Прогнозирование эффективности рекламных кампаний для FORMEL Skin

1. Вводная задача от заказчика, проблематика, цели

Компания FORMEL Skin предоставляет подписку на консультации врачей и индивидуально подобранную косметику для людей с проблемной кожей. Ежемесячно компания тратит от 20 до 50 тысяч евро на сотни рекламных кампаний. Поскольку клиентский цикл может достигать двух лет, маркетологам необходимо оперативно оценивать эффективность этих кампаний, не дожидаясь нескольких месяцев.

Наша задача заключалась в разработке удобного и информативного отчета, позволяющего быстро оценивать эффективность рекламных кампаний.

Бизнес-модель FORMEL Skin:

• 1. Клиент обращается за консультацией к врачу через сайт.
• 2. Проблемы с кожей могут быть разными: акне, розацея, пигментные пятна и другие.
• 3. Клиент записывается на удаленную консультацию.
• 4. Врач проводит видеоконсультацию, осматривает кожу, задаёт вопросы, при необходимости назначает анализы и выписывает лечение.

Лечение осуществляется на ежемесячной основе.

Каждый месяц FORMEL Skin отправляет клиенту набор косметики, подобранный врачом специально для него.

Особенности маркетинга FORMEL Skin:

• Крупные бюджеты: ежемесячные затраты на маркетинг составляют от 20 до 50 тысяч евро.
• Масштабные кампании: каждый месяц запускаются сотни рекламных кампаний.
• Длительный клиентский цикл: срок взаимодействия с клиентом (lifetime) может достигать двух лет.
• Различия в LTV: продолжительность и доход от клиента (LTV) зависят от аудитории и канала привлечения. Например, клиенты 18–25 лет с выраженными кожными проблемами остаются в системе значительно дольше и, соответственно, платят больше.
• Отложенные покупки: многие кампании работают с промо-кодами, которые клиенты активируют даже после завершения кампании.

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

Процесс

Шаг 1. Строим сквозную аналитику для рекламных кампаний.

Мы собираем данные о затратах и кликах из всех рекламных кабинетов и связываем их с пользовательскими покупками на сайте.

Шаг 2. Создаем основной маркетинговый отчет, который позволяет:

• увидеть затраты на каждую кампанию;
• определить количество платящих пользователей, привлеченных кампанией;
• рассчитать стоимость привлечения одного пользователя (Cost Per User);
• измерить средний Lifetime Value (LTV) пользователя — доход, который он принес за весь период.

Шаг 3. Оцениваем эффективность рекламных кампаний.

Мы считаем рекламную кампанию эффективной, если доход от привлеченного пользователя превышает затраты на его привлечение:

• Если пользователь заплатил в 2 раза больше затрат на привлечение, кампания считается прибыльной.
• Если доход меньше затрат, кампания убыточная.

Формула оценки эффективности:

• LTV/CPU < 1 — кампания убыточная.
• LTV/CPU > 1 — кампания эффективная.
• LTV/CPU > 2 — кампания прибыльная.

Проблема в том, что окончательный LTV пользователя становится известен только через 1,5–2 года, поскольку клиенты совершают регулярные платежи. Однако маркетологам важно оценить эффективность кампании как можно раньше — желательно сразу после первой покупки пользователя.

Решение: На помощь приходит машинное обучение, которое позволяет прогнозировать LTV на ранних этапах взаимодействия с клиентом.

Шаг 4. Обучаем ML модель предсказывать LTV.

Мы используем данные о фактическом LTV и времени жизни каждого пользователя на проекте для обучения ML-модели:

• дату рождения;
• возраст;
• возрастную группу;
• пол;
• цель лечения;
• статус лечения;
• наличие беременности или кормления грудью
• планирование беременности;
• наличие аллергии;
• наличие других медицинских симптомов.
• диагноз;
• сложность диагноза;
• продолжительность лечения;
• user name;
• план лечения;
• дата первой оплаты;
• дата последней оплаты;
• оплаты постоянные или клиент разово попробовал;
• NPS (насколько готов рекомендовать сервис другим людям);
• UTM (из какого канала пришел и т.д.).

После чего модель анализирует параметры нового пользователя, совершившего первую покупку, и прогнозирует его LTV.

Добавляем информацию о прогнозе LTV в основной маркетинговый отчет.

Как это работает:

• Как только пользователь, привлеченный рекламной кампанией, совершает первую покупку, система прогнозирует его LTV. Это позволяет определить, окупятся ли затраты на его привлечение.
• С каждой последующей покупкой прогноз уточняется, что дает маркетологам более точные данные для оценки эффективности кампании.

3. Результаты сотрудничества

С первой покупки пользователя маркетологи получают возможность:​

• Понимаем прибыльность конкретной рекламной кампании.
• Предсказываем LTV клиента.
• Оцениваем эффективность каждого канала рекламы.