования могут быть впоследствии проверены анализом статистики продаж или количественными опросами. Это избавит вас от ошибок.
По результатам исследований вы можете составить список гипотез о наиболее востребованных клиентом поощрениях, образе идеальной программы, собрать впечатления от программ конкурентов и получить много другой бесценной информации.
Не исключено, что по итогам этого этапа станут очевидны запросы клиентов к бизнесу, не связанные с программой лояльности. В таком случае удовлетворение этих запросов обязательно стоит рассмотреть в числе дополнительных мер для сокращения оттока и повышения лояльности клиентской базы.
Если вы не запускаете программу лояльности с нуля, а перезапускаете существующую, у вас есть возможность изучить доступные вам данные покупок клиентов в разрезе клиентских счетов.
Статистика продаж: RFM (R – давность предыдущего посещения, F – частота посещений, M – суммы покупок). Ассортимент покупок в разрезе клиентов (категории товаров, количество товаров, характеристики товара, причины выбора).
Статистика нетранзакционных контактов визитов Посещение страниц сайта, просмотренные товары, не выкупленные товары в корзине и т. д.
Данные о клиентах город, пол, возраст, интересы и т. д.
Для разработки правил программы важно максимально точно узнать, как ведут себя разные группы клиентов и под воздействием каких факторов они принимают потребительские решения.
Шаг 3. Разрабатываем механики (правила) программы
Когда мы установили цели и изучили клиента, то есть разобрались, каких проявлений лояльности мы хотим от наших клиентов и понимаем, что для них важно, мы можем приступить к разработке правил программы.
Все опытные разработчики программ лояльности знают о «трех опорах» — потребностях клиента, удовлетворение которых важно для реализации успешной программы:
удовольствие,
выгода,
легкость.
Исследования позволяют понять, как максимально проявить и подчеркнуть соответствие этим трем потребностям в вашей программе, как для всех клиентов вместе, так и для различных сегментов.
Современные программы лояльности довольно сложны. Они могут предусматривать интеграцию нескольких IT-систем, содержать разветвленные алгоритмы, использовать машинное обучение. Но, важно помнить о том, что максимальный отклик у клиентов по-прежнему вызывают простые и понятные механики.
Механики (правила программы) включают в себя условие и вознаграждение
Условия соответствуют целям программы лояльности.
Например: если одна из целей программы лояльности — повышение частоты покупок в течение года, условие может быть таким:
Соверши не менее Х покупок за N месяцев и получи… (вознаграждение)
Повышение среднего чека:
Соверши покупки на общую сумму выше X и перейди на новый уровень (список вознаграждений, соответствующих новому уровню).
Вознаграждения программы лояльности делятся на два вида:
Hard – материальные или финансовые: скидки, призы, подарки.
Soft – нематериальные, эмоционально значимые, часто свидетельствующие о статусе клиента, нефинансовые поощрения и привилегии. В том числе: индивидуальное бронирование, ранний доступ к распродажам, персональный менеджер и т. д.
Вознаграждение может предоставляться клиенту непосредственно после выполнения условий или опосредованно, через начисление бонусных баллов или миль. В результате начисления бонусных баллов клиент получает право на те или иные вознаграждения.
Ошибка 4. Считать бонусные баллы разновидностью вознаграждения программы лояльности. На самом деле, это элемент скоринга, представляющий собой эквивалент ценности вознаграждения в условных единицах программы
Вознаграждение в программе лояльности может быть:
внутренним (скидки и подарки из ассортимента компании, собственный контент и сервисы компании и т. д.)
внешним (от третьих лиц: билеты, контент других сайтов, товары партнеров, баллы и мили чужих программ лояльности, оплата мобильного телефона и т. д.)
В зависимости от того, почему для клиента срабатывает то или иное правило, механики программы лояльности разделяются на общие, сегментированные и триггерные.
Примеры общих механик:
За любые покупки начисляются 2 % от стоимости в виде бонусных баллов по всем картам лояльности. Часто такую общую механику называют «базовым правилом» программы. Обычно она открыто публикуется в условиях программы как минимальный уровень вознаграждения, доступный каждому.
Сегментированные правила:
Прекрасным дамам + 1000 баллов к 8 марта (сегмент: женщины)
Триггерные правила:
Для каждой пятой покупки — доставка бесплатна. При покупке от 1000 рублей — подарок
Механики программы могут быть скрытыми (скрытый скоринг) и явными (открытый скоринг).
При открытом скоринге все условия получения вознаграждения заранее сообщаются клиенту. При скрытом скоринге условия клиенту не сообщаются, клиент получает какое-либо поощрение или предложение индивидуально, по персональным каналам коммуникации.
Пример поощрения со скрытым скорингом
Авиакомпания производит апгрейд класса для пассажира, недавно присоединившегося к программе лояльности с целью повысить эмоциональную приверженность и продемонстрировать преимущества перелета бизнес-классом. Никаких анонсов и уведомлений не направляется, билет просто меняют при регистрации на рейс.
Пример поощрения с открытым скорингом
Купи на 1000 рублей и получи купон в аквапарк
Возможно множество вариантов механик. Просто старайтесь сфокусироваться на том, что ваша программа должна предоставлять клиентам нечто ценное и эмоционально значимое.
При изучении данных может оказаться, что клиенты значительно различаются по составу покупок и сценариям поведения. Сложно подобрать универсальные правила, работающие для всех.
Ошибка 5. Чрезмерное усложнение правил программы особенно опасно на старте. Дайте ядру вашей аудитории простую понятную ценность.
Для повышения эффективности правил программы применяется сегментация
Маркетологи делят целевую аудиторию клиентов на группы (сегменты) со схожими параметрами потребительского поведения. Владея данными об истории покупок клиентов, можно создать правила как для всей ЦА в целом, так и для отдельных сегментов, вплоть до индивидуальных правил для клиента-индивидуума.
Если истории данных нет, можно сделать предположения (гипотезы) о том, какие наиболее важные сегменты присутствуют в вашей клиентской базе, и позже проверить ваши гипотезы на ограниченной выборке.
Ваша задача — максимально полно представить, какие данные вы будете собирать на первом и последующем этапах, и создать список правил, которые планируете применять. Детализировать правила для каждого сегмента до финансовых условий не стоит.
Подумайте о конструкторе механик, в которых конкретные цифры будут выступать переменными и которые можно будет комбинировать друг с другом.
Ошибка 6. Попытка до запуска программы просчитать финансовые условия правил для всех сегментов. Эту работу вы успеете сделать после запуска программы и набора минимальной статистики. Она будет долгой, и ее результаты необходимо будет уточнять и корректировать.
Чтобы не запутать своих клиентов, или не дать на старте уровень вознаграждения, который сложно поддержать, стоит идти от общих правил к персонализированным, тестировать работу каждой новой механики прежде, чем вводить ее в правила для крупных сегментов.
Сначала разрабатываются «базовые» (общие, единые для всех) механики и механики для крупных сегментов, потом, по мере накопления данных о клиентском потребительском поведении, добавляются правила для меньших сегментов, новые триггерные механики и индивидуальные предложения.
Шаг 4. Финансовая модель программы лояльности
До начала технической реализации вам нужно понять экономическую модель будущей программы, защитить ее и установить контрольные показатели.
Вот из чего, как правило, состоит P&L программы лояльности:
PROFIT
LOSS
Повышение LTV клиента за счет роста среднего чека и частоты покупки, снижения оттока. Маркетинговые сборы от партнеров. Продажа обезличенной аналитической информации.
Внедрение и поддержка IT-системы. Выпуск карт. Маркетинговые расходы. ФОТ дополнительного персонала. Скидки при оплате бонусами.
Подумайте, как будет финансироваться программа. Будет ли ее финансирование происходить из маркетингового бюджета или закладываться в показатели маржинальности? Возможно, вознаграждение в программе можно будет полностью или частично формировать за счет партнеров или поставщиков. Оцените необходимый объем финансирования и ваши возможности.
Подсчитайте все расходы по программе, как затраты на внедрение, так и операционные расходы.
Самая крупная и болезненная для бизнеса статья расходов — это стоимость вознаграждения (общая стоимость всех скидок, подарков и т. д.). Обычно эта статья расходов согласовывается с руководством компании в процентах от оборота, а руководитель программы лояльности отвечает за то, чтобы согласованный уровень не был превышен.
Общая стоимость вознаграждения редко выше 3 % от оборота по картам. Если не добавлять средств из маркетингового бюджета или от партнеров, то эти 3 % или меньше — и есть общий бюджет на все вознаграждения программы. Учтите это ограничение при разработке правил программы.
Индивидуальные скидки, отдельные предложения могут намного превышать среднее значение. Но только за счет ограниченного применения.
Например, можно ограничить выборку клиентов для применения повышенной скидки. Вместо того, чтобы предоставлять скидку 2 % всем покупателям, можно установить скидку 1 % для 90 % клиентов, а 10 % клиентов скидку 10 %. Также можно ограничить ассортимент применения скидки, но повысить ее процент. Например, скидка 20 % на любимый товар, выбираемый клиентом заранее.
