Войти
Маркетинг
«Про бизнес.» 28 февраля 2017 7

Как изучить 300 000 клиентов по картам лояльности «Купилка»— кейс сети «Соседи»

Фото с сайта megapolis-real.by
Фото с сайта megapolis-real.by

«Каждое действие клиента понятно и прозрачно: сколько человек вернулись, сколько они потратили, что купили. У нас становится все больше маркетинга с измеримым результатом» — так описывает эффект программы лояльности «Купилка» руководитель отдела маркетинга сети магазинов «Соседи» Андрей Янюк.

Но изначально «Купилка» не была такой эффективной. Недавно «Соседи» вместе с компаниями «А2 Консалтинг» и «Лаборатория клиентского опыта» провели аналитику базы из 300 000 клиентов. Эксперты проекта поделились с «Про бизнес.», какие результаты это дало.

— Все говорят про суперэффективность программ лояльности — дешевле удержать, чем привлечь, лояльные клиенты тратят больше и покупают чаще. Но ведь любая программа подразумевает под собой дополнительные расходы. А какая реальная отдача может получиться?


   
Сергей Шопик
Сергей Шопик
Руководитель консалтинговой компании «Лаборатория клиентского опыта»
Александр Гончар
Александр Гончар Руководитель компании «А2 Консалтинг»

Большинство программ лояльности сталкиваются с одной и той же проблемой: отсутствие работы с накопленными данными о клиентах. Эти данные позволяют осознанно работать с клиентской базой: возвращать ушедших клиентов, понимать, как можно увеличить средний чек и его глубину, сформировать предложение с наибольшим откликом.

С какими вызовами столкнулась «Купилка»

«Соседи» запустили программу лояльности в 2014 году. Возникли следующие вызовы:

1. Сложность в сегментации клиентов. Одно дело, когда вы маленькая компания с 30−50 клиентами, и другое — когда их несколько сотен тысяч. Как их сегментировать?

  • ABC-анализ (распределение ресурсов по степени их важности — прим. «Про бизнес.») здесь уже не поможет
  • В Excel — проблематично и долго
  • Любой ручной самостоятельный анализ — это анализ в «статике»: один раз сегментировали, в следующий раз придется начинать все заново, нет возможности видеть динамику

Но ведь когда идет работа с клиентской базой «вообще» — это не так эффективно, как если бы вы работали с разными сегментами по-разному.

Фото с сайта bel.biz
Фото с сайта bel.biz

2. Подход к сегментации — тоже отдельный разговор. Типичный подход — размытое социодемографическое деление «наш клиент — мужчина 25−45 лет с высшим образованием, активный пользователь Интернета». Какую практическую информацию дает такое описание?

Другое дело, когда мы исходим из поведения клиента. Что покупает, как покупает и почему? Вот тогда мы понимаем, что необходимо сделать для увеличения продаж.

3. Сложность анализа клиентской корзины и потребительского поведения. 300 000 карт, по каждой десятки транзакций, каждая содержит сумму покупки, товары, время, способ оплаты… А когда нужно еще хотя бы отсортировать все по группам, мы сталкиваемся с нетривиальной задачей.

4. Нехватка внутренних специалистов. На белорусском рынке практически нет специалистов, которые умеют и знают, как работать с такими данными. Даже если специалист есть — он достаточно дорогой для содержания в штате.

Решение: Мы стали анализировать клиентскую базу, собранную за два года — это более 300 000 карт. В ходе проекта мы использовали RFM-анализ.

RFM-анализ — что это такое

Это сегментация клиентов по трем признакам:

1. Recency — сколько времени прошло с последней покупки.

2. Frequency (частота) — сколько покупок клиент совершил за определенный период.

3. Monetory — сколько клиент потратил денег в компании за период.

В каждой группе выделяется 5 признаков. Например, купил неделю назад, две недели, месяц, два, три. Получается 125 групп.

Фото с сайта AliExpress.com
Фото с сайта AliExpress.com

Метод позволяет делать глубокую сегментацию клиентов, быстро и достаточно просто. Важно не ошибиться с величиной шага: можно деление по сумам взять из «головы», а можно сначала изучить свою клиентскую базу, понять размер этого шага и исходя из него делить на сегменты.

Это не идеальный метод. Он красиво звучит в теории, но на практике мы получаем 125 очень схожих между собой сегментов. Что с ними делать дальше — зависит от конкретных задач. Однако для начала — лучший метод, на наш взгляд.

Поняв структуру своей клиентской базы, можно углублять анализ в дальнейшем.

