Топ-5 ошибок персонализированного маркетинга в ритейле: когда механики не работают

По данным McKinsey, 71% покупателей ожидают, что взаимодействие с брендом будет персонализированным. Выручка компаний, которые выбирают целевой маркетинг, увеличивается, в среднем, на 10-15%. Head of Marketing Communications платформы Mindbox Филипп Вольнов рассказал, всегда ли механики персонализации оправдывают ожидания компании — и как строить эффективный целевой маркетинг. 

Большие данные — основа персонализированного маркетинга. С их помощью бизнес сегментирует аудиторию, тестирует и запускает решения, которые с наибольшей вероятностью приведут к нужному результату: помогут привлечь новую аудиторию, повысить лояльность и уменьшить отток.

Персонализация увеличивает выручку — в зависимости от компании, показатель роста варьируется от 5% до 25%, — и часто становится конкурентным преимуществом. В сегменте CPG, например, персонализации отдают предпочтение компании с высоким темпом роста: целевой маркетинг приносит им на 40% больше доходов, чем бизнесу, который не показывает быстрого развития. 

Почему одни и те же механики приводят к разным результатам, и какие ошибки допускает бизнес в персонализированных коммуникациях? Рассказываем о главных факторах.

Нет данных из офлайна

Собрать данные покупателей в интернете проще, чем получить информацию о посетителях офлайн-магазина. Если у ритейлера есть и онлайн-витрина, и обычные розничные точки, то важно соединить данные всех продаж в единую базу — иначе представление о собственных клиентах будет искажаться. 

Маркетолог будет видеть сегменты, которые используют онлайн-площадки — и измерять эффективность кампаний сможет только на них. Иногда полученные в онлайне результаты переносят на всех клиентов: но это ошибка — опыт, поведение и предпочтения аудиторий отличаются. 

Чтобы избежать заблуждений, связанных с предпочтениями потребителей, такие ритейлеры как «Петрович» и United Colors of Benetton собирают данные и из офлайна, и из онлайна. Вся информация поступает в единый профиль — и компании видят весь жизненный цикл клиента.  

Возможное решение для «объединения» данных — программа лояльности: с ней бизнес получает возможность запускать в офлайне механики, основанные на аналитике. 

Клиент регистрируется в программе: делится данными в обмен на выгоду. Это могут быть материальные поощрения (баллы, скидки, кэшбэк) или нематериальная мотивация. Аптеки Walgreens, например, начисляют баллы за полезные привычки — зарядку, соблюдение режима сна, отказ от курения. Другой пример — авиакомпания «Уральские авиалинии», которая предлагает превратить накопленные баллы лояльности в пожертвование благотворительным фондам.

Алгоритм сегментации не подходит для поставленных задач

Сегментировать аудиторию можно несколькими способами: обычно компании начинают с RFM-сегментации (учитывается частота и сумма покупок, определяются клиенты, которые приносят больше всего денег), а затем переходят к более сложным механикам.

Пример — компания «Ешь деревенское», агрегатор и сервис доставки продуктов.

В пандемию «Ешь деревенское», как и многие доставки, переживала заметный подъем: компания выросла в 2 раза — и планировала сохранить темпы развития. Но в 2021 году рынок начал меняться: во-первых, на него вышло много игроков с крупными бюджетами, во-вторых, естественный пик притока новых клиентов был пройден. 

Изначально сервис пользовался RFM-сегментацией: было известно, что клиенты делают заказ 1 раз в месяц, к лояльным относятся те, кто сделал больше 2 заказов, а предоттоком можно считать всех, кто ничего не покупает уже 3 недели.

На этом этапе компания решила перейти к ML-сегментации: алгоритму, основанному на технологиях машинного обучения. ML-сегментация обещала более полное представление о базе клиентов — компания могла получать информацию не только о том, что клиент был неделю назад, но и узнавать, что обычно он приходит каждые 3 дня. Или о том, что он не просто принес компании 10 тысяч рублей, а 8 из них пришлось только на последнюю покупку — более того, его самые крупные покупки еще впереди. 

В ML больше признаков — например, мы можем определить, что клиент живет в Подмосковье и у него есть семья, что обычно он покупает продукты в ценовой категории «выше среднего» и может принести компании 50 тысяч рублей в год, если не поменяет сегмент.

После перехода на ML-сегментацию «Ешь деревенское» пришли к важным выводам, которые не показывал RFM. 

Оказалось, например, что больше 50% выручки приносят всего 5% клиентской базы. Раньше компания планировала работать с существующей базой: будить «спящих» покупателей, возвращать оттоки, повышать чеки. Но новый алгоритм показал, что это не принесет результатов — так что лучше сосредоточиться на привлечении новых клиентов и работе с конверсией.

Другим важным инсайтом стало то, что не все промокоды для оттока были одинаково полезны. Оттоком считались все, кто не покупает в течение 3 недель — но оказалось, что покупать не так часто могут и активные клиенты, это нормальный вариант поведения.

Алгоритм сегментации всегда должен помогать бизнесу с решением каких-либо задач. Выбирайте то, что поможет с поиском «золотого ядра» — того сегмента клиентов, который приносит основной доход. Когда такой сегмент найден, маркетологам легко принять эффективные решения и запустить кампании, которые будут воздействовать непосредственно на этих людей — а также приводить в нужный сегмент новых пользователей.

