ТАРИФ "VIP Канонир" - СКИДКА 50%!

Перед оплатой введите промо-код:

PIRAT.BIZ_50%

Пиратский вестник Сегментируй и продавай: как увеличить конверсию рекламы с помощью анализа аудитории

Henry Morgan

Капитан
Регистрация
19.02.18
Сообщения
15,530
Реакции
80,928
Депозит
27400
Сделки
189
Нарушения
0 / 0
Монетки
452942
    Голосов: 0
    0.0 5 0 0 https://tor3.pirat.bz/threads/%D0%A1%D0%B5%D0%B3%D0%BC%D0%B5%D0%BD%D1%82%D0%B8%D1%80%D1%83%D0%B9-%D0%B8-%D0%BF%D1%80%D0%BE%D0%B4%D0%B0%D0%B2%D0%B0%D0%B9-%D0%BA%D0%B0%D0%BA-%D1%83%D0%B2%D0%B5%D0%BB%D0%B8%D1%87%D0%B8%D1%82%D1%8C-%D0%BA%D0%BE%D0%BD%D0%B2%D0%B5%D1%80%D1%81%D0%B8%D1%8E-%D1%80%D0%B5%D0%BA%D0%BB%D0%B0%D0%BC%D1%8B-%D1%81-%D0%BF%D0%BE%D0%BC%D0%BE%D1%89%D1%8C%D1%8E-%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0-%D0%B0%D1%83%D0%B4%D0%B8%D1%82%D0%BE%D1%80%D0%B8%D0%B8.34611/
  • #1
Целевая реклама работает лучше. Но одних настроек аудитории в рекламном кабинете мало, чтобы сделать выгодное предложение каждому клиенту. В агентстве Complead мы используем RFM-анализ: сегментацию клиентской базы по частоте, сумме и времени покупок. Как он помогает повысить конверсию рекламы и избежать стандартных ошибок — расскажем в статье.

В конце статьи — шаблон, с его помощью вы быстро сегментируете базу своих клиентов.

Как работают многие маркетологи и почему так нельзя
Знакомьтесь — это Тамара. Она год работает маркетологом в интернет-магазине электроинструментов.

С самого начала Тамара выбрала стандартную рекламную стратегию: определила целевую аудиторию, запустила таргетированную рекламу в Facebook и во «ВКонтакте», контекстную — в Яндексе, и даже сделала несколько email-рассылок.
Сначала на сайте регистрировались пользователи, продажи росли. Но через три месяца продажи упали, а через полгода Тамара начала паниковать.

Она выяснила, что старые клиенты не возвращаются. База новых почти исчерпана. Компания потеряла 25 % прибыли и потратила на рекламу в 2 раза больше, чем в первые 3 месяца работы Тамары.

Что же пошло не так
Тамара — молодой специалист. Она закончила онлайн-курсы знаменитой школы и не сомневалась в своей компетентности.

Но она не знала тонкостей профессии. И не учла, что с аудиторией нужно работать: анализировать, сегментировать и разрабатывать маркетинговые предложения для каждой группы.
Один из самых эффективных инструментов для этого — RFM-анализ.

Что такое RFM-анализ и как бы он помог Тамаре
RFM-анализ — модель для сегментации базы клиентов на основе поведения. Клиентов распределяют на сегменты с учетом срока последней покупки, частоты покупок, суммы потраченных в магазине денег. Близкие сегменты объединяют в кластеры.
Специалисты выбирают перспективные сегменты и кластеры клиентов, потом формируют для них индивидуальные предложения. Например, человек, покупающий часто, скорее всего, отреагирует на скидки. А тот, кто покупает определенное оборудование, заинтересуется спецпредложением на продукты выбранного бренда.

