Кейс: продвижение онлайн доставки мебели. Рост заказов и снижение затрат за счет эффективного управления данными

В 1988 года у Boeing 737 летевшего в Гонолулу на высоте 7300 метров внезапно оторвалась часть фюзеляжа, разгерметизировав салон. Тем не менее пилоты смогли успешно совершить экстренную посадку и спасти 98 пассажиров. Если спросить у пилотов того злополучного рейса, захотели ли они повторить полет, зная о проблемах… Думаю, мы получили бы отрицательный ответ. Управляя бизнесом в слепую, вероятность положительно результата приравнивается к «удачной посадке» в результате неожиданных поломок и отказов.

В этом материале разбираем основные ошибки, проблемы и инструменты эффективности в онлайн-торговле. За основу берем ассортимент простой мебели, не требующий заказа сборки и установки со стороны специалистов мебельной компании, товары, которые покупатели легко приобретают в Интернете и устанавливают самостоятельно, например, столы и стулья, комоды, аксессуары.

Охаем и ахаем:

Проблемы бизнеса на реальных примерах…

Пример №1.

Штатный специалист отдела маркетинга размещает онлайн рекламу по фиксированному бюджету, определенному в процентах от выручки. При этом бюджет в период всей рекламной кампании расходуется равномерно. Доля в распределении бюджета между площадками не подвержена гибкому управлению, зафиксирована как единый стандарт. Эффективность работы оценивается по двум показателям: CTR (коэффициент кликабельности) и доля затраченного бюджета на всю кампанию в сравнении с объемом продаж.

Петр и Мария постоянные клиенты компании, совершают уже третью покупку без рекламы. Сергей и Анна только купили квартиру в новостройке и пришли на сайт с поиска Яндекс без показа рекламы. А Андрей и Диана пришили на сайт по контекстной рекламе Яндекс.Директ, посмотрели сайт и ничего не купили. В компании складывают всех клиентов в независимости от каналов продаж, и делят на затраты по рекламе. Фактически компания не понесла затраты на привлечение к покупке Петра, Марии Сергея и Анны, но потратила на Андрея и Диану, которые ничего не купили.

Команда «совершает преступление»! Имея в работе сквозную аналитику, не использует её из-за недостаточной компетенции персонала. Распределение бюджета между каналами привлечения клиентов не эффективно, отсутствует единая тактика развития онлайн продаж на основе статистики. Формируется не верное понимание, какие ключевые фразы, статьи на сайте, объявления и посты в соц. сетях конвертируются в продажи, как распределяются расходы, и за счет чего компания получает прибыль.

Пример №2

В CRM ребята получают данные о всех новых клиентах, совершивших заказы, либо бросившие корзину после регистрации. Раз в месяц по всей базе запускают рассылку на товара со скидкой. Конверсия к покупке составляет 0,01% от всей базы. На основании этого в компании работает концепция о необходимости постоянного привлечения новых клиентов.

Вернемся к Петру и Марии. Первой покупкой стал кухонный гарнитур, заказанный в офлайн-салоне, с проектированием, доставкой и установкой. Затем ребята купили уже в интернет-магазине кухонные стол и стулья. Через месяц после покупки менеджеры запускают акцию со скидкой на кухонные стулья, и рассылают их всем, в том числе Петру и Марии. Какова вероятность покупки?

Открываем статистику и рассчитываем стоимость привлечения одного клиента к покупке. Получается, что новый клиент Интернет-магазина обходиться компании в 14 356 руб., а постоянный в 357 руб. при среднем чеке в 27 500 руб. Думаю, что после таких данных вывод очевиден: увеличение конверсии с постоянных клиентов принесёт компании больше прибыли, чем привлечение новых.

Оцифровываемся:

Разберемся, какие данные нам нужны, чтобы перейти к эффективному управлению. И как с ними работать.

На фото ключевые метрики, необходимые для эффективного управления, но прежде чем мы начнем их анализировать, разберемся все ли показатели аналитика считает верно.

Например, у нашего заказчика при переходе покупателя на страницу оплаты система считывает покупку и заносит в статистику. В итоге данные CRM системы не бьются с данными из 1С отражающими реальные сделки. Звонки покупателя при клике на номер телефона не учитываются в метрике, так же, как и прямые звонки менеджерам отдела продаж в CRM системе. Все мелкие болезни и недочеты необходимо устранять, иначе аналитики будут получать “каламбур” в сводных таблицах.

На основании отлаженных данных проводим сегментацию по каналам продвижения, типам покупателей и продуктов. Получаем полную картину по стоимости привлечения покупателей, доходности продукту, эффективности каналов продвижения.

