[Из песочницы] Как превратить трафик в продажи с помощью данных о пользователях сайта
Бизнесу важно не только привлекать новых клиентов, но и удерживать их, возвращать на сайт и мотивировать делать повторные покупки. Мой четырехлетний опыт работы веб-аналитиком показал, что многие владельцы бизнеса не взаимодействуют с текущими клиентами просто потому, что не знают как это делать. Сегодня я расскажу, как с помощью RFM-анализа возвращать клиентов снова и снова.
Сегментация и таргетинг — альфа и омега маркетинга. Можно не соглашаться с этим утверждением и бесконечно долго стрелять из пушки по воробьям. Разумнее и эффективнее анализировать поведение пользователей, разбивать аудиторию на сегменты и предлагать каждой группе персональное решение. Давайте рассмотрим конкретную методику и научимся применять RFM-анализ для сегментации клиентской базы.
Итак, RFM — это анализ клиента по трем показателям: давность, частота и ценность покупок. В ходе этого анализа данные сегментируются в соответствии с показателями:
- Давность — показывает, как давно пользователь покупал что-либо у вас на сайте.
- Частота — как часто пользователь покупает что-то на сайте.
- Суммарная стоимость покупок — прибыль, которую вам приносит клиент.
По этим показателям база клиентов сегментируется, и далее с каждой из этих групп можно вести индивидуальную коммуникацию. Такой подход приводит к увеличению общего числа покупок, так как клиенты возвращаются.
Кому и зачем нужен RFM-анализ?
В первую очередь это необходимо В2С-компаниям с клиентской базой от 10 000 контактов. Это условное ограничение, база может быть и меньше, в этом случае просто будет сокращается количество кластеров, на которые делится аудитория. В В2В-компаниях RFM-анализ не очень популярен, но тоже может использоваться маркетологами и владельцами бизнеса.
RFM-анализ дает готовую схему, которая позволяет применять к каждой группе клиентов индивидуальный подход. Вы группируете клиентов и прогнозируете их поведение на основе прошлых действий. К примеру, тем, кто покупает часто и много, — спецпредложения, а кто давно ничего не покупал, получают бонус или скидку + таргетинг, чтобы напомнить о себе.
Наиболее часто результаты RFM-анализа используют в работе с email-рассылками. Также он пригодится при подготовке скриптов телефонных звонков (по скрипту менеджер может обрабатывать клиента из определенного кластера) и, в принципе, для любых узкотаргетированных маркетинговых кампаний: например, ретаргетинг или ремаркетинг.
Как провести RFM-анализ?
Весь RFM-анализ разбивается по трехбалльной системе: давность заказа, частота и сумма покупок. В свою очередь давность заказа разделяют на давние, «спящие» и недавние заказы. Покупки по частоте делятся на разовые, редкие и частые. Сумма покупок делится на низко-, средне- и высокочековые.
Сопоставляем эти параметры и получаем сегменты пользователей сайта. Их может быть до 27.
На практике их может быть меньше. Количество сегментов зависит от базы клиентов, насколько она разносортная, насколько разные группы пользователей.
Проводить анализ вручную трудоемко, лучше использовать сводные таблицы Excel. Я научу вас, как быстро и просто сделать RFM-анализ в Excel за 5–7 минут.
Алгоритм RFM-анализа
Для начала надо выгрузить из CRM или другой базы данных:
- уникальные данные клиента (это может быть почта, номер телефона, то, что идентифицирует клиента);
- даты покупок клиента;
- суммы покупок клиента.
Этих трех параметров достаточно, чтобы сделать простой, быстрый и, главное, бесплатный RFM-анализ. Далее давайте создадим и настроим сводную таблицу. С помощью сводных таблиц (кликаете на Вставка — Сводная таблица), переносим на новый экран все три этих параметра.
В полях Сводной таблицы три поля — email, Дата покупки и Сумма покупки — их нужно разбить на Строки и Значения. В Строки мы выносим один единственный показатель, в данном случае — это email-адреса (это могут быть и номера телефонов, любые контакты). Важно отметить, что email в этом столбце уже уникальны, они не повторяются.
В значении Далее считаем по каждому пользователю такие показатели, как: количество покупок и сумма всех покупок. Важный параметр — Максимум по полю дата покупки. Сюда выводится дата последней покупки пользователя. Он нужен, чтобы высчитывать, как давно пользователь что-то покупал, этот расчет будет определять клиентов в тот или иной кластер.
Вот такая получается простая сводная таблица практически в три клика. Все, что нужно для расчета — вынести в отдельные поля:
- уникальный email пользователя (просто копируем из сводной предыдущей таблицы);
- число покупок уникального клиента;
- сумма покупок;
- дата последней покупки.
- Далее по формуле, которая уже есть Eхсel, рассчитываются показатели RFM.
Теперь у нас есть сводная таблица с расчетом RFM. В зависимости от того, как много, как часто и на какую сумму клиент делал покупки, формула рассчитывает и присваивает от 1 до 3 значений каждому клиенту. Далее у нас определяется кластер RFM — формула, по которой объединяются три эти цифры, получается сегмент или группа, к которой относятся те или иные пользователи.
Эти данные собираются в кластер RFM. Вот так все эти кластеры выглядят.