По каким параметрам сегментируют базу клиентов
Покупателей делят на сегменты по трем параметрам, по каждому присваивают балл. Чем балл больше, тем меньше шансов, что клиент совершит повторную покупку:
  • R (Recency) — срок с момента последнего приобретения. Клиент сделал покупку вчера? Он получает 1 из 3 по параметру Recency — лучший результат. А тот, кто последний раз купил год назад, получает 3 — этот клиент вряд ли вернется.
  • F (Frequency) — частота, вычисляется как количество покупок. Покупка первая? Frequency 5 из 5 — плохой, но улучшаемый показатель. Покупает почти каждую неделю? Его частота равна 1, это перспективный клиент.
  • M (Monetary) — сумма потраченных средств за все время. Пользователь потратил больше 50 000 рублей, тогда как средний чек равен 20 000? Он получит 2 из 5.
Практика показывает: для оценки клиентов одного параметра мало, нужно ориентироваться на все три. Например, нельзя учитывать только потраченные пользователем деньги.
Так, в магазине Тамары один покупатель купил пилу Bosch за 68 000 рублей и больше ничего не приобретал. А второй каждый месяц покупает расходные материалы на сумму 5 000 рублей уже год, он принес компании 60 000 рублей.
Тамара посчитала: первый клиент выгоднее — он потратил на 8 000 рублей больше. Но на самом деле выгоднее второй: он приносит 60 000 рублей каждый год. Кроме этого, он знаком с компанией, лоялен ей, а значит, больше шансов получить отклик на рекламу. Тратить рекламный бюджет на первого клиента может быть невыгодно — маленькая вероятность повторной покупки.

Что будет, если не использовать RFM-анализ
Если маркетолог не использует RFM-анализ, он, как и Тамара, столкнется с проблемами.

Траты на неэффективную рекламу. Объявления и рассылки уходят к потенциальным и бывшим клиентам без дифференциации, поэтому не дают результата.
Например, Тамаре выделили бюджет на рекламу в 400 000 рублей. Он расходовался на показы объявлений новым пользователям и на ремаркетинг — возвращение посетителей, уже заходивших на сайт. Ремаркетинг был настроен на всех подряд без деления по времени покупки. Поэтому одинаковые объявления показывались и тем, кто купил товар месяц назад, и тем, кто положил его в корзину и не вернулся.

В итоге ROI – отношение инвестиций к прибыли – не превышал 10 %, а в одном месяце оказался отрицательным. Такая реклама не давала дохода, а вот целевые предложения посетителям сайта принесли бы результат.

Негатив от клиентов из-за спама. Если пользователь видит одну и ту же рекламу более 4 раз, цена клика вырастает на 68 %, больше 8 раз – на 138 %. Люди не обращают внимания на повторную рекламу или меняется отношение к бренду, появляются гневные отзывы с требованием прекратить преследования. Из-за этой ошибки Тамара обрабатывала тонны негатива.

Посмотреть вложение 18914

Зависимость CTR и CPC от количества показов рекламных объявлений
Отсутствие реакции аудитории. Пользователь видит бесполезное для себя предложение. Поэтому проходит мимо, вместо того, чтобы перейти по ссылке, оставить email или оформить заказы. Люди не реагируют на акции и скидки.
Наша героиня старалась сделать рекламу яркой и привлекательной. Но проблема была в неправильном таргетинге: Тамара показывала предложение не в то время и не тем людям.

Как правильно провести RFM-анализ
Провести RFM-анализ можно самостоятельно или у специалистов. Тамара выбрала второй вариант. Ведь самостоятельное обучение RFM-анализу и отработка методики займет минимум три месяца, компания в это время будет нести убытки. Оплата курсов, практическое применение методики, исправление ошибок тоже требуют денег. Учитывая рекламный бюджет в 400 000 рублей в месяц, за полгода она бы потратила 2 400 000 рублей без гарантии результата.
После подсчетов Тамара поняла: услуги подрядчика выходят дешевле. Она обратилась к аналитику, и тот провел RFM-анализ в короткие сроки.

Проанализировать базу клиентов
Аналитик изучал две группы пользователей среди зарегистрированных людей, зашедших на сайт под своим логином:
  • Клиенты с оплаченными покупками.
  • Пользователи, поместившие товар в корзину без оформления заказа: отвлеклись, отправились искать более выгодный вариант и т. д. По статистике, такие клиенты возвращаются, если сделать хорошее предложение на интересующий товар.
В итоге была собрана раздельная статистика по покупателям и неоплаченным заказам.


