Клиентская аналитика: сегментация базы покупателей как инструмент для ремаркетинга

Если у вас есть такое представление – можно идти дальше и планировать маркетинговые акции и стратегии ведения бизнеса в онлайн-сфере посредством различных рекламных каналов. Если у вас нет понимания, кто ваша аудитория, то у вас нет и понимания, какого рода предложение с большей вероятностью заинтересует хотя бы лояльных клиентов, не говоря уж о постоянных – от такого подхода положительных результатов ждать не приходится. Что касается стратегии ведения бизнеса в онлайн – в рамках данной статьи мы расскажем о сегментации базы покупателей не в привычном русле email–рассылок, а в русле контекстных кампаний в Google AdWords.

В основе клиентской аналитики определяющую роль играет RFM-анализ. RFM-анализ — это техника сегментации клиентов, опирающаяся на их поведение. В основе анализа поведения лежат три параметра: давность последней покупки, частота покупок, доход.

– Для параметра «давность» для сегмента берется дата последней покупки;

– Для параметра «частота» берется количество покупок, которые совершил клиент. Чем их больше, тем выше вероятность того, что клиент повторит действия в будущем. Данный параметр рассматривается за определённый промежуток времени в зависимости от сферы бизнеса;

– Для параметра «доход» определяющим фактором в сфере e-commerce является сумма, которую потратил пользователь (выручка от продажи товара). Чем больше потраченная сумма, тем выше вероятность того, что клиент повторит заказ.

Тем не менее важно понимать, что клиенты от самых щедрых до мало активных имеют различные потребности и желания, и, соответственно, по-разному реагируют на маркетинговые кампании.

База покупателей: почему важно определить приоритетную группу пользователей

К слову, о клиентах интернет-магазинов: из года в год пользователи становятся все более избалованны вниманием со стороны рекламодателей – их сложнее удивить догоняющим баннером по когда-то интересующим категориям товаров; пользователи уже привыкли быть информированы об анонсах акций через email-рассылки; многих даже не удивишь персонализированным обращением через экран монитора. Но что на данный момент самое коварное для сферы интернет-магазинов в целом – пользователь привык блуждать по просторам интернета в поисках более выгодных предложений, что усложняет задачу как владельцу бизнеса, так и рекламным агентствам, заставляя обе стороны работать друг с другом более плотно по нескольким объективным причинам: владелец бизнеса заинтересован в сокращении инвестиций в рекламу при росте стабильного дохода, а агентство заинтересовано в том, чтобы показать наилучший результат в этом направлении и обеспечить клиенту в первую очередь не только стабильность, но и положительную динамику в виде прироста постоянной аудитории. Таким образом, учитывая динамику рыночных отношений и конкурентную составляющую в сети, крайне важно не только привести на сайт пользователя, который, купив однажды, больше не вернется – это дорого и не выгодно для обеих сторон, но удержать и вырастить до постоянного клиента. В противном случае владелец бизнеса рискует получать стабильно низкий ROI, а исполнитель – плохую репутацию и, как следствие, уход клиента из агентства. Поэтому в настоящий момент перед рекламными агентствами стоят не только задачи в поиске новой целевой аудитории и ее удержании, но и самая сложная задача – сделать фокус на более выгодной для бизнеса группе пользователей и «вырастить» именно этих пользователей до постоянных клиентов бизнеса. Важно понимать, что невозможно всех пользователей, которые у вас однажды что-то купили, сделать постоянными. Как и нельзя работать со всеми покупателями одинаково.

Стратегия работы с приоритетной группой через ремаркетинг

В рамках данной статьи, когда мы говорим о ремаркетинге, мы подразумеваем не стандартную работу с аудиторией через базовые списки, а предлагаем акцентировать внимание на определенных группах пользователей, которые, на наш взгляд, являются выгодными для бизнеса, то есть для рекламодателя – приоритетными. Очевидно, что приоритетной группой пользователей для бизнеса в сфере e-commerce являются, конечно, пользователи, которые приносят наибольший доход, и желательно, чтобы они это делали регулярно, а лучше даже, если – часто и стабильно.