Построив P&L модель, вы без особых сложностей сможете сделать сценарный прогноз финансовой эффективности вашей программы на несколько лет вперед. Чтобы контролировать рентабельность вашего проекта, не забудьте установить среднесрочные финансовые целевые контрольные показатели и отслеживайте их.
Ошибка 7. Недостаточно проработанная или несогласованная финансовая модель.
Не забывайте, современный бизнес стремится к максимальной эффективности. Любая деятельность, не показывающая финансового результата в компании, становится объектом оптимизации. Будьте готовы в любой момент предъявить финансовую модель, прогноз и статус достижения поставленных целей, и ваш проект будет защищен.
Ошибка 8. Ставить амбициозные финансовые цели на первый год работы программы после запуска.
Внедрение программы лояльности, вовлечение в нее клиентов, сбор данных, настройка и уточнение правил требуют времени и профессиональных усилий. Программа, грамотно построенная и достаточно профинансированная на этапе внедрения, позже даст хорошую экономическую отдачу. Попытка запускать проект программы лояльности в режиме экономии и завышенных финансовых ожиданий, скорее всего, не позволит получить необходимую поддержку ваших клиентов и приведет к разочарованию руководства.
Чтобы избежать потери темпа и снижения эффективности на первом этапе, для этого этапа применяются нефинансовые показатели, такие как: количество клиентов, присоединившихся к программе, полнота заполнения клиентских профилей, соотношение списанных бонусных баллов к начисленным и другие. Эти показатели должны подтвердить, что проект запущен корректно, интересен клиентам и развивается необходимыми темпами.
Шаг 5. Автоматизация программы лояльности
Центральным элементом ИТ-архитектуры программы лояльности является процессинг программы – ИТ-платформа программы лояльности или CRM-система. Она позволяет вести базу данных клиентов, включая анкетные и контактные данные, хранить историю покупок и управлять правилами программы — конструировать вводить, изменять и отключать.
Обычно ИТ-платформу программы лояльности выбирают после того, как сложилось понимание основных правил, которые планируется внедрить, и структуры базы данных.
Чтобы быстро получить максимально соответствующее вашим целям коммерческое предложение, составьте функциональные требования к системе, опишите, что она должна будет уметь, какие данные и откуда получать, какие типы правил поддерживать, с какими системами интегрироваться, какие дополнительные сервисы и возможности содержать.
Продумайте следующее:
Интеграция с кассовым ПО. Платформу нужно будет интегрировать с вашим кассовым программным обеспечением. Это очевидный, но важный момент. Если у разработчика ИТ-платформы пока не было опыта интеграции определенной системы с вашим кассовым ПО, процесс может вылиться в дополнительные расходы и существенно задержать сроки внедрения. Поставщик платформы может убеждать вас, что интеграция будет очень простой. Но опыт проектных менеджеров всего мира подсказывает, что на простые интеграции лучше не настраиваться.
Личный кабинет клиента. Платформа должна предусматривать личный кабинет, в котором клиенту будет предоставляться вся информация о состоянии его бонусного счета, истории покупок, специальные предложения, возможность поменять контактные данные и другие возможности.
Присоединение клиента к программе. Обязательно уделите внимание алгоритмам сбора контактной информации и разрешений на ее использование. Обсудите с поставщиками ИТ-систем подходы к контролю за заполнением полей контактной информации, дедубликации данных и их защиты.
Работа с сегментами. Если вы планируете развивать вашу платформу лояльности, то вам понадобится высокая степень автоматизации работы с клиентскими сегментами, в том числе динамическое определение принадлежности к сегменту.
Типы вознаграждений и маркетинговых акций. В ИТ-решение для управления программой лояльности стоит заложить возможности применения разных типов вознаграждения, это поможет вам на этапе развития программы. Конечно, ваши функциональные требования должны описывать типы правил программы лояльности и возможности их комбинировать (конструктор правил).
Приоритизация маркетинговых акций и применения карт. У ИТ-систем не должно возникать конфликта между массовыми маркетинговыми акциями, действующими вне программы лояльности и правилами программы. Система должна предусматривать необходимые механизмы приоритизации.
Коммуникационные модуль. ИТ-платформа должна включать встроенный коммуникационный модуль, или интегрироваться с другой вашей коммуникационной системой, чтобы обеспечивать максимально гибкую персонализированную рассылку сообщений по любым каналам информации (email, SMS, Viber, push, вывод информации на кассу или чек, в скрипт оператора кол-центра и так далее) в соответствии с заданными правилами и алгоритмами.
Аналитика и отчетность. В платформе лояльности должна быть предусмотрена возможность построения отчетов и аналитики, а также возможность выгрузки данных в другую аналитическую систему.
Права доступа. Подумайте, сколько людей будет работать в системе. Всем ли нужны одинаковые права? Обычно создают несколько вариантов доступа для разных ролей с разными функциями. Нужно стремиться максимально защищать персональные данные клиента и финансовые интересы бизнеса, но в то же время, делать это без ущерба для производительности системы.
Inhouse или outsource? Системы могут быть облачными или полностью размещаться на ваших серверах. С точки зрения функционала это не принципиально, однако, обычно компания имеет определенную политику информационной безопасности и логику развития архитектуры, в которой могут содержаться те или иные предписания или ограничения.
Интерфейс программы. Обязательно обратите внимание на то, насколько легко будет научиться работать с программой сотрудникам, выполняющим различные роли в программе лояльности. Насколько сложное обучение и детализированные инструкции им потребуются.
Контроль фрода. Недобросовестные действия – одна из распространенных проблем программ лояльности. Система должна позволять ставить фильтры для определения мошенников из числа сотрудников или клиентов, своевременно определять подозрительную активность по определенным картам и выполнять разработанный для таких случаев алгоритм (например: блокировка карты и направление отчета в службу безопасности компании).
Выбирая ту или иную систему, посмотрите, есть ли у поставщика опыт в вашей сфере, достаточна ли продуктивность решения, чтобы работать с вашей частотой покупок и количеством клиентов.
Крупные компании могут организовать «референс-визит» к одному из своих клиентов, попросить менеджеров компании, которая пользуется их системой, ответить на ваши вопросы.
Оценивайте не только базовую стоимость внедрения ИТ-платформы, но также стоимость сервисного сопровождения и возможных доработок.
Срок внедрения CRM-системы
Срок внедрения платформы лояльности зависит от сложности системы, уникальности ваших функциональных требований. Обычно он составляет от трех месяцев, но бывают исключения как в сторону ускорения (в случае стандартных решений), так и в сторону значительного замедления сроков.
Шаг 6. Операционная поддержка программы
Запуск программы лояльности — это проект. Его реализует проектная команда.
Как правило, она состоит из менеджеров направлений, являющихся бизнес-заказчиками проекта и функционально вовлеченных в него. У команды проекта должен быть лидер. Хорошо, если лидером станет тот человек, который в дальнейшем возглавит работу подразделения лояльности.
У проекта есть цель, сроки и критерии реализации. Как правило, проект внедрения программы лояльности завершается после того, как прошла интеграция и настройка интернет-платформы, в операционные процессы включены технологические процессы поддержания программы, штат подразделения сформирован, сотрудники, задействованные в выполнении функций программы лояльности, обучены (включая персонал фронт-офиса или торговый персонал магазинов), информационно-рекламная кампания подготовлена, необходимые идентификаторы и материалы выпущены (например, карты, анкеты), тестовые испытания и пилотный проект на ограниченном количестве объектов завершились и ИТ-система передана в эксплуатацию.
К моменту запуска должны быть решены следующие организационные задачи:
функции описаны;
штат сформирован;
в процессы (ИТ, логистики, сервиса) включены и формализованы необходимые изменения;
все сотрудники, вовлеченные в новые или измененные процессы, мотивированы и обучены, знания проверены;
есть система устранения технических и организационных ошибок.
Функция управления программой лояльности может входить в структуру маркетинга, коммерческого блока или другую структуру бизнеса. В любом случае, важно, чтобы у проекта был бюджет и необходимый ресурс.
Внедрение программы лояльности — это сложная организационно-техническая перестройка работы части процессов компании. Для проверки ее работоспособности и устранения критических ошибок обычно применяют пилотный запуск — запуск на одном или нескольких объектах или в отдельном регионе.
Ошибка 9. Отказ от пилотного исследования.
Часто, стремясь успеть запустить программу к высокому сезону, компании отказываются от проведения пилотного проекта. Между тем, такое решение содержит в себе серьезные организационные и финансовые риски, поэтому принимать его следует взвешенно.
Предусмотрите ресурсы на развитие программы лояльности
После запуска довольно скоро перед вами станет задача развития программы лояльности: анализа покупок клиентов и дальнейшего обогащения правил программы. Заранее продумайте, кто будет анализировать данные, выявлять новые закономерности клиентского поведения, создавать новые клиентские сегменты, а также кто будет проверять эти выводы и разрабатывать новые правила. Если штатных сотрудников недостаточно, эту работу можно передать внешним подрядчикам. Консалтинговые, аналитические компании или поставщики ИТ-решения могут оказывать вам подобные услуги.
