Smart-сегментация

Постройте "Профиль клиента 360°", чтобы более эффективно управлять программами лояльности, коммуникациями с клиентами и маркетинговым бюджетом

Smart-сегментация
Проблематика бизнеса:
Потребители больше не доверяют бизнесу
0%

меняли потребительское поведение, выполняя покупки через новые каналы и новыми способами

0%

клиенты проходят от 57% до 90% своего пути к принятию решения, прежде чем они обратятся к продавцу

0%

покупателей более склонны делать покупки у брендов, которые предоставляют персональные предложения

0%

покупателей покинули веб-сайт, потому что у них было слишком много вариантов

Три вида сегментации для построения "Профиля клиента 360°"
21 Когортная сегментация
  • Когорта – группа клиентов с одинаковым периодом первой покупки. Например, все клиенты, которые совершили первый заказ в ноябре 2019 года будут объединены в одну когорту "2019-11"
22 RFM-сегментация
  • Разделение клиентов на сегменты в зависимости от параметров: Recency (новизна) – количество периодов с момента последнего заказа; Frequency (частота) – количество заказов за исследуемый период; Monetary (деньги) – сумма покупок за исследуемый период
23 Smart-сегментация
  • Для разделения клиентов на несколько smart-сегментов мы используем различные методы машинного обучения. Это позволяет объединить в один сегмент максимально похожих клиентов сразу по большому количеству (от десятков до сотен) характеристик
21 Когортная сегментация
  • Когорта – группа клиентов с одинаковым периодом первой покупки. Например, все клиенты, которые совершили первый заказ в ноябре 2019 года будут объединены в одну когорту "2019-11"
22 RFM-сегментация
  • Разделение клиентов на сегменты в зависимости от параметров: Recency (новизна) – количество периодов с момента последнего заказа; Frequency (частота) – количество заказов за исследуемый период; Monetary (деньги) – сумма покупок за исследуемый период
23 Smart-сегментация
  • Для разделения клиентов на несколько smart-сегментов мы используем различные методы машинного обучения. Это позволяет объединить в один сегмент максимально похожих клиентов сразу по большому количеству (от десятков до сотен) характеристик
Типовой проект
Smart-сегментации
Показатели
Кластеризация
Описание
Показатели
Кластеризация
Описание
  • Вместе с бизнесом мы формулируем разделы профиля клиента, обычно 7-9, например, демография, история сотрудничества, финансы, продукты и т.п.
  • Проводим мозговой штурм для наполнения их конкретными показателями (обычно 200-250)
group-845
  • Вместе с ИТ мы изучаем источники данных для расчета показателей и готовим набор данных
  • В зависимости от предметной области и набора данных мы выбираем подходящие алгоритмы кластеризации, чтобы получить максимум инсайтов из имеющихся данных
group-17
  • Вместе с маркетингом мы изучаем общие черты клиентов из каждого кластера и детально описываем их потребительские и поведенческие профили, которые будут использованы для дифференцированных коммуникаций и персональных предложений
group-1854
Давайте обсудим вашу задачу
Оставьте свои контактные данные и мы с вами свяжемся
image Smart-сегментация
Выгоды Smart-сегментации
group-1201
  • Доход
    Увеличение дохода на 5%-15%. Средняя сумма покупки увеличивается на 30%-70% среди клиентов, обратившихся к рекомендованному продукту

  • Количество строк в заказе
    Увеличивается на 20%-40% среди клиентов, обратившихся к рекомендованному продукту

  • Вовлеченность
    12% - 18% посетителей обращаются к рекомендованному продукту, уровень конверсии увеличивается в 2-4 раза среди клиентов, обратившихся к рекомендованному продукту
Решения для бизнеса

Компания RBC Group повышает конкурентоспособность своих клиентов посредством внедрения современных систем бизнес-аналитики, интеграции и управления данными, искусственного интеллекта и расширенной аналитики

Давайте обсудим вашу задачу
contact-block-2-photo
Блог
Все публикации 54
Кейсы 23
Новости 33
Решения 11
Видео 12
Решения
13.05.2022
272

Кластерный анализ — эффективный инструмент, способный улучшить клиентский опыт и вместе с тем сэкономить маркетинговый бюджет. Но как это работает и как кластеризация применяется на практике?

