5 ошибок при формировании программы лояльности

На фото: Илья Балахнин – генеральный директор Śtrikh Group

Существует расхожее мнение, что привлечь нового клиента в семь раз дороже, чем удержать существующего. И хотя наш опыт реализации проектов для федерального и регионального ритейла не позволяет дословно согласиться с этой арифметикой, тем не менее, важно признать, что лояльность клиентов – одна из важнейших метрик и задач для любого игрока рынка. 

Традиционным методом решения этой задачи является внедрение программы лояльности. Несмотря на то, что этот инструмент не является новым, компании зачастую совершают большое количество ошибок. 

О пяти наиболее распространенных мы поговорим в этой статье. 

Ошибка 1. Раздать много карт как самоцель

Статистика неумолима: у клиентов имеется множество карт лояльности, но широко пользуются они от силы десятью процентами предложений. Проблема зачастую в том, что многие компании неверно представляют себе суть ПЛ (программы лояльности). 

Часто можно встретить мнение, будто карта – это такой волшебный кусочек пластика, который, попав в бумажник клиента, начинает, словно магический умклайдет из повести Стругацких, волшебным образом транслировать в мозг клиента флюиды преданности. В итоге смысл ПЛ выглядит так: мы дадим клиенту карту, а он, радуясь скидке, начинает чаще к нам ходить. 

Не ограничивайтесь только сведениями о том, как покупает клиент. Смотрите шире – как он себя ведёт во всех доступных для анализа точках контакта, не забывая расширять их прозрачность

На самом деле, карта лояльности – всего лишь ключ идентификации, который клиент любезно соглашается вам предъявить в обмен на скидку (в связи с этим скидку стоит рассматривать как часть стоимости удержания клиента в формуле продаж), чтобы вы имели возможность соотнести лог его покупок с его персоной. Нужно вам это для анализа поведения клиента, оценки его поведения в прошлом и, как следствие, предсказания его поведения в будущем. 

Именно предсказательный и аналитический механизм – сердце ПЛ. 

Именно то, как вы собираете данные Клиента, храните их, анализируете и используете, определяет, будет или не будет ваша ПЛ успешной.

Поэтому метрики успешности ПЛ имеет смысл разнообразить: уйти от формальной раздачи карт в сторону сбора данных и их последующего обогащения через социальный мэтчинг за счёт сторонних данных, например, из социальных сетей. Таким образом, KPI ПЛ становится полнота данных о покупателях и количество и качество принятых на их основе решений.

Ошибка 2. Оптимизировать только Transactional Experience

Один из самых больших и важных трендов на Западе в построении ПЛ – разделение потребительского опыта на транзакционный (TX) и пользовательский (UX). 

Многие компании научились разворачивать многоуровневый BI, изыскивая пути оптимизации LTV клиента на основе истории его покупок. На этом пути компании тоже совершают немало ошибок, но об этом ниже. Пока же отметим, что в рамках взаимодействия с компанией опыт покупателя не ограничивается тем, что он делает с нашими товарами и услугами с точки зрения характеристик чека. Клиент посещает наш сайт, соцсети, открывает наши письма, заходит в мобильное приложение, контактирует с POS и так далее. Каждая такая точка контакта – отличный повод для оптимизации взаимодействия с ним в рамках так называемого капельного маркетинга. 

Не ограничивайтесь только сведениями о том, как покупает клиент. Смотрите шире – как он себя ведёт во всех доступных для анализа точках контакта, не забывая расширять их прозрачность. 

Основным способом сегментирования клиентов в связи с этим становится анализ их так называемых JTBD – задач, ради выполнения которых ваш клиент нанимает продукт или магазин «на работу». В основе понимания «работ» клиентов лежит кластеризация по к-средним, позволяющая оценить реальные мотивы покупок и сценарии поведения.

---

Читайте также: Как региональному ритейлеру отстроиться от конкурентов и бороться с федеральными сетями?

