Задача: внедрить инструменты Data Driven Marketing, чтобы повысить прибыль компании
Как аналитика больших данных сайта онлайн-знакомств помогает маркетологам возвращать мужчин в самом расцвете сил, которые перестали совершать платежи.
Команда сайта онлайн-знакомств обратилась к нам за помощью в определении точек роста для увеличения LTV существующей аудитории и с вопросом по управлению качеством привлекаемой аудитории. Несмотря на то, что дейтинг-сервисы имеют ряд особенностей, подобные вопросы волнуют каждую вторую команду развития онлайн-сервисов, существующую на рынке минимум пару лет.
В терминологии Customer Journey Map онлайн-сервисов сайт это основной источник дохода, площадка осуществления первичных и последующих продаж. Он же, по сути, и является той воронкой, которая ведет от первой покупки к повторным транзакциям.
Отложенная катастрофа
Для того, чтобы достичь прозрачности взаимодействия с Клиентами — понять, как они реагируют на письма и промоакции, после какого периода или каких действий на сайте теряют интерес к сервису, — и повысить управляемость этими процессами, было необходимо вывести ряд новых метрик для мониторинга.
До этого клиентская команда следила исключительно за динамикой выручки по дням и за числом новых платящих пользователей, привлекаемых по платным каналам. Однако этих показателей было недостаточно для оперативного управления. Если бы в один из дней база постоянных Клиентов уменьшилась на 5%, то в краткосрочном периоде это практически бы не отразилось на дневных показателях. Отложенный катастрофический эффект в виде недополученных средств проявился бы спустя определенное расчетное время, вычисленное с помощью методики, схожей с RFM.
После проведения аналитики было выявлено, что фокус необходимо сместить на существующих Клиентов, которые приносят 65% прибыли в долгосрочной перспективе, а также — итеративное улучшение пользовательского опыта через A/B-тесты: на разных этапах воронки и индивидуально для каждого клиентского сегмента.
Анализ показал, что фокус необходимо сместить на существующих Клиентов, которые приносят 65% прибыли.
Предложенное решение
Наши аналитики разработали BI-систему, которая быстро и достоверно демонстрировала бы маркетологам ответы на следующие вопросы:
Это означает, что на место традиционной базовой онлайн-аналитики в компании должна была прийти сквозная аналитика, дополненная отражением поведения сегментов Клиентов в динамике, показателями CRM и возможностью глубокой детализации для принятия решений, основанных на данных.
С помощью дашборда необходимо было понять, как мы можем повысить LTV клиентов
Для отражения эффекта от проводимых рекламных кампаний и влияния текущей маркетинговой политики — выраженного в понимании, скольких клиентов нам удалось вернуть, скольких мы потеряли за этот период, какого оттока ожидать через пару месяцев, — мы визуализировали структуру и переток Клиентов из одного сегмента в другой.
Что можем анализировать?
BI-аналитика позволяет видеть всю необходимую информацию по клиентам:
Как используем эти данные?
Детализация сегментов до конкретных ID позволяет в несколько кликов загрузить перечень номеров и сделать по ним email-рассылку или запустить ретаргетинговую кампанию в социальных сетях:
При желании можно «провалиться» внутрь страны и пронаблюдать детализированную динамику показателей за отчетный период (изменение клиентских сегментов, оборот, эффективность рекламных каналов):
Например, на когортном графике выручки мы можем увидеть, какой объем денег мы получили от пользователей из России, пришедших в определенный период, и какова структура их ежемесячных транзакций (сколько первых, вторых, третьих и т.д. покупок):
Как отследить эффективность работы отдела маркетинга и своевременно ее скорректировать
Следующая аналитика была спроектирована с целью объединить все наиболее важные бизнес-метрики на одном экране — это позволит маркетологам оперативно реагировать на изменения в структуре трафика и регулировать взаимоотношения с рекламными площадками, а топ-менеджменту — держать руку на пульсе, не дожидаясь отчетов от менеджеров, из любой точки