{"id":6545,"title":"\u041a\u0430\u043a \u0438 \u0437\u0430\u0447\u0435\u043c \u043a\u0440\u0443\u043f\u043d\u044b\u0435 \u0431\u0440\u0435\u043d\u0434\u044b \u0441\u043d\u0438\u043c\u0430\u044e\u0442 \u0440\u043e\u043b\u0438\u043a\u0438 \u0434\u043b\u044f TikTok","url":"\/redirect?component=advertising&id=6545&url=https:\/\/vc.ru\/tiktok\/293387-brands-in-trends&placeBit=1&hash=07ebf9a0a17c2f85811d24fb804e09e72513fa4c7cc999d1730b233d3c9348bd","isPaidAndBannersEnabled":false}
Маркетинг
Celado AI

Уменьшение оттока клиентов в сети ресторанов быстрого питания

Перед компанией стояла задача кластеризовать клиентскую базу сети пиццерий для улучшения аналитики продукта, формирования маркетинговых активностей и снижения оттока клиентов. Несмотря на активное расширение за счёт открытия новых пиццерий и положительной юнит-экономики, у компании был ряд сложностей с анализом клиентской базы, прогнозированием выручки, отсутствовал инструмент для быстрой проверки гипотез.

Подготовительный этап

На ознакомительном этапе работ был сделан поверхностный анализ качества данных. Изучение показало, что хотя в данных и есть определённые неточности, в частности в ряде заказов есть ошибки по времени доставки (ноль или более суток), данных из CRM достаточно для работы, они неплохо структурированы, а ошибки можно будет отфильтровать, и скорректировать на них результат.

Также сразу были сделаны определённые выводы по эффективности применения промокодов и подарочных сертификатов и отвергнуты некоторые гипотезы по возможным причинах ухода клиентов (было выявлено, что нет заведомо “невкусной” пиццы).

После этого было принято решение о реализации полноценного проекта.

Реализация проекта

Перед использованием моделей машинного обучения была проведена предобработка данных:

  • были отсеяны служебные заказы;
  • созданы фильтры для отменённых заказов;
  • разделены заказы в ресторане и с доставкой;
  • сделана другая предварительная работа с данными.

Как и в любой задаче машинного обучения, в данной задаче были важны синтетические параметры - параметры, которые являются производными от изначальных данных (например, простые - среднее время между заказами, время прошедшее с последнего заказа или такой экзотический, как синус угла наклона кривой частоты заказов).

За время нашей работы с рекомендательными системами, вариантов подобных параметров для разных категорий бизнеса было протестировано большое множество, поэтому в рамках продукта Celado Unchurn данная задача решается гораздо быстрее, чем если делать с нуля.

Для представления результатов в BI системе Qlik Sense был разработан персональный дашборд, отражающий как общие параметры бизнеса (выручку по пиццериям и видам заказов), так и листы с кластеризацией клиентов по вероятности оттока и для планирования маркетинговых активностей.

Кроме склонности к уходу, были также выделены группы клиентов -

  • вегетарианцы
  • заказывающие пиццу на работу
  • заказывающие пиццу домой
  • пользователи промо
  • пользователи сертификатов
  • Были выделены 9 сегментов по LTV

Подобная сегментация позволила делать более персонализированные обращения к клиентам.

Дополнительно были составлены тепловые карты по географии заказов для выявления мест для открытия новых филиалов сети.

В завершении к дашбордам были подключены данные из google analytics, по которым можно было анализировать, по каким рекламным каналам приходят клиенты с большим LTV.

Проверка качества прогноза оттока

Для проверки качества определения склонности клиентов к оттоку, клиентом была запланирована тестовая промо.

В каждую из групп “Ушедшие”, “Активные”, “Уходящие” были разосланы смс сообщения с промо кодом.

Как и ожидалось наибольшую активность показала группа “активные”, так как они бы в любом случае совершили покупку, активность группы ушедшие была менее 5 % процентов, активность “уходящих” была чуть ниже активных и у них был ниже средний чек, однако существенно выше тех, кто в соответствии с нашими алгоритмами окончательно ушёл.