Сегментировать базу по RFM
Аналитик распределил время покупки, частоту покупок и потраченные деньги на диапазоны — отсортировал пользователей по группам.
Например:
  • по времени покупки — те, кто купили не позже 30 дней назад, не позже 90 дней назад, не позже 180 дней назад и т. д.;
  • по количеству покупок — одна, две, до пяти, до 10, более 10;
  • по суммам — от 2000 рублей, до 5000 рублей, до 10 000 рублей, до 30 000 рублей и более 30 000 рублей.
R (Recency) — сегментирование по времени
Аналитик оценил частоту покупок, выделил группу клиентов с самым большим показателем Frequency и присвоил ей лучшую позицию — 1. Всех остальных равномерно разбил на сегменты в зависимости от активности.
Для интернет-магазина электроинструментов Тамары используем стандартные периоды: месяц, три месяца, полгода и т. д. Градация от 1 до 5 отделяет свежих и лояльных покупателей от практически потерянных клиентов. Когда Тамара увидела, сколько людей не вернутся за покупками, она расстроилась. Но это нормально. Клиентов из сегментов 1 и 2 всегда меньше, чем из 4 и 5:
  • 0–30 дней – 147 пользователей.
  • 31–90 дней – 325.
  • 91–180 дней – 889.
  • 180–365 дней – 1961.
  • 366+ дней – 4392.
F (Frequency) — сегментирование по частоте покупки
Нужно определить, какое число покупок считать выгодным для компании. Установить слишком низкую или высокую планку — испортить точность подсчета.
  • 10+ покупок – 613 пользователей.
  • 6–10 покупок – 781.
  • 3–5 покупок – 1592.
  • 2 покупки – 1912.
  • 1 покупка – 2816.
M (Monetary) — сегментирование по сумме покупок
Клиентов, оставивших больше всего денег в магазине, аналитик выделил в отдельный сегмент. Они важны, даже если не совершают покупки регулярно
По затратам Тамара определила такие диапазоны:
  • 30 000+ руб. – 105 пользователей.
  • 10 001–30 000 руб. – 218.
  • 5 001–10 000 руб. – 927.
  • 2 001–5 000 руб. – 2490.
  • < 2 000 руб. – 3974.
Посмотреть вложение 18915

Распределение клиентов по диапазонам по каждому параметру
Как правильно распределить клиентов по сегментам
Чтобы правильно распределить клиентов по сегментам, надо учитывать:
  • сезонность (в Тамарином случае — повышение продаж летом и снижение зимой);
  • среднее время между покупками (2–3 месяца);
  • срок использования покупки (для электроинструмента — несколько лет);
  • среднюю продолжительность «жизни» клиента до момента, когда его можно считать потерянным (более 1 года).
На основании этой информации специалист создает диапазоны для RFM-анализа, нумерует клиентов по каждому параметру от лучшего к худшему.
Например, учет сезонности: в июле многие покупатели тратят в магазине по 60 000 рублей, поэтому клиенты с чеком в 30 000 рублей получают среднюю оценку по сумме покупок 3. А в декабре максимальный чек 30 000 рублей и такие клиенты уже получат высший балл в 1.
Или срок использования покупки: клиент только купил автомобиль, который служит 5 лет. Сейчас ему не нужна машина, он получает худший балл 5, ведь вряд ли купит такую повторно. А вот клиент, который купил автомобиль 4 года назад, может присматривать новый и получает 1. Клиентам с плохими баллами стоит показывать рекламу сопутствующих товаров по уходу за автомобилями, а тем, кто получил лучшие баллы — рекламу транспорта.

Посмотреть вложение 18916

Распределение клиентов на сегменты
Создать группы клиентов с учетом оценки по сегментам
На основании сегментации по показателям RFM аналитик создал группы клиентов. Например, лучшие покупатели с показателем RFM 1-1-1. Или клиенты 2-2-3, покупающие часто и на небольшие суммы, с последней конверсией не более 90 дней назад.
Например, бригада рабочих месяц назад закупила инструмент оптом на 300 000 рублей и больше не обращалась в интернет-магазин. Показатель Monetary и Recency у такого клиента будет высокий (1), а Frequency — низкий (5),

Посмотреть вложение 18917

Каждому клиенту присвоены баллы по всем параметрам с учетом диапазона
Для каждой группы или пользователя нужно формировать индивидуальное предложение. Так покупатели чувствуют себя ценными и нужными.

