Дешевле не дать клиенту уйти

Около 80% вновь привлеченных клиентов покупают всего один раз. Поэтому бизнесу экономически выгоднее фокусироваться на удержании клиентов и мотивировать их на повторные покупки, чем постоянно привлекать новых.

В этом материале расскажем, как работа с собственными и внешними данными влияет на ключевые бизнес-показатели и как безболезненно интегрировать data-driven подход в действующую рекламную стратегию. На реальных кейсах объясним, какие типы данных влияют на привлечение, а какие — на удержание клиентов, и как их грамотно комбинировать между собой.

Вы узнаете, какие практические инструменты помогут e-com-игрокам определять из каких сегментов состоит клиентская база, как удерживать и мотивировать клиентов совершать повторные покупки и снижать затраты на привлечение новых.

Бизнесу важно формировать собственную базу данных и работать с ней. Базу можно использовать не только для работы с существующими клиентами, но и для привлечения новых, например, формировать look-alike. Важно, чтобы данные были качественными, и их было много. Чем больше качественных данных, тем проще рекламным площадкам найти релевантных пользователей.

Если собственных данных недостаточно, но снизить стоимость привлечения клиента необходимо, можно воспользоваться внешними данными, поставщиками которых являются DMP-платформы, например AiData. В портфеле компании 600 тыс. доменов (≈ 90% данных рунета) — из этих данных AiData формирует готовые аудиторные сегменты на любые тематики.

В дата-портфеле AiData 2 вида аудиторных сегментов: таксономия AiData и AiData GPT. В таксономии AiData 1700 готовых аудиторных сегментов, при формировании которых система по ключевым словам анализирует контент страниц из дата-портфеля. А при формировании таксономии AiData GPT компания использует собственную GPT-модель, которая вместо поиска по ключевым словам анализирует контент как живой человек. Благодаря такому подходу качество сегментов увеличивается до 95%.

Готовая аудитория — это обезличенные рекламные идентификаторы пользователей, объединенные по одному или нескольким принципам, на которых настраивается реклама. Поскольку данные пользователей захешированы, сделать обзвон или рассылку по базе не получится.

Готовые аудиторные сегменты можно использовать для обогащения собственной базы или для тестирования отклика, если необходимо расширить присутствие на рынке и привлечь новых клиентов, но собственной базы не хватает.

Вот пример обогащения собственной базы. Это кейс с ФСК, одной из крупнейших девелоперских компаний России, и c CPD Konnektu. Коллеги из Konnektu собирали данные ФСК у себя на платформе, затем отправляли в AiData. Из обогащенных сегментов создавались аудитории для последующих рекламных кампаний по различным интересам (доход, специализация, семейное положение, недвижимость, городская недвижимость, ипотека, рестораны, кафе, театры, IT-специалисты и т.д.).

Полученную информацию учитывали в рекламных макетах, офферах, тестировали разные призывы к действию. Пользователю назначались баллы за определенные действия на сайте, оценивалась вероятность трансформации пользователя в лида и учитывались данные из CRM-системы.

Все показатели передавались в AiData, обрабатывались, обогащались данными из таксономии и направлялись дальше для размещения в различных рекламных кабинетах.

Также использовались look-a-like сегменты, которые были сформированы с учетом данных AiData и которые вошли в топ-3 по CTR.

Чем активнее компания взаимодействует со своей клиентской базой и удерживает клиентов, тем больше регистрирует продаж. Чем больше клиенты покупают, тем более лояльными становятся.

Но часто возникает ситуация, когда компания не может точно сказать, сколько у нее лояльных клиентов. Это происходит из-за того, что неверно оценивается маркетинговая стратегия, хромает отчетность, неэффективно выстраивается коммуникация с базой.

Решить эти проблемы поможет «Матрица удержания». В основе инструмента лежит математическая модель, которая группирует клиентскую базу по уровням:

Для любого бизнеса эти сегменты называются одинаково, а уникальные показатели для конкретного бизнеса рассчитывает математическая модель.

«Матрица удержания» поможет разобраться, кто покупает больше всех, кто покупает чаще всех, кто перестает покупать и почему.

Инструмент покажет, сколько покупателей в течение месяца переходили из одного уровня на другой, на сколько увеличивались «хорошие» или «плохие» сегменты. С этими данными можно работать, например, настроить автоматическую отправку писем со скидкой 10% тем, кто перешел в худшую зону — это поможет удержать клиентов. При этом робот все сделает сам, без привлечения сотрудников, и практически бесплатно.

Кроме того, инструмент поможет выделить сегменты покупателей, которые не выгодны бизнесу, потому что их привлечение стоило больше, чем чистая прибыль, которую бизнес получил от них. С помощью «Матрицы удержания» можно исключить эти сегменты из дальнейшей работы, чтобы привлекать тех, кто в перспективе будет покупать несколько раз.

Данные помогают оценить состояние базы в динамике: много ли клиентов становятся лояльными или какое количество клиентов компания теряет. Анализируя факторы оттока клиентов, компания сможет вовремя принять меры и исправить ситуацию.

Data-driven подход в маркетинге позволяет точнее определять целевую аудиторию, лучше понимать потребности клиентов, создавать персонализированные предложения и снижать затраты на маркетинг. Если у вас нет данных, то начните их собирать, анализировать и сегментировать. Если у вас есть данные, но вы их не используете — вы упускаете возможность качественно масштабироваться.

Материал создан на основе вебинара «Как сохранить пользователя после привлечения, чтобы не платить за него повторно».

Спикеры

Запросите полную версию вебинара, чтобы узнать, как: