Wikimart - Уроки CRM

Уроки CRM Пройденные в Wikimart.ru

при работе с повторными покупателями

Дмитрий Мацкевич Руководитель маркетинговой аналитики и CRM ХI МОСКОВСКИЙ МЕЖДУНАРОДНЫЙ БИЗНЕС-ФОРУМ 2012

Уроки CRM, пройденные в Wikimart 4 простых правила, которые помогут избежать чужик ошибок в построении CRM

1. Профайл клиента: поведенческий vs демографический

2. Определение базы клиентов.

3. Сегментация клиентов.

4. Аналитики полезности покупателя

06.04.2012 Уроки CRM пройденные в Wikimart.ru |

ХI МОСКОВСКИЙ МЕЖДУНАРОДНЫЙ БИЗНЕС-ФОРУМ

Профайл клиента: поведенческий vs демографический

• Прошлое поведение - лучший предсказатель будущего.

• Юзкейсы использования определяются похожестью

поведенческих паттернов

• Поведенческие данные позволяют думать о пользователях в

терминах возможной мотивации на действие

1. Концентрируйся на поведенческих данных вместо демографических.



Демография • Мужчина • 40 лет • Нет детей

Женщина 28 лет 2-е детей

Поведение • Купил 10 упаковок детского питания за полгода

• Последний раз купил детское питание месяц назад

• Купила 1-у плиту год назад

• Последний раз покупала год назад

Поведенческий профайл важнее демографии Прошлое поведение - лучший предсказатель будущего. Кто с большей вероятностью купит у вас детское питание в этом

месяце?



Поведенческий профайл важнее демографии Юзкейсы использования определяются похожестью поведенческих паттернов.

Категория Сессия 1 Сессия 2 Сессия 3 Сессия 4 … Сессия N

Вектор 1 Туфли 1 1 0 1 … …

Вектор 2 Батильены 1 1 0 0 … …

Вектор 3 Памперсы 0 0 1 1 … …

Вектор k Вектор t Со направленность Cos(вектор k, вектор t)

Туфли Батильены 0.816 Туфли Памперсы 0.408 Батильены Памперсы 0

“Tуфли“ ближе к “Батильенам” чем к “Памперсам”.



Таблица покупок

Поведенческий профайл важнее демографии Поведенческие данные позволяют думать о пользователях в терминах возможной мотивации на действие



1

4 3

2

High potential value Low current value

New customers Взращивать

Low potential value Low current value

Old 1st buyers: Перевести в 4 или убрать

Low potential value High current value

Defecting best customers Взращивать

Час

тота

по

куп

ок

до

м

акси

мал

ьно

й->

Время до предыдущей покупки до минимального

High potential value High current value

Best buyers Сохранять

Мероприятия 1. Программы лояльности. 2. Программы удержания клиентов. 3. Активационные программы. 4. Активационные программы, либо не тратить деньги

Определение базы клиентов

• Текущая база клиентов = Старая база + Новые – Ушедшие

• Ушедшие = ?

• Отписались от рассылки

• Позвонили и сказали, что они вас ненавидят

• Как еще?

2. Контролируй базу на количество ушедших клиентов



1. Когда-то они все были клиентами

3. Остальные могут не

проснуться

2. Активные Взаимодействовали в течении 3-12 мес.



Определение клиентской базы

Поведенческие данные помогут понять, кто уже перестал быть клиентом



0%

2%

4%

6%

8%

10%

12%

14%

16%

18%

10 30 50 70 90 110 130 150 170 190 210 230 250 270 290 310 330 350

Плотность покупателей от времени до предыдущей

покупки**

50% 90%

99%

49%

12%

2%

0%

10%

20%

30%

40%

50%

60%

1 2 3 4

Отзывчивость покупателей после негативного опыта*

*Относительный open rate c рассылок в зависимости от количества неудачных покупок 1-4

**Распределение покупателей по времени до предыдущей покупки

В данном случае к ушедшим надо отнести: • Ничего не покупали в течении года

• Получили негативный опыт более 3-х раз

Сегментация

3. Разбивай пользовательские метрики на когорты



• Общие показатели вводят в заблуждение. Общий объем продаж

компании ни о чем не говорит, кроме как о текущей доле рынка.

• В каждый момент времени у вас находятся клиенты с разным

опытом и на разном жизненном цикле.

• Клиентов для анализа всегда надо разбивать на группы,

которые находятся на одинаковом жизненном цикле.

Сегментация по когортам

Пример с повторными покупателями



37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 1 2 3 4 5 6 7 8 9 10 11

% п

овт

ор

ны

х п

оку

пат

ел

ей

№ недели

Общая доля повторных покупателей

Возможно ли уже тут предсказать будущее падение количества повторных покупателей?

Сегментация по когортам

Пример с повторными покупателями



37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 1 2 3 4 5 6 7 8 9 10 11

Об

щи

й %

по

вто

рн

ых

по

куп

ате

ле

й

% п

овт

ор

ны

х п

оку

пат

ел

ей

по

ко

гор

там

неделя

Повторные покупатели по когортам (время до предыдущей покупки)

0-1 месяц

2-4 месяц

5-12 месяц

Общее

• Тут уже видно, что причина стагнации общего числа повторных, это падение сегмента 0-1 месяц.

• Если причина в опыте покупателей 1 месяц назад, то та же участь ждет и сегмента 2-4 месяц через месяц

• Следовательно общее число будет падать тоже.

Измерение полезности клиента

4. Аналитика полезности клиента не должна опережать возможности бизнеса



• Все уже давно знают что не весь траффик одинаково полезный.

• Нельзя мерять эффективность только на уровне первой покупки

клиента.

• Не надо усложнять. На каждой стадии развития бизнеса уместна

своя детализация измерения полезности покупателя.

Измерение полезности Безопасный путь развития аналитики полезности клиента.

Кр

уто

сть

фо

рм

улы

Практичность метода

5. LTV = CPO + NPV; Где NPV = CF_0 + CF_1/(1+d1)^1 + CF_2/(1+d2)^2 + … + CF_n/(1+dn)^n Где n – длина цикла, CF = Free Cash Flow to Firm = After tax operating income + Noncash charges - Capex - Working capital expenditures

2. LTV = Gross Profit; Где Gross profit = Revenue - COGS

3. LTV = Gross Profit in 3 months

4. LTV = Contribution profit = Sales – All variable costs (COGS, Delivery, Sales commissions)

1. LTV = Orders 2. LTV = Sales

ROI = (LTV-[Cost per client])/[Cost per client]. Как мерять Полезность клиента (Life time value)?



Уроки CRM, пройденные в Wikimart 4 простых правила. Итоги.

1. Концентрируйся на поведенческих данных вместо

демографических.

2. Контролируй базу на количество ушедших клиентов

3. Разбивай пользовательские метрики на когорты

4. Смотри дальше конверсии, но не дальше чем нужно



Documents

Wikimart - Уроки CRM