Новости
02.05.2022
0

Qlik Sense был назван лидером согласно отчету Grid среди решений встроенной бизнес-аналитики благодаря высокой оценке удовлетворенности клиентов и большого присутствия на рынке.

Новости
17.04.2022
0

Компания RBC Group предлагает вашему вниманию новое приложение, которое было разработано для официального публичного...

Кейсы
24.11.2021
684

Компания RBC Group предлагает вашему вниманию новое приложение, которое было разработано для официального публичного...

Кейсы, Новости
11.11.2021
682

Внедрение BI-системы позволило переосмыслить подход к аналитике. Сегодня мы ориентированы на визуализации, графики и дашборды

Кейсы, Новости
23.06.2021
410

После получения первых результатов внедрения Qlik, менеджмент компании принял решение продолжать работу с RBC Group для автоматизации анализа запасов, чеков и управленческого учета

Новости
02.05.2022
0

Qlik Sense был назван лидером согласно отчету Grid среди решений встроенной бизнес-аналитики благодаря высокой оценке удовлетворенности клиентов и большого присутствия на рынке.

Новости
17.04.2022
0

Компания RBC Group предлагает вашему вниманию новое приложение, которое было разработано для официального публичного...

Новости
21.02.2022
89

RBC Group в очередной раз подтвердила наивысший партнерский статус Qlik —  Elite Solution Provider

img2
Подробнее
Решения
13.05.2022
272
Сегментация и кластеризация клиентов: от теории — к практике

Кластерный анализ — эффективный инструмент, способный улучшить клиентский опыт и вместе с тем сэкономить маркетинговый бюджет. Но как это работает и как кластеризация применяется на практике?

analiz-kolichestva-obrashhenij-2
Подробнее
Решения
29.08.2021
611
Анализ работы контакт-центра на BI-платформе Qlik Sense

BI-инструмент для анализа работы контакт-центра, который позволяет повысить качество услуг и снизить затраты, оперативно оценить работу операторов, супервайзеров, отделов

pokazateli-chekov-i-programm-lojalnosti
Подробнее
Решения
22.02.2021
928
Анализ чеков и программы лояльности на платформе бизнес-аналитики Qlik Sense

Аналитика чеков помогает сделать верные выводы и сформировать нужный ассортимент, понять, кто является клиентами, что и как часто они покупают, как управлять активностью, какие акции их заинтересуют

Решения
13.05.2022
272

Кластерный анализ — эффективный инструмент, способный улучшить клиентский опыт и вместе с тем сэкономить маркетинговый бюджет. Но как это работает и как кластеризация применяется на практике?

Решения
29.08.2021
611

BI-инструмент для анализа работы контакт-центра, который позволяет повысить качество услуг и снизить затраты, оперативно оценить работу операторов, супервайзеров, отделов

Решения
22.02.2021
928

Аналитика чеков помогает сделать верные выводы и сформировать нужный ассортимент, понять, кто является клиентами, что и как часто они покупают, как управлять активностью, какие акции их заинтересуют

