Logo

Ксения Петрина

Email-маркетолог

Кейс мережі фастфуду: як протягом року переконати 50% клієнтів спробувати незвичайний продукт

У нашому блозі ми регулярно ділимося історіями клієнтів, яким допомогли реалізувати ефективні бізнес-рішення за допомогою нашої платформи. Але що робити, якщо у вас є нестандартний кейс і ви хотіли б знайти для нього відповідні інструменти? Відповідь проста: не бійтеся звертатися до нас :) Ми змоделюємо ситуацію, визначимо цілі та підготуємо план для реалізації завдань.

Саме таким гіпотетичним кейсом ми поділимося з вами в цій статті. Ви дізнаєтеся, як протягом року мережа швидкого харчування змогла б схилити більше ніж 50% клієнтів спробувати вельми незвичайний продукт і при цьому зберегти Retention Rate. Водночас ви ближче познайомитеся з можливостями CDP eSputnik і, цілком ймовірно, візьмете на озброєння кілька інструментів для свого бізнесу. Стратегія в цьому кейсі розроблена керівником із продажів у Росії Анастасією Горькою.

Про проект

Мережа ресторанів швидкого харчування запускає нову лінію продукції зі штучним м'ясом. У меню вже є позиції вегетаріанського напряму, тож можна розраховувати на зацікавленість певного сегмента аудиторії.

Однак припустимо, що за зовнішнім виглядом новинки зі штучним м'ясом поступаються традиційній продукції та поки що не мають великого попиту в офлайн-точках.

Окрім продажів безпосередньо в закладах, торкання з клієнтом відбуваються в інших каналах:

  • на сайті;

  • в мобільному додатку;

  • через служби доставки та агрегатори, звідки дані щодо замовлення вивантажуються вручну, а дані щодо поведінки не передаються;

  • найближчим часом планується розмістити каси самообслуговування в аеропортах.

Близько 30% клієнтів активно користуються перевагами програми лояльності.

У глобальному масштабі компанія має мультиканальну комунікацію, утім наскрізну аналітику не здійснює, а дані про клієнтів зберігає в розрізнених джерелах.

Завдання

  1. Провести промо для нової продуктової лінійки.

  2. Зробити присутність страв зі штучним м'ясом у чеках максимальною.

  3. Досягти KPI щонайменше у 50% унікальних клієнтів, які спробували один із продуктів протягом року.

Обов'язкова умова, якої треба дотримуватися протягом промокампанії, – суворий контроль Retention Rate.

Рішення

Щоб вирішити поставлені завдання, нам необхідно:

CDP eSputnik має всі інструменти, потрібні для здійснення кожного з пунктів розробленого плану. Наочно реалізацію рішення можна представити у вигляді такої схеми:

Roadmap реалізації стратегії

Розглянемо детальніше, як інтегрувати CDP до інфраструктури мережі закладів та яким чином вона допоможе зробити промокампанію ефективною, грунтуючись на поведінці клієнтів.

Крок 1. Упорядковуємо дані, пов'язуємо канали

CDP дозволяє об'єднати дані з будь-яких каналів, у яких відбувається торкання з клієнтом:

  • купівлі в офлайні;

  • поведінка на сайтах і в додатках;

  • участь у бонусних програмах;

  • активність у розсилках;

  • взаємодія з компаніями-партнерами.

У результаті ми не лише зберігаємо в одному місці всю історію клієнта, але й можемо збагачувати його профіль додатковою інформацією: соціальні та демографічні дані, геопозиція і т.ін.

CDP дозволяє об'єднувати дані з різних джерел

Передавати дані про клієнтів до eSputnik ми можемо кількома методами:

  • Інтеграція за допомогою ресурсів API.

  • JSON events для відправлення подій, контент яких можна використовувати з метою сегментації та персоналізації.

  • JavaScript Tracking, який відстежує поведінку клієнтів на сайті. Рішення є чудовим варіантом для ecommerce.

  • Підключення зовнішніх джерел: Google-таблиці, PostgreSQL та BigQuery. Дозволяє використовувати власну структуру даних Data Warehouse, при цьому сегментація та персоналізація реалізуються за допомогою реляційних таблиць. У нашому випадку ми отримуємо можливість будувати складні сегменти, об'єднуючи різні типи даних: про клієнтів, ресторани, замовлення, кількість бонусних балів та ін.

Паралельно з налаштуванням передавання даних завантажуємо наявну базу контактів до акаунта, заздалегідь провалідувавши її. Після чого розбиваємо базу на групи, аби прогрівати домен шляхом поетапного відправлення розсилок.