Если вы решили работать своими силами, обратите внимание, что сегментирование клиентских правил — это очень ресурсоемкая задача.
Даже если вы идете по очень простому пути, работая с социально-демографическими сегментами (пол, возраст, доход, регион), то на выходе у вас получится сотни сегментов. По каждому из них должна быть своя политика и набор правил, и они должны меняться. Ни один маркетолог, даже самый вовлеченный, не сможет работать с пятью сотнями сегментов каждый день.
Для того, чтобы ваша программа лояльности работала и была сегментирована, вам необходимо автоматизировать эти правила.
Правила, даже определенные на основании статистических данных, стоит тестировать на небольшой выборке. Например, сделать ограниченную рассылку и посмотреть на реакцию клиентов. Действуют те же принципы A/В тестирования, что и в интернет-продвижении.
Шаг 7. Коммуникация с клиентом
Программы лояльности очень требовательны к качеству коммуникаций, как массовых, так и индивидуальных.
Массовые коммуникации. Позиционирование и продвижение программы
Прежде всего, вам нужно позиционировать саму программу, мотивировать клиента присоединиться к ней и поддерживать их интерес.
Подумайте, есть ли единая идея, которую можно описать одной емкой фразой, и которая будет отражать главный принцип вашей программы глазами клиента. Это то, что вы хотели бы, чтобы клиенты вспоминали при мысли о вашей программе лояльности, а, возможно, и обо всем вашем бренде.
Если возможно найти такую идею, объединяющую принципы программы для всех ваших клиентов, используйте ее. Она станет центральным элементом позиционирования в информационно-рекламной кампании вашей программы.
Индивидуальные коммуникации
Персональные поощрения и предложения должны коммуницироваться клиенту по персональным каналам коммуникации (email, SMS, push). Просто разместить информацию в личном кабинете бывает недостаточно. Важно согласовать коммуникации по программе лояльности с единой коммуникационной политикой (рассылки об общих акциях, поступлениях и т. д. не должны конфликтовать с индивидуальными предложениями). О правилах согласования коммуникации нужно договариваться с коллегами из маркетинга и автоматизировать их применение.
Важно, чтобы клиенты были своевременно информированы о правилах программы, акциях, актуальных предложениях.
Чистота и полнота контактных данных — главная ценность клиентской базы данных.
Стоит ввести отдельные поощрения за полноту заполнения данных в клиентском профиле (email, телефон, регистрация через соцсети и т. д.).
Программа лояльности запущена. Что теперь?
Качественно внедренная программа лояльности — это мощный инструмент для решения как среднесрочных, так и тактических задач. Теперь, меняя охват и комбинацию правил, вы можете добиваться повышения экономической активности клиентских сегментов.
После внедрения программы важно начать измерять те показатели, которые были установлены на этапе подготовки внедрения, чтобы вовремя увидеть расхождения и скорректировать показатели бизнеса с помощью разработанного инструментария.
Один из важных результатов внедрения программы лояльности – получение дополнительной информации о покупательском поведении. Эту информацию необходимо анализировать для
уточнения информации о клиентских сегментах;
уточнения целей программы по клиентским сегментам;
разработки новых акций и правил;
оценки эффективности отдельных акций;
оценки эффективности программы в целом.
Программа лояльности позволяет собрать очень интересные и полезные данные. При включении информации, полученной от программы, в систему принятия управленческих решений, компания сможет сделать рывок вперед и сформировать мощное конкурентное предложение на долгие годы.
Ошибка 10. Не развивать программу, бросить ее на самотек после запуска.
Программа лояльности может развиваться на протяжении десятилетий, принося пользу бизнесу на каждом своем этапе.
Очень важно, чтобы программой лояльности занимались люди, которые в ней разбираются. Не надо бояться нанимать консультантов и людей с рынка. Это окупится очень хорошо…
Для бонусных программ и программ лояльности важно использовать профессиональное программное обеспечение, которое для этого предназначено. Я знаю очень мало компаний, которые сделали хорошее «самписное» решение, которое потом не испортило им клиентскую лояльность. Точнее сказать, я знаю всего одну такую компанию.
Илья Усович. Руководитель CRM и программы лояльности Hoff
Что мы об этом думаем
В сентябре в Сколково случился очередной New Retail Forum. И эта цитата лучше всего отражает наши мысли по его итогам. На форуме много и интересно говорили про омниканальность, данные и технологии. Всем очевидно, что игнорировать развитие – смерти подобно.
Законсервировать инновации не получится даже в самых удалённых и обособленных регионах. Однако на этом пути возникает проблема дефицита ресурсов.
Избыток идей
У директоров разбегаются глаза от многообразия новых технологий и решений. Внедрение всегда стоит денег. А возврат инвестиций в инновации сложно оценить. Поэтому возникает естественное желание сэкономить и «напилить» инновационные сервисы силами своего ИТ-департамента.
Но самостоятельно разработанные сервисы будут отставать от существующих на рынке и позволят реализовать лишь базовый функционал. Этого будет недостаточно для раскрытия потенциала программы лояльности. Разработка займёт не один год, будет сопровождаться «багами» и «дырами», за которые компания будет расплачиваться и деньгами, и клиентской лояльностью.
Недостаток людей
Эксперты HR в один голос говорят о нехватке специалистов. Особенно остро кадровый вопрос стоит в регионах, где опытных ритейл-маркетологов мало, а лучшие из них держат наготове чемодан, чтобы перебраться в Москву. Дефицит подогревает рост зарплат. В итоге, ритейлер экономит на команде.
Часто CRM-стратегией и CRM-маркетингом в компании занимается один человек. Бывает чудо, и он совмещает в себе компетенции стратега, аналитика, маркетолога и экономиста. Но времени хватает на общее управление программой лояльности и запуск простых массовых акций. В результате, самые эффективные (но и трудозатратные) целевые механики, которые позволяют компании зарабатывать деньги, не применяются.
Чрезмерная экономия и желание всё сделать своими силами приводит к тому, что инновации превращаются в профанацию. А расходы от этих инноваций перевешивают доходы.
Мы поддерживаем слова, что сервисы, используемые для работы с клиентами, должны быть профессиональными. Профессиональные – не значит дорогие. Но подбирать их нужно исходя из бюджета конкретной программы лояльности и функциональных требований, которые от неё исходят.
Люди, управляющие программой лояльности, должны иметь соответствующий опыт. А если потребуются дополнительные ресурсы или компетенции, то их стоит искать на стороне. Во всех проектах, где наши эксперты управляют CRM-маркетингом, инкрементальный доход в несколько раз выше стоимости контракта.
Как увеличить ценность программы лояльности для покупателей
Шесть составляющих, которые оказывают влияние на активность покупателей в программе лояльности
Развивая программу лояльности необходимо регулярно изучать, насколько ценна ваша программа для существующих и новых участников. Особенно это важно, когда вы только что поменяли базовую механику или другие элементы концепции программы лояльности. А также, когда собираетесь это сделать.
Базовая механика программы лояльности – это основные правила участия в программе: условия вступления, типы идентификаторов, наличие или отсутствие системы статусов, размеры и порядок получения привилегий. Всё это, как правило, доступно для покупателей в условиях программы лояльности, выложенных на сайте компании.
Можно выделить шесть составляющих, которые оказывают влияние на восприятие покупателем ценности программы лояльности и, как следствие, активность в программе. Только одна из них, непосредственно, имеет отношение к деньгам. Давайте разберём их.
1. Денежная ценность программы лояльности
Тут всё ясно – это финансовая выгода, которую покупатели получают от участия в программе лояльности.
В общем, финансовую выгоду можно выразить коэффициентом вознаграждения – сколько получает участник бесплатно за каждый потраченный рубль.
Если правила начисления и списания бонусов сложные, то коэффициент можно рассчитать по формуле:
Коэффициент вознаграждения = размер вознаграждения ÷ бонусы, необходимые для получения этого вознаграждения x количество бонусов, начисляемых за каждый потраченный рубль.
Например, если за каждый потраченный рубль клиент получает 5 баллов, и может потратить 100 баллов для получения скидки на 1 рубль, то коэффициент вознаграждения = ( 1 / 100 ) х 5 = 0,05. Или 5%, в процентном выражении.
Программы лояльности, в которых есть система статусов или различные условия начисления и списания бонусов для разных каналов, будут иметь несколько разных коэффициентов вознаграждения.
В последнее время программы лояльности стараются уменьшить размер коэффициента вознаграждения, предоставляемого всем клиентам по умолчанию. Зачастую, он не превышает 1%. Причём, этот тренд касается всех ритейлеров, а не только тех, у кого низкая маржинальность.