---

Ошибка 3. Придавать слишком большое значение RFM

Сегментация клиентов на 27 базовых сегментов в рамках RFM – хорошая и крайне работоспособная модель, когда нужно сработать на удержание пользователя. Построив дискриминанты по каждой из трёх осей, можно заранее отследить клиента, переходящего в зону риска, и произвести в отношении него набор опережающих активаций. 

Но вот парадокс: расширение границ изучения пользовательского опыта даёт неожиданные результаты.

Например, в рамках проекта по внедрению ПЛ нам довелось столкнуться с ситуацией, когда построенная эконометрическая модель, предсказывающая долгосрочный LTV клиента, показала отрицательную корреляцию между Monetary и LTV. Разумеется, это определяется, прежде всего, слабым брендом компании: ответственность за неудачный опыт дорогостоящей покупки клиент возложил на ритейлера и отказался от дальнейших покупок. Но, согласитесь, в рамках тактических шагов понимание такой корреляции крайне важно, а RFM грамотно работать с этим фактом действительности не позволяет. Именно поэтому растёт важность сегментирования, производимого на основании устойчивых паттернов потребления продукта или услуги. 

Особую роль в такого рода моделях начинает играть уже упомянутое выше сегментирование по k-средним, позволяющее кластеризовать чеки по мотивам покупки и строить работу с каждым мотивом покупки крайне дифференцированно и точечно.

Возможность нарезки клиентской базы на 27 сегмента при помощи RFM-анализа может быть использована двояко:

1) Как способ мгновенного анализа качества имеющейся у нас базы. Этот способ полезен при начале систематизации маркетинга, ранее работавшего без четких цифровых показателей, и позволяет быстро оценить потенциал дальнейшего роста продаж за счёт имеющихся у нас клиентов. Ниже приведены два примера RFM-анализа, который мы проводили для наших клиентов. 

В первом случае мы видим типовую картинку: «нормальные» клиенты преобладают, «очень хороших» и «очень плохих» клиентов сравнительно мало, имеется потенциал роста базы за счёт некоторого количества так называемых «спящих» клиентов (например, клиенты, покупавшие на большие суммы и часто, но давно не посещавшие магазин).

 

Вторая ситуация может показаться на первый взгляд менее привлекательной. Как мы видим, в базе множество худших клиентов, совсем немного клиентов, которых можно отнести к лучшим, а потому кажется, что потенциал роста скрыт в пробуждении «спящих». Однако пристальное рассмотрение каждого сегмента показывает, что LTV худших и спящих сегментов очень низкий и не превышает 7 процентов суммарной выручки. Таким образом, компании необходимо сосредоточиться на обслуживании текущих нормальных клиентов и активнее заниматься привлечением новых.

 

2) Как способ недопущения вторичного оттока клиентской базы. Параметры RFM могут быть запрограммированы в вашей CRM-системе и служить условиями для отправки клиентам целевых сообщений. 

Например, если клиент находился в сегменте «лучших», но постепенно начинает выпадать из него, скажем, по критерию R (то есть давно у вас не покупает), система может отследить этот факт и начать отправлять ему сообщения, нацеленные на совершение покупки в ближайшее время. Таким образом, с помощью RFM-сегментации CRM-система превращается из продвинутой записной книжки в настоящий и в значительной степени автоматизированный центр принятия решений для улучшения клиентского опыта.

Ошибка 4. Не беспокоиться об обучении и успехе клиента

Разумеется, качество товара или услуги – важнейшая часть лояльности. Если проданное не будет обладать заявленным на этапе активной оценки качеством, клиент отвернётся от нас и никогда больше не придёт. Однако нередки случаи, когда качественный продукт и услуга – ещё не гарантия позитивного опыта и долгосрочной лояльности. Зачастую клиент просто не понимает, как правильно воспользоваться купленным, примеряет это к себе и так и эдак и в итоге остается разочарован результатами.

Статистика неумолима: у клиентов имеется множество карт лояльности, но широко пользуются они от силы десятью процентами предложений. Проблема зачастую в том, что многие компании неверно представляют себе суть программы лояльности

Именно поэтому в стратегию лояльности необходимо встроить механизмы обучения клиента правильному и оптимальному использованию проданного с целью максимизации его успеха. В каких-то организациях этим занимаются отделы UX, практикующие дизайн-мышление, где-то на помощь приходит большое количество POS-дидактики и YouTube, с каждым годом агрегирующий на себе всё большее количество пользовательских запросов формата how to.

