Как устроен отдел CRM-маркетинга, который обеспечивает более 20% выручки компании

CRM-маркетинг — относительно молодое направление в маркетинговых коммуникациях, основанное на сборе и анализе клиентских данных. Рассказываем о своём опыте внедрения этого подхода: какие инструменты мы использовали, как выстраивали внутренние процессы и как организовали систему отчётности, чтобы достичь ощутимого роста продаж.

CRM-маркетинг в онлайн-университете Skillbox включает два направления: классический CRM и вебинарную модель. В последней мы ежемесячно запускаем более 40 интенсивов и марафоны для разных направлений обучения, в общей сложности это более 350 часов эфирного времени в месяц.

Под классическим CRM-маркетингом мы подразумеваем:

1. Работу с большим объемом данных — аккумулирование и структуризацию информации о клиентах из разных источников: CRM-систем, сайтов, лендингов и т.д.

2. Выявление потребностей пользователей на разных этапах взаимодействия с брендом с помощью customer journey map.

3. Сегментацию клиентской базы: выделение групп покупателей на основе их ключевых потребностей и предпочтений.

4. Настройку и автоматизацию коммуникаций (email, SMM, push-уведомления, мессенджеры, боты) с учётом всех точек касания пользователя с экосистемой компании.

Некоторое время назад в нашем отделе CRM-маркетинга работал всего один человек, там не было внутренних и внешних процессов и регламентов, не существовало коммуникационной стратегии, а пользовательские данные были разрозненными. Выручка направления в тот момент составляла всего 0,3% от общего оборота компании.

Ситуация начала кардинально меняться, когда руководителем CRM-отдела стала Вероника Мишакова. Свою работу она начала с формирования процессов и создания системы для хранения и обработки пользовательских данных.

По инициативе Вероники у нас появилась система Data Gateway — внутреннее хранилище нормализованных пользовательских данных, которые собираются со всех источников компании — лендингов, страниц курсов, рекламных кампаний, email- и мессенджеров.

Система хранит данные в табличном представлении с большим количеством внутренних связей. Здесь видно, из какого источника пришёл пользователь, где он оставил свои контакты, какой видеоконтент смотрел. Эти знания помогают понять, что предложить пользователю, чтобы повысить вероятность покупки.

Параллельно мы развернули аналогичную табличную структуру данных в сервисе почтовых рассылок компании (ESP) и сделали интеграцию с Data Gateway. Главная сложность заключалась в том, чтобы перевести накопленные за несколько лет данные в новый формат без потерь, чтобы дальше все процессы происходили уже в рамках новой архитектуры.

Далее Вероника и её команда занялись созданием коммуникационной стратегии, для чего провели анализ всех бизнес-процессов компании, начиная от привлечения трафика и заканчивая предоставлением услуги.

Также нужно было предусмотреть решения для разных ситуаций: что делать, если клиент уйдёт со страницы, не оставив заявку? Как действовать, если он перестанет открывать письма и отвечать на звонки менеджера? С помощью каких каналов с ним коммуницировать и что ему предлагать?

После проработки этих вопросов получилась огромная коммуникационная карта, описывающая все пути пользователей при взаимодействии с брендом. На них были наложены все источники информации о пользователях и типы собираемых данных.

Что это дало?

Во-первых, появилась возможность предлагать пользователям то, что им действительно интересно. Сегментируя клиентскую базу, мы можем коммуницировать точечно, избегая ковровых бомбардировок офферами наугад. Например, теперь начинающим специалистам уже не будут приходить письма о курсах для продвинутых.

Во-вторых, теперь пользователи получают актуальные предложения в нужный момент. Мы автоматизировали коммуникации таким образом, чтобы после конкретных действий клиентам приходили сообщения, которые будут продвигать их дальше по воронке.

В основе такой коммуникационной стратегии лежит рациональность: клиенты получают более подходящие предложения, после важных действий им приходят дальнейшие инструкции, ушедшим приходят письма с альтернативными предложениями. Эти изменения, в свою очередь, ведут к росту конверсий и увеличению выручки.

Параллельно с созданием хранилища данных и разработкой стратегии Вероника занималась построением отдела. За прошедшие полтора года она с нуля набрала команду из 25 человек и разработала эффективную внутреннюю структуру подразделения, разбив его на пулы с чётко определённой зоной ответственности и установленными ролями.

Например, в CRM-подразделении пулы отвечают за различные коммуникационные каналы: промо-рассылки, мессенджеры, автоматизацию и т.д. Пулы в подразделении вебинаров отвечают за направления обучения, например, программирование, игры, дизайн.

Понятная внутренняя структура, а также детально прописанные процессы и регламенты стали залогом успешной работы отдела. Несмотря на то, что CRM-подразделение ежедневно генерирует огромный объём коммуникаций с другими отделами, у нас не возникает путаницы, а сотрудники большую часть времени действуют самостоятельно.

Для синхронизации данных компания использует Power BI, где у каждого направления имеются свои дашборды. Благодаря регламентированной разметке всех активностей мы можем формировать отчёты не только в виде классической маркетинговой воронки, но и по множеству отдельных показателей.

Например, можно увидеть, через какую форму на лендинге зарегистрировалась данная группа пользователей, где у неё была более высокая конверсия — в мессенджерах или в email-канале, с какой конверсией она «закрылась» в сделку в течение первой недели и какой была её конверсия после реактивации.

Детализированные отчёты по отдельным механикам и активностям помогают постоянно улучшать работу отдела. Например, отслеживая причины отказов, отдел может успешно реактивировать клиентов.

Примерно за полтора года CRM-отдел Skillbox вырос с 1 до 25 человек, а его доходность увеличилась с 0,3% до 20% от общего оборота компании. В месяц запускается более сотни автоматизированных и ручных рассылок в email и мессенджерах.

Также у нас большие планы по построению предиктивной модели данных — анализируя поступающую информацию и выделяя в ней закономерности, мы сможем предсказывать эффективность отдельных инструментов и механик или целых стратегий.