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

Заказчик
Finn Flare — международный бренд одежды, который входит в топ-15 крупнейших компаний fashion-ритейла России. Имеет свой онлайн-магазин и мобильное приложение.
Задача
Увеличить продажи в онлайн-магазине в рамках строгого ДРР (доли рекламных расходов). То есть за меньшие деньги, чем прежде, привлечь больше покупателей на сайт.

В индустрии Fashion все должно быть красиво: и модели, и мерчендайзинг, и даже маркетинг. Красивые маркетинговые решение в сути своей просты. Одно из таких решений агентство MediaNation предложило бренду одежды Finn Flare, и с его помощью увеличило конверсию на сайте более чем на 30% за два месяца работ.     О клиенте
Finn Flare — международный бренд одежды, который входит в топ-15 крупнейших компаний fashion-ритейла России. Представлен более чем 100 офлайн-магазинами, в том числе в Казахстане. Имеет свой онлайн-магазин и мобильное приложение.

Задача, поставленная перед MediaNation


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

Решение


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:

  1. Дата заказа.
  2. Доход с заказа.
  3. Телефон пользователя (в захэшированном виде).
  4. Внешний идентификатора пользователя.
  5. Идентификатор заказа.
  6. 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:

  1. Сегмент 111 — покупал давно, не часто и на небольшую сумму.
  2. Сегмент 333 — покупал недавно, часто и на большую сумму.
  3. (...)

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:

  1. Активные нерегулярные покупатели.
  2. Бывшие частые покупатели.
  3. Время от времени покупающие.
  4. Лидеры среди клиентов.
  5. Недавно покупавшие, теперь неактивные.
  6. Новички.
  7. Перспективные клиенты.
  8. 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.


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


  Выводы и рекомендации
Оперативность открытия доступа к данным из CRM-клиента сильно влияет на скорость получения результатов рекламной кампании. Чем скорее клиент предоставит необходимую для RFM-сегментации информацию, тем быстрее он снизит стоимость привлечения покупателей. RFM-сегментация — это не обязательно 27 сегментов. Если есть необходимость объединить похожие сегменты и тем самым увеличить количество пользователей в каждом из них, можно смело отойти от правил. На лояльных клиентах можно сэкономить. Им, безусловно, надо показывать рекламу, но не так часто, как тем, кто колеблется с покупкой. Можно быть гибкими в отношении корректировки для каждого сегмента — увеличивать ее или уменьшать в зависимости от того, насколько эффективной она себя демонстрирует именно с этой аудиторией. RFM-сегментация — простой и, увы, недооцененный инструмент, способный в довольно короткие сроки давать отличный результат.


Перейти на сайт

В карточку агентства

Письмо автору кейса

Пользуйтесь реальным опытом в IT и следите за успехами потенциальных подрядчиков и конкурентов
Подпишитесь на рассылку
Читайте также
Кейсы по теме#Красота, мода