Почему так важно вовремя выделить эту группу/несколько групп и бросить все силы на работу с ними? В качестве простого примера приведем ситуацию, когда нецелесообразно VIP-клиентам, которые и так покупают в интернет-магазине каждую неделю и при этом приносят высокий доход, предлагать скидку в 10% на следующую покупку. Зачем? Будет достаточно, если вы примените ремаркетинг с целью информирования данных пользователей о существующей программе лояльности, акциях или призах для членов клуба, если такой имеется. Как итог – клиенту приятно, а бизнес не несет никаких потерь.

Если не сегментировать базу пользователей, мы можем сколько угодно возвращать на сайт пользователей, просматривавших карточки товаров, добавивших товар в корзину, но это не даст ожидаемого результата, потому что мы не будем учитывать пожелания и возможности каждого клиента из определённого сегмента. Поэтому важно выделять сегменты и прорабатывать их по отдельности – с уникальным предложением для каждой группы, с разным интервалом напоминаний, с разным подходом и даже с абсолютно разной стратегией с точки зрения управления ставками в контекстных системах и т. д.

RFM-анализ как метод сегментации

Чаще всего данный метод используют в email-маркетинге, но при ремаркетинге в контексте он также отлично справляется со своей ролью и позволяет нам совершать несколько важных действий:

Как видно из сравнительной таблицы, плюсов у такого подхода немало. Но прежде, чем у нас получились готовые, преобразованные данные, которые мы могли бы использовать в списках – необходимо уделить особое внимание технической части всего процесса. Ведь, как все мы понимаем, такие списки должны быть в первую очередь динамически меняющимися. И менять их желательно не вручную каждый день, а автоматизировано.

Техника преобразования данных – техническая сторона вопроса

Именно по этой причине особое внимание технической стороны мы уделили динамической составляющей списков. То есть мы понимаем, что после запуска ремаркетинга пользователь из сегмента новичка со временем может перейти в сегмент стабильных пользователей и все наши стратегии не сработают. Но этого не случится, потому что методология подхода устроена так, что определенный скрипт, написанный на языке R, импортирует данные по транзакциям из Google Analytics в BigQuery на ежедневной основе.

Также при работе с сегментами составляется SQL-запрос, формирующий таблицу с сегментами по принципу распределения весов как в классическом RFM-анализе.

Помимо этого, пишется еще один скрипт, который ежедневно для каждого clientId из полученного результата SQL-запроса шлет данные о принадлежности clientId к тому или иному сегменту – все это также происходит на ежедневной основе (кастомные параметры). В случае, если за день сегмент не поменялся, то данные не шлются – все это обеспечивает нам достоверность информации ежедневно.

Результат: как выглядят преобразованные данные

Таким образом, после всех описанных выше манипуляций в системе Google Analytics вы сможете увидеть следующую разбивку по сегментам:

В RFM_segment как раз и записываются сегменты наших пользователей, которых мы сортируем по трем параметрам, упомянутых в начале статьи – давность последней покупки, суммарная частота покупок, объем покупок (доход). При сегментации мы, как правило, используем распределение весов от 1 до 3. Показатель, равный 3, имеет самый сильный вес и несет особую ценность. Показатель, равный 1, нам не очень интересен с точки зрения активности клиента. Поэтому становится очевидным, что в первую очередь нас интересуют сегменты, где чаще всего встречается 3, в качестве среднего – 2.

Ниже представлено графически, как выглядят сегменты в разрезе дохода. Становится очевидно, что такая разбивка может сыграть существенную роль при запуске аудиторных списков:

Стабильные пользователи – покупали недавно, покупают часто и приносят хороший стабильный доход. Необходимо прорабатывать данную группу пользователей, всячески поощряя небольшими скидками, оповещениями об акциях, периодическими напоминаниями о себе.