Делается это из соображений эффективности. Вместо того, чтобы раздавать большие бонусы все подряд, компании начисляют повышенные бонусы только в рамках точечных, целевых предложений тем сегментам клиентов, на поведение которых они хотят повлиять. Общий же бонус остаётся небольшим, и его единственной задачей становится замотивировать клиента предъявить на кассе карту лояльности. Это позволяет идентифицировать клиента и собрать необходимые данные для работы команды CRM-маркетологов.
Базовый коэффициент вознаграждения в ритейле уменьшается и становится схожим. Это значит, что большую финансовую ценность клиентам предложат программы лояльности с развитой стратегией CRM-маркетинга. Те, кто умеет глубоко и точно сегментировать клиентов, а также создавать в большом количестве востребованные индивидуальные бонусные предложения.
Это также увеличивает значимость нефинансовой ценности программы лояльности.
2. Мотивационная ценность программы лояльности
Здесь начинаются составляющие ценности программы лояльности, которые нельзя померить деньгами. Поэтому они оцениваются не количественно, а качественно.
Мотивационная ценность возникает, когда привилегии программы лояльности возбуждают у человека дополнительное желание их получить.
Покупатель, которому программа лояльности даёт возможность попробовать что-то особенное – поход в дорогой SPA-центр, игру в гольф на лучшем поле – вероятно, приложит больше усилий, чтобы копить бонусы.
Наоборот, уровень возбуждения и мотивации для получения банальных привилегий в виде, например, бесплатной колбасы будет ниже.
Чтобы повысить мотивационную ценность программы лояльности, нужно выйти за рамки практичности и предложить покупателям то, что ориентировано на их статус или гедонизм.
Помимо достаточно дорогих примеров со SPA и гольфом, можно придумать более бюджетные варианты, не менее желанные клиентами – особенные деликатесы, билеты в кино или VIP-статус.
3. Реальность получения привилегий
Абсолютно неважно, насколько интересны привилегии программы лояльности, если обычный покупатель понимает, что ему не светит их получить.
Бесплатный авиабилет за 30 000 миль может быть доступен регулярно летающим в командировки. Но тем, кто летает только раз в год, потребуется много лет, чтобы накопить нужные мили. Программа для них будет не актуальна.
Время, которое требуется среднему покупателю, чтобы получить бесплатное вознаграждение, является хорошим критерием для оценки реальности получения привилегий. Сколько времени требуется среднему покупателю со средним уровнем расходов, чтобы заработать хотя бы одно вознаграждение?
Если частота покупок вашего продукта высокая, то время до получения вознаграждения должно быть меньше. И наоборот.
Для оценки реальности получения вознаграждений нужно также учитывать цели и задачи программы лояльности. Если программа направлена на поощрение ключевых клиентов, то реальность нужно оценивать на примере выручки от ключевого клиента. А если программа, в первую очередь, стимулирует редкоходящих покупателей увеличить частоту покупок, реальность нужно корректировать с учётом этой задачи.
4. Возможность выбора привилегий
Этот критерий ценности программы лояльности отражает насколько разнообразны варианты списания накопленных бонусов.
В большинстве случаев бонусы можно потратить только на те товары и услуги, которые есть в ассортименте ритейлера. Например, участники программы лояльности Starbucks могут потратить накопленные «звезды» только на меню кофейни.
В некоторых программах участники могут обменять бонусы на иные варианты – путешествия, подарочные карты, онлайн-книги и подарки-впечатления. Как правило, варианты списания бонусов подбираются в соответствии с концепцией и ценностями бренда. Это помогает укрепить ассоциации с брендом в сознании участников программы.
Каталог вознаграждений – это всегда более сложное решение. Поэтому, если вы решили его создать, то важно держать баланс между разнообразием каталога и затратами на его поддержание.
5. Простота и удобство программы лояльности
Ценность программы лояльности зависит от того, насколько удобно ею пользоваться. Нужно ли участнику помнить номер своей карты лояльности, или карта привязана к телефону? Нужно ли стараться делать покупки только в традиционной рознице, или программа лояльности омниканальна?
Люди по природе ленивы – нам нравится простота, и нас раздражает, когда от нас хотят много движений. Таким образом, чем удобнее ваша программа для покупателей, тем более ценной она для них будет.
Ощущение от программы лояльности зависит, в том числе, от степени её персонализации. Об этом мы уже писали.
Удобство включает в себя все точки контакта с вашей программой – прозрачность правил, простоту начисления и списания баллов, удобство проверки бонусного баланса. Устраните препятствия во всех этих процессах и сделайте пользовательский опыт безупречным.
6. Социальная ценность программы лояльности
Социальная ценность программы лояльности даёт возможность участия в общественной жизни и закрывает потребность в принадлежности к чему-то. Она часто закладывается в программу лояльности на этапе разработке стратегии.
Социальная ценность часто создаётся с помощью маркетинговой составляющей программы и её коммуникаций. Так, например, многие программы лояльности используют социальные сети, чтобы дать больше возможностей для взаимодействия.
Некоторые программы предполагают регулярные семинары, обучающие мероприятия или закрытые вечеринки, которые позволяют участникам общаться между собой. С началом пандемии такие мероприятия всё чаще проводятся онлайн. Но даже в этом формате они дают участникам возможность почувствовать себя частью чего-то большего.
К социальной ценности можно отнести использование тренда к устойчивому (рациональному) развитию. Например, в последнее время, компании активно призывают клиентов отказаться от пластиковых карт лояльности в целях заботы об окружающей среде. В этом случае, используя виртуальную карту лояльности, клиент осознаёт, что участвует в «экологичной» программе лояльности и вносит свой вклад в дело защиты природы.
Похожую ценность создают программы лояльности или CRM-кампании, которые используют элементы благотворительности. Например, когда часть баллов конвертируется в пожертвования. Это тоже даёт покупателям почувствовать себя активным членом общества.
Как увеличить ценность программы лояльности для покупателей
Осознанно или неосознанно покупатели сравнивают между собой программы лояльности по перечисленным выше критериям. Конечно, ни одна из программ не может быть во всём лучше других. Это будет неэффективно, ведь для увеличения любого элемента ценности требуются ресурсы. Но, чтобы выделиться на фоне конкурентов, ваша программа должна быть в топе хотя бы по нескольким критериям.
Для того, чтобы определить какие критерии наиболее значимы для клиентов и как эффективнее увеличить воспринимаемую ценность программы лояльности, мы используем два инструмента:
CJM (Customer Journey Mapping). Позволяет на основе качественного исследования выявить отношение разных сегментов покупателей к программе лояльности по указанным выше критериям. В том числе, в сравнении с программами конкурентов. CJM позволяет понять как ваша программа лояльности оценивается клиентами «снаружи».
Аудит программы лояльности. Нужно привлечь экспертов в области CRM-маркетинга, экономики, стратегии, IT и права для того, чтобы они изучили все элементы программы лояльности изнутри. Нужно также рассчитать ключевые показатели – LTV, коэффициенты вовлеченности и активности клиентской базы, а также коэффициент списания бонусов. Всё вместе это позволит оценить, насколько эффективно используются ресурсы программы лояльности для того, чтобы создать и донести до клиентов ту ценность, в которой они нуждаются.
CJM и аудит программы лояльности дополняют друг друга и позволяют на их основе разработать сбалансированную стратегию программы – в который ценность для клиентов оптимально сочетается с финансовой эффективностью для бизнеса.
Ваши покупатели действительно лояльны или это привычка?
Разрабатывая CRM-стратегию, нужно учитывать, что постоянный клиент не всегда является лояльным.
Критерием определения лояльности чаще всего является частота покупок и размер чека. Однако, если вы тратите в каком-то магазине каждую неделю 1000 рублей, значит ли это, что вы являетесь лояльным покупателем? Чтобы лучше понять потребителя нужно копнуть глубже в психологию «лояльности».
В указанной выше ситуации у регулярных покупок могут быть разные причины:
Вам нравятся товары и уровень обслуживания в магазине. Поэтому, когда возникает потребность, вы выбираете этот магазин;
Вы заезжаете в магазин по привычке, потому что он находится по дороге к маме, которую вы навещаете каждую неделю.
То есть причиной «лояльности» может быть как истинная лояльность, так и привычка. Эту разницу нужно учитывать при разработке CRM-стратегии
Чем отличается лояльность от привычки?
Чтобы понять разницу между лояльностью и привычкой, представьте себе человека, который проснувшись утром, наливает себе чашку кофе. Он, действительно, мог захотеть выпить кофе. А, может быть, он сделал это потому, что наливает себе кофе каждое утро уже 20 лет подряд.
Привычка и настоящая клиентская лояльность – абсолютно разные вещи. Вот чем они отличаются:
Почему это важно?
И постоянный, и лояльный покупатель совершают регулярные покупки. Почему тогда нужно задумываться, к какой именно категории относится покупатель? Вот несколько причин:
Эффективность ваших маркетинговых кампаний может быть разной для лояльных клиентов и для тех, кто покупает по привычке.Исследования показывают, что рекламные акции, связанные с брендом, более эффективны среди лояльных клиентов.
