«Яндекс.Такси»: как конкурировать с самим собой, чтобы расти дальше

Директор по маркетингу «Яндекс.Такси» Дарья Золотухина рассказала на Epic Growth Conference, зачем создавать конкуренцию внутри собственного продукта и почему это способствуют более быстрому и агрессивному проникновению на рынок. Публикуем тезисы доклада: кейс «Яндекс.Такси» и Uber.

Есть такая популярная мантра про self-disruption — саморазрушение. Чаще всего она звучит так: «Не разрушишь себя сам, тебя разрушит кто-то другой».

Расскажу об опыте «Яндекс.Такси» — как создавать конкуренцию внутри собственного продукта на нескольких примерах. Такая конкуренция неминуемо приводит к каннибализации, и сложнее всего научиться контролировать эту каннибализацию и управлять ею.

Первый пример — это наличие двух брендов в одной категории. В нашем случае — это «Яндекс.Такси» и Uber. Такая практика часто встречается в FMCG-секторе (продукты повседневного спроса) или beauty-индустрии, где товары конкурируют друг с другом на одной полке. Но для tech-компаний это довольно уникальный кейс.

В 2018 году «Яндекс.Такси» объединился с подразделением Uber («Uber Россия» и Uber в нескольких странах СНГ) и теперь управляет двумя брендами. При этом у обоих сервисов идентичная функциональность, предназначены они для одной аудитории, ситуации использования тоже не отличаются.

Второй пример — создание нового сценария или технологии, которая каннибализирует старую. В нашем случае это «Яндекс.Драйв». Более 85% пользователей «Драйва» пришли из «Яндекс.Такси» и изменили часть своих сценариев: а именно перешли c части своих поездок на такси — на каршеринг.

Третий пример — вне сценария бренда или нового продукта, это каннибализация органического трафика платным.

Все три примера, безусловно, способствуют более быстрому и агрессивному проникновению на рынок, расширяют воронку входа в категорию.

Но не дешевле ли ничего не делать, чем создавать себе конкурента?

Ответ на вопрос, как расти, конкурируя, попробуем подробнее разобрать на двух кейсах.

Итак, после объединения компаний, у нас есть два бренда — «Яндекс.Такси» и Uber. Мы принимаем решение продвигать два бренда, более того, нам пришлось выпустить новое отдельное приложение для России и некоторых стран CНГ. Приложения функционально абсолютно идентичны.

Первое — нам необходимо было привлекать с нуля пользователей в новое приложение Uber, то есть инвестировать в acquisition с нуля. Второе — привлечение этих пользователей выходит дороже, ведь бренд «Яндекса» — всеми любимая марка, и любой продукт со словом «Яндекс» в названии сразу обеспечивает высокие конверсии — выше, чем у любого конкурента. Третье — поездки в данном приложении на старте дешевле (скидки, промокоды).

Для управления каннибализацией мы решили пойти сразу двумя путями:

Начнём с бренда: бытует мнение, что дифференциация брендов на рынке ценовых и технологических войн — это миф. Потому что это массовый высокочастотный сервис, commodity, когда базы пользователей разных сервисов сильно пересекаются. То есть явно не тот случай, где нематериальная лояльность играет значимую роль.

И действительно, 55% наших высокочастотных пользователей «мультиаппят» — пользуются несколькими приложениями, в том числе и наших конкурентов, сравнивают цены, используют разные приложения в разных ситуациях.

В этом случае задача дифференциации брендов — сложная. Функциональность похожа, нет эмоциональных факторов выбора, решает цена. При этом нам было нужно найти такую роль для бренда, которая увеличила бы прибыльность «Яндекс.Такси» и, соответственно, минимизировала бы каннибализацию.

Среди популярных стратегий дифференциации на рынках с сильным игроком-лидером мы примеряли три возможных подхода. Первый — стратегия дискаунтера, но изначально понимали, что она наименее маржинальная и спровоцирует самую высокую каннибализацию.

Второй — стратегия челленджера, как делал Lyft в Штатах, как делал Uber в России. Но риски этого пути или в полной каннибализации лидера (при успехе стратегии), или в том, что бренд навсегда в сознании потребителей останется вторым.

Ну и третий вариант — это фокусировка на конкретном сегменте целевой аудитории и ее потребностях. В рамках такой стратегии основная задача состоит в том, чтобы найти такие сегменты аудитории, которые было бы дешевле привлекать в Uber, и впоследствии этот бренд мог бы стать первым для входа в категорию для этой ЦА.

Для определения «выгодных» для привлечения в Uber сегментов мы пересекли данные поездок: куда ездят, данные «Яндекс.Аудиторий», социально-демографические характеристики и интересы аудитории, и результаты количественного U&A-исследования приложений такси.

Сегментировали поездки на разные ситуации использования, как их декларировали пользователи: поездки по делам, ради развлечений, по «особому случаю» или «палочка-выручалочка» — когда нет других альтернатив уехать.

Следом стали сегментировать аудиторию: более взрослая аудитория, молодые пользователи в поисках выгоды, активные пользователи, предпочитающие комфорт — «молодые гедонисты», которые используют тарифы повышенного класса. Затем пересекли ситуации поездок и сегменты аудитории.