Ход проекта

1. Мы сегментировали клиентские базы по картам лояльности и сформировали 125 групп по трем признакам:

  • Количество покупок в месяц
  • Время, прошедшее с последней покупки
  • Накопленная сумма покупок за месяц

Примеры групп:

Клиенты, которые потратили значительную сумму за месяц, делают до 8 покупок в месяц, но при этом не делали покупок уже 45 дней. Эту группу можно постараться вернуть — это хорошие клиенты, которые перестали покупать.

Клиенты, которые делают 2 покупки в месяц на сумму 30 рублей, покупали две недели назад. А эту группу необходимо изучать. Возможно, это неинтересный клиент. С другой стороны, это могут быть клиенты, которые используют магазин в качестве «забежать за хлебом», а основные потребности закрывают в другом месте — тогда можно попробовать расширить их корзину.

2. Описали 5 ведущих клиентских сегментов в базе. Когда на руках 125 сегментов — работать очень сложно. Мы выбрали 5 самых массовых и описали их более детально:

  • В каких магазинах совершают покупки
  • В какое время
  • Какие продукты покупают
  • Как часто это делают
  • Карточкой или наличными и т.п.

Мы увидели, что часть клиентов приходят в «Соседи» не как в основной магазин. Они посещают крупные магазины сети с большим ассортиментом, но покупают только базовые товары: «молочку», хлеб… В то же время не берут «корзинообразующие» товары: мясо, птицу, крупы. Неужели не едят? Все может быть. Но скорее всего, покупают в другом месте.

3. Проанализировали акции, которые проходят в сети. И стали возвращать клиентов путем формирования целевых предложений. Обычно акция анализируется с точки зрения товара, но не с точки зрения клиента: сколько клиентов пришло, как изменилась корзина, какой товар вызывал наибольший отклик.

Мы сформировали контрольные и экспериментальные группы для различных предложений, чтобы понять, какое из предложений наиболее эффективно. Также мы анализировали, какой канал коммуникации дает наибольший отклик. Приведу пример.

Одной из групп мы разослали SMS, другой — только указали информацию в чеке. Информация в чеке не сработала — практически ни один клиент не совершил желаемое действие.

Хотя чеки всегда считались очень перспективным каналом рекламы.

4. Проанализировали поведение клиентов — смежные и похожие покупки, чтобы предложить попробовать новинки. Мы предложили купить товар тем, кто его ни разу не покупал, но кто очень похож на любителей этого товара, исходя из поведения и покупок.

5. Проанализировали средний чек и доходность каждого чека среди участников программы лояльности и роста продаж. Мы проанализировали доходность каждого чека: не участника программы и участника. За счет бонусных начислений доходность чека участника программы ниже (в %), однако при общей меньшей доходности конкретного чека, количество «дорогих» чеков оказалось значительно выше у участников. Это в целом показало большую доходность.

Эффективность программы лояльности стала очевидной.

Результаты

Аналитика продаж и клиентов вышла на новый уровень — разработана система возврата ушедших клиентов и программа по удержанию существующих клиентов. Мы получили четкое представление о поведении клиентов:

  • Что именно покупают в магазинах
  • Где именно покупают больше
  • Как часто совершаются покупки
  • На какие суммы отовариваются держатели карт лояльности
  • Какие сегменты являются неинтересными для работы
  • Какие клиенты вскоре перестанут покупать и сколько есть времени, чтобы их вернуть.

Когда мы сформировали точечные предложения, то получили возврат порядка 12% от числа клиентов, которые не покупали, но начали покупать снова.

Теперь мы точно знаем, что рассылка клиентам со спецпредложением в День Рождения увеличивает средний чек на 86%. По спецпредложению купит каждый второй участник программы лояльности.

Хороший эффект мы получили и в результате предложения покупок из зоны смежных предпочтений. Например, была категория клиентов, которая регулярно покупала детское питание, но не покупала подгузники. Их мы и предложили. Прирост продаж в целом по всем предложениям составил до +200%.

Взвешенный подход помог отказаться от ненужных затрат. Например, оказалось, что простые и популярные механики (купи на сумму N — получи дополнительные бонусы) на практике могут «прибавить» дополнительных затрат в сотни тысяч рублей — имеются в виду проценты от суммы покупки, которые начисляются в виду бонусов. Поскольку за бонусы можно приобретать настоящие товары и они будут отданы клиенту бесплатно или с глубоким дисконтом, каждое начисление — это затраты.

«Подумаешь, 1% дополнительно» — но без подготовительной работы это может привести к таким вот незапланированным расходам. А привлечет ли покупателя?

Чтобы перекрыть такие затраты, необходимо было кратно увеличить продажи. Мы сделали эксперимент на небольшой пилотной группе — дополнительно увеличили начисления за определенную сумму покупок на небольшой выборке (до 1000 карт). И посмотрели, как они себя повели на самом деле. Оказалось, что по экспериментальной группе наблюдался рост продаж в 8%, а затраты на приобретенные товары увеличились на 20%. Механика себя не оправдала.

