Lamel и «Оптима» — сеть магазинов косметики, товаров для красоты и ухода за собой. На рынке больше 27 лет. У компании 104 розничные торговые точки в 20 городах России, ассортимент сети превышает 20 000 наименований. В штате около 1000 сотрудников.

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.

• Бюджет на промо уменьшился на 13%.
• Промодавление снизилось на 18%.
• Товарооборот увеличился на 4%.

Следующие шаги

• Доработка ИТ-решения по автоматизации рекламных коммуникаций с клиентами.
• Внедрение прогнозирования с помощью больших данных и машинного обучения. 

• СберПро Медиа теперь можно читать в «Телеграме» и «Дзене». Чтобы быть в курсе важных трендов, свежих кейсов лидеров бизнеса и мнений ведущих экспертов, следите за нами в телеграм-канале. Развитие навыков управления, личностный рост, актуальные подходы в маркетинге, новинки бизнес-литературы — эти темы мы подробно рассматриваем в «Дзене».