tekuchest4h3
Анализ персонала
dinamika-2
Анализ первичных и вторичных продаж
faktornyj-analiz
Анализ продаж
kontakt-centr-pokazateli-3-4
Анализ работы контакт-центра
otklonenie-srokov-vypolnenija
Анализ производства
kreditorka-3-4
Анализ и управление дебиторской задолженностью
analiz-vyrashhivanija-kultur-selskogo-hozjajstva-list-vypolnenie-rabot
Анализ агровыращивания
cheki-pokazateli-3-4
Анализ чеков и программы лояльности
dinamika-analiz-debitorskoj-zadolzhennosti-2
Анализ кредитного портфеля
otklonenie-postavki-zakupki-2
Анализ закупок
zapasy-kljuchevye-pokazateli-43
Анализ запасов
zapasy-geografija-43
Анализ продаж и запасов в рознице
tekuchest4h3
Анализ персонала
dinamika-2
Анализ первичных и вторичных продаж
faktornyj-analiz
Анализ продаж
kontakt-centr-pokazateli-3-4
Анализ работы контакт-центра
otklonenie-srokov-vypolnenija
Анализ производства
kreditorka-3-4
Анализ и управление дебиторской задолженностью
analiz-vyrashhivanija-kultur-selskogo-hozjajstva-list-vypolnenie-rabot
Анализ агровыращивания
cheki-pokazateli-3-4
Анализ чеков и программы лояльности
dinamika-analiz-debitorskoj-zadolzhennosti-2
Анализ кредитного портфеля
otklonenie-postavki-zakupki-2
Анализ закупок
zapasy-kljuchevye-pokazateli-43
Анализ запасов
zapasy-geografija-43
Анализ продаж и запасов в рознице

Изучение профилей клиентов

Большинство предпринимателей уделяет недостаточно внимания изучению своих клиентов, ориентируясь только на текущие показатели продаж и обеспечивая своевременное пополнение складских запасов для удовлетворения спроса. Общая динамика роста количества чеков и объемов продаж воспринимается как положительный результат маркетинговых мероприятий. Однако бизнес мало знает о клиентах, которых необходимо дополнительно стимулировать к покупке. В итоге может оказаться, что из всего объема привлеченной аудитории к продолжительному сотрудничеству в долгосрочной перспективе готовы немногие. В таких условиях бизнес вынужден постоянно инвестировать в привлечение, но неизменно утрачивает свою  ценность в глазах целевой аудитории, теряет маржинальность и становится менее конкурентным.

Составление профиля клиентов решает сразу несколько вопросов:

  • помогает выстраивать долгосрочные отношения, стимулируя покупательскую активность на протяжении длительного времени;
  • повышает эффективность маркетинговых затрат за счет создания целевых кампаний;
  • способствует росту объема продаж, количества чеков, расширению аудитории.

Игнорирование необходимости создания профилей клиента может привести к плачевным для вашего бизнеса результатам, ведь поддержание лояльности и интереса уже существующей аудитории обходится приблизительно в 5 раз дешевле по сравнению с формированием новой. Основной проблемой на этом пути является необходимость сбора и обработки большого количества данных, связанных с пользовательским опытом. Например, количество чеков за годы работы компании может исчисляться миллиардами. Качественно обработать такой объем информации не под силу без специализированного программного обеспечения.

Как мы создаем профили клиентов

Анализировать клиентскую базу можно в различных плоскостях. Используя возможности BI, мы разработали практически универсальный подход с возможностью гибкой настройки ключевых параметров, который поможет сформировать профили целевой аудитории практически любому бизнесу.

Когортный анализ

Группирует клиентов по критерию первого обращения. Это может быть регистрация, получение карты лояльности или переход по ссылке на сайт компании. Для целей аналитики профили формируются на основании года/месяца/недели/дня первого обращения за покупкой товара или получением услуги. Оптимальный период для группировки зависит от специфики предлагаемого продукта и объективной периодичности его покупок. В дальнейшем сформированные группы оцениваются по показателю продолжительности взаимодействия. По результату когортного анализа становится наглядно понятно, какую часть из привлеченных в определенный период времени клиентов удалось сохранить. Регулярные и значительные потери части клиентской аудитории необходимо выявлять и детально анализировать.

