Заядлая ошибка многих компаний – вера в «волшебные свойства» пластиковых карт, которые как «золотая рыбка» должны притягивать клиентов к покупкам. Наши исследования показали, клиенты используют только 8% программ лояльности, из всех, на которые подписались. Значит в сказки верить вредно.
Маркетинговая компания «ВИАТ» завершила проект по разработке и внедрению программы лояльности для сети магазинов одежды. Разбираемся в деталях.
Задача бизнеса:
Стоимость привлечения новых клиентов обходится бизнесу в 5-8 раз дороже, в сравнении с развитием продаж лояльным клиентам. Эти цифры работают при условии эффективного взаимодействия с клиентской базой. Для разработки системы требуется понимание потребностей и выгод клиентов, наличие данных, механизмы расчетов и автоматизация предложений.
Заказчик для продвижения продукции использовал простую программу лояльности с фиксированной скидкой в зависимости от суммы покупки. Два раза в год проводил специальные акции, направленные на несколько сегментов аудитории в зависимости от категории ранее приобретенных товаров. Программа лояльности успешно решала одну ключевую задачу – сбор данных о клиентах. Данные позволяли повышать эффективность рекламных кампаний и привлекать к повторным покупкам.
К 2021 году программа лояльности перестала устраивать клиента. Доля покупателей, совершающих повторные покупки по программе за 5 лет снизилась с 17% до 4%. Перед нами была поставлена задача – разработать конкурентоспособную программу лояльности, соответствующую ожиданиям клиентов. Обеспечить рост повторных покупок по программе до 25%, провести работу по увеличению среднего чека лояльных клиентов на 30%.
Для решения задачи, мы провели работу по следующим этапам:
Этап I. Анализ базы данных заказчика
В системе заказчика 273 600 клиентов, приобретающих продукцию в сети магазинов или онлайн с подробными данными об ассортименте, объеме приобретенной продукции и цене. Заказчик не настраивал сегментацию клиентов, однако данные к нашей радости были структурированы корректно, что позволяло развернуть любую аналитику. Здесь хочу сделать ремарку и предупредить читателя о том, что, если Ваш бизнес проводит работу по сбору клиентской базы — рекомендую стремиться к созданию структуры поддающейся быстрому анализу, на практике около 70% компаний имеют хаотичные базы, приведение которых требует больших ресурсов.
Для оценки активности базы проводим RFM-сегментацию, определяем долю «лучших» и «спящих» клиентов:
R – количество дней между сделками;
F – количество покупок;
M – доход с одного клиента на одну сделку.
Анализ показывает, 65% клиентов находятся в «пассивной стадии» и не приносят прибыли. Заказчик, используя всю базу для распространения рекламных сообщений нес затраты на клиентов, которые не покупают. Для повышения эффективности привлечения клиентов к покупке нам необходимо сосредоточить усилия на обслуживании «ТОП-50», «лучших» и «средних» клиентов, не допустить потери. Разбудить «спящих» клиентов с высоким LTV за счет программы лояльности или стимулирующих мероприятий. Не тратить ресурсы на «худших» клиентов с низким LTV. Поддерживать развитие «новых».
По каждому RFM запускаем дополнительную сегментацию клиентов по: истории покупок, каналам продвижению и доходности сделки.
Сегментация “по истории покупок” разделяет аудиторию по предпочтениям к определенным категориям товаров. Позволяет прогнозировать потенциальный спрос, рассчитать, какой именно товар может быть полезен покупателю в данный момент времени. Например, покупатель №17 приобретает только офисную одежду в ТЦ Метрополис 8 раз в год.
Сегментация “по каналам продвижения” нацелена на оптимизацию затрат на рекламу на каждый вложенный рубль. Мы разделяем все каналы продвижения, которые использовал заказчик для привлечения покупателей на сегменты, все креативы и детали выбранной аудитории на подсегменты и оцениваем результаты предыдущих и действующих кампаний. Данные позволяют определить эффективные каналы коммуникации с клиентом, понять их портрет для будущей программы лояльности.
Для сегментации “по уровню доходности сделки” используем данные о себестоимости сделки на единицу продукции, с учетом всех явных и неявных затрат. Систематизацию таких данных мы реализовали для заказчика в другом проекте, о котором публиковали материал: «Как внедрение эффективного управления ценами позволило увеличить прибыль сети магазинов одежды в 8 раз».
Этап II. Анализ поведения потребителей
Для разработки программы лояльности необходимо оценить предпочтения потребителей и определить точки контакты. Проводим CusDev интервью с целевой аудиторией бренда и ключевыми конкурентами. Для определения выбора сегментов, участвующих в опросе, составляем карту взаимодействия с брендом.
Для каждого сегмента подбираем по 40 респондентов, ранее приобретающих продукцию бренда и 40 респондентов приобретающих продукцию конкурентов. Исследования проводим в Москве, Санкт-Петербурге, Ростов-на-Дону, Екатеринбурге и Казани. Покупателей конкурентов подбираем из социальных сетей по отзывам и ссылка на бренды. Участники интервью получают сертификаты от заказчика на сумму 7 500 руб., что соответствует среднему чеку с одной покупки.