Фото с сайта s13.ru
Фото с сайта s13.ru

Понимание доходности клиентской базы и эффективности мероприятий позволили более взвешенно подходить к планированию маркетинговых активностей. Следующий этап — оптимизация и упрощение сегментации, дальнейшие эксперименты с товарными предложениями для разных групп клиентов.

Комментарии

Войдите, чтобы оставить комментарий

Алина Соколотредактирован 17.03.2017

Ценность ПЛ на данном этапе именно в изучении клиента, а не в лояльности. На одном семинаре в Москве выступала представитель сети Перекресток, с рассказом о ПЛ, CRM-системе и т.д. И когда она закончила выступление, ей начали задавать вопросы. И первый вопрос был в духе "Мне пофиг на ваши баллы, я не хочу думать, что я там накопил, я хочу видеть конкретную выгоду, хочу чтобы цифра на кассе уменьшалась!" И это все под одобрительный гул бизнес-сообщества. "Используйте наше мобильное приложение для накопления баллов и вы все поймете!". "Слушайте, в округе 100 магазинов, мне что приложения всех скачать? И смски ваши и ваших конкурентов уже достали!". И это руководители компаний, люди с понятием и в теме. Что думает обыватель об этом всем - легко предуагадать.
Поэтому и не хожу в виталюр принципиально - смс даже раз в неделю это ту мач и не ем я их минтай на скидках. Т.ч. навязчивый возврат все чаще больше отталкивает.

Екатерина Мелещик4.03.2017

Все,что придумали в СОСЕДЯХ-это очень ХОРОШО!!! Плохо одно,слишком мало гипер магазинов.А самый лучший ,на мой взгляд,магазин на Долгиновском тракте.Нужен большой гипермагазин в районе Тракторного.Где можно будет купить ВСЕ продукты и прочие товары.

Елена Борковская4.03.2017

Как обычно бывает, первые шаги анализа дают очевидные ответы :)
Действительно, часть покупателей ходят в большой магазин, но покупают молочку и хлеб, потому что этот большой магазин для них - магазин шаговой доступности. Есть и пенсионеры, которые в общем редко что больше минимума покупают.

Евроопт с доставкой на дом испортил карму другим сетям, потому что людям удобно заказывать доставку тяжёлых покупок, чтобы не таскать на себе (здесь ваши крупы- макароны)

А по мясу- птице, могу сказать, что у вас проблема с ассортиментом. Курица, да, есть практически всегда и в вариантах. Свинина - так- сяк. С говядиной напряг, кролика или индейки никогда не бывает, не говорю там о страусятине. Так что извините, за мясом- птицей кто куда. На Комаровка, в Корону...

Понятно, что акции не должны разорять магазин, но вы уж очень рьяно за это взялись. Чем дальше, тем неинтересней становится акционный товар. Чтобы не покупали, наверное :(

Егор Марковотредактирован 2.03.2017

Сейчас мобильные приложения с программой лояльности делают все что описано на автомате - но до многих владельцев бизнеса до сих пор не доходит. Составить потребительскую корзину каждого клиента в отдельности, отсортировать по сегментам клиентов и выдать специальное предложение каждому клиенту индивидуально - это несколько математически несложных формул.

Артур Согоян1.03.2017

Валерия, из моего опыта, в ECCO достаточно на кассе сказать имя и фамилию, не обязательно иметь карту с собой.

Александр Огородников28.02.2017

Неужели сети начали делать анализ по дисконтам. Прямо душа радуется.
Конечно, с этими данными, можно сделать много более интересных вещей чем сегментирование, но это уже прогресс.
Лет пять назад на нас все смотрели как на идиотов, когда мы рассказывали, зачем на самом деле нужны дисконтные карточки.

Валерия28.02.2017

Интересно, почему у нас не перенимают опыт тех же Walmarts: там дают и обычную карточку и брелок для ключей. Во-первых, многие люди не пользуются огромными кошельками, и брелоки реально удобней. Во-вторых, удобно, когда и у жены, и у мужа есть общая карта.

В моем представлении карты лояльности иногда оказывают и останавливающее действие. Вот у меня есть карточка ECCO. Обувь я покупаю нечасто, поэтому обычно эта карточка лежит дома. И когда я прохожу мимо магазина, я бы купила иногда что-нибудь новое, но потом я вспоминаю, что карточка дома, и ничего не покупаю, потому что думаю, что когда-нибудь вернусь сюда с картой.

Никогда не было карты соседей, но вот в простор теперь из принципа не захожу - задолбали своим спамом про туалетную бумагу с 10% скидкой

Сейчас на главной

Новости компаний

Платный контент