Как с помощью аналитики снизить отток заказов из онлайна в офлайн

Одна из важнейших задач аналитики — давать ответы на вопросы, которые задаёт бизнес. И в этом кейсе мы расскажем, как столкнулись с проблемой оттока заказов из онлайн в офлайн, где искали ответы, какие методы нам помогли и при чём здесь рекламные кампании, которые мы чуть не выключили.

ECCO входит в тройку мировых производителей обуви. Компания представлена в 88 странах мира, а розничная сеть составляет более 2000 магазинов и свыше 14 000 точек продаж. В России у ECCO более 200 розничных магазинов, а также интернет-магазин с ежемесячным трафиком более 2 млн.

В интернет-магазине Ecco можно купить обувь с доставкой или заказать самовывоз. С доставкой всё просто — клиент выкупает весь заказ, часть заказа или отказывается от него, если товары не подошли. Аналитика собирается просто, и можно отследить все необходимые показатели.

С самовывозом все немного сложнее: клиент заказывает самовывоз в одном из магазинов сети и должен забрать свой заказ в течение суток, если он не предоплачен. Придя в магазин, клиент может выкупить свой заказ или переключиться на что-то другое — другой цвет, новую модель или выбрать зимние сапоги вместо сандалий.

Для того чтобы не холдировать товарные остатки в магазинах, мы бронируем товар только на сутки. Но покупатель может не успеть забрать обувь в течение суток и, например, прийти на следующий день и купить ту же самую модель в розничном магазине. И это уже будет не онлайн-заказ, а офлайн-продажа.

Для бизнеса нет глобальной разницы, в каком канале клиент совершил покупку. Главное, он её сделал. Но с точки зрения аналитики такие ситуации создают много проблем: невозможно корректно оценивать эффективность рекламных кампаний, правильно считать конверсии от разных рекламных каналов и т.д.

С чего всё началось? Мы заметили стагнацию выкупа заказов с самовывозом. Увидели, что падает выкупаемость заказов на протяжении нескольких месяцев, и начали искать корень проблемы.

Кроме очевидного падения выручки непосредственно от онлайн-заказов со статусом «Самовывоз» (а он составляет около 50% от всех оформленных заказов), это повлекло за собой негативное влияние на эффективность рекламных кампаний, которые генерировали трафик в самовывоз: рост CPO в 3,4 раза.

Сначала смотрели на операционные вопросы: искали сложности с оплатами, разбирались в коммуникациях, смотрели на проблемы с платёжным шлюзом и т.д. Но работа по этим направлениям не дала ответов. Поэтому мы решили посмотреть, доходят ли клиенты до магазина, чтобы выкупить свой заказ.

У нас появилось 2 гипотезы:

• Покупатели делают заказ в интернет-магазине, а в офлайн-точке продавцы пробивают это отдельным чеком.
• Клиенты не успевают забрать заказ в течение суток, приходят на следующий день и покупают тот же самый товар в офлайн-магазине.

Чтобы проверить эти гипотезы, нужно было погрузиться в аналитику.

Если для бизнеса глобально не имеет значения, в каком канале человек совершил покупку, в рознице или в онлайне, то почему этот вопрос возникает? Потому что это влияет на рекламные кампании. Когда большой процент заказов отменяется, показатель ДРР может взлетать в несколько раз. И если не разобраться в ситуации, можно выключить рекламные кампании, которые на самом деле работают эффективно, или как минимум значительно снизить рекламный бюджет. Поэтому для нас было очень важно найти, что происходит с отменёнными заказами.

Прежде всего, мы решили посмотреть, сколько людей из тех, кто не забрал заказ со статусом «самовывоз», доходят до офлайн-магазина. Используя мэтчинг по картам лояльности, собрали первый отчёт и посмотрели, какой процент клиентов, оформивших самовывоз и отменивших заказ в онлайне, доходят потом до магазина и совершают покупку. Проанализировали прошедший месяц и увидели, что таких покупателей около 65%.

