Кейс brabrabra: рост конверсий за счет оповещения о программе персональных цен

О проекте

brabrabra – это украинский бренд женского белья, ориентированный на здоровье женщины, поддержание ее самооценки и постоянное развитие.

Главная идея бренда – ответственное отношение к себе и окружающему миру.  Основной способ общения с женщиной – это обучение собственному комфорту через подбор правильного белья и показ белья на женщинах с разными фигурами, разного возраста и с разными историями.

Купить белье brabrabra можно как на официальном сайте, так и в офлайн-бутиках. Преимущество офлайн-покупки – личная консультация, индивидуальный подход. А заказывая на сайте, клиент получает доступ к персональным ценам. Это дополнительные скидки, которые действуют 90 дней после первой покупки.

О правилах программы лояльности можно узнать по ссылке из футера сайта:

В компании провели исследование об осведомленности аудитории о программе лояльности. Клиентов спросили:

• знают ли они о том, что у них активированы скидки;

• знают ли они о деталях бонусной программы.

“Результат показал, что многие клиенты не были в курсе того, что бонусная программа активирована. Поэтому мы приняли решение уведомлять каждого клиента сразу, как только бонусная программа клиента включалась.”

Андрей, digital marketer в brabrabra

Все данные о покупательском поведении контактов собираются, обрабатываются, систематизируются и сегментируются на стороне Google BigQuery, но компании не хватало инструмента централизованной коммуникации с клиентом.

“Благодаря обработке данных на стороне BQ, мы понимали, кому, в какой момент, какую коммуникацию отправить. Не хватало единого шлюза, который позволит настроить все каналы коммуникаций, сценарии взаимодействия с клиентскими сегментами, а затем получить результат коммуникации обратно в базу данных. После исследования рынка мы остановились на выборе компании eSputnik. Технически eSputnik позволяет не только принимать  данные из Google BigQuery, но и возвращает их обратно. Таким образом мы обогащаем данные о клиенте и автоматизируем процессы дальнейшей коммуникации.”

Андрей, digital marketer в brabrabra

Задачи

1. Подключить внешние таблицы BigQuery к eSputnik и передавать контакты клиентов.

2. Автоматизировать отправку уведомления о включении персональных цен.

3. Настроить экспорт данных из eSputnik в Google BigQuery.

Решение

Если данные о контактах хранятся не в eSputnik, но вы хотите их использовать для построения сегментов и персонализированных рассылок, есть доступные для подключения внешние источники: PostgreSQL, Google Таблицы и BigQuery. Также поддержан экспорт данных из eSputnik в BigQuery, что покрывает задачу заказчика.

Настройка двухсторонней интеграции с Google BigQuery

Интеграцию BigQuery с eSputnik мы настроили с помощью ключа проекта, который позволяет нам получить доступ к таблицам.

Ключ – это файл в формате JSON. В нем содержится информация о том, кто получает доступ к данным и с какими правами этот доступ предоставляется.

Получение ключа происходит в консоли сервисных аккаунтов проекта на Google Cloud Platform.

После скачивания ключа мы загрузили его в аккаунт eSputnik в разделе ① Настройки → ② Коннекторы → ③ Новый коннектор → ④ BigQuery.

В открывшемся окне мы настроили коннектор:

1. Загрузили файл ключа.

2. Внесли название колонки таблицы, содержащей параметр уникальности контакта.

3. Выбрали поле в eSputnik, отвечающее параметру уникальности контакта из BigQuery.

После подключения к Google BigQuery нам необходимо было настроить экспорт данных из eSputnik. Для этого мы создали новый источник, зайдя в Настройки → Коннекторы → Экспорт в BigQuery → Новый источник.

В открывшемся окне мы загрузили тот же ключ проекта ①, что и при настройке коннектора. Затем выбрали Dataset ID ②, в который будут загружаться данные.

Не выходя из окна настройки экспорта, ниже мы отметили галочками данные, которые хотим экспортировать. Возможные данные, которые может отдать eSputnik:

• contactActivities (статус “прочитал/перешел..”, тип рассылки “массовая/триггерная”, переход по кнопке с привязкой события, ID контакта, медиа канал, ID отправленного сообщения, название сообщения, теги сообщения, ссылка на сообщение, дата и время старта рассылки, utm_сampaign);

• Contacts (ID, источник создания, дата создания, емейл, домен, статус контакта в системе, имя, язык, дата последнего перехода, фамилия, дата последней доставки, дата последней отправки, дата последнего просмотра, номер телефона, количество переходов, доставок, отправок и просмотров);

• Orderitems (стоимость, описание, внешний ID продукта, ссылка на изображение, название товара, дата заказа, внутренний ID заказа, количество позиций в заказе, ссылка на страницу с товаром);

• Orders (ID контакта, адрес доставки, способ доставки, промокод, емейл, внешний ID заказа, имя, фамилия, дата заказа, внутренний ID заказа, способ оплаты, номер телефона, статус заказа, общая стоимость).