Выборочное телефонное интервью с “уходящими” показало, что это были люди, которые в целом довольны пиццей, но либо заказывают в разных местах от случая к случаю, либо имеют ограниченный бюджет на заказ еды в ресторане. То есть как и предполагалось, небольшая скидка или другой бонус подтолкнули этих людей к заказу.

За первые несколько месяцев отток был снижен на 9%, средний чек был увеличен на 15%. Увеличение среднего чека оказалось побочным положительным эффектом внедрения. Это было особенностью поведения клиентов при получении промо-кодов, что было выявлено на стадии первоначальной проверки данных и гипотез.

Почему это важно?

Одним из важных факторов, влияющих на продолжительность покупок клиентом, является то, сколько времени этот клиент уже покупает. То есть разовые покупки через небольшое время превращаются в привычку (особенно, если это подкрепляется хорошими программами лояльности). Таким образом если в нужный момент подтолкнуть колеблющегося клиента к покупке, то это даст не только разовую покупку, но и сделает его более лояльным и с большой вероятностью он продолжит покупать продукт без дополнительных стимулов.

{ "author_name": "Celado AI", "author_type": "self", "tags": ["\u043e\u0442\u0442\u043e\u043a_\u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432","\u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0435\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435","\u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439\u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442","\u0438\u0438","\u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u044f\u0431\u0438\u0437\u043d\u0435\u0441\u0430","customer_churn","artificalintelligence","ai"], "comments": 0, "likes": 2, "favorites": 6, "is_advertisement": false, "subsite_label": "marketing", "id": 158246, "is_wide": true, "is_ugc": true, "date": "Mon, 14 Sep 2020 17:49:52 +0300", "is_special": false }
0
0 комментариев
Популярные
По порядку
Читать все 0 комментариев
«Донер 42» откроет первые кафе-донерные по франшизе в Перми, Ульяновске и других городах Статьи редакции

Компания отобрала 20 тестовых франчайзи, с которыми будет развивать сеть.

«Донер 42» в Москве Донер 42
Производитель микрокомпьютеров Raspberry Pi привлёк $45 млн при оценке в $500 млн Статьи редакции

Компания потратит инвестици на расширение линейки микропроцессоров Pi и маркетинг.

Слабое звено бизнеса — уверенность. Разбираемся, как ее достичь

Начнем с очевидного: бизнес — это всегда практикум. Научить ему на лекциях и курсах сложно. Это понимают и опытные, и новички, и даже наемные работники. Тогда откуда такой спрос на обучающие программы со стороны бизнеса? Мы углубились в вопрос и нашли ответы. Выводы оказались неожиданными: образовательные программы, интерактивы, презентации…

Amazon впервые с 2018 года обновит Kindle: в новой версии — увеличенный экран и режим автономной работы до 10 недель Статьи редакции

Стоит от $140.

Kindle Paperwhite Amazon
Evrone News #08: выступили на конференциях и провели первый Evrone Fest

В этот раз наша традиционная подборка посвящена мероприятиям. Во-первых, наши спикеры отлично выступили на PyCon и RnDTechConf, а во-вторых, мы провели свой первый Evrone Fest. Подробности ниже.

Пивозавро-стикеры для IT
«ВкусВилл» объявил о ребрендинге и первой за девять лет смене логотипа Статьи редакции

У компании новый слоган — «Здесь полезное вкусно».

«Вкусвилл»
«Сбер» продаст свою долю в разработчике системы для распознавания лиц VisionLabs — Reuters Статьи редакции

Банк хочет развивать другой сервис распознавания лиц и речи, сообщают источники издания.

Avito начал переговоры о покупке сервиса по поиску жилья «Циан» — Forbes Статьи редакции

Ходатайство о покупке «Циана» поступило в ФАС от Avito летом 2021 года, рассказал источник издания.

Как IT-компания делает продукты: история собственной торговой марки Яндекс.Лавки
null