Кейс MediaNation: с помощью простой RFM-сегментации увеличили конверсию на сайте Finn Flare на 30%

1. Вводная задача от заказчика, проблематика, цели

Увеличить продажи в онлайн-магазине в рамках строгого ДРР (доли рекламных расходов). То есть за меньшие деньги, чем прежде, привлечь больше покупателей на сайт.

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

Обдумывая варианты стратегий, мы рассуждали: самый надежный способ эффективнее расходовать бюджет — демонстрировать рекламу тем, кто уже знаком с брендом и делал у него покупки.

Поэтому нашим предложением стал ремаркетинг, но не обычный. Мы предложили использовать RFM-сегментацию, когда аудитория покупателей делится на группы по давности, частоте и сумме заказов. Созданные сегменты аудитории получали соответствующую корректировку при демонстрации рекламы: наиболее перспективные покупатели видели рекламу чаще, а наименее перспективные — реже.

Ход работ

Команда маркетологов Finn Flare c интересом отнеслась к идее и оперативно обеспечила агентству доступ к информации о клиентах за последние два года. Этот отрезок времени позволял захватить достаточную для анализа историю пользователей, учитывая, что покупки совершаются не так часто.

Для создания RFM-сегментов в CRM клиента запрашивалась следующая информация:

• дата заказа;
• доход с заказа;
• телефон пользователя (в захэшированном виде);
• внешний идентификатора пользователя;
• идентификатор заказа;
• почта пользователя (в захэшированном виде).

Агентство MediaNation разработало скрипт, который ежедневно выгружал эти данные из CRM-клиента, сегментировал пользователей, передавал сегменты в Яндекс.Аудитории и обновлял в них информацию о клиентах с учетом их новых действий.

Слишком много сегментов

RFM-сегментация делит аудиторию на 27 сегментов. Например:

• Сегмент 111 — покупал давно, не часто и на небольшую сумму
• Сегмент 333 — покупал недавно, часто и на большую сумму
• (...)

Разделив аудиторию на 27 сегментов, мы обнаружили, что в некоторых сегментах набирается менее 100 пользователей, что, затрудняло дальнейшую работу с Яндекс.Аудиториями, где пользователей должно быть больше 100. Мы решили некоторые сегменты объединить — это сократило общее количество групп и облегчило дальнейший анализ эффективности каждой из них.

Мы сократили число групп с 27 до 8. В итоге список сегментов выглядел следующим образом:

• Активные нерегулярные покупатели
• Бывшие частые покупатели
• Время от времени покупающие
• Лидеры среди клиентов
• Недавно покупавшие, теперь неактивные
• Новички
• Перспективные клиенты
• Однократные покупатели

Тратить ли деньги на лояльных клиентов?

После того, как все сегменты были сформированы, залиты в Яндекс Аудитории и обеспечены ежедневным обновлением, мы запустили рекламные кампании в Яндекс.Директ (ремаркетинг в Поиске, РСЯ) с использованием понижающих и повышающих коэффициентов. Тем клиентам, у которых вероятность покупки была высока, мы установили повышающий коэффициент, — реклама им демонстрировалась чаще. Тем клиентам, у которых вероятность покупки была невелика, был установлен понижающий коэффициент.

Однако был нюанс в работе с самой горячей аудиторией: «Лидерами среди клиентов». Мы решили не выставлять им максимальную корректировку, потому что они лояльны к бренду без дополнительных стимуляций к покупкам. Ставка для них была высокой, но не максимальной.

Минимальная корректировка была -15%, а максимальная +70%. Качество работы аудиторий и ставок находились под постоянным контролем: если сегмент отрабатывал плохо, мы его отключали. А еще меняли корректировки в зависимости от того, насколько эффективной она показывает себя в отношении конкретного сегмента.

3. Результаты сотрудничества

Через два месяца после начала работ мы получили следующий результат: конверсия выросла на 30,7%, а стоимость заказа снизилась на 24%.