По итогам CusDev-интервью проводим QFD-анализ позволяющую определить приоритетные критерии клиентов для выбора продукта. К сожалению, в данном проекте мы не можем показать реальные результаты исследования, поэтому рассмотрим саму технологию на «выдуманном примере»:
Определив характеристики по степени важности для покупателей, проводим сессию QFD-анализа на базе заказчика с участием руководителей всех подразделений компании, оценивая уровень соответствия критериев компании, факторам важным для клиентов.
Оценка этих критериев позволяет определить, насколько предложения компании соответствуют ожиданиям клиентов. В соответствии с нашим примером, компании необходимо сосредоточиться на развитии чата с оператором и продаж товаров по распродаже. А также снизить затраты на рассрочку и большие остатки в магазине.
Создаем карту пути клиента (Customer Journey Map) отражающую привычки, задачи, образ жизни, боли и страхи. Задачи карты:
— определить этапы, через которые пользователь проходит к покупке;
— построить карту точек контакта с клиентом;
— определить ожидания, эмоции, мотивы на каждом шаге.
Разберем на примере эффективность работы Customer Journey Map в нашем проекте:
Результаты Customer Journey Map позволяют определить не только оптимальные условия программы стимулирования выгодные для клиентов, но и пересмотреть подход компании к продвижению и взаимодействию с клиентами в точках продаж.
Этап III. Анализ конкурентов
Проводим мониторинг программ стимулирования конкурентов, затем направляем тайных покупателей в магазины, предлагающие наиболее интересные решения.
Тайные покупатели совершают покупку в магазине конкурента фиксируя детали работы в каждой точке контакта. Затем отслеживает принципы работы программы в течение трех месяцев с даты покупки, совершая повторную. В процессе мониторинга выделяем следующие типы программ лояльности:
- Квалифицированные баллы:
Купить рекламу Отключить
Маша скачивает приложение бренда, сканирует код или свой ID при каждой покупке. За покупку она получает бонусы, которые использует при следующей покупке. В некоторых приложениях есть грейды, позволяющие повысить статус при совершении определенного объема закупки, т.е. перейти с обычной карты лояльности на серебряную, золотую, платиновую. Чем выше карта, тем больше привилегий.
- Слипы:
При покупке платья Маша получает талон со скидкой 30% на топ и юбку. Программа направлена на рост среднего чека.
- Геймификации:
Маше предлагают принять участие в интерактивной игре которая проходит в социальных сетях или в приложении бренда. Для победы Маше необходимо привлечь к игре как можно больше подруг. Каждый участник за достижение результата в игре получает баллы. Маша обменивает баллы на призы и уже выиграла жакет.
Оценка условий программ лояльности и принципов обслуживания конкурентов позволяет разработать механику превосходящую условия конкурентов.
Этап IV. Построение позиционирования
У современного потребителя есть практически всё, что он может себе позволить. Решение о покупке при этом может быть рациональным (основанным на факторах реальной необходимости, выгоды), либо эмоциональным.
EST-модель выделяет шесть основных критериев, на один или два из которых могут ориентироваться клиенты:
- Самый дешёвый;
- Самый большой по ассортименту;
- Самый быстрый;
- Самый инновационный;
- Самый простой;
- Самый опытный.
Наши исследования рынка показали, что покупателей радует развитие сервисов онлайн-продаж и возможности примерки одежды в пунктах выдачи. Но они не довольны отсутствием профессиональных консультантов, квалифицированной помощи при выборе товара. Многие хотели бы слышать рекомендация по выбору стиля и сочетанию одежды бренда.
На основании результатов выбираем два критерия позиционирования: “Самый опытный” и “Самый простой”. Это означает, что нам необходимо сформировать команду высококвалифицированных консультантов, способных помогать клиентам правильно подобрать товары бренда, а выбор данных товаров в любых точках продаж должен быть простым и понятным.
Для повышения квалификации команды продавцов, пересматриваем критерии отбора персонала и KPI, разрабатываем программы обучения и скрипты продаж. Выделяем ключевые точки контакта клиентов, закрепляем за ними консультантов. Таким образом покупатель может с комфортом подобрать себе товары в разных каналах продаж: бутики торговых центров, интернет-магазин, маркетплейсы, контакт-центр, соц. сети.
Для «простоты» выбора, карточки товаров, оформление салонов и продвижение продукции должно содержать в себе рекомендации по стилю и сочетанию одежды бренда, предлагать готовые луки, демонстрировать характеристики продукции для различных погодных условий.
Для эффективного внедрения решений выстраиваем целевую систему коммуникаций с клиентами в зависимости от точек контакта. Разрабатываем план внедрения изменений в компании с учетом необходимых сроков по переобучению и адаптации сотрудников.
Этап V. Разработка программы лояльности
Для построения эффективной программы лояльности, разбиваем работу на несколько шагов:
- Определяем проблемные точки контактов, и для каждой из них разрабатываем решения.
