Сегодня российский ритейл переживает непростые времена: происходит отток зарубежных компаний, продажи падают, затраты на привлечение новых клиентов растут, выручка и прибыль соответственно снижаются. Однако есть и исключения из правил. Внедрение персональных промо в программы лояльности повысит эффективность работы с существующими клиентами и обеспечит положительный финансовый результат проекта (+300% ROI) — такие показатели получают специалисты Loymax при применении рекомендательной системы в сфере продуктового ритейла. О ходе реализации проекта и его итогах рассказал Игорь Боженко, коммерческий директор Loymax.
Программа лояльности — это способ повысить интерес к
продуктам, услугам и компании в целом. Исследование Visa и Bond Brand Loyalty
доказывает эффективность программ лояльности: 78% покупателей из 68 тысяч
опрошенных согласны с утверждением о том, что: «Хорошие программы лояльности
мотивируют клиентов оставаться с брендом дольше».
Почему покупатели участвуют в программах
лояльности?
Чтобы сделать программу лояльности действительно эффективной и качественной, необходимо изучить её пользователей. Как правило, участниками программ лояльности движут 3 основных причины: выгодные покупки, хороший клиентский сервис и эмоциональная привязанность к бренду.
Выгодные покупки для клиента должны быть не менее выгодными
и для бизнеса. Практика показывает: если сделать скидку на релевантный для
клиента продукт, то количество товаров в чеке покупателя увеличивается на
10-12%. Таким образом, бизнес-задачи выполняются, а клиенты совершают покупки
на благоприятных условиях.
Клиентский сервис должен быть сбалансированным: нельзя
перегружать покупателя нескончаемыми промоакциями. В данном вопросе важна
персонализация: подбор товаров, которые будут релевантными для определенного
покупателя, оповещение о каких-либо скидках именно через те каналы
коммуникации, которыми пользуется конкретный клиент.
Эмоциональная привязанность к бренду — еще один важный
аспект, но его не так легко достигнуть. «Привязать» покупателя можно с помощью
организации промокампаний с «вау» эффектом. Это могут быть элементы
геймификации, квесты или впечатляющие розыгрыши. Достичь нужного эффекта можно
с помощью диалога с клиентом, а именно — различных опросов и тестов.
Три этапа развития программы лояльности
В своей практике мы определили три этапа развития программы лояльности. Первый — идентификация покупок. Люди, не участвующие в программах лояльности — «невидимки» для бизнеса. Чтобы отслеживать динамику, наглядно видеть эффективность работы и результат, необходимо идентифицировать покупки. Помимо этого, программа лояльности открывает возможность персонализации промоакций для участников. Поэтому основа первого этапа — это запуск программы лояльности и максимальное оповещение и вовлечение покупателей.
Следующий этап — оценка предпочтений клиента. Он
представляет из себя максимальный сбор данных о покупателях, однако нередко
информационная база является недостаточно широкой. В этом случае можно
применять несколько механик:
- заполнение анкет покупателями за бонусы и скидки,
- обратная связь по любимым товарам клиентов,
- комбинированные механики (например, ABTC).
Последняя механика помогает собрать достаточное количество
информации для дальнейшей персонификации программ лояльности. На практике
верная и эффективная программа лояльности приносит два рубля прибыли на каждый
вложенный рубль.
Заключительный этап — максимальная монетизация клиентской
базы. Именно на данном этапе для получения максимальной прибыли необходимо
подключать персональное промо. Например, в сегменте фудритейла, высоко
востребован модуль Machine Learning — это модуль, совместимый с программой
лояльности. Работа модуля заключается в анализе всех исторических данных о
клиентах по более чем 1000 параметрам. На основе этих данных Machine Learning
формулирует персональное промо для каждого покупателя:
- подбирает механику персонального промо для каждого клиента;
- составляет список товаров, которые релевантны для клиента;
- индивидуально рассчитывает размер преференции;
- подбирает оптимальный канал коммуникации.