Теперь можно выделить сегмент (например, клиенты, которые покупали очень давно всего один раз) и уже целенаправленно работать с этой базой. Cегменты могут быть неравномерными, т. е. один включает 74 человека, другой — всего 1, а самих сегментов 27. Иногда бывает так, что в отдельном кластере оказывается всего один пользователь. В таких случаях лучше присоединить его к ближайшему крупному кластеру, где клиенты с похожими признаками.
Полное руководство по созданию RFM-анализа и техническое руководство можно посмотреть в нашем вебинаре «Как превратить трафик в продажи с помощью данных о пользователях сайта»:
После того, как мы научились делить клиентов на кластеры, давайте разберемся, как с ними работать.
Потерянные клиенты
Клиенты, которые сделали один раз небольшую покупку и больше не возвращались. Я рекомендую не тратить на них много времени. Их можно единоразово попробовать вернуть. Например, напомнить о себе, рассказав о каких-то акциях, спецпредложениях, распродажах. Если после таких рассылок пользователи к вам все же не возвращаются, стоит успокоиться и отпустить их. Лучше переключиться на другие кластеры.
Пример рассылки магазина Adidas
Пользователи, которые находятся под угрозой оттока
Пользователи, которые сделали один раз крупную покупку и пропали. Как правило такие клиенты более перспективные, чем потерянные. Можно приложить больше усилий, чтобы их заинтересовать и вернуть. В первую очередь это могут быть:
- хорошие скидки;
- купоны на покупку;
- информация о распродажах;
- персональная подборка в зависимости от того, что они у вас уже покупали;
- предложение с аналогичными товарами, похожими или сопутствующими.
Пример рассылки с допродажами магазина Reima
Кроме того, можно привлечь и заинтересовать подобную аудиторию рассылкой с полезным контентом. Было бы отлично связаться с клиентом и узнать, по каким причинам они перестали у вас покупать. Что произошло, что бы могло побудить их продолжить покупать у вас.
Бывшие лояльные клиенты
Для этой группы подойдут те же мероприятия, что и для предыдущего кластера клиентов. Кроме вышеописанного, можно предложить им какие-то более долгосрочные мотивации, например, программы лояльности. Не стесняйтесь в коммуникациях хвалить свой магазин, продукт, услугу, показывать, чем они лучше других.
Пример рассылки сервиса Rookee
«Спящие» клиенты
Это интересный кластер клиентов, которые помнят о вас, но по каким-то причинам перестали покупать. Что поможет их разбудить? В первую очередь это:
- выгодные акции и предложения;
- подборки к тематическому празднику;
- подарки и бонусы ко дню рождения клиента.
Пример рассылки издательства МИФ
Новички с низким и средним чеком
Есть вероятность, что эту группу клиентов заинтересует какой-то обучающий контент, справочная информация. Важно, чтобы первое впечатление сложилось хорошее, чтобы эти пользователи перешли в лояльных. С ними можно поделиться статьей, обзором, руководством. Поздравить их с покупкой, поблагодарить за выбор вашей компании, пригласить в группы в соцсетях, на мероприятия, где можно будет с ними детально пообщаться и объяснить, почему ваш продукт им подходит.
Пример рассылки сервиса Rookee
Перспективные клиенты
Перспективные — те, кто покупали на большие суммы, потенциальные VIP-клиенты. Нужно стараться удерживать их интерес. Например, можно с помощью опроса выяснить, довольны ли они услугами, что им интересно, какие у них потребности. Скидок этой группе клиентов предлагать не стоит, они и так лояльны и покупают.
Идеальные клиенты
Очень важно показывать, что вы их цените, вы их любите! Можно немного польстить какими-то интересными замечаниями, как, например, Яндекс.Музыка пишет, что музыкальному вкусу пользователя можно позавидовать. Я бы не рекомендовала утомлять клиента какими-то лишними ссылками, рассылками, СМС и звонками. Они с вами, они вас любят, и лишний раз надоедать не стоит. Когда им будет нужно, они сами обратятся за помощью.
Со временем показатели RFM-анализа меняются, и клиенты переходят из одного сегмента в другой. Частота обновления данных зависит от того, насколько подвижная у вас база: какой жизненный цикл клиента, естественный период покупки, а также период, за который клиент успеет сделать повторную покупку. Для крупного успешного интернет-магазина — не чаще, чем раз в месяц. Если заказы происходят редко, достаточно пересматривать сегменты раз в квартал или полгода.
RFM-анализ — это простой, но эффективный метод. Нужно всего 15–20 минут времени, чтобы разобраться, сделать сегментирование базы и начать работать с клиентами на новом уровне. Можно дальше развиваться и работать со специализированными сервисами. В Rookee мы используем Power BI, который позволяет отгружать email-адреса пользователей, количество оплаченных заказов, суммы заказов, даты, когда они были совершены в режиме онлайн. Это позволяет избегать обновления таблицы в ручном режиме, сегментирование всегда актуально. Полезно тем, кто работает с большим объемом данных. Однако, даже начав с обычной таблицы в Excel, вы делаете огромный шаг к тому, чтобы повысить срок жизни клиента, а значит и увеличить прибыль компании.