Для получения полной картины мы решили посмотреть глубже и выделили несколько вариантов:

• Случаи, когда был куплен тот же артикул в другом размере;
• Ситуации, когда был куплен тот же артикул, но в другом цвете;
• Продажи того же артикула в том же цвете и размере, пробитые розничным чеком.

Разбивку сделали по двум временным интервалам:

• день в день;
• на следующий день.

Собрав все показатели, мы получили работающий дашборд со всеми нужными данными, которым сейчас пользуются почти все, кто включен в этот процесс:

Прежде всего, для составления подобного отчета у бизнеса должны быть данные, из которых его можно собрать:

• транзакции в интернет-магазине;
• чеки в рознице;
• статусность по заказам;
• информация о дате и времени заказа и розничных покупок;
• информация по составу чека в рознице и по заказу в онлайне.

А главное, должна быть возможность идентификации клиента, например, по карте лояльности.

Второй шаг — очистка данных. На больших данных не видны конкретные ситуации, и некоторые цифры могут быть неверно истолкованы. Например, один покупатель делает 4 заказа на 4 разных позиции и выкупает в итоге одну. Если смотреть с точки зрения статистики, это может напугать, но при детальном погружении становится понятно, что ничего страшного в этом нет. Аналитики KIT SOLER смогли агрегировать большие данные с помощью Power Query, и теперь всё рассчитывается автоматически. Тем не менее подобные случаи мы стараемся изучать внимательнее: почему человек, просматривая карточки товаров, каждый раз оформляет новый заказ с самовывозом, вместо того, чтобы положить нужные товары в корзину и сделать один общий заказ. Возможно, нужно изменить логику оформления заказа, внести изменения в интерфейс — мы планируем поработать над этим и проверить несколько гипотез с помощью A/B-тестов.

И последний этап внедрения — принятие решений на основе полученных данных. В нашем случае решением были структурные изменения в бизнес-процессе. Мы выяснили, что продавцы в магазинах пробивали часть заказов розничным чеком из-за отсутствия нормального процесса работы с интернет-заказами в рознице. Когда нужно было пробить именно то, что покупатель заказал в онлайне, никаких проблем не было. Но если клиент хотел купить другой размер или цвет, если нужно было добавить аксессуары или внести ещё какие-то изменения в заказ, продавцу было крайне сложно это сделать. То есть техническое обеспечение не позволяло продавцу внести изменения быстро и просто, и нужно было его менять.

Когда компания небольшая, это кажется незначительным, но когда — большая розничная сеть размером более 200 магазинов, даже небольшие изменения в интерфейсе сделать очень сложно, потому что они влекут за собой сильные изменения в IT-инфраструктуре.

Прежде всего, мы нашли главный источник проблемы — нелогичные последовательности в интерфейсе. И смогли их исправить. За счёт этого нам удалось в несколько раз снизить количество отменённых заказов, оформленных со статусом «самовывоз»: теперь 9 из 10 заказов пробиваются корректно:

Если говорить о влиянии полученных данных на работу с рекламными кампаниями, то когда мы разобрались, что на самом деле происходит с отменёнными заказами, мы смогли лучше сформировать свою стратегию продвижения:

• При оптимизации рекламных кампаний мы теперь учитываем выкуп заказов на следующий день.
• Стабилизировали CPO и не выключили эффективные кампании на несколько миллионов рублей.

Без чего вся эта история была бы невозможна? Без возможности мэтчить онлайн-заказы и офлайн-покупки одного и того же человека. Нам удалось это решить с помощью хорошего покрытия программы лояльности. Если у компании нет средств идентификации клиента на сайте и офлайне, такое решение будет практически невозможно реализовать. Поэтому первый совет — развивайте свою программу лояльности и увеличивайте ее покрытие.

А во-вторых, собирайте данные, которые помогут анализировать ситуацию и делать выводы: транзакции в интернет-магазине, чеки в рознице, статусность по заказам, информация о составе, дате и времени заказа и розничных покупок. И не забывайте их очищать, чтобы видеть реальную картину.

Авторы: Head of Growth and Performance Marketing ECCO Russia Александр Благовисный, команда KIT SOLER