Рассказываем, почему компания решила автоматизировать маркетинговые коммуникации и к каким результатам это привело.
Проблема
Планирование и расчёт промокампаний проходил в ручном режиме. Маркетологи учитывали сезонность и тренды и создавали в таблице каталог товаров с указанием механик их продвижения.
Такой формат работы был сопряжён с рядом проблем.
- Неэффективное использование средств. В компании не было оперативного контроля за акциями. Например, она планировала продать 8000 штук определённого товара в течение месяца. Этот объём быстро заканчивался, реклама шла, а товара в магазинах уже не было, довозить его не успевали. Как итог: потраченные впустую средства на рекламу и упущенные клиенты, которые не смогли совершить покупку.
- Отсутствие сегментации клиентов. Большая часть рекламного бюджета была направлена на всю аудиторию, а не точечно. Не учитывались предпочтения и поведение покупателей. Многие акции были нерелевантны, их конверсия — низкой. При этом определённые группы клиентов не получали предложений, которые их действительно могли бы заинтересовать.
- Большие расходы на рекламу. Годовой бюджет на промо достигал 10% от товарооборота компании, тогда как средний показатель на рынке — 5—7%.
- Высокий уровень промодавления — доля продаж, которые прошли по цене со скидкой.
Руководство компании поставило задачу снизить промобюджет на 20%, при этом повысить эффективность рекламы и увеличить товарооборот на 5%.
Решение
- Автоматизировать планирование и проведение промокампаний и работу с персональными предложениями.
- Провести кластеризацию клиентов и разбить их на сегменты.
- Внедрить аналитику, которая позволит оценивать эффективность рекламных акций.
Технологии
- ML-алгоритм на основе данных в корпоративном хранилище строит кластеры покупателей за последние четыре месяца. Кроме того, он проводит кластеризацию розничных магазинов по доле в продажах ключевых категорий.
- Специальное ПО сегментирует клиентов и по заданным шаблонам строит цепочки коммуникаций через email и push-сообщения в мобильном приложении.
- BI-система, в которую выгружается отчётность. В ней видна детализация результатов по каждому сегменту.
Сложности
Во время реализации проекта компания столкнулась с рядом методологических и технических сложностей. Например, были ошибки при работе с инструментами A/B-тестирования и проблемы при интеграции скрипта и корпоративного хранилища данных. Все они были сопряжены с дополнительным расходом времени и ресурсов.
Этапы работы
- Июль — август 2022 года. Создание методологии, по которой проводится кластеризация клиентов.
- Сентябрь — ноябрь 2022 года. Создание цепочки коммуникаций с персональными предложениями для каждого клиентского сегмента. Разработка ИТ-инструментов для автоматизации процессов. Три A/B-тестирования новых инструментов, анализ результатов, корректировка и доработка.
- Декабрь 2022 года. Запуск решений в промышленную эксплуатацию.
Результаты
Компания получила автоматизированную систему для управления маркетингом и фокусной работы с различными сегментами покупателей.