Как вернуть клиентов и сделать их постоянными — кейс по работе с рассылками

Как найти дорогу к ушедшим клиентам и превратить разовых клиентов в постоянных? Пример того, как много может дать обдуманная работа с базой клиентов, приводит руководитель консалтинговой компании «Лаборатория клиентского опыта» Сергей Шопик в кейсе сети кафе GARAGE food & coffee. Количество ушедших клиентов сети снизилось на 3%, а количество клиентов, сделавших один заказ, — на 4%. Эти простые инструменты может повторить каждый.

— «Узким» местом в работе с клиентами в сети кафе GARAGE food & coffee была работа с базой клиентов. Данные собирались в избытке — компания получала полную детализацию чека (что и когда купили), сервисные показатели (сколько времени затратили на приготовление блюда, сколько на доставку, всю себестоимость продаж), но оперативно их обрабатывать и принимать решения было непросто. Иногда почти невозможно.

Основные проблемы были в ручной обработке данных, не до конца понятной эффективности маркетинга. Компания видела отчет по продажам, информацию по каждой покупке клиентов, но не могла группировать данные по клиентам и быстро получать нужную информацию об эффективности маркетинга и работы с клиентской базой.

Эффективность маркетинговых мероприятий оценивалась по двум факторам: рост продаж в акционный период и количество вернувшихся купонов-промокодов. Большинство акций базировалось на механике: скажи кодовое слово, предъяви купон и т.п. Почему этого недостаточно? На продажи в целом влияет множество факторов. Изменения в продажах/поведении не активировавших купоны (от 40 до 70%) не учитывались, как и изменения корзины покупок, поведения в сравнении с прошлым периодом. Этот подход не дает ответа на вопрос «а вдруг и так бы пришли?».

Классическая история про «50% бюджета впустую, только неизвестно, каких». Компания искала новые возможности работы с базой, повышения эффективности и оперативности принятия решений и маркетинговых действий.

Подготовка

1. Начали, конечно, с азов: провели RFM-анализ и разделили базу клиентов на сегменты по частоте и ценности (общей сумме) покупок. Мы описали постоянного и разового клиента для компании, нового и ушедшего.

RFM-анализ — способ сегментации клиентской базы, при котором клиенты рассматриваются в трех плоскостях: давность с последней покупки — Recency, количество покупок — Frequency и сумма продаж за период — Мonetary. Такой анализ можно делать в простом Excel-документе.

Он позволяет относительно быстро оценить структуру клиентской базы: сколько клиентов ушло, какие самые ценные, каких можно и нужно развить, какие склонны к оттоку (уходу).

Все оказалось ожидаемо: постоянные клиенты больше всего заказывают из обеденного меню, клиенты с большим средним чеком не делают регулярные заказы. Важной цифрой оказалось количество клиентов, делающих только 1 заказ, — более 60%.

2. Проанализировали маркетинговые мероприятия за полгода (более 30), чтобы понять их эффективность и найти среди них механики, которые помогли бы решить проблему оттока — и стимулировать к повторным покупкам. Также важно было определить, на какой тип клиента (см. RFM-анализ) было направлено мероприятие.

Анализ мы строили по следующему принципу: продажи до, во время и после акционного периода, плюс мы добавили, какие именно клиенты, из какого сегмента реагируют на ту или иную механику + какое это было для них действие: первая покупка, возврат после перерыва или же они постоянные клиенты и покупают регулярно.

Оказалось, большинство мероприятий влияло только на привлечение новых клиентов. Например, акции с большой скидкой, акции с торговыми сетями/центрами, рядом с которыми располагались заведения. На возврат ушедших клиентов и увеличение продаж существующим работала лишь малая часть активностей. Даже часть рассылок по клиентской базе, которые направлены прежде всего на работу с существующими клиентами, не сильно помогала снизить отток.

Компания захотела уменьшить количество «одноразовых» заказов, увеличить количество постоянных клиентов и сместить фокус маркетинга с новых клиентов на существующих и ушедших. Работать с постоянными клиентами дешевле, потому что затраты на привлечение с каждым годом растут, а эффективность снижается. Системную работу с клиентской базой сложно скопировать конкурентам, так как она «не видна» и встроена глубоко в процессы компании. Чтобы это понять, мы можем представить нашу волшебную воронку продаж: на входе целевые клиенты — на выходе продажи. И если мы не «замкнем» конец воронки, то со временем потеряем всех клиентов. А возможности рынка не безграничны.

Точечная и оцифрованная работа с базой позволяет «закрыть» воронку, чтобы клиенты из нее «не вытекали», и выстраивать с ними долгосрочные отношения.

Как вернуть клиентов?

1. Мы начали с выбора механизма возврата ушедших клиентов — нужно было определить, какое именно предложение побудит клиента вернуться. Взяли базу ушедших клиентов, выбрали из нее часть контактов и применили A/B-тестирование — разослали 3 разных акционных предложения. Часть базы осталась контрольной группой, не получив эту рассылку. Так мы могли оценить, действительно ли наши активности повлияли на поведение клиентов, или они совершили покупку по другим причинам.