Клиент переспамлен

Персонализация предполагает прямую коммуникацию: компания обращается к клиенту, делает выгодные предложения, приглашает к взаимодействию. Очень важно не предлагать ничего, что не вызовет интереса, правильно выбрать тон и частоту общения.

Самой раздражающей механикой персонализации сайта, например, считается всплывающее окно, а репутацию письму может здорово испортить упоминание в теме ковида — такие рассылки открывают на 47% реже. 

Чтобы разобраться, какую реакцию вызывает у клиентов механика, проводится простой A/B-тест. В случае с попапами, например, одна группа пользователей видит всплывающие уведомления, а вторая просматривает сайты без них — маркетологу остается сравнить результаты. 

Практика показывает: пользователям не нравится, когда они видят несколько всплывающих окон одновременно. Также не вызывают симпатии попапы, которые всплывают сразу после открытия сайтов — если используете их, обязательно добавляйте крестик, кликнув по которому окно можно закрыть.

Беспорядок в базах

Еще одна причина, по которой персонализация может не оправдать ожиданий, носит технический характер. Это структура базы — то, насколько качественно собраны и систематизированы данные. 

Здесь есть несколько распространенных ошибок. 

Первая — компания хранит данные в разных местах. Excel, CRM, сайт, сервис email-рассылки, социальные сети — информация о разных коммуникациях просто не попадает в общую базу, а значит, не может стать основой для качественного целевого маркетинга. 

С такой проблемой в свое время столкнулась Group SEB, более известная в РФ как бренды Tefal, Moulinex или Rowenta. Данные по клиентам хранились в разных источниках — в офлайн-магазинах, семи онлайн-магазинах разных брендов и сервисных центрах.

Вторая возможная проблема — в объединенной базе допущены ошибки. Например, клиент упоминается там дважды. В таком случае, информация о нем будет хаотично поступать то на один, то на другой профиль — искажая общую картину и возвращаясь к самому клиенту досадными ошибками. 

Например, компания хочет раздать клиентам, которые совершили не меньше 2 покупок в месяц промокод на следующую покупку. И клиент, который записан в базе дважды, попадает под эти условия — вот только один заказ ушел в один профиль, а другой — во второй. Промо пройдет мимо него: компания не увидит ожидаемый результат, а клиент получит негативный опыт. Чтобы избегать таких недоразумений, базы время от времени редублицируют — проверяют на наличие ошибок.

Наконец, база может обновляться слишком медленно. Актуально для любого бизнеса с высокой частотой покупки, например, для продуктового ритейла: если данные будут поступать в базу с опозданием, компания перестанет успевать за деятельностью покупателей — и не сможет выбрать эффективные маркетинговые механики.

---

Читайте также:  Опросы клиентов: для чего они нужны и как использовать полученные данные (11 кейсов)

---

Клиентский фрод

Торговые сети теряют на мошенничестве с программой лояльности больше 3 млн. рублей в год — и это только официальная статистика, в которую входят задокументированные случаи. 

Данные участников программы лояльности могут украсть — после этого с карт пропадают накопленные баллы или кэшбэк. Но фродить могут и сами покупатели: самые распространенные случаи — злоупотребление велкам-бонусами (пользователь создает фейковые профили), совместное использование карт, манипуляции с возвратом. 

Ошибка со стороны ритейлера — не уделять достаточно внимания решениям, которые блокируют хитрости. Так, рекомендуется не предоставлять возможность использовать бонусные баллы до окончания срока возврата — особенно если речь идет о высоких чеках. 

Представим покупателя магазина электроники: он приобретает товар на несколько миллионов, получает бонусы, тут же покупает с большой скидкой товар на более скромную сумму, а первый заказ возвращает.

Из-за фрода бизнес теряет деньги — и речь не только о потере в моменте. Странные данные, которые поступают с карт мошенников, попадают в общую базу клиентов компании — и влияют на ее репрезентативность и качество.


 

Без ошибок: чек-лист для персонализированных коммуникаций

1. Подружите онлайн и офлайн. Запустите программу лояльности, которая поможет вам собрать объективную картину предпочтений, состава и динамики вашей аудитории.

2. Выделяйте сегменты правильно. То есть таким способом, который в перспективе работает на ваши бизнес-результаты. Когда компания только начинает расти, подойдет RFM-сегментация, в дальнейшем будут полезны ML-алгоритмы.

3. Не надоедайте клиенту: прямая коммуникация должна нравиться. Проводите А/B-тесты новых механик, чтобы оценить, как к ним относятся клиенты и какой они приносят результат.

4. Наведите порядок в базах. Объедините данные из нескольких источников, устраните ошибки — и в дальнейшем поддерживайте «чистоту».

5. Отслеживайте фрод и принимайте меры по его предотвращению. Защищайте данные клиентов, а также учитывайте популярные среди самих клиентов хитрости — вроде получения баллов с последующим возвратом.

Филипп Вольнов,
Head of Marketing Communications платформы Mindbox.

Для New Retail