Аналитика позволяет определить целую серию ошибок, применяемою в бизнесе:

- Продвижение продуктов с низким уровнем доходности приводит к убыткам;

- Отсутствие KPI по увеличению продаж постоянным клиентам увеличивает среднюю стоимость на привлечение клиентов к покупке;

- Отсутствие KPI глубины и ширины ассортимента приводит к низкому среднему чеку;

- Неэффективное перераспределение бюджета между каналами продвижения приводит к “сливу бюджета”;

- Отсутствие регулярного анализа по динамике запросов пользователей не позволяет адаптировать ассортимент и рекламные объявления под уровень спроса.

Как любят говорить наши специалисты по онлайн-рекламе “проваливаемся глубже”.

Заказчик настраивал рекламу по всей России, и она «распылялась» по просторам на усмотрение Яндекса. В компании не рассматривали три ключевых показателя: уровень спроса, узнаваемость, уровень конкуренции.

Оцениваем эффективность кампании по регионам, выявляем регионы принёсшие наибольший объем продаж. Не удивительно, но это были регионы с большой сетью офлайн-магазинов. Если клиент хочет купить мебель, мало вероятно, что он купит что-то значимое для себя у неизвестного бренда. Поэтому кампанию необходимо проводить каскадно: первоначально в регионах с высокой узнаваемостью, затем в 2-3-х новых. Любые инициативы по привлечению новых клиентов, ничего не знающих о марке - инвестиции в продвижение, где первой задачей кампании будет именно формирование узнаваемости и донесения до потенциальных клиентов ключевых аспектов позиционирования. Окупаемость таких компаний может варьироваться от 2 до 5 лет.

Определяем тактику рекламной кампании в зависимости от спроса, узнаваемости, и уровня конкуренции. Так как среднемесячный бюджет заказчика составляет 1,2-1,3 млн. руб. отказываемся от инвестиций, сосредотачиваясь на регионах с высокой узнаваемостью. Затем подробнее изучаем уровень спроса, формируем список населенных пунктов (в большей степени он связан с объемом сдачи первичного жилья). Оцениваем уровень конкуренции и стоимость ставок в онлайн-режиме, перераспределяем бюджет в зависимости от стоимости кликов и конверсии.

За 5 месяцев совместной работы увеличиваем онлайн-продажи в 4,6 раз. Обучаем персонал отдела маркетинга и продаж. Пересматриваем KPI, включаем на ряду с планом продаж следующие показатели: рентабельность продаж, LTV, глубина и ширина чека, показатели упущенных продаж. Скорректировали ассортимент, участвующий в продвижении, на основании динамики запросов и рекламы конкурентов. Отладили работу аналитики, исправили ошибки в подсчетах и передаче данных в CRM.

Сдуваем пыль с клиентской базы:

Проводим RFM-сегментацию по действующей клиентской базе.

R - количество дней между сделками;

F - количество покупок;

M - доход с одного клиента на одну сделку.

Разберемся на примере:

В интернет-магазин приходит четыре клиента с разной историей покупок.

Первый совершил 4 покупки за 1 год, каждую покупку раз в квартал. Таким образом R для данного клиента будет равен 90 дней, F равен 4. Каждый раз клиент приобретал товар на сумму 5 600 руб., значит М равен 1 400 руб. Такого клиента мы отнесем к категории “средний” и будем разрабатывать инструменты увеличения частоты покупок и среднего чека.

Второй клиент совершил у нас те же 4 покупки, но за 1 месяц, совершая покупки каждую неделю. Его R составит 7 дней. Таким образом данный клиент становиться для нас более ценным, и мы относим его к категории “лучший”, вкладывая больше времени и ресурсов в развитие.

Третий клиент, так же, как и второй, совершил 4 покупки за 1 месяц, но последняя покупка была 10 месяцев назад. Тогда его R составит 304 дня, а F останется 4. Такого клиента мы отнесем к категории “худший”.

Четвертый клиент совершает покупки раз в месяц. Его R равен 30, F равен 12. Но его чек при первой покупке составил 17 000 руб., на второй 12 000 руб., на третей 7 000 руб. и так он снижался каждый месяц и на последнем достигает 350 руб. Это значит, что отношение клиента к нам “деградировало” до уровня “ларька у дома”.

После ручной сегментации, проводим автоматизацию в CRM-системе. Данные позволяют определить какой товар с наибольшей вероятностью будет интересен клиенту и с использованием каких каналов коммуникаций необходимо делать предложение.

Автоматизация RFM-сегментации позволяет запрограммировать действия на удержание клиентов, а также оперативно выявлять причины оттока за счет дополнительных исследований. Конверсия к покупке по итогам проделанной работе с 0,01% выросла до 17,4% за три месяца в RFM. Так как средняя стоимость привлечения к покупке постоянного клиента в 40 раз ниже, стоимости привлечения новых клиентов, мы увеличили валовую прибыль компании на единицу товара на 36%. LTV по удержанию новых клиентов вырос на 24%.