Після завершення налаштувань інтеграцій у eSputnik відбувається крос-канальна ідентифікація клієнта, коли він виявляє активність у різних каналах. Унікальним ідентифікатором контакту можуть бути не лише емейл або телефон, але й, наприклад, персональний промокод, номер картки лояльності, QR-код або deeplink – залежно від самого каналу.

Способи ідентифікації клієнта в різних каналах

Крок 2. Ставимо на контроль результати

З метою контролю Retention Rate нам треба налаштувати аналітику, яка дозволить оцінювати ефективність маркетингових дій у режимі реального часу, а не після завершення кампанії. Для цього на початкових етапах важливо визначити:

  • які показники беруть участь в аналізі;

  • яким чином ми будемо їх вимірювати;

  • які межі можна вважати нормою;

  • які тригери автоматично запускатимуться, аби вчасно реагувати на критичні зміни показників.

Щоб отримати максимально глибоку та різнобічну оцінку результатів, використовуємо кілька видів аналітики, доступних у нашій платформі.

Контроль зростання та відтоку бази

У розділі "Контакти" → "Статистика" автоматично формується звіт щодо динаміки зростання бази. Тут ми можемо моніторити, як наповнюються сегменти з різних джерел додавання контактів: імпорт, створені із замовлень, сценаріїв, форм підписок та ін. У цьому самому звіті можна побачити показники відтоку: кількість тих, що відписалися, поскаржилися на спам, видалених вручну клієнтів. У такий спосіб ми відстежуємо загальні тенденції динаміки бази.

Звіт щодо динаміки зростання бази

Контроль сегментів за поведінкою

Стратегічні групи ми виділяємо на основі історії купівель та поведінки користувачів:

  • ті, хто не замовляв страви зі штучним м'ясом;

  • ті, хто купував страви одного разу;

  • ті, хто купував страви більше ніж двічі.

Створені сегменти ставимо на відстеження в спеціальних звітах у розділі "Статистика за групою". Тут можна спостерігати наповнюваність та відтік контактів у кожному вибраному сегменті. Аналіз переходу клієнтів між групами покаже:

  • скільки з них ще не спробували нові продукти;

  • скільки клієнтів купували лише одного разу;

  • кількість людей, яким штучне м'ясо сподобалося і які купили його знову.

Відстеження статистики за групами

За допомогою такої сегментації бази ми можемо вирішити одразу кілька завдань:

  1. Персоналізація комунікації. Для першої групи клієнтів можна продумати нові механіки залучення. Другій групі – надіслати повідомлення з проханням залишити відгук про продукт, щоб виявити можливі причини відмови від повторної купівлі. Третю групу можна вважати лояльною і більше не турбувати промоповідомленнями щодо новинки.

  2. Визначення ефективності окремих кампаній. Звіти щодо відстеження груп у eSputnik розбиваються на часові проміжки. Тож якщо у певний момент спостерігається очевидний сплеск у динаміці, ми можемо пов'язати його з нашою маркетинговою активністю в цей період.

  3. Оцінювання ставлення аудиторії до продукту. Зростання кількості клієнтів, які спробували новинку, – одна з ознак дієвої стратегії. Однак якщо люди не стали купувати страви зі штучним м'ясом повторно, слід замислитися про якість самого продукту й провести додаткові дослідження.

Ефективна сегментація аудиторії 

Реєстрація

Окрім вищеописаних сегментів, ми також виділяємо контрольну групу, яка не буде залучена до промокампанії. Таким чином ми матимемо змогу відстежити природну поведінку клієнтів: як вони підходили б до вибору нового продукту без активної маркетингової діяльності мережі закладів. Порівняння результатів допоможе глибше проаналізувати, наскільки ефективним було промо.

Моніторинг Retention Rate

Повернення та відтік бази також контролюємо шляхом когортного аналізу. На підставі оцінювання поведінки когорт визначаємо ті моменти, коли слід запустити тригери, спрямовані на утримання клієнта.

Когортний аналіз у eSputnik

RFM-аналіз

Активність кожного раніше створеного сегмента відстежуємо за допомогою RFM-аналізу. В eSputnik можна будувати звіти за поведінкою груп як у розсилках, так і в продажах. Аналізуючи давність і частоту взаємодій, а також розмір прибутку, отриманого від певного сегмента, ми можемо оцінювати його готовність до подальших купівель. Отже, для кожної групи можна вибудовувати власну стратегію з відповідними тригерами.

RFM-аналіз у eSputnik

Крок 3. Персоналізуємо пропозиції

На цьому етапі ми аналізуємо вподобання клієнтів і налаштовуємо алгоритми товарних та офферних рекомендацій. Алгоритми можуть базуватися як на даних конкретного контакту, так і на загальних даних. Анонімам – клієнтам, історію яких ми не знаємо, – можна запропонувати бестселери, новинки і топ переглядів позицій меню. Якщо історія попередніх замовлень та переглядів відома, штучний інтелект вибере товарні рекомендації, виходячи з уподобань людини.