Прелесть метода в том, что не нужно предварительно создавать таблицы в BigQuery. Они создаются автоматически при первом экспорте и в дальнейшем в них будет обновляться информация. Названия таблиц будут такие же, как и названия наборов данных, что мы указали при настройке (contactActivities, contacts, orderItems, orders).

Настройка SMS-оповещения о включении персональных цен

Почему выбрали СМС: этот канал ближе всего к покупателю. Оформляя заказ, человек оставляет свой номер, поэтому база состоит преимущественно из номеров телефонов клиентов.

Настройка процессинга SMS

Компания brabrabra уже имела договор с Omnicell. Чтобы продолжить рассылать СМС через существующего провайдера, приняли решение интегрировать Omnicell с eSputnik.

Наши технические специалисты запросили у Omnicell данные для интеграции:

• SMPP host;

• port для интеграции;

• логин;

• пароль.

После получения этих данных настроили SMPP-подключение и протестировали отправку SMS.

Передача контактов в eSputnik

Чтобы отправлять клиентам сообщения из eSputnik, необходимо сначала загрузить контакты в аккаунт. Для этого есть два способа:

• Загружать вручную файлом импорта.

• Передавать методом API Add/update contacts.

С целью автоматизации выбрали второй вариант. В результате каждый день в 04:00 в одну и ту же группу передавались контакты из BigQuery, а при помощи условной группы мы настроили фильтрацию тех, кому нужно отправить смс-оповещение сегодня.

Эту группу мы и подключили к сценарию с отправкой SMS.

Создание и настройка сценария

Мы ограничили время отправки сообщения, чтобы отправка уведомления была всегда в 10 утра, для этого использовали таймер после старта.

Далее по сценарию идет отправка смс-уведомления с информацией о том, что персональные цены активированы, и ссылкой на детали.

Важны были также настройки запуска, где мы установили специальное расписание, которое подходит для времени выгрузки (она происходила ежедневно в 04:00).

Запускается сценарий ежедневно один раз с 8 до 9 утра. Частота обработки событий: не чаще, чем раз в сутки.

Результат

1. Закрыли потребность в экспорте данных в BigQuery.

“Мы не обращались к другим подрядчикам, ввиду отсутствия функционала передачи результатов коммуникации в Google BigQuery у всех, кого мы изучили. Многие умеют принимать данные и выстраивать триггеры на основе данных из BQ. Но никто не передает данные обратно в BQ. А для нас понимать результат коммуникации с каждым из клиентов критически необходимо.”

Андрей, digital marketer в brabrabra

2. Обычный триггер с уведомлением о бонусной программе за месяц дал 10% от общей доли онлайн-заказов.

“Покупатель часто предпочитает посетить физический магазин, примерить, пощупать товар. Наша практика показывает, что онлайн-покупки составляют не более 10% от общего кол-ва покупок в торговой сети. Если говорить о конверсиях в онлайн-заказы после уведомления клиента о включении бонусной программы, то это чуть больше 1%. Акцентирую внимание, что это онлайн-заказы. Инструмент учета офлайн-заказов в разрезе конкретной коммуникации у нас в разработке. Потому я уверен, что конверсия окажется значительно выше, когда будет доработан ROPO-отчет.”

Андрей, digital marketer в brabrabra

3. Окупаемость получена спустя две недели работы триггера.

“Система сбора данных и сегментации у нас была готова на стороне BQ. Нам нужно было настроить передачу данных в eSputnik, прием этих данных обратно в BQ, сценарии отработки триггера. 

Все работы по интеграции BQ <-> eSputnik нам проводили специалисты компании eSputnik. 

Затраты на эту интеграцию мы окупили за первых две недели работы триггера о включении бонусной программы. Без учета повторных покупок в офлайн-магазинах.”

Андрей, digital marketer в brabrabra

Вывод

Если собираете много данных, то ими нужно пользоваться, чтобы повысить продажи и лояльность клиентов. 

Опрашивайте и изучайте клиентов, выявляйте их потребность. Храните данные хоть в BigQuery, хоть в PostgreSQL, а мы поможем настроить и грамотно донести коммуникацию в канале, удобном для ваших клиентов.

Special Request Inline