Как и зачем интернет-магазину сегментировать базу контактов для рассылок

Помните захватывающие сцены из фильмов? Опасность. Невероятно милая блондинка сейчас упадёт с крыши дома и разобьётся. В последний момент приходит герой и спасает барышню. Все счастливы.

Жизнь интернет-маркетолога не лишена экшена. Вы вот-вот потеряете клиента. Мгновение — и он забудет о вас навсегда. В последний момент отправляете ему купон на огромную скидку. Клиент спасён. Все счастливы.

Но как интернет-маркетологу уловить нужный момент? Когда можно ненавязчиво напомнить? Когда стоит давить на полную? А когда забыть о бывшем покупателе?

МегаФон ПроБизнес

Получите Кешбэк 100% за запуск рекламы с МегаФон Таргетом!

Узнать больше >>

Реклама. ПАО «МегаФон». ИНН 7812014560. ОГРН 1027809169585

Для этого нужен анализ баз данных и сегментация.

Сбор данных для сегментации

Данные для e-mail рассылок нужно собирать со всех источников. Накопленная статистика продаж за 3 года. Регистрации на сайте. Онлайн- и офлайн-покупки.

Все это бережно накапливается и сохраняется в:

• Базах данных — CRM, ERP или CMS;
• Системах аналитики — Google Analytics, «Яндекс.Метрика»;
• Файлах Excel.

Чтобы правильно собирать информацию о клиентах, ответьте на такие вопросы:

• Какой % базы не покупает?
• Какой % базы покупает только 1 раз?
• Какой % базы покупает больше 1 раза?
• Как часто покупают мои Клиенты?
• Когда перестают покупать?
• Что именно покупают?

Чтобы не запутаться в базе, у вас должен быть уникальный идентификатор клиента — id. Вы можете присваивать свой внутренний идентификатор. Можете использовать телефон или email.

Собирайте данные по таким правилам:

1. Делите выборку на очевидные сегменты. Например, опт/розница.
2. Если ваши сотрудники покупают что-то для себя в вашем магазине, заставляйте их делать заказы с корпоративного ящика, чтобы было легко отделить их от общей массы клиентов. Иначе, если таких заказов достаточно много, в малом и среднем бизнесе это искажает данные и адрес сотрудника попадает в категорию самых лояльных клиентов. Корпоративные адреса можно легко отфильтровать, тогда останется только чистый список клиентов.
3. Отдельно отмечайте заказы от партнёров-рефералов, чтобы при необходимости легко отделить их от «обычных» клиентов.
4. Сохраняйте статусы заказов (выполнен/отменён по нашей вине/отказ клиента).
5. (Необязательно): сохраняйте информацию о содержании заказов — какая группа товаров.

Структура базы данных

После того как база собрана, начинаем её структурировать. Базовые данные, необходимые для сегментации:

• Номер заказа;
• E-mail (в идеале — id клиента);
• Дата заказа;
• Статус заказа;
• Сумма заказа;
• Содержание заказа: тип товара.

Это данные, с которыми можно работать. Но их бывает недостаточно. Вот варианты данных, которые можно добавить к базовым:

• Количество заказов;
• Количество уникальных заказов;
• Количество выполненных заказов;
• Дата первого и второго заказа;
• Дней между заказами 1 и 2;
• Год и месяц текущего заказа;
• Год и месяц 1-го заказа;
• Месяцев и дней с первого заказа;
• Уникальный заказ или второй заказ за 1 день;
• Что-то ещё в зависимости от специфики вашего бизнеса.

Когда список готов, начинаем структурировать данные под потребности маркетинга.

1. Структура базы по количеству заказов

Определяем, кто не покупает никогда, кто покупает только 1 раз и т.д.

Используйте сводную таблицу:

В ней вы видите распределение заказов по базе клиентов. Смотрите другие примеры использования сводных таблиц в интернет-маркетинге.

2. Когда люди перестают покупать?

Чтобы узнать это, используйте когортный анализ. Это инструмент, который позволяет маркетологу заглянуть в будущее. Определяет вероятность повторных покупок. И жизненный цикл клиента.

Как работает когортный анализ?

Например, у нас есть группа людей, которые сделали первую покупку в январе. Это отдельная когорта. Сводим статистику по этой группе. Выясняем, что большинство таких людей совершили повторную покупку в марте и мае. После этого ничего не покупали.

Берем следующую когорту. Люди, которые впервые купили в феврале. Они покупают снова в апреле и июне. И уходят.

По такому же принципу анализируем всех покупателей. Находим тенденцию — Клиенты совершают по 2 повторные покупки, через 2 и 4 месяца после первой. А потом не возвращаются в магазин.

Можно делать вывод, что будущие покупатели поведут себя так же.

Это идеальная ситуация. В жизни поведение пользователей сложнее. Но в нем всегда есть закономерности. Когортный анализ показывает эти закономерности и дает прогноз на будущее.

Как использовать когортный анализ для сегментации базы?

Колонка слева — год первого заказа клиентов.
Колонка справа — сколько месяцев прошло с первого заказа.

Получаем такую таблицу:

Каждая строчка таблицы — информация по месяцу и году. Когда люди, которые пришли в первый раз в январе 2014 года, перестали покупать?

Для чего это нужно? Чтобы понять цикл покупки. Например, вы видите закономерность, что покупатели «умирают» в базе через 6 месяцев. Это есть ваше узкое место. Место для экшена. У вас есть 6 месяцев, чтобы реанимировать клиента. Дальше человек не будет покупать.

После того, как вы собрали и структурировали данные, можно создавать сегменты для рассылки.

Критерии для сегментации

Универсальные сегменты для рассылок:

• One-time-buyers — люди, которые купили только 1 раз;
• Те, кто не смог купить — только зарегистрированные пользователи;
• Покупал давно, но перестал;
• Делал 2 и больше покупки и перестал;
• Лояльные клиенты.

Это готовые списки для рассылок, которые можно улучшить с помощью анализа баз данных.

Например, берём сегмент one-time-buyers. Делим его на 2 группы: недавние покупатели и люди, которые сделали покупку давно.

Повторяем действие для сегмента людей, которые никогда не покупали. Оставили email недавно или давно.

Получили 4 сегмента для рассылки. Отправили письма. Результаты могут быть разными. Конверсия по сегментам наших клиентов отличается в 10 раз.

Что делать с новыми сегментами? Дальше вы можете настроить систему триггерных емейлов. И автоматически отправлять «реанимационные письма» клиентам, которых можете потерять. Читайте наш подробный кейс об автоматизации e-mail маркетинга.

Понимайте клиентов лучше. Отправляйте хорошие письма в правильный момент. И продажи вырастут.

Мнение редакции может не совпадать с мнением автора. Если у вас есть, что дополнить — будем рады вашим комментариям. Если вы хотите написать статью с вашей точкой зрения — прочитайте правила публикации на Cossa.