Ошибка 5. Не уделять внимания продуктовой матрице

Мода на автоворонки приводит к выхолащиванию их базовых принципов. Часто автоворонка воспринимается как концепция, изымающая человека из процесса управления клиентским опытом и сокращающая тем самым число ошибок. Всё это, несомненно, так, но в автоворонках (а их цель, как и у ПЛ, – в оптимизации LTV) огромное внимание традиционно уделяется правильной ассортиментной матрице.

В самой воронке выделяют 5 продуктов-этапов:

• Лид-магнит. Очень дешёвый или вовсе бесплатный продукт, задача которого – привлечь внимание клиента. Он может быть использован не только на этапе активной оценки, но и раньше, – на этапе осмысления. Бесплатные мини-книги – самый известный формат лид-магнита. Однако творческий подход позволяет применить такого рода продукты и в сфере реального бизнеса. 

В торговле, например, лид-магнит очень близок к понятию KVI (key value indicators). Этим термином обозначают товары или услуги, по которым клиент реально оценивает дешевизну или дороговизну нашего ассортимента. Например, никто не оценивает ресторан как дешёвый или дорогой по блюдам вроде гречетто с хлопьями из кролика под соусом демиглас. Никто не знает, что это такое, и, значит, не имеет возможности сравнить цены. Всех волнует цена чашки кофе или салата цезарь. Эти блюда – KVI, и грамотное управление ценой на них может помочь компании серьёзно поднять продажи. Посмотрите на опыт Леруа Мерлен, который ежедневно предлагает гарантию самых низких цен в городе на 15-20 товарных позиций. Это отличный пример лид-магнита. 

Кейс: Как-то раз к нам обратилась сеть магазинов «У дома», торгующая бытовой химией. По итогам проведённого для них исследования мы порекомендовали агрессивно рекламировать глубокую скидку на 10-килограммовые упаковки порошков, продававшихся, по сути, дешевле себестоимости. 

На первый взгляд такое решение может показаться странным. За 10-килограммовыми упаковками порошка люди ездят по выходным в гипермаркеты, и представить себе клиента, покупающего 10-килограммовый мешок в магазине у дома, довольно сложно. Но в этом и суть. Проводя такую рекламную акцию, магазин не только начал конкурировать с другим стратегическим форматом за не-клиентов второго типа, но и предложил своим клиентам решить часть «задач выходного дня», тем самым минимизировав риск того, что такой клиент, поехав в гипермаркет за порошком, заодно купит там множество мелочёвки, которую в противном случае мог бы в будние дни купить в магазине «У дома». 

Кроме того, лид-магнит – отличный способ отбора контактных данных, о чём мы уже говорили ранее. 

• Трипвайер, или товар – путеводная нить. Недорогие, но обладающие значительной ценностью в глазах клиента продукты или услуги, которые мы предлагаем купить в качестве теста, чтобы минимизировать для клиента риск. К трипвайерам можно отнести тестовые продукты (в формате «попробуй, затем купи» и продукты-пробники). 

• Основной продукт. Здесь всё просто и понятно, – это продукт или продукты, составляющие основную часть вашего ассортимента и генерирующие львиную долю вашего оборота. 

• Максимизатор прибыли. Если основной продукт генерирует оборот, то максимизатор прибыли генерирует прибыль. Им может оказаться как недорогой, но высокомаржинальный продукт, продающийся клиенту в рамках кроссела (например, в рамках акционных предложений или в прикассовой зоне), так и премиальное решение или версия основного продукта (скажем, vip-билет на мероприятие вместо обычного билета). Использование таких премиальных версий продукта способно, в том числе, стимулировать и продажи основного продукта. 

• Return path, или тропинка возврата. Это, пожалуй, самый сложный для внедрения вид продуктов в продуктовой воронке, поскольку он предполагает абонентскую монетизацию клиентской базы, как правило, автоматизированную.