Так, за набором цифр 333 скрываются наши VIP клиенты – они покупают много, часто и приносят нам самый высокий доход. Такие пользователи, как правило, составляют 3-5% от общего числа пользователей, но для любого бизнеса это самый надежны тыл. С такой группой пользователей, как упоминалось выше, нужно работать очень ненавязчиво и легко, изредка напоминая о программах лояльности и различных «плюшках».

Пользователи с набором цифр 121 – неперспективная группа, не представляют для нас никакого интереса, поскольку они покупали что-то давно и всего несколько раз, при этом принесли минимальный доход, поэтому из ремаркетинга мы такую группу пользователей можем смело исключить: вероятность, что пользователь вернется вновь спустя столько времени (3-6 мес., зависит от сферы) и совершит повторную покупку, сводится к нулю.

Особое внимание нужно уделить новичкам (312) – они совершили покупку недавно, но при этом принесли неплохой доход – это видно, как на общем доходе от сегмента, так и на среднем чеке на одного пользователя из сегмента. Таких пользователей необходимо мотивировать на следующую покупку, предложив на нее приличную скидку.

В этом и заключается индивидуальный подход к каждому сегменту пользователей. Как вы видите – единый подход сильно отличается от такого способа взаимодействия с вашей аудиторией.

Таким образом, как вы видите, можно создавать множество списков ремаркетинга, основанных на подобных сегментах.

Такой подход очень удобен в использовании. Среди преимуществ:

1. большой и дробный выбор списков аудиторий – вам остается только лишь сфокусироваться на приоритетных группах;

2. гибкость настроек – вы можете подключать списки аудиторий в зависимости от стратегий;

3. моментальный результат – вы сразу начинаете видеть ROI по сегментам и выбирать ту аудиторию, которая для вас наиболее выгодна (в кастомных отчетах с применением калькулируемой метрики);

4. аналитика данных – такой подход позволяет производить аудит динамики в дополнительном разрезе данных;

5. сбор списков и их использование к моменту акций, сезонов, скидок – вы заранее будете знать, какой сегмент отработает лучше при определенной акции, какой более активен в сезон, какой сегмент отработает с высоким ROI в разгар скидок, а какой нужно мягко поддерживать в несезон (по результатам предыдущих акций можно делать замеры или использовать определённый дополнительный вес для замеров таких аудиторий).

Резюме

Такой подход удобен и тем, что он отлично сочетается с такими анализами данных, как ABCXYZ– анализ. ABC-анализ – это анализ ассортимента, объема продаж различным группам потребителей, товарных запасов путем деления их на три категории (класса), которые отличаются по своей значимости и вкладу в оборот или прибыль предприятия: А – наиболее ценные, В – промежуточные, С – наименее ценные. XYZ выявляет корреляцию товаров во времени, тем самым позволяя выявить частоту покупок, а не просто получить суммарные данные по продажам.

В качестве примера представим, что с помощью ABCXYZ-анализа мы выявили категорию товаров, которые приносят наибольший доход и их выгодно продвигать, что покупают их редко и ремаркетинг на всех пользователей, которые когда-то купили товар из этой группы, вряд ли отработает успешно. Мы потратим рекламные деньги на огромную аудиторию, а нам нужна лишь выборка. С помощью RFM-анализа мы выявили группу, которую назвали «транжиры» – они и будут нашей «выборкой»: покупают редко, но при этом тратят баснословные деньги. Совместив результаты этих двух исследований, мы можем рискнуть и предположить, что им мы и продвинем самые дорогие продукты из нашей категории товаров.

Таким образом, мы видим, что RFM является относительно простой, но очень гибкой техникой, с чьей помощью возможно существенно улучшить вашу маркетинговую деятельность. Риски такого метода заключаются в ошибочном распределении пользователей по сегментам, основанным на исторических данных. Здесь нужно учитывать выбросы в виде разовых оптовых закупок, сезонность, праздничные дни и прочие факторы, но в целом грамотная сегментация показывает исключительно положительные результаты. Такой подход дает возможность экспериментировать с данными без ощутимых рисков, но дает все шансы начать охватывать большее количество пользователей, что в итоге повышает коэффициент отклика и продаж.