Павел Заглумин, руководитель направления по развитию бизнес-систем компании «Инфосистемы Джет»
Знаете, что большинство программ лояльности на 80% не работают? Не верите? Откройте свой кошелек и посмотрите, сколько карт лояльности в нем. Скорее всего, штук пять, а сколько еще лежит у вас дома? Пользуетесь ли вы ими? По статистике, в среднем активных пользователей от общего количества участников программ лояльности не больше 15–25%. При этом на привлечение одного клиента в программу ритейлер тратит от тысячи рублей.
Гораздо более выгодной инициативой видится целенаправленное привлечение покупателей, способных принести компании больший доход. Но как выделить этот «золотой» сегмент, достичь показателя 90–95% активных клиентов в программе лояльности и высоких показателей возврата инвестиций в маркетинг? Давайте разбираться.
Программа лояльности – один из самых мощных инструментов, который может использовать ритейлер. Ее классический сценарий применения – засыпать участника нерелевантным спамом с просьбой прийти в магазин – сейчас (медленнее, чем хотелось бы) трансформируется в анализ девиаций от нормального поведения покупателя, выявление скрытых закономерностей и исправление необычного поведения покупателя в выгодную для ритейлера сторону.
Впечатляющие результаты озвучил генеральный директор сети «Лента» Герман Тинга: 97% продаж по картам и более 15 млн участников программы лояльности! Секрет успеха – использование аналитики Customer Insights с технологий машинного обучения. Хотя в Facebook активно обсуждают недостатки программы лояльности «Ленты»: клиенты замечают, что если карты с собой нет, цены в магазинах выше, чем в любых других.
В супермаркетах «БИЛЛА» уже почти год работает программа лояльности, построенная по дисконтной схеме с возможностью предоставления индивидуальных предложений клиентам. Генеральный директор сети в России Елена Мальцева говорит, что произошел «переход компании к персонализированным промопредложениям на основе анализа предпочтений каждого покупателя».
А вот пример гиперсовременного подхода: сеть Amazon Go – магазины без кассы (можно посмотреть видеосюжет по ссылке). При входе посетители прикладывают к считывающему устройству телефон и просто берут понравившиеся товары. При этом видеокамеры и алгоритмы компьютерного зрения опознают покупателей и добавляют этот товар в электронную корзину. А в момент выхода из магазина соответствующая сумма списывается со счета. К сожалению, такого рода магазины могут функционировать только в социально благополучных зонах, иначе не избежать проблем с воровством.
Создать сеть таких магазинов либо переоборудовать старую – инвестиции на миллиарды. Поэтому мы в «Инфосистемы Джет» в партнерстве с федеральным ритейлом выработали стратегию «Анонимной омниканальной лояльности», пилотирование которой мы сейчас ведем.
Анонимная омниканальная лояльность
Как это работает? На входе в магазин и на кассе устанавливаются камеры. Они фиксируют посетителей, а платформа распознает лица, создавая обезличенные карточки покупателей, содержащие идентификатор (условно, некий массив обезличенных данных, описывающих черты лица) и историю покупок под этим идентификатором.
Когда информации накоплено достаточно (2–4 посещения магазина), система, используя алгоритмы машинного обучения, прогнозирует будущую ценность клиента для компании и оценивает перспективы его привлечения в программу лояльности.
Далее принимается решение «приглашаем/не приглашаем», а также рассчитывается возможное персональное предложение, которое гарантированно заинтересует покупателя. Клиент получает его в обмен на согласие использовать его персональные данные и коммуницировать по удобным ему каналам. Таким образом, обезличенная запись превращается в персональную.
Истинная омниканальность
Если клиент принял предложение, у компании появляются данные по бизнес-событиям, связанным с ним:
− офлайн (время прихода в магазин, уход без покупки, покупка в период акции или в гендерный праздник, состав чека, частота визитов);
− онлайн (адреса доставки, звонки из-за рубежа или в ночное время, количество подписчиков в Facebook, посещение сайта, негативный разговор с оператором по телефону, упоминание конкурента в чате, незакрытое обращение в службу поддержки).
Рождается истинная омниканальность – через отслеживание историй клиентов от цифровых каналов к офлайн и наоборот, бизнес получает инструмент для принятия персональных решений, основанных на максимально полных данных.
Связь маркетинговых гипотез или механик, глобальных рекламных кампаний или событий на рынке с покупательским поведением теперь может проверяться в реальном времени и использоваться для тонкого тюнинга cross-sell/up-sell механик, персональных акций, правил начисления баллов, используемых рекламных ресурсов, понимания качества и стоимости трафика.
Эти действия дадут прирост ROMI (возврат инвестиций в маркетинг, если простыми словами – сколько компания получит рублей прибыли с 1 рубля, вложенного в маркетинговые механики) и качественный рост по ряду показателей, например:
− снижение показателя оттока клиентов до 15%;
− снижение расходов на маркетинг на 3–15% при сохранении эффективности акций;
− рост точности персональных предложений до 50% (с точностью до «Chanel №5, 35 ml»);
− рост показателей up-sales/cross-sales от 10 до 35%.