Помимо этого, каждый клиент является источником решения
конкретной бизнес-задачи. Система это считывает, поэтому у клиента, который
осуществляет покупку товаров ежедневно, весомые скидки будут отсутствовать. В
то же время покупателю, который совершает покупку отдельных товаров в другом
месте, будут представлены дополнительные бонусы на эти продукты в магазине,
использующем модуль ML в своей маркетинговой стратегии. В следующий раз
покупатель перенаправит свои средства в компанию с более выгодным и интересным
предложением.
Замеры эффективности работы системы на конкретном клиенте
проводили следующим образом. Методом стратификации всех покупателей разделили
на две равномерные группы: целевая аудитория и контрольная группа. Очень важно
разделить аудиторию именно на однородные группы, чтобы поведение обеих групп
было идентичным. Клиенты обеих групп находились в одинаковой среде. Им были
доступны массовые промо, жёлтые ценники, статусные механики и так далее.
Единственное отличие — целевой аудитории были доступны персональные промо.
Спустя два месяца мы смогли оценить результат. Два месяца — это важный срок, так как фудритейл отличается высокой частотой покупок и для качественного результата был необходим более длительный период наблюдения — два зарплатных цикла. Иными словами, если пользователь закупился один раз продуктами, то во вторую неделю он может сократить расходы. Но, так или иначе, определенная тенденция за два месяца (и две зарплаты) прослеживается.
Если оценивать эффективность по цифрам, то у целевой аудитории мы получили следующие показатели: сумма покупки на одного клиента увеличилась на 6-9%, средний чек вырос на 4,5%, а количество покупок на 5%. 11,6% клиентов поучаствовали в персональных промо и их товарооборот был на 11% выше, чем у контрольной группы.
Помимо этого, рост PTO у целевой аудитории был выше на 4,7%. На каждый рубль, вложенный в проект, компания получила 3 рубля прибыли. Что касается маржинальности — она осталась на прежнем уровне за счёт использования дифференцированных предложений. ML работает не только на продажу конкретного товара, в первую очередь, ML позволяет расширять продуктовую корзину. Если раньше клиент какой-то товар не покупал, он получает минимальную доступную скидку и в итоге либо покупает новый высокомаржинальный товар, либо два новых товара. Поэтому в результате работа с ML приводит к приросту в денежном эквиваленте и маржинальности всего бизнеса.
Machine Learning не только исключает риски принятия
ошибочных решений, но и наглядно максимизирует прибыль с продаж. Развитие
технологий в ритейле предлагает бизнесу новые возможности, которые раньше
казались фантастикой, либо требовали больших человеческих ресурсов для
реализации.
Важно отметить, что работу Machine Learning нельзя заменить.
Во-первых, сложно детально изучить каждого клиента вручную. А главное — это
экономически невыгодно, ведь зарплата одного профессионального аналитика
значительно выше той прибыли, которую он сможет принести. Во-вторых, скорость
работы аналитиков и изменения рынка несопоставимы — в этом случае
справится только профессиональный технически выверенный инструмент как ML.
Дальнейшее развитие и рост экономики покажет еще большую
эффективность технологий в ритейле — современные системы уже сейчас
позволяют существенно повышать эффективность рекламных кампаний и программ
лояльности. Главное для бизнеса сегодня — не бояться использовать новые
возможности в решении регулярных задач, это может принести действительно
существенные проценты к выручке.
Использование последних технологий в бизнесе — необходимо для достижения качественного результата. Machine Learning является итогом развития технологий, который предназначен для повседневного использования в работе. В завершение хочется добавить, что если у вас под рукой уже есть программное обеспечение, которое поможет реализовать все ваши маркетинговые задумки, то какой смысл ждать? У ритейл-бизнеса с современной ИТ составляющей сегодня очень высокие шансы построить лучшую программу лояльности для своих клиентов.
Подписывайтесь на наш канал в , чтобы первыми быть в курсе главных новостей ритейла.
Сообщение появились сначала на .