Эти клиенты по-разному реагируют на предложения ваших конкурентов. Все они могут быть устойчивы к таким предложениям. Но лояльные клиенты могут знать о них и не интересоваться. А покупающие по привычке могут быть к ним совершенно слепыми.
Чтобы эти клиенты были довольны и совершали повторные покупки, нужно не совершать ошибок. Например, безобидное изменение дизайна сайта может изменить поведение покупающих по привычке и увести их в другое место.
Как понять, что у покупателя включилась привычка?
Покупающих по привычке можно распознать по модели поведения. Ключевой чертой является то, что это происходит постоянно и стабильно. Стабильность может выражаться по-разному:
одно и то же время: например, каждое утро, каждую пятницу, каждые выходные…
одно и то же место: например, у барной стойки, по дороге на работу…
триггером покупки может быть один и тот же контекст: например, когда рядом есть дети.
Конечно, всё это, само по себе, не указывает на покупающих по привычке. Но если вы стабильно наблюдаете комбинацию этих моделей в покупках потребителя, с большой вероятностью он покупает по привычке.
Что с этим делать?
Все хотят, чтобы клиенты были лояльными и восхищались вашими товарами или услугами. Но клиенты, покупающие по привычке – тоже хороший вариант. Вот несколько стратегий при работе с разными сегментами клиентов:
Помните о том, что может быть помехой для покупки у каждого сегмента. Некоторые, казалось бы, безобидные изменения (например, изменение дизайна магазина) могут изменить поведение тех, кто покупает по привычке.
Маркетинг, направленный на развитие отношений с клиентами (например, премиальное членство) и создание эмоциональной связи с клиентами, лучше всего подходит для лояльных клиентов. Для тех, кто покупает по привычке, рекламные акции не должны приводить к нарушению привычки. Например, кросс-маркетинговые активности АЗС по привлечению клиентов в магазин могут быть менее эффективными для клиентов, которые привыкли заправляться утром в понедельник.
В CRM-кампаниях, нацеленных на выработку привычки, особое внимание следует уделять повторению. Акция, которая стимулирует повторные покупки в определённом ритме (например, еженедельные купоны в продуктовый магазин в течение четырех недель подряд), поможет покупателю вырабатывать привычку. Отличным решением будет также создание в программе лояльности зависимости от повторных покупок.
Запуская активности на основе сарафанного радио, лучше ориентироваться на лояльных клиентов, а не тех, кто покупает по привычке. Это связано с тем, что последние будут менее охотно выходить за рамки привычного поведения, чтобы продвинуть ваш бренд.
На заре программ лояльности было модно выдавать клиентам золотые, платиновые и прочие бриллиантовые карты. С тех пор программы лояльности эволюционировали, но желание выделить и поощрить своих самых ценных клиентов осталось. Нужны ли сейчас статусы программам лояльности или это пережиток устаревших дисконтных программ?
Что не так со статусами программ лояльности
Возьмем для примера программу лояльности АЗС «Газпромнефть» с классическим подходом к статусам. Чем выше сумма покупок клиента за месяц, тем выше его вознаграждение в программе лояльности. По идее, клиент, стремясь получить больше выгоды, будет стремиться покупать больше.
Статусы в программе лояльности АЗС «Газпромнефть»
Однако, у каждого клиента свои потребности и мотивация. Кто-то во имя повышенного бонуса перестанет заправляться на других АЗС – программа лояльности сработает. А кто-то уже покупает топливо только в «Газпромнефти», причем на максимальные объемы. Программа лояльности не повлияет на поведение таких клиентов. Но бонусы будут всё равно начислены, и сеть понесёт лишние затраты.
Когда речь идет об усредненных показателях, то подобные статусные системы формируют ёмкую затратную часть для излишних вознаграждений клиентов, которые никак не меняют своего поведения. Это может сильно влиять на маржу, ведь расходы на базовые вознаграждения составляют 80%-90% от всех затрат на программу лояльности.
Поэтому сейчас более популярен подход, когда все клиенты получают одинаковый уровень базового вознаграждения. При этом они имеют специальные условия по персональным акциям, которые основываются на их клиентском поведении.
Общие для всех статусы с монетарным поощрением всех крупных покупок могут генерировать дополнительные затраты компании, не влияя на рост выручки
«Персональные условия для меня» VS «Сложные правила для всех»
Давайте честно – ваша программа лояльности у клиента не единственная. Он участвует в десятках программ и вряд ли помнит все условия. Многие готовы скорее недополучить бонус, чем потратить время и силы, чтобы разобраться во всех деталях всех программ.
Здорово, когда клиент сам может выбрать повышенный бонус на товары и категории, которые ему действительно интересны. В этом случае это будет осознанная скидка или осознанный бонус. Осознанное потребление и в программы лояльности вносит свою лепту. Практика выбора клиентом своей категории давно распространена в банках и постепенно переходит в ритейл. С развитием e-com, появляется больше возможностей для запуска таких механик.
Покупая на сайте или через приложение клиенту некому продемонстрировать свой «особый» статус. В этом случае, персональная экономия и игровой элемент становятся важным мотиватором – клиент сам выберет «любимую категорию», и программа подстроится под его запросы. Это обеспечивает высокую вовлеченность и интерес к программе. А что с экономикой? Вот здесь можно вспомнить о статусах, предложить клиенту получение своего персонального бонуса при достижении определенной суммы покупки. Как сделала, например, обновленная программа лояльности «ЛЕНТА», которая при достижении каждого нового уровня открывает дополнительную привилегию на одну из пяти выбранных клиентом категорий. Это красивое и экономически обоснованное решение.
Внедрение статусов для получения персональных вознаграждений, выбранных клиентами, обеспечивают высокую вовлечённость в программу лояльности
Уровни в программе лояльности «ЛЕНТА»
Внедрять ли статусы в программу лояльности или нет зависит от финансовых и маркетинговых факторов, от общей концепции программы лояльности и от стратегии CRM маркетинга. Однако если компания не измеряет или не может измерить влияние статусов на клиентское поведение – это весомый повод пересмотреть базовые правила программы лояльности и сократить затраты на бонусный фонд.
Статью подготовили: Елена Евсевлеева, Сергей Ольховский.
Как не наломать дров при выборе контрольной группы для запуска целевых маркетинговых акций
Почему рандомный выбор контрольной группы искажает результат. Разбираем кейсы и даём рекомендации как избежать болезненных ошибок при оценке эффективности акций.
Основным методом оценки эффективности акций в CRM-маркетинге является сравнение результатов основной и контрольной группы. Контрольная группа, в отличие от основной, не получает целевое предложение и ведёт себя естественным образом. Поэтому такое сравнение позволит нам весьма достоверно оценить эффект от коммуникации и рассчитать дополнительный доход от маркетинговой акции. Этот метод также используется для тестирования новых акций. Подробнее об этом можно почитать в нашей статье здесь.
Если мы ошибёмся в выборе контрольной группы, то по итогам акции рискуем получить неверные данные и сделать ложные выводы о её успешности или провале.
Здесь мы не будем касаться метода определения размера контрольной группы – он имеет критическое значение для достоверности результатов и является темой для отдельной статьи.
Поговорим про способ выбора контрольной группы. Основной способ выделения контрольной группы – рандомный. То есть, её участники выбираются из этого же сегмента случайным образом. Именно так сегодня работают алгоритмы почти всех сервисов автоматизации маркетинга. Казалось бы, такой способ корректен – элемент случайности усредняет значения. Но всё не так гладко. В нашей практике случайность выдавала существенные отклонения и приводила к неверной интерпретации результатов. Успешные на первый взгляд акции на самом деле являлись убыточными. И наоборот. Давайте разберём это на примерах.
Ситуация 1
Тестируем акцию на аудитории 4200 человек. Выделяем контрольную группу в размере около 30%. По итогам теста получаем следующий расчёт эффективности:
Наблюдаем отличный результат – плюс 18% в выручке. Перед тем как открыть шампанское, решаем проверить цифры. Видим, что дополнительный отклик на коммуникацию был слабым, только +0,7% по сравнению с КГ. Прирост получился за счёт высокой средней выручки на клиента в основной группе: +21%. Изучаем контрольную группу и видим, что средняя выручка клиентов контрольной группы и до проведения акции была на 30% ниже. Это значит, что реальный прирост выручки от акции значительно скромнее и составляет не 18%, а всего около 2%.
Если теперь на основе некорректных данных мы примем решение о масштабировании акции, то прогноз рентабельности будет сильно завышен и результаты нас сильно удивят. Хорошо, если акция не принесёт убыток. Такое часто может происходить при запуске омниканальных кампаний, когда выручка на клиента в разных каналах может сильно отличаться.
Вывод: Выборки целевой и контрольной группе должны быть схожи по средней выручке на клиента до проведения акции.
Ситуация 2
Рассмотрим другой пример:
Результат акции скромный – всего плюс 3% в выручке. Поскольку маржинального дохода может быть недостаточно для проведения акции, то возникает желание акцию прекратить или переформировать.