Например, для работы с социальными сетями у заказчика не хватает ресурсов для оказания полноценной консультации по выбору продукта. Для снижения объема запросов к профессиональным консультантам внедряем автоматизированную многофакторную сегментацию клиентов позволяющую определить реальную потребность клиента с точностью до 90%. Расширяем информацию о каждом продукте в описании и визуальных изображениях снимающих большинство вопросов клиентов.
- Определяем экономические показатели.
Основными показателями роста в нашем примере является: объем привлечения новых клиентов, рост повторных покупок и среднего чека. В рамках сегментации внедряем индивидуальные показатели по каждому сценарию Customer Journey Map, например для клиентов регулярно приобретающих продукцию исключительно по распродаже оцениваем глубину чека (т.е. переход покупателя от покупки дешевого товара к более дорогому).
- Разрабатываем инструменты воздействия на клиентов.
Для каждого сегмента предусматриваем механизмы материального и нематериального стимулирования направленные на увеличение спроса и большего сбора данных о клиентах. Система формирует предложения не только на основании объема предыдущих закупок, но и на основании изменений поведений в точках контакта, сезонности и погодных условий. Например, для тех же любителей распродаж программа лояльности может предложить к покупке:
- товар новинку с целью увеличения глубины чека с подарком за покупку соответствующего ожиданию клиента;
- товар по распродаже в конце сезона если покупатель давно не приобретал товары из этой категории;
- бонусы на товар, который с наибольшей вероятностью понадобиться покупателю в конкретный момент времени.
- Изменения работы заказчика.
Например, для повышения качества обслуживания с учетом новой программы лояльности требуется дополнительное обучение продавцов консультантов. Для регулярного отслеживания эффективности программы и внесения в нее изменений требуется выделение команды маркетологов и IT специалистов, что приводит к необходимости корректировки орг. структуры. В рамках данного этапа, нашими специалистами разрабатывается программа по проведению внутренних изменений в компании заказчика.
Таким образом, программа лояльности за счет разработанных алгоритмов расчета, показателей бизнеса, автоматически формирует предложение с учетом личных критериев покупателей, например размер и цвет одежды, популярные каналы коммуникаций, категории товаров, частота покупки и т.д., которую мы называем кастомизацией.
Структура программы лояльности в данном проекте состоит из пяти разделов:
- Системы поощрений;
- Сбор и анализ данных;
- Коммуникации в точках контактов;
- Кастомизация;
- Геймификация.
Для всей структуры программы лояльности с учетом сегментации клиентов мы определяем: содержание предложений для клиентов в зависимости от точек контактов, принципы сбора данных о клиентах, оцениваем уровень удовлетворенности и отслеживаем изменение финансовых и экономических показателей.
Итоги:
Внедрение программы лояльности требовала автоматизации сегментации клиентской базы на основании собираемой базы и формирование предложений в соответствии с рассчитанными алгоритмами. Для реализации автоматизации, мы привлекали IT-специалистов. На исследования и разработку программы лояльности нам потребовалось шесть месяцев, еще шесть на интеграции и отладку всех систем заказчика. При этом вместе с IT-подрядчиком мы стремились сделать систему наиболее гибкой и обучаемой, для того чтобы заказчик в будущем мог корректировать работу программы собственными силами в зависимости от меняющихся трендов.
В течение 2022 года совместно с заказчиком тестировали эффективность новой программы. Уже в первые четыре месяца программа показала рост среднего чека и частоты покупок. Однако на часть сегментов, занимающих менее 20% аудитории программа работала неэффективно, что потребовало пересмотра алгоритмов под данные сегменты.
По итогам проекта мы построили систему, позволившую заказчику в 2022 году увеличить средний чек на 32%, частоту покупок на 27%, глубину ассортимента на 9%. Благодаря системе улучшили продажи в адрес “средних клиентов”, а также “разбудили” 9% “спящих” клиентов от общего числа клиентской базы. Были сокращены затраты на продвижение, за счет кастомизации и повышения конверсии.
Рост ключевых показателей и снижение затрат сопутствовали росту прибыли заказчика с продажи постоянным клиентам в 1,1 раз. Учитывая, что разработка программы лояльности требует существенных вложений и отвлечении ресурсов команды заказчика, мы совместно рассчитывали окупаемость проекта, который составит 16 месяцев с момента запуска программы в эксплуатацию.
Задавайте вопросы. Делитесь своим опытом.
Подписывайтесь на Telegram-канал, или на канал на VC.RU, чтобы следить за нашими новыми проектами.
Наши похожие материалы на VC:
- Как мы обыграли Магнит-косметик, увеличив прибыль регионального бизнеса в 1,5 раза
- Увеличиваем выручку медицинской клиники в 3,5 раза за счет клиентской базы;
- Прогнозирование непредсказуемого. Меньше данных, больше знаний
Мясников Николай
Маркетинговая компания “ВИАТ”
Источник: vc.ru