Как Тамара использовала RFM-анализ и подняла продажи
Вернула клиентов с товаром в корзине
В стандартной схеме ремаркетинга клиенты после просмотра товара видят рекламу, предлагающую его купить. Специалисты предложили Тамаре работать с зарегистрированными пользователями по похожему принципу, но с учетом ценности клиента. То есть, запускать рекламу только на посетителей, которые с высокой вероятностью совершат покупку, и не тратить деньги на тех, кто вряд ли что-то купит.
Аналитик отобрал людей, соответствующих четырем параметрам одновременно:
  • они зарегистрировались,
  • заказывали раньше,
  • поместили товар в корзину не ранее 90 дней назад,
  • не оформили покупку.
Посмотреть вложение 18918

Клиенты, которые добавили товар в корзину
У таких клиентов выше вероятность конверсии. Трафик-менеджеры запустили на них рекламные кампании в поиске и в контекстно-медийных сетях Google и Яндекса. Дополнительно отправили напоминания на email о том, что заказ ждет оформления в корзине.

Подготовила для клиентов персонализированные предложения
Подрядчик объяснил Тамаре, что эффективнее взаимодействовать с аудиторией в динамике. Для этого аналитик каждые две недели проводил RFM-анализ, а специалисты по интернет-рекламе создавали рекламные кампании для новой базы.


В процессе выявили проблемные сегменты, целевая работа с которыми помогла повысить продажи:
  • Приверженцы бренда (1-3-3).
Клиенты, которые покупают продукцию одного бренда. У Тамары это любители Bosch. Для них запустили ремаркетинг в Google Adwords, рекламу в Gmail, email-рассылки и рекламу в соцсетях со спецпредложениями и акциями на товары этого бренда.
Параллельно работали кампании, предлагавшие товары аналогичных по цене и ассортименту брендов Makita и Hitachi.
Это привело к росту повторных продаж товаров Bosch на 6,5 % и увеличению первичных продаж электроинструмента других производителей на 8,5 %.
  • Оптовики (2-2-1).
Покупают не часто, но большими партиями. Для них запустили рекламу в Gmail и email-рассылки с выгодными оптовыми предложениями. В этом сегменте увеличение продаж случается редко, поэтому росту на 1,5 % Тамара очень обрадовалась.
  • Активные в прошлом пользователи (4-1-2).
Эти клиенты покупали каждый месяц, но перестали заказывать и неактивны более 90 дней. Для них запустили таргетированную рекламу в соцсетях, email-рассылки и кампанию в Gmail. В объявлениях и письмах была информация об акциях и комплектующие к недавно приобретенным товарам.
Необходимость в покупке дополнительных элементов возникает как раз после 3 месяцев эксплуатации, поэтому повторные продажи в сегменте увеличились на 18 %.
  • Единичные покупатели (3-5-3). В этот сегмент вошли пользователи, купившие только один товар не позже 3 месяцев назад. На них нацелили кампании с предложением комплектующих в ремаркетинге Google Adwords. Через 2 недели продажи в сегменте увеличились на 4 %.
В базу также входили почти потерянные клиенты (5-4-3), которым интернет-магазин предлагал скидки от 30 %. А лучшие покупатели (2-1-1 и 1-1-1) получали письма с предложением воспользоваться программой лояльности и купить новые товары.
После трех месяцев работы продажи повысились на 40 %. Тамара больше не беспокоилась о сохранении должности и результатах.

Тамара — собирательный образ маркетолога. Такие сотрудники работают во многих компаниях. Они не знают об RFM-анализе или не используют его, руководствуясь только стандартными методами. Но усредненные меры не приносят доход. Улучшить результат можно, разработав персонализированные предложения для клиентов.

А для вас мы подготовили шаблон для RFM-анализа и инструкцию. Наши материалы помогут быстрее разделить клиентскую базу на RFM-сегменты и эффективнее продвигать услуги.
 
Верх Низ