Как новый подход к сегментации автовладельцев помог вернуть их на сервис

1. Вводная задача от заказчика, проблематика, цели

Бизнес-задача состояла в том, чтобы уменьшить процент оттока в 2021 году.

Традиционно в автобизнесе клиентов возвращают на сервис, предлагая значительные скидки на работы и запчасти. При этом для бренда важно не раскидываться скидками, так как они предоставляются за его счет.

Проблема была в том, что вне зависимости от того, пользуются клиенты Renault официальным сервисом или нет, все получали похожие письма и предложения. Это означало, что скидки получали и те, кто и так собирался приехать на сервис к дилеру.

Нужно было не просто уменьшить отток клиентов, но сделать это, не разбрасываясь скидками.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

Мы собрали CRM-данные всех, кто обращался к дилерам, заезжал на сервис, с кем была история SMS- и email-коммуникаций за период 2017-2021 гг. Это 150 дилерских центров Renault по всей России, 764 970 клиентов и десятки миллионов строк в базах рассылок. Обработали всю информацию и получили для анализа единую, очищенную от ошибок и дублей, SQL-базу.

Чтобы в SQL-базе найти закономерности для принятия решений, ее необходимо сегментировать. В послепродажном сервисе традиционно используется сегментация по сроку владения автомобилем. У Renault клиенты делились на новых — со сроком владения до 3 лет и старых — со сроком более 3 лет. Но такая сегментация ничего не говорит о готовности приехать на очередное сервисное обслуживание к дилеру.

Поэтому мы решились на эксперимент и предложили клиенту использовать RFM-сегментацию — популярный в электронной коммерции метод анализа для разделения клиентской базы по давности, частоте и стоимости покупок, но не использовавшийся в послепродажном обслуживании авто до этого.

Благодаря возможности разделения базы в RFM-сегментации по давности, частоте и стоимости покупок, мы смогли приземлить поведение клиентов на эти параметры и определить сегменты, которые приносят деньги прямо сейчас, и выявить сегменты, которые бренд рисковал потерять. Мы получили 125 сегментов. Но это слишком много для эффективной работы. Анализ сегментов и поиск схожего поведения у клиентов, попавших в разные сегменты, позволил объединить их в 10 значимых групп.

Каждая из 10 групп получила свою уникальную рассылку в соответствии с одной из трех подходящих стратегий:

1.Лояльных клиентов благодарили и поддерживали связь с ними;

2.Клиентам, у которых заканчивалось гарантийное обслуживание — напоминали о предстоящем сервисе и преимуществах официального сервиса;

3.Тем, кто перестал ездить — давали максимальную скидку.

Чтобы стратегия коммуникации учитывала все особенности клиентов, мы добавили в рассылки персонализацию, используя известные нам данные:

• автомобиль клиента (модель и возраст);

• история клиента на сервисе;

• география, история прошлых коммуникаций;

• реакция клиента на прошлые коммуникации.

3. Результаты сотрудничества

Благодаря использованию нового для категории метода анализа для разделения клиентской базы (RFM-сегментации) и персонализированной коммуникации в соответствии с полученными сегментами, конверсия из рассылки в заезды на сервисы составила 21,4% (отношение числа уникальных получателей сообщений к общему числу заездов на сервис). Это на 14 п.п. больше заездов относительно контрольной группы (сегмент базы, который получал одинаковые не персонализированные сообщения) и на 11,5 п.п. больше самых успешных прошлых сервисных кампаний.

Кампания также положительно повлияла на уменьшение оттока клиентов. По результатам 2021 года доля владельцев Renault, которые не приехали на официальный сервис после завершения срока гарантии составила 30%, против 37% в 2020 году (источник: внутренняя отчетность клиента, способ подсчета — VIN-номер).

Полученный результат показал настоящий прорыв в категории послепродажного обслуживания авто — мы вернули клиентов, построив с ними персонализированную коммуникацию, релевантную ситуации каждого.