Живые кейсы
Разделим компании на два архетипа: одни инвестируют в клиентский опыт и качество обслуживания, у других подход: «где карту получали, туда и идите» (помним, что мы условно говорим про архетипы). Для вторых просчеты, уничтожающие лояльность клиента – нормальная история:
− «ваш звонок очень важен для нас, оператор ответит через 30 минут» (когда у клиента LTV на 150 тыс. руб. с чистой прибылью компании на 18 тыс. руб. в год и он срочно нуждается в ответе по срокам доставки);
− «а можете снова продиктовать свои данные» (а ведь все данные есть в CRM, в деталях заказа, в общении с поддержкой, но не по телефону, а в чате).
Работа с лояльностью и омниканальным клиентским опытом помогает трансформировать эти кейсы.
История 1 (вполне реальная)
Клиент делает заказ. Доставка задерживается. Мы знаем, что у клиента высокий LTV – он входит в 2% клиентов, которые приносят компании 15% дохода. У него 850 друзей в Facebook, трое из которых тоже входят в эти 2%. Обращение получает более серьезный приоритет, благодаря чему проблему удается решить вовремя.
Волшебство случается после – пора поработать с лояльностью. Довольный клиент с удовольствием поделится со своей аудиторией счастливой историей решения его вопроса и тем персональным предложением, которое система в автоматизированном режиме приняла решение сгенерировать и отправить ему и его друзьям.
История 2 (личная, касается телекома, который тоже немного ритейл)
Мой оператор два раза в неделю предлагает мне стать пользователем его же услуг проводного интернета. Беда в том, что я совсем недавно отказался от услуги проводного телефона и подключил интернет другого провайдера. Но безумный телемаркетинг продолжает звонить, несмотря на все возражения. А еще меня периодически «догоняют» таргетированные баннеры и SMS с рекламой этой и других услуг.
Компания совсем не работает с негативом, заодно «сливая» минуты операторов телемаркетинга и бюджеты на контекст, окончательно теряя лояльность клиента.
История 3 (скорее набор гипотез)
Клиент регулярно покупает товар, но однажды ушел из магазина без него или без покупок вообще? Легко собрать обратную связь и узнать причину.
Наступает 14 февраля, клиент ювелирной сети (мужчина в возрасте 27 лет с высоким LTV и неоднократными покупками «заранее») заглядывал в магазин и хотел купить изделие, но решение о покупке не принял? Запустить «догоняющую» клиента акцию по разным каналам.
Целый сегмент клиентов делает регулярные покупки определенного артикула с отслеживаемой регулярностью. Компания запускает продажи сопутствующего товара или схожего артикула, но с более высокой маржинальностью. Легко сгенерировать спрос и отследить результативность омниканальной кампании здесь и сейчас по уже готовому сегменту и проверкой разных гипотез.
Как чугунный мост
Наш опыт создания омниканальных контакт-центров, внедрения систем лояльности, кассовых проектов и инициатив в области машинного обучения говорит, что внедрение такой системы в ИТ-ландшафт – это стратегия развития на 2-4 года, требующая поддержки на высшем уровне руководства компании.
Стоимость реализации стратегии высока, но за счет того, что это результат интеграции комплекса продуктов (часть которых в компаниях уже есть) с разными сроками внедрения, первые победы и результаты будут получены уже с первых месяцев.
Изменения можно внедрять постепенно, начав с инсталляции анонимной лояльности и платформы омниканальных коммуникаций, а затем можно дополнять платформу экономически эффективными инициативами в области маркетинга – строить с помощью машинного обучения рекомендации или реакции на события, используя терабайт накопленных ритейлером «про запас» данных.
Горизонт до 2025
Технологии дешевеют с каждым днем – больше всех заплатят новаторы (Amazon и другие гиганты). Последние получат крохи, а первопроходцы серьезно усилят свои позиции, что особенно важно на таком конкурентном рынке, как ритейл.
Сейчас большинство сетей делают ошибку, выдав карту (или получив регистрацию человека в мобильном приложении) и полагая, что дело сделано и человек будет пользоваться ей.
Верность клиента можно потерять, выпав из зоны его внимания. Легко проводить маркетинговые акции, отчитываясь о грандиозном охвате, но не имея представления, как это повлияло на покупательское поведение.
Возможно, ситуация изменится с появлением более доступных коробочных продуктов. К примеру, Сбербанк, уже давно собирающий клиентские данные, заявил, что в ближайшее время его клиенты смогут совершать покупки, используя только биометрические данные (лицо или отпечаток пальца). Для оплаты не нужно будет больше иметь с собой карт, наличных денег или смартфона. Но торговые точки, которые поддержат эту программу, должны будут иметь в магазинах видеокамеры и системы распознавания лиц – с повсеместным внедрением этой системы и описанный выше концепт может стать более доступным к внедрению (в зависимости от состава лицензионных соглашений Сбербанка с магазинами).
Намеренно оставлю за скобками дискуссию о персональных данных – это тема для отдельной статьи. Любая Big Data с персональными данными в принципе вызывает миллион вопросов к этике и законности. Кстати, в торговых залах всегда есть уведомление о том, что ведется видеонаблюдение. А все механизмы, которые мы описали выше, работают в рамках закона посредством получения от клиента согласия на коммуникацию с добавлением его данных к обезличенной истории покупок.
Ритейл меняется и сейчас бизнес на пороге выбора: быть среди первых и выиграть, или сомневаться, откладывая изменения и проиграть в конкурентной борьбе.
Добавить комментарий