Пример таблицы с пересечением ниже, где черным отмечены сегменты, наименее выраженные у «Яндекс.Такси». Их мы и решили попробовать сделать целевыми для Uber.

Для молодой аудитории мы придумали уникальный продукт — тариф uberNIGHT, которого нет нигде у Uber в мире. Ночные поездки со скидками. UberNIGHT стал хедлайнером всех наших коммуникаций и рекламных кампаний на протяжении нескольких рекламных флайтов.

Помимо роста знания бренда среди нужной нам аудитории, еще одним подтверждением удавшейся дифференциации стали результаты наших рекламных кампаний в TikTok, где сосредоточена молодая аудитория.

Конверсия Uber в первую поездку значимо поменялась на фоне имиджевых кампаний бренда, и привлечение пользователей в Uber в TikTok нам теперь обходится выгоднее, чем привлечение в «Яндекс.Такси».

Параллельно с работой над восприятием бренда путем десятков экспериментов с контрольными группами мы искали подходы, как оптимизировать CAC (Customer Acquisition Cost) новичков в performance-рекламе, а главное — не тратиться на привлечение пользователей, которые активно используют «Яндекс.Такси».

Два эксперимента на сегодня сработали: первый — таргетинг рекламы Uber на churn-списки «Яндекс.Такси» (пользователи, которые не были активны на протяжении последних трех месяцев) и второй — эксперимент с прогнозированием оттока.

С помощью ML мы построили предиктивную модель, предсказывающую момент, когда пользователь начинает реже пользоваться «Яндекс.Такси» и может уйти из сервиса. В этот момент мы начинаем коммуницировать с ним от лица второго бренда и таким образом пытаемся сохранить частоту поездок с помощью Uber.

Примеры «предиктивных» маркеров, которые использовались в этой модели:

Таким образом, благодаря мультистратегии (дифференцирование бренда + «умная» acquisition-закупка) нам удалось минимизировать каннибализацию — сделать привлечение новичков Uber-ом эффективным, а также нарастить частоту поездок существующих пользователей в системе («Яндекс.Такси» + Uber) на 30% — верхнее значение.

Второй кейс — это конкуренция с самим собой в каналах привлечения пользователей. Для продуктов с хорошим знанием проблема каннибализации органики становится крайне актуальной. Как понять, что вы не переплачиваете за пользователей, которые бы пришли сами?

Какая-то доля органики точно будет каннибализирована, это неизбежно, ведь задача растущего бизнеса — агрессивно расти, не снижая темпы. Но опять же — можно ли управлять этой каннибализацией?

Определить его довольно сложно. В нашем случае это огромное количество каналов, высокое знание о продукте и куча внешних факторов, которые влияют на динамику органических установок.

Например, мы, можно сказать, молимся на осадки, потому что фактор сезонности благоприятно влияет на наш бизнес: до 22% прироста органики дает нам плохая погода, а это в два раза больше, чем эффект от флайта офлайн-рекламы на ТВ и в наружке.

Мы попробовали в разных городах поочередно отключать одну операционную систему (iOS/Android). Таким образом, мы могли учитывать влияние сезонности и других внешних факторов на основе нетронутых каналов, что позволило сделать тест достаточно чистым для выводов.

Каннибализация в 55% для некоторых городов России — это, между прочим, половина бюджета какого-нибудь человека. Отсюда возникает вопрос: «Зачем тратить такие деньги?»

Чтобы научиться тратить деньги эффективнее, мы начали ступенчато снижать объемы закупки до эффективной пропорции. Например, вчера вы закупали на миллион рублей, а сегодня снижаете объем до 500 тысяч, и смотрите, как меняется динамика прироста новичков.

Потом, вновь поочередно отключая операционные системы в рамках одного канала в разных городах, сверяете данные до выявления собственной идеальной формулы баланса paid/organic.

В кейсе с Uber я уже рассказывала про поиск наиболее «выгодных» сегментов. Расскажу еще один пример из опыта работы с нашим премиальным сервисом Ultima — линейка тарифов премиум-класса.

Здесь успех эффективного привлечения заключается в кропотливой работе поиска и настройки специальных сегментов для таргетинга. Например, для рекламы Ultima мы не ориентируемся на доступные по дефолту сегменты рекламных платформ, а скрещиваем их. Примеры скрещиваемых аудиторий:

То есть берем аудиторию активных инвесторов и скрещиваем с аудиторией читателей Forbes, New York Times или TechCrunch. Такой кастомный подход позволил качественно улучшить все метрики — CTR, CR, досматриваемость рекламы, что свидетельствует о более высокой вовлеченности аудитории и потенциально более высоком LTV в сервисе.

Наряду с custom-аудиториями мы используем предиктивные и look-alike модели. Например, для привлечения пользователей в «Детский тариф» выбираем тех, кто уже использует этот тариф, и с помощью ML ищем среди всей аудитории приложения (еще не пользующейся «Детским») похожих на них. Это работает на все наши тарифы повышенного класса и новые услуги.

Пробуйте разные подходы и не бойтесь ошибиться — никогда не узнаешь, что точно сработает, а что нет. Всем крутых гипотез и масштабируемых экспериментов!

Больше про рост продуктов и growth-процессы — в Telegram-канале Epic Growth Channel.

#uber #яндекстакси