Однако не рубим сгоряча. Изучаем контрольную группу и обращаем внимание, что часть её участников в период акции получала коммуникацию в рамках другой акции. Таким образом, контрольная группа не показала обыденного поведения и этим ухудшила статистику основной группы. Очистив контрольную группу от таких клиентов, мы получаем намного лучший результат – плюс 20% в выручке.
Чем опасна ситуация. Вы точно не получите убыток. Но точно получите упущенную выгоду, так как примите решение акцию не запускать.
Вывод: Контрольная группа должна быть «чистой».
Ситуация 3
Мы учли факторы первой и второй ситуации и корректно распределили получателей на основную и контрольную группу. Однако акция, которая раньше показывала отличный результат, сейчас неожиданно дала на выходе ноль:
В чём дело? Анализируем, обращаем внимание на разницу в средней выручке между клиентами основной и контрольной группы. Результаты контрольной группы выше, что очень подозрительно. Изучаем контрольную группу и находим в ней несколько покупателей, которые имеют аномально высокую частоту и средний чек. При проверке они оказываются скрытыми корпоративными клиентами. В основной группе таких клиентов нет. Это значит, что перекос украл результаты у успешной акции.
Величина нашего заблуждения будет зависеть от того, в какой группе окажутся аномальные клиенты и насколько их параметры отличаются от стандартных. Мы рискуем как порадоваться удаче, так и не заметить абсолютный провал.
Вывод: В выборках ЦА и КГ не должно быть «аномальных» клиентов.
Подведём итог
Думать, как корректно сформировать основную и контрольную группы нужно перед запуском акции. Поэтому, мы в Direct Service не полагаемся только на случайность и всегда делаем так:
Проверяем клиентов на «аномальные» значения доходности – к акции не допускаются клиенты с аномально низкими или высокими значениями средней выручки.
Если хотим измерить чистый эффект от конкретной акции, то отсеиваем клиентов, которые участвуют в параллельных маркетинговых кампаниях в рамках программы лояльности.
Проверяем схожесть средней выручки участника контрольной и основной группы. В качестве инструмента используем t-критерий Стьюдента. На выходе имеем контрольную и основную группы, которые схожи не только по средней выручке, но и структурно.
Многоуровневая проверка требует времени наших экспертов, но мы считаем это оправданным. Ведь чистые эксперименты и верные выводы позволяют иметь точную аналитику всех CRM-маркетинговых активностей. А ведь именно CRM-маркетинг – основной инструмент для получения дохода от программ лояльности. Получается, что правильно сформированные контрольные группы непосредственно влияют на точность экономической модели и прогноза окупаемости программы лояльности.
Статью подготовили: Елена Яблокова, Елена Евсевлеева, Сергей Ольховский.
Почти 70% опрошенных компаний назвали персонализацию «высшим приоритетом». Почему это важно для бизнеса и для клиентов?
Бренды гонятся за персонализацией. Почти 70% компаний, опрошенных в недавнем отчете Everstring, назвали персонализацию «высшим приоритетом».
Можно было бы сказать, что это просто хайп, если бы не финансовая прибыль, которую приносит персонализация. В своем «Исследовании развития персонализации» в 2019 году Monetate очертила рентабельность инвестиций в персонализированный маркетинг:
Персонализированный маркетинг способствует росту
93% компаний с «продвинутой стратегией персонализации» продемонстрировали рост доходов. Только 45,4% компаний без стратегии персонализации продемонстрировали аналогичный рост.
Чем выше инвестиции, тем выше отдача
Компании с рентабельностью инвестиций 2x и более заявили, что расходы на персонализацию составили не менее 20% от маркетингового бюджета.
Персонализация определяет долгосрочную ценность для клиентов
Бренды с наивысшей рентабельностью инвестиций в персонализацию (3x и более) ориентированы на клиентскую лояльность как на свой главный KPI. Компании с более низкой рентабельностью инвестиций ориентировались на краткосрочные показатели, такие как средний чек.
Персонализация работает и заставляет клиентов совершать действия. А клиентам хочется большего. В недавнем исследовании Infosys обнаружило:
31% клиентов хотели бы, чтобы их опыт был «гораздо более» персонализированным
Феномен коктейльной вечеринки был открыт в 1950-х годах британским ученым-когнитивистом по имени Эдвард Колин Черри. Он хотел понять, на чем люди фокусируются и почему. Изучив, что происходит в шумной людной комнате, учёный обнаружил кое-что интересное. Оказалось, что наш мозг разделяет перекрывающиеся разговоры на разные слуховые потоки. После чего он может принять решение игнорировать информацию, которая, как ему кажется, не имеет к нам отношение.
Как наш мозг решает, на какую информацию обращать внимание?
Эффект коктейльной вечеринки утверждает, что люди обращают внимание на важную для себя информацию. Согласно исследованию, опубликованному в журнале Brain Research, ключевым триггером для «настройки» на информацию является произнесённое кем-то имя человека.
Судя по результатам исследования, бренды начинают работу по персонализации с имени клиента. Но эффект коктейльной вечеринки показывает, что это только начало.
Что такое «настоящая персонализация»?
Персонализация заключается не в том, чтобы назвать клиента по имени, а затем спамить его обезличенными предложениями.
Сет Годин сказал:
Персонализация – это шанс отличиться в человеческом масштабе, использовать поведение как самый важный ключ к пониманию того, чего люди хотят, и, что важнее, что людям нужно
Настоящая персонализация – это глубокое понимание пути вашего клиента. Как только вы поймёте, что ему нужно, вы сможете передать клиенту нужное сообщение в нужное время и получить результат.
Как использовать персонализацию для создания клиентского опыта
1. Знайте детали о мире, в котором живёт ваш клиент
В недавнем исследовании Accenture обнаружила, что тактика персонализации оказывает прямое влияние на покупательское поведение:
Знайте мое имя
56% клиентов предпочли бы покупать у продавца, который знает их по имени.
Знайте моё прошлое
65% клиентов предпочитают покупать у продавца, который «знает их историю покупок».
Знайте, чего я хочу
58% клиентов предпочитают покупать у продавца, который рекомендует варианты на основе их прошлых покупок.
Вот пример персонализации в действии
Ювелирный бренд Monica Vinader грамотно использует клиентские данные. В сообщении для клиента компания не только подставила имя – «Сделано для тебя, Ким». Она использовала изображения украшений с монограммой «K», которая соответствует имени Ким. А также показала ожерелье, основанное на прошлых покупках Ким.
2. Персонализируйте маркетинговые материалы, текст и сообщение
В своем квартальном отчете по электронной торговле за 2018 год Monetate обнаружила, что всего три страницы персонализированного контента могут удвоить коэффициент конверсии.
Monetate также обнаружил следующее:
Ценность персонализации возрастает с каждым новым клиентским опытом
В онлайн-канале настоящая персонализация не просто увеличивает количество покупок. Она побуждает людей чаще добавлять товары в корзину и снижает процент брошенных корзин.
3. Собирайте данные о клиентах
Ваша способность эффективно персонализировать коммуникацию напрямую зависит от состояния данных, которые вы собираете.
Если данные есть, но с ними не всё в порядке, то для получения правильных выводов может потребоваться копнуть глубже и предпринять дальнейшие исследования. Они могут принимать форму прогрессивного профилирования, автоматизации маркетинга или простого выяснения у клиентов, подходит ли им коммуникация, которую они получают.
Вот еще один пример персонализации
EasyJet, британская авиакомпания-лоукостер использовала в качестве повода для коммуникации двадцатилетний юбилей компании. Но вместо того, чтобы в годовщину говорить о себе, EasyJet сфокусировалась на потребителях. Она использовала клиентские данные, чтобы показать клиенту его личную историю путешествий вместе с EasyJet.
Персонализация является важной задачей. Но большинство брендов реализовали далеко не всё, что хотели. Это может стать проблемой. Опрос компании Gartner показал следующее:
Из-за слабой персонализации бренды рискуют потерять 38% своих клиентов
Волшебной кнопки «персонализация» не существует. Это сложный процесс, требующий от маркетологов сотрудничества с операционными, ИТ и digital командами. Но и потенциал огромен. Это подтверждают исследования, этого просят клиенты.
Поэтому вместо того, чтобы спрашивать, нужно ли фокусироваться на персонализации, лучше спросить себя: «Как мы можем сделать персонализацию приоритетом?»
Комментарий Direct Service
Да, большая часть работы наших CRM-маркетологов состоит именно в персонализации. Мы создаём целевые предложения и запускаем акции на основе сегментации клиентов, которая учитывает и историю покупок, и различные аспекты поведения клиентов, и задачи, которые ставит бизнес. Эффективность целевых персональных акций всегда была выше, чем у массовых. Поэтому польза персонализации неоспорима.
Главный фактор, который сегодня мешает брендам заниматься персонализацией – это не отсутствие понимания или желания, а отсутствие технической возможности. Полноценная персонализация коммуникаций возможна только с помощью технических сервисов класса “кампейн”, которые могут собирать, хранить и анализировать клиентские данные. А затем выстраивать персональную коммуникацию, на основании заложенных правил и алгоритмов. Причём делать это автоматически, без участия человека – в нужное время, в нужный канал и с подстановкой собранных о клиенте персональных данных. В этом видео смотрите как наш клиент решает задачи персонализации с помощью сервиса автоматизации маркетинга.
Источник: Medium.com. Перевод: Сергей Ольховский & Direct Service
Два крупномасштабных научных исследования приводят доказательства эффективности программ лояльности и рекомендации по их разработке.
Программы лояльности популярны, но их влияние, как известно, сложно оценить. Покупатели в США обожают программы лояльности – каждый участвует, в среднем, в 6,7 программах. Но сами компании не уверены, помогает ли программа лояльности увеличить прибыль. Развеять сомнения помогают два крупномасштабных научных исследования, опубликованные в ведущих маркетинговых журналах. Они проанализировали финансовое влияние 567 программ лояльности в пяти отраслях, в разных странах мира. Рассматриваем результаты исследований в этой статье.
Описание исследований
1. Межотраслевое исследование программы лояльности
В первом исследовании, опубликованном в 2019 году в журнале Академии маркетинговых наук, профессор Чаудури из Дейтонского университета и её соавторы рассмотрели 1816 публичных компаний в сфере розничной торговли, индустрий развлечений и гостеприимства, телекома, ИТ, а также производителей продуктов питания и напитков. Вот разбивка компаний по секторам и статусу программ лояльности:
Источник: лаборатория Loyalty Science Lab
В исследовании рассматривалось влияние программы лояльности на продажи и валовую прибыль как в краткосрочной, так и в долгосрочной перспективе (ежегодно на срок до трех лет). Исследователи также рассмотрели влияние правил программы на её результат.
2. Исследование программ лояльности в продуктовой рознице в разных странах
Второе исследование было опубликовано в 2020 году в Международном журнале маркетинговых исследований. Профессор Бомбай из Тилбургского университета и его соавтор проанализировали 358 розничных брендов из 27 стран. 68% (245) ритейлеров имели программу лояльности. Исследователи проанализировали как отдельные правила программы и культурные факторы влияют на показатель объёма продаж на квадратный метр.
Работают ли программы лояльности?
Длящееся воздействие
В кросс-отраслевом исследовании были проанализированы все программы лояльности вместе с учетом отраслевых и других различий. Было обнаружено значительное положительное влияние программы лояльности на протяжении всех трех лет после запуска:
«Компании из нашей выборки, которые внедрили ПЛ (программу лояльности), получили в среднем рост общего объема продаж на 7% и валовой прибыли на 6% в первый год после внедрения по сравнению с подобранной группой контрольных компаний. Через три года после запуска ПЛ у компаний наблюдалось увеличение общих продаж на 11% и валовой прибыли на 6% по сравнению с тем же набором контрольных компаний».
Если смотреть на динамику по кварталам, то кривые роста продаж и прибыли несколько различались. В то время как рост продаж наблюдался в первом же квартале после запуска программы, рост прибыли становился заметным только во втором квартале после запуска.
Менее радужная картина в гросери
Исследование программ в продуктовой рознице выявило больше нюансов. 115 из 245 программ (47%) оказали положительное влияние на продажи. 127 не оказали никакого влияния. А 3 программы лояльности, неожиданно, повлияли на продажи отрицательно.
Когда исследователи экстраполировали свои результаты на восемь других стран, не вошедших в их выборку, они обнаружили, что при умеренной конкуренции продуктовые супермаркеты и гипермаркеты имели равные шансы на успех и на провал своих программ лояльности.
Корректность выборки
Вы спросите – могут ли выявленные различия объясняться тем, что компании с программами лояльности и без них фундаментально отличаются друг от друга? Проблема выборки очень важна при изучении влияния программ лояльности. К счастью, в обоих исследованиях были предприняты дополнительные усилия, чтобы результаты стали более достоверными.
Какие элементы правил программы лояльности имеют значение?
Какие правила изучали
Из указанного выше анализа можно сделать важный вывод – программы лояльности могут работать, но их эффективность различается. Какую роль в этом играют правила программы? Оба исследования рассматривали семь составляющих правил:
Взносы за участие. Должны ли потребители платить за присоединение к программе?
Время вознаграждения. Предлагает ли программа моментальное вознаграждение (например, скидка во время покупки) или вознаграждение отложено по времени (например, в накопительной, бальной системе)?
Механизм начисления: зарабатывают ли потребители явно определенные баллы в некотором формате за каждую дополнительную транзакцию или расходы?
Тип вознаграждения. Связано ли предлагаемое вознаграждение напрямую с бизнесом (продуктовый магазин и бесплатная колбаса) или не связано (продуктовый магазин и бесплатные билеты в кино)?
Уровни программы. Предполагает ли программа один или несколько уровней?
Структура вознаграждения. Предлагается ли постоянная структура вознаграждений для всех покупателей независимо от их расходов (например, купите 10 кофе и получите 11-й бесплатно)? Или имеет прогрессивную шкалу вознаграждений, где клиенты с большими тратами и более высоким уровнем получают больше.
Один бренд или коалиция. Программа реализуется одним розничным брендом или это коалиционная программа, включающая несколько брендов?
Как правила усиливают программу лояльности
Вот элементы правил из вышеприведённого списка, которые делают программу эффективнее: взносы за участие, наличие явного механизма заработка, многоуровневость, единая структура вознаграждений, монобрендовость.
Источник: лаборатория Loyalty Science Lab
Комментарий Direct Service
В исследованиях рассматривается только базовая механика программы лояльности. Не учитывается роль персональных акций – запускаемых на основе опыта предыдущего потребления клиента и его реакции на коммуникации. Конечно, продуманная и просчитанная механика создаёт интерес к программе со стороны клиентов. А, с другой стороны, позволяет ритейлеру не переплачивать. Но, в последнее время, персональные акции имеют решающее воздействие на экономику программы и на оценку её эффективности.
Этому есть 2 причины:
Люди не обращают внимание на небольшие вознаграждения в рамках базовой механики, а ритейлер не может дать больше.
На эффективность бизнеса влияет множество факторов и непросто сравнивать ритейлеров между собой. Поэтому оценить эффект базовой механики на результат программы очень сложно.
В результате 17-летнего опыта анализа эффективности программ лояльности, мы пришли к выводу, что на эффективность программы в большей степени влияют персональные акции. В меньшей степени – массовые и триггерные акции. И в очень малой степени – правила базовой механики.
___
При расчёте экономической модели программы лояльности в расходные статьи мы включаем:
расходы на поощрение участников и коммуникацию с ними,
ИТ-сервисы для управления программой,
вознаграждение команды специалистов.
В качестве доходов выступают:
доходы от персональных акций,
доходы от массовых и триггерных акций,
доходы от экономии на скидках от промо,
компенсации от партнеров.
Какие контекстные факторы имеют значение?
Стратегия ритейлера
Исследование продуктового ритейлера показало, что программы лояльности были одинаково эффективны для супермаркетов (такие как Kroger) и гипермаркетов (как Wal-Mart). Но они были менее эффективны для дискаунтеров, у которых цена низкая, а ассортимент товаров и услуг ограничен (такие как Aldi).
Размер бренда и следование брендом стратегии высоких-низких цен по сравнению со стратегией повседневных низких цен, никак не влияет на успех программы лояльности.
Особенности страны и культуры
То же исследование розничной торговли продуктами питания показало, что программы лояльности, как правило, более эффективны в странах с культурой индивидуализма, например в США. В них ценится личная уникальность и существует вера в успех, который достигается личными усилиями. Неудивительно, что программы лояльности, основанные на индивидуальном вознаграждении, в таких культурах работают лучше.
Имеет значение и то, насколько люди в конкретной культуре ориентированы на долгосрочную перспективу. Поскольку программы лояльности обычно предполагают долгосрочные отношения и обязательства, они лучше работают в странах с соответствующей культурой.
Конкуренция
Конкуренция в ритейле не делает программы лояльности менее успешными. Но если большое количество конкурирующих продуктовых магазинов развивают программы лояльности, то эффективность программ, как правило, снижается. Эти результаты перекликаются с анализом программ лояльности авиакомпаний.
Подведём итог
Важный вывод исследований состоит в том, что эффективность программы лояльности зависит от правил программы и операционных настроек. Часто не существует единого правила, которое будет работать повсеместно, но исследования выявляют новые закономерности.
Симуляционный анализ в исследовании продуктового ритейла показал, что произошло бы, если бы все программы лояльности имели более оптимальные правила. То есть, если бы все они имели постоянную структуру вознаграждения, предлагаемую одним доминирующим брендом. Тогда 160 вместо 115 (65% вместо 47%) программ стали бы эффективными.
