Кейс OnlineTours: анализ пользовательских данных для увеличения конверсии почтовых рассылок в продажи до 15%

Операционный директор OnlineTours Алексей Жебелев о двух подходах, которые использовала компания, и их эффективности.

3ce51524bb77f0.png

Менеджеры по продажам делятся на два класса: те, кто ненавидит холодные продажи, и те, кто их как-то научился терпеть. Холодные продажи в туризме кажутся почти невозможными. Скорее всего, так оно и есть. Слишком уж редкое явление для среднестатистического соотечественника — отпуск. А отпуск, проведенный за границей, случается ещё реже.

Поэтому нам всегда казалось странным стремление наших коллег по туристическому рынку обзавестись чужой базой клиентов и начать её «возделывать». Мы отлично понимали, что гораздо более эффективным может оказаться повышение качества работы с нашими прошлыми и текущими клиентами.

Три года назад мы стали собирать поведенческую активность посетителей нашего сайта. Конечно, мы и раньше что-то считали, как-то анализировали и делали выводы, основываясь на тех данных, которые нам были доступны. Но именно три года назад мы стали не просто считать посетителей и их клики, а начали собирать данные о заполнении поисковых форм, глубине скроллинга, времени между сессиями конкретного клиента, количестве просмотренных фотографий на странице конкретного отеля и даже заходов одного и того же клиента с разных устройств.

Массив информации рос с пугающей скоростью. Но мы ещё не до конца понимали, как её качественно использовать. Начали с проверки первой идеи: если пользователь пришел к нам на сайт и ведет себя особым образом, значит, он хочет в отпуск. Мы стали обращать внимание на различные действия посетителей, которые могли указывать на готовность к покупке:

  • ​Запустил пять поисков, в результате просмотрел не менее 15 вариантов туров.
  • Запустил десять поисков в течение семи дней, просмотрел 20 туров.
  • Запустил десять поисков, просмотрел 20 туров, в десяти из них кликнул на фотографии или долистал до отзывов.

Было еще несколько гипотез, которые казались нам логичными и требующими внимания, но общая концепция понятна — комбинация поведенческих характеристик должна приводить к повышению вероятности совершения покупки.

Мы стали анализировать поведение всех пользователей и выявлять среди общей массы тех, кто нам казался готовым к покупке. Дальше эта выборка сужалась еще сильнее, потому что мы выбирали лишь тех, чей телефон мы знаем. А номер клиента мы знаем лишь в двух случаях: либо он уже отдыхал с нами, либо оставлял у нас заявку на подбор тура.

Для клиентов, прошедших через эту воронку, мы создавали холодную заявку. В ней указывался клиент и то, что он в последнее время смотрел у нас на сайте (курорты, отели, их категории звездности и типы размещения). После этого наши менеджеры отдела продаж обзванивали таких клиентов и предлагали купить тур на понравившийся курорт или в отель.

Было приятно слышать, как клиенты реагировали на такие звонки. Для многих было удивительно получить звонок от OnlineTours именно в процессе подбора или размышления об отпуске. «Как вы узнали?!», «Ничего себе у вас технологии!», «Большой брат работает в OnlineTours?» — таких реакций было очень много. Были и негативные, но их — минимальное количество.

Напомнить о себе, продемонстрировать готовность помочь — это, конечно, очень хорошо, но наша цель была в увеличении продаж. К сожалению, нам не удалось её достичь — конверсия созданных автоматически заявок в продажу составила в среднем не более 3% (для каких-то входных коэффициентов она была выше, для каких-то — ниже). А времени на общение с клиентами уходило очень много. Мы были вынуждены признать, что эксперимент оказался неудачным.

Честно говоря, мы не нашли ответа на вопрос, почему же наша отличная идея с холодными заявками не взлетела. Но мы не оставили мысль использования анализа поведения возвращающихся клиентов на сайте. В начале апреля мы запустили очередной эксперимент.

Когда мы видим, что на сайт вернулся наш клиент, мы можем посмотреть, что его интересует, и показать ему наиболее выгодные предложения. Но как понять, что же наиболее выгодно именно сегодня и именно для этого клиента?

Каждый день на рынке предлагается около 40 миллионов уникальных туров. Уникальность тура заключается в следующих параметрах:

Сложность заключается в том, что эти 40 миллионов туров имеют свойство видоизменяться в течение дня. Какие-то предложения пропадают, какие-то появляются, а у каких-то меняется цена. И всё это приводит к тому, что в нашем поиске в день может быть до 220 миллионов туров. И мы хотим найти среди них то, что может быть выгодно конкретному туристу — с его личными предпочтениями, возможностями и желаниями.

Например, конкретный пользователь ищет у нас на сайте «Турция, 5 звёзд, всё включено» на середину июня, а потом смещает свой интерес в сторону отелей классом пониже. Мы можем смело делать вывод: у человека есть ограниченный бюджет на отпуск.

Пользователь становится нам более или менее понятен после нескольких поисковых запросов на сайте. Но мы знаем, что зачастую бюджет на отдых может меняться в большую сторону, если предложить клиенту именно то, что он хочет. Как же этого добиться?

Итак, дано: пользователь хочет отдохнуть в Турции 10–14 ночей в середине июня с семьей из четырёх человек (два взрослых и два ребенка). Он обращает внимание на отели, работающие по принципу «всё включено» и расположенные на первой линии моря. Ориентировочный бюджет — до 100 тысяч рублей.

Решение. Мы знаем, как менялась цена почти во всех турецких отелях за последние две недели. Мы выбираем из общей массы все те предложения, которые сейчас упали в цене наиболее сильно. Да, на эти предложения наш потенциальный клиент не обратил внимания, потому что они могли затеряться в общей массе поисковой выдачи.

Но если мы сможем показать ему, что текущая цена этого отеля снизилась на десятки процентов по сравнению с ценой неделю назад, возможно, он пересмотрит свое первоначальное решение. Поэтому мы собираем набор предложений для него, сдвигая даты вылета, длительность отпуска и выбирая наиболее привлекательные варианты. Всё это отправляем по электронной почте.

Тут начинается самое интересное: OpenRate у таких писем доходит до 85%, ClickRate — до 65%, а конверсия из письма в продажу свыше 15% — и всё это без участия человека, а значит, без лишних затрат. По сравнению с нашим первым подходом к холодным заявкам результат просто великолепный.

Сейчас мы продолжаем эксперименты с подбором наиболее привлекательных предложений. Похоже, тут ещё есть куда расти. Мы хотим, чтобы когда-нибудь клиентам достаточно было бы просто намекнуть нам на то, что им нужно, а всю остальную работу по поиску максимально выгодного и хорошего предложения мы выполним сами.

©  vc.ru