Когортный анализ отвечает на такие ключевые вопросы:

  • как меняется ваша клиентская база с течением времени;
  • куда необходимо направить усилия для развития бизнеса: на привлечение или удержание целевой аудитории;
  • как клиенты реагируют на маркетинговые кампании.

Когортный анализ позволяет наглядно сопоставить количество активных и потерянных клиентов, что информирует о величине утраченных возможностей. В таком случае важно понять, что послужило причиной оттока, а также разработать комплекс мер, которые помогут поддерживать интерес аудитории в долгосрочной перспективе. Также когортный анализ позволяет определить масштабы прироста новых клиентов, что полезно для оценки эффективности маркетинговых мероприятий, разработанных для разных профилей. Подобное сравнение может быть взято за основу разработки будущей стратегии построения взаимоотношений.

Формируя профили в разрезе когортного анализа, вы сможете:

  • обнаружить резервы для дальнейшего развития;
  • анализировать срок жизни клиентов из разных когорт;
  • узнать какие методы привлечения и каналы оказались наиболее эффективными в вопросе привлечения.

В разрезе когорт можно анализировать средний чек, объем продаж и изучать другие показатели.

RFM анализ

Предполагает создание профилей клиентов по критериям новизны, частоты (количества посещений, заказов и проч.) и суммы покупок за исследуемый период. RFM анализ дает ценную информацию, позволяющую персонализировать маркетинговые предложения для разных профилей покупателей:

  • для тех, кто покупает часто и много предложить наиболее выгодные условия;
  • тех, кто не дотягивает до VIP-клиента, но покупает часто или много, дополнительно стимулировать программами лояльности и всевозможными бонусами;
  • тем, кто не покупал достаточно давно, напоминать о выгодах дальнейшего сотрудничества;
  • разовых покупателей стимулировать становиться постоянными, предлагая присоединиться к программе лояльности.

RFM анализ служит основой для составления карты клиентов. Важно акцентировать внимание на новых покупателях, которые при должных усилиях и сопровождении продаж могут стать постоянными и приносить хороший доход. Наименее значимые сегменты, которые являются малочисленными и не приносят бизнесу должного объема продаж, можно отсечь.

Кластеризация клиентов

Кластерный анализ – это группировка объектов по критерию сходства перечня характеристик. Профиль клиента в таком случае формируется на основе заранее определенных параметров. Поведенческие факторы внутри отдельных групп имеют заметное сходство, что позволяет формировать персональные предложения, интересные выбранной целевой аудитории. Главной задачей кластеризации является поиск сегмента, в котором сосредоточены идеальные клиенты компании. Для этого вам предстоит определить ключевые характеристики для анализа профилей. Это может быть частота покупки, давность обращения, итоговая сумма потраченных средств, средний чек, широта ассортимента, потребительская корзина, реакция на акции и другие.

Основной проблемой формирования профиля клиента посредством кластеризации является необходимость обрабатывать большое количество данных. Например, если определить всего 9 основных характеристик и создать в каждой по 3 группы для сегментации клиентов, у вас получится свыше 19,5 тысяч кластеров. Конечно, разрабатывать такое количество персональных предложений нецелесообразно. Поэтому программа задействует внутренние алгоритмы, способствующие обнаружению схожести между клиентами по заранее определенному перечню критериев анализа.

Кластеризацию можно выполнять за определенный период продаж, что позволяет получить свежие данные на основе актуального ассортимента и текущей целевой аудитории. Не всегда можно сразу же выделить профили идеальных клиентов, которые проявляют одинаковую активность и приносят большую часть дохода. По некоторым из критериев отдельные кластеры могут не соответствовать идеалу и требуют немного дополнительных усилий для улучшения значений показателей до оптимальных. Развитию отношений с такими клиентами необходимо уделить особое внимание. В то же время кластерный анализ помогает определить профили, на развитие отношений с которыми не целесообразно направлять значительные ресурсы, поскольку это не повлияет на улучшение показателей продаж в значительной степени.

Читать полностью