Мы проверяли три механики, которые позволяли сразу оценить лучший «бонус» для клиента:

• Предоставить скидку на любые блюда по желанию клиента

• Предоставить специальную цену на продукты, которые обычно покупает клиент

• Предоставить подарок из категории, из которой клиент чаще всего заказывал еду (например, пиццу для тех, кто преимущественно заказывал пиццы).

Рост дали все предложения, однако наибольшую эффективность и изменение поведения дало последнее.

2. Затем мы разработали план работы с существующими клиентами при их попытке перейти в категорию «ушедшие». Это простой регламент, системное правило, в рамках которого мы отслеживаем, как долго клиент находится в базе и не заказывает еду вновь (от 14 до 365 дней), из какой категории блюд до этого он делал заказ. По прошествии определенного времени без заказа клиенту поступает «условно персонализированное» предложение сделать заказ с подарком из выбранной категории.

Левая колонка — основной принцип работы. В рамках временного интервала мы также разделяем базу по их любимым блюдам (и делаем предложение именно на них). При этом мы не ограничиваемся только рассылками «на возврат», но и тестируем новые механики/гипотезы, массовые рассылки полностью тоже не ушли.

Центральная колонка — это основные показатели, которые мы измеряем. Теперь не только в деньгах, но и в конверсии, количестве чеков и количестве клиентов, которые пришли во время акции. Обязательно сравниваем с аналогичным периодом до акции. Когда запускается новая механика, обязательно тестируем ее вместе с контрольной групппой, чтобы понимать реальную эффективность.

Правая колонка — итоговые результаты. Каждый блок коммуникаций в среднем дает 8%-ную конверсию в продажи от участников, на которых коммуникация была направлена. Самый худший результат был 3% (что все равно достаточно неплохо), самый лучший — 17%.

Год работы с датой покупки и условно персонализированными предложениями принес свои плоды: количество ушедших клиентов снизилось на 3%, а количество клиентов, сделавших лишь один заказ, снизилось на 4%.

Какие показатели мы считаем:

Что не дало ожидаемый результат

Мы также попробовали смоделировать цикл потребления еды клиентом и на основе него проводить стимулирующие мероприятия после того, как прошел срок. Мы взяли средний показатель в 45 дней — нормальный срок между заказами. Соответственно, 90−120 дней — это уснувший клиент, клиент без покупки от 180 до 360 дней — ушедший, более года — потерянный.

Мы делали экспериментальную и контрольную группы, однако результаты оказались весьма неоднозначными и, самое главное, плохо прогнозируемыми. Почему так вышло? Мы основывались на схожем опыте с построением модели потребления шампуней в магазинах (отделах) бытовой химии (дрогери). И оказалось вот что:

На повторный заказ еды у конкретной компании влияет гораздо больше факторов, чем на повторную покупку шампуня в одном и том же магазине. Нам просто не хватило данных, чтобы построить адекватную модель потребления, а потому от идеи пришлось отказаться. Надо также понимать, что подавляющее большинство клиентов покупали в принципе 1 раз в течение года. Это уменьшает в разы количество данных, необходимое для алгоритма.

Что вы можете взять и сделать прямо сейчас

Вне зависимости от размера или сферы вашего бизнеса мы могли бы порекомендовать следующее:

1. Начните вести учет клиентов, не важно, в какой программе. Собирайте контакты и обращения. Обратите внимание, чтобы программа позволяла фиксировать и продажи.

В практике был случай, когда компания запустила дисконтные карточки с небольшой скидкой, чтобы иметь возможность собирать данные о продажах и выстраивать работу со своей базой. Раздали более 100 000 карточек. Каково же было их удивление, когда оказалось, что все это время продажи по карточкам не фиксировались, так как в 1С «забыли» поставить условную галочку. В итоге они получили 100 000 контактов и ни одной истории продаж.

2. Добавьте к своим показателям хотя бы два новых: количество новых клиентов и количество ушедших (потерянных) клиентов. Рассчитайте, сколько времени проходит обычно между покупками (высший пилотаж) или оцените хотя бы экспертно:

• Как часто может покупать у вас клиент
• Сколько в действительности клиентов в вашей базе не совершало покупок более этого периода.

Моя экспертная оценка: около 60−70% компаний в странах СНГ не представляют реальный отток в их клиентской базе и сколько новых клиентов пришло. Если бы вы узнали, что на вашем складе пропало 15% товаров — это был бы форс-мажор и немедленные меры. Клиентская база — тот же актив.

3. Начните работать с клиентами на удержание и возврат (контролируйте время без покупки). Предложите подарок на следующий заказ, дайте скидку. Посмотрите, какая механика лучше работает. Поставьте процесс «на поток». Обязательно вводите в практику А/В-тесты и контрольную группу. Вся соль в том, что в маркетинге нет готовых и работающих на 100% решений. Но есть возможность перейти от хаоса к управляемому эксперименту.

Читайте также

• Для чего и как составлять карту своего клиента — кейс минского ЦУМа

• С чего начать внедрение CRM — 9 простых шагов