Как омни-канальному ритейлеру сегментировать клиентов по покупательской активности

Сегментация – это то, что усиливает эффективность маркетинга. Чем меньше сегмент, тем вероятнее вы решите ту самую проблему, которая интересует клиента, тем точнее будет ваш посыл. Но что делать омни-канальному ритейлеру, с которым тысячи покупатели контактируют и онлайн, и офлайн? Как их объединить, разбить на сегменты и найти пересечения – такими вопросами задался один из наших клиентов и вот как мы решили эту задачу.

BUTIK. — это универмаг в центре Москвы, площадью 5 000 кв. м. и интернет-магазин одежды, обуви и аксессуаров. Всего в магазине представлено более 350 брендов. Компания первой в России объединила online и offline-магазин в единый сервис. Покупатели могут оформить заказ на сайте, забрать через час в универмаге в центре Москвы, получить его курьерской доставкой или заказать доставку в любой город России.

Задача: сегментировать клиентов в зависимости от их покупательской активности.

Зачем? Чтобы снизить долю рекламных расходов, продлить жизненный цикл клиентов и увеличить их LTV.

Как? С помощью персонализированной коммуникации с каждым из сегментов в цифровых каналах и каналах direct-маркетинга (email, sms, колл-центр).

Решение: объединить данные из Google Analytics и внутренней CRM, сформировать сегменты, наладить коммуникацию и построить отчеты по их результатам.

Все данные о поведении пользователей на сайте BUTIK. собирает и хранит в Google Analytics, а информацию об исполняемости заказов — во внутренней CRM-системе. Чтобы сегментировать клиентскую базу, нужно собирать эти данные в одной системе и группировать пользователей, основываясь на частотности и давности их покупок. Затем готовые сегменты передаются в рекламные сервисы для показа релевантной рекламы и персонализации коммуникаций в каналах direct-маркетинга.

Собирать и хранить данные аналитики BUTIK. решили в Google BigQuery – это хранилище доступно, безопасно и легко интегрируется с другими системами благодаря API.

Данные движутся по такой схеме:

1. аналитики BUTIK. с помощью OWOX BI Pipeline передают в GBQ несемплированные данные о действиях пользователей на сайте практически в реальном времени.
2. При помощи API и готовых библиотек аналитики импортируют из CRM в Google BigQuery следующие данные:

• информацию обо всех сделанных и выкупленных заказах (online, offline и колл-центр).

• UserID пользователей и их покупательскую активность (наличие или отсутствие заказов). Персональные данные (ФИО, пол, день рождения, email, телефон, дата регистрации, статус в программе лояльности, статусы подписки на email, sms и т.д.) хранятся на серверах BUTIK с тем же UserID.

К классической логике RFM-сегментов решили применить дополнительные кастомные параметры, чтобы учесть тонкости fashion-retail и его омни-канальность.

Аналитики определили основные типы сегментов:

• New Members — новые зарегистрированные пользователи без покупок.
• Old Members — старые зарегистрированные пользователи без покупок.
• New Buyers — клиенты, совершившие первую покупку.
• Good Buyers — клиенты, покупавшие 3 раза и более за последние 6 периодов.
• Very Good Buyers — клиенты, которые наиболее часто покупали за последние 6 периодов, с верхним порогом Transformation Rate (доля клиентов в сегменте, совершивших покупку в отчетном периоде). Например, клиент, покупавший в каждом периоде или в 4-5 периодах из 6 последних.
• Casual Buyers — клиенты, покупавшие в 1-2 периодах из последних 6.
• Sleep — люди, не покупавшие последние 6 периодов подряд.
• Inactive — люди, не покупавшие последние 12 периодов подряд.

Период – это среднее количество дней между двумя соседними заказами. Аналитики рассчитали отдельно, сколько дней проходит между заказами в online, сколько в offline и взяли их средневзвешенное .

Потом создали схему переходов пользователей из одного сегмента в другой. Это нужно, чтобы видеть миграцию пользователей между сегментами по результатам коммуникаций с клиентской базой в цифровых каналах, например, контекстной рекламе, и каналах директ-маркетинга.

Зеленые стрелки показывают долю пользователей, которая перешла в более активный сегмент, а красные – в пассивный. Например, на схеме видно, что 15% зарегистрировавшихся пользователей (New Members) делают первую покупку и становятся New Buyers (повышение качества). А 86% людей, которые сделали первую покупку в прошлом периоде, в анализируемом периоде ничего не купили и в результате перешли в сегмент Casual Buyers (снижение качества).

С помощью нескольких SQL-запросов аналитики OWOX BI сформировали из полученных данных таблицу с основными показателями эффективности для каждого сегмента:

• количество пользователей в сегменте и его доля в клиентской базе;
• количество заказов (оформленных и выкупленных) в сегменте;
• средний чек;
• количество заказов на пользователя;
• сумма заказов и доля сегмента в общем обороте;
• изменение численности сегмента (темп прироста).

Для удобного использования сформировали три отчета.

• Количество пользователей, которые сменили сегмент или остались в прежнем.

• Данные по каждому пользователю за определенный период.

• ФИО;
• пол;
• еmail;
• телефон;
• день рождения;
• статус в программе лояльности;
• средний чек;
• сумма накопленных бонусов.

Персональные данные хранятся на серверах BUTIK., а в качестве ключа для связки с данными из Google BigQuery используется UserID.

Данные из этой таблицы используются для запуска персонализированной рекламы под каждый сегмент пользователей.

• Метрики покупательской активности по каждому сегменту за два периода – анализируемый и предыдущий.

• Доход, который генерирует сегмент, и его доля в общем обороте компании.
• Частотность покупок и средний чек.
• Процент выкупа — долю оформленных заказов, которые были оплачены.
• Динамику численности сегментов. Позитивная динамика – это прирост пользователей в активных сегментах (Good Buyers, Very Good Buyers, New Buyers) и сокращение в пассивных (Sleep, Inactive, Casual).

Теперь вся информация о клиентах BUTIK. собрана в одном месте, а отчеты формируются автоматически, что экономит время маркетологов. Благодаря новым отчетам стало гораздо проще отслеживать и анализировать важные KPI и изменения в поведении в разрезе сегментов и каждого клиента.

Теперь маркетологи BUTIK. в зависимости от сегмента и поведения пользователя внутри этого сегмента могут:

• не показывать рекламу тем, кто и так с большой вероятностью купит товар;
• показывать специальные предложения тем, кто сомневается или давно не покупал;
• фокусировать усилия на тех, кто не покупает, но имеет высокий потенциал;
• не тратить силы на тех, кто маловероятно принесет прибыль.