Алгоритми формування рекомендацій

Наша практика засвідчила, що персональні рекомендації на сайті здатні збільшити кількість допродажів на 16% протягом місяця. З метою підвищення ефективності ми задіюємо в цьому кейсі, крім сайту, також інші канали комунікації: мобільний додаток і каси самообслуговування.

Приклад виведення рекомендацій на сайті

Для відображення рекомендацій функціональність eSputnik передбачає гнучкі та прості у використанні налаштування, які дозволяють:

  1. Вибирати місцезнаходження рекомендаційних блоків. Можна визначати не лише тип сторінки для розміщення (головна, категорія, картка товару, кошик, сторінка 404), але й позицію блоку відносно інших елементів на ній.

  2. Налаштовувати зовнішній вигляд блоків із рекомендаціями відповідно до корпоративного дизайну. Для цього достатньо завантажити HTML-код із необхідними CSS-стилями.

  3. Встановлювати правила для видачі товарів. За допомогою фільтрів можна призначити пріоритет для певної категорії, виключити її з показу, встановити мінімальну або максимальну вартість продуктів для відображення та ін.

Налаштування правил для виведення рекомендацій

Аби визначити, який підхід до видачі рекомендацій буде найефективнішим, використовуємо А/В-тестування та переглядаємо результати у звіті. Оцінити вплив будь-яких змін, внесених до рекомендаційного блоку, можна завдяки динаміці активності користувачів за переглядами, переходами та купівлями.

Звіт щодо результативності рекомендацій

Окрім рекомендацій, ми використовуємо для залучення аудиторії персоналізовані акції на підставі історії купівель. Наприклад, якщо клієнт мережі закладів полюбляє брати вранці каву, можна зробити для нього оффер щодо купівлі гамбургера зі штучним м'ясом за спеціальною ціною.

Персональні рекомендації для ваших клієнтів

Крок 4. Автоматизуємо комунікації

Автоматизація омніканальної комунікації реалізується в eSputnik за допомогою тригерних сценаріїв. Можливості drag'n'drop-редактора дозволять не лише підключити до ланцюжка повідомлень кілька каналів, але й задіяти інші корисні функції:

  • відправлення повідомлень у встановлений час;

  • перевірки різних умов;

  • генерацію промокодів;

  • розгалуження сценарію для тестування та перевірки гіпотез.

Приклад сценарію з розгалуженням

Для персоналізації повідомлень використовуємо мову Velocity й посилаємося на дані в Internal Data Sources або JSON. У результаті клієнт отримує актуальну пропозицію, що базується на його особистих даних та історії купівель.

Використання Velocity для персоналізації в листі

До комунікаційної стратегії обов'язково включаємо отримання зворотного зв'язку від клієнтів. Із цією метою проводимо NPS-опитування серед тих, хто вже спробував продукти зі штучним м'ясом. Заради зручності одержувачів можемо використовувати розсилку з AMP-формою, де можна залишити відгук безпосередньо в листі без переходу на лендінг із анкетою.

Приклад AMP-форми для збирання відгуків

Аналізуючи відповіді клієнтів, ми не лише зможемо оцінити ефективність промокампанії, але й дізнаємося про можливі точки зростання. Адже скільки б зусиль не було вкладено у вдосконалення маркетингової стратегії та алгоритмів – якщо клієнта не влаштував смак страв або рівень сервісу, то очікувати від нього повторних купівель не варто.

Last post

Результати

Об'єднавши в CDP дані про клієнтів із різних джерел, ми отримали інформацію щодо індивідуальних смаків та історії кожного з них. Це допомогло реалізувати два рішення:

  1. Ми змогли виділити сегменти з подібними вподобаннями та поведінкою і розробити для них власні стратегії комунікації.

  2. Додатково кожен клієнт отримав релевантні пропозиції на базі персональних рекомендацій.

У результаті понад 50% унікальних клієнтів спробували один із продуктів зі штучним м'ясом.

Вбудовані інструменти eSputnik також дозволили нам чітко відстежувати Retention Rate упродовж усієї кампанії та вносити корективи до стратегії на підставі аналізу.

Якщо ви зацікавилися використанням інструментів на практиці, але залишилися запитання – залиште у формі заявку, і наші спеціалісти обов'язково зв'яжуться з вами.

Special Request Inline

0.0 з 5 на основі 0 оцінок

Ксения Петрина

Email-маркетолог

Коментарі 0