Поэтому более важным является вопрос не о том, нужна ли программа лояльности, а о том, как лучше всего её разработать и настроить.
Дополним выводы:
Управление программой лояльности – ювелирная работа, требующая высокого профессионализма. Просчет в десятые процента при формировании базовой механики и неработающие акции ведут к существенным убыткам для ритейлера.
Отсутствие технических возможностей часто не позволяют собрать информацию о поведении клиентов онлайн и оффлайн, объединить ее в единый профиль и предложить клиенту именно то, что ему нужно в данный момент.
Перед запуском или корректировкой программы лояльности мы рекомендуем провести качественные исследования и нарисовать путь вашего клиента – CJM. Это позволит нарисовать портрет участника, оценить ожидания и барьеры – сделать программу для клиентов интереснее.
Перед запуском программы необходимо построить её экономическую модель, грамотно выстроить систему KPI, оценить доходы и расходы. Без этого программа лояльности может стать дорогим «сюрпризом», от которого трудно отказаться, но и трудно содержать.
Вкладываясь в создание отношений с клиентами необходимо сначала «семь раз отмерить». Для этого стоит привлекать опытных специалистов – как собственных, так и внешних. Часто это может помочь ритейлеру заработать больше.
Что такое лояльность? Исследования говорят, что лояльность похожа на лук. Но не потому, что плакать хочется, а потому, что лояльность тоже многослойна. Рассказываем о четырёх уровнях лояльности – какое значение они имеют и что стимулирует или препятствует лояльности на каждом уровне.
Одна из самых влиятельных концепций лояльности принадлежит доктору Ричарду Оливеру, бывшему профессору Университета Вандербильта. В своей широко цитируемой статье «Откуда берётся лояльность потребителей», доктор Оливер определяет лояльность так:
Лояльность – глубоко укоренившееся намерение повторно покупать предпочтительный продукт или услугу, которое вызывает повторные покупки одного и того же бренда или набора брендов, несмотря на ситуативное влияние и маркетинговые усилия, которые влияют на поведение потребителя.
Это звучит сложно, но если разбить определение на несколько уровней, то концепция станет понятнее. Четыре уровня лояльности доктора Оливера можно разделить на две группы по два уровня:
Первая группа – рациональная лояльность и эмоциональная лояльность. Они отражают то, что известно как лояльность отношенийи выражается в том, что люди думают и как относятся к бренду или фирме.
Вторая группа – конативная лояльность и лояльность действий – вместе составляют поведенческую лояльность. Она отражает то, что люди намерены делать или фактически делают с брендом.
Рассмотрим каждый слой подробнее.
Лояльность отношений
1. Рациональная (когнитивная) лояльность
Рациональная лояльность основана на мышлении и вере в то, что бренд или продукт лучше других. Например, потребители могут быть рационально лояльны к Айфону, потому что они оценивают его как смартфон с самым лучшим дизайном.
Ваши продукты или услуги могут получить рациональную лояльность, если:
Они лучше других соответствуют ключевым запросам клиента.
Суммарная оценка всех параметров ваших продуктов / услуг выше, чем у конкурентов.
Поскольку рациональная лояльность основана только на знании, существует большая опасность, что у конкурента появится новый продукт, с лучшими параметрами, который украдет ваших клиентов.
2. Эмоциональная лояльность
В то время как рациональной лояльностью управляет разум, эмоциональная лояльность связана с чувствами. Проще говоря, эмоционально лояльным клиентам действительно нравится бренд.
Возьмем, например, уличное кафе. Возможно, в нем не самая вкусная еда, но вам нравится хозяин кафе и уютная атмосфера. Поэтому вы ходите туда просто из-за привязанности к месту.
Эмоциональная лояльность имеет широкий диапазон в зависимости от интенсивности положительных эмоций. На нижнем уровне это может быть просто приятное ощущение удовлетворения. На более высоком уровне продукт или услуга может давать клиенту мощный эмоциональный заряд и вызывать сильный эмоциональный резонанс.
Эмоциональная лояльность – гораздо сильнее рациональной и лучше удерживает клиента
Поведенческая лояльность
Поведенческая лояльность также имеет два уровня: конативнаялояльность и лояльность действий.
1. Конативная лояльность
На конативном уровне потребители склонны совершать повторные покупки определённого бренда. Здесь мысли и чувства превращаются в мотивацию к конкретному действию.
По сравнению с рациональной и эмоциональной лояльностью, конативная лояльность гораздо заметнее, так как проявляется в действии. Но, как указал доктор Оливер в своей модели, даже на этом уровне потребитель лишь испытывает к бренду «добрые намерения». Но многие добрые намерения, никогда не воплощаются в жизнь. Так и конативная лояльность может быть нарушена различными внешними обстоятельствами.
Если смотреть на динамику по кварталам, то кривые роста продаж и прибыли несколько различались. В то время как рост продаж наблюдался в первом же квартале после запуска программы, рост прибыли становился заметным только во втором квартале после запуска.
2. Лояльность действий
Именно «лояльность действий» большинство компаний используют для оценки лояльности своих клиентов. Ведь в отличие от образа мышления клиента, конкретные KPI, основанные на реальных действиях (отток, частота покупок, доля в расходах) легко рассчитываются на основе транзакционных данных.
Лояльность действий отражает определённую силу намерения, при котором потребители стремятся совершить повторную покупку, даже несмотря на препятствия.
Представьте себе, например, лояльного потребителя бренда ABC, который идёт в магазин с намерением его купить. Уровень конативной лояльности отражает намерение совершить повторную покупку. Но если бренд ABC в магазине отсутствует, то лояльный на уровне действий потребитель, скорее всего, пойдет искать этот бренд в другой магазин или вообще откажется от покупки.
Какие уровни лояльности важнее?
Теперь, когда мы разобрали все слои лояльности, давайте посмотрим какие из них важнее всего. На чем фокусироваться бизнесу?
Лояльность отношений vs. поведенческая лояльность
Самое распространенное сомнение, связанное с рациональной и эмоциональной лояльностью, выражается вопросом «и что с того?». Какой прок со всех этих чувств и положительных оценок, если они не перерастают в реальные покупки? Наверняка, так скажут те, кто считает деньги.
лояльность, измеряемая в намерении и фактическом поведении, оказывает большее влияние на результат бизнеса, чем рациональная и эмоциональная лояльность.
Средняя разница составляет 36%.
Однако, это же исследование делает важный вывод о том, что лояльность отношения сильнее влияет на сарафанное радио. Если быть точным, то на 24%.
Поэтому, если ваш бизнес зависит от рекомендаций, то лояльность отношений может дать больше новых клиентов.
Когда эмоциональный уровень имеет значение?
Ещё одно исследование ритейла проливает свет на то, когда эмоциональный слой лояльности может иметь большее значение. Было обнаружено, что эмоциональная лояльность оказала большее влияние на долю в расходах и долю в посещениях среди потребителей, которые более длительное время являются клиентами бренда, и среди менее образованных потребителей. Неудивительно, что эмоциональная лояльность также имела большее значение для fashion ритейла, чем для продуктовых магазинов.
Пока преждевременно делать точные выводы из этого единственного исследования 600+ потребителей. Но оно указывает на возможность того, что эмоциональная лояльность (и, вероятно, лояльность отношений в целом) может иметь разный вес у потребителей и в разных отраслях / контекстах.
Что управляет каждым уровнем лояльности?
Что движет лояльностью – важная тема, заслуживающая отдельного рассмотрения. Концепция многослойной лояльности предполагает, что на каждом уровне в действие вступают различные факторы.
Исследование выявило следующие основные драйверы для каждого уровня:
Рациональная лояльность: характеристики и качество продукта / услуги, денежные стимулы, общая ценность;
Конативная лояльность: социальные нормы, доверие, неденежные и денежные стимулы и вознаграждения, общая ценность, взаимоотношения с брендом;
Лояльность действия: издержки на переключение, привычки, удобство потребления, неденежные и денежные вознаграждения и стимулы, взаимоотношения с брендом.
Хотя некоторые драйверы являются общими для разных уровней, их важность не обязательно одинакова. В мета-анализе, о котором говорили ранее, сравнивались четыре различных фактора лояльности: удовлетворенность, доверие, взаимоотношения и поощрения. Было обнаружено, что и доверие, и удовлетворённость больше влияют на лояльность отношения, чем на поведенческую лояльность.
Заключение
Хотелось бы отметить ключевое различие во мнениях между нами доктором Оливером. Он видел четыре уровня лояльности как четыре стадии, которые последовательно проходит потребитель: рациональная → эмоциональная → конативная → действия. Траектория логична, но мы не считаем, что она всегда развивается именно таким образом. Некоторые уровни лояльности могут существовать и сами по себе. Например, лояльность действия может быть результатом привычки без какой-либо рациональной или эмоциональной лояльности.
Вот краткая таблица для сравнения четырёх уровней лояльности. Держите её под рукой, когда планируете мероприятия для повышения лояльности к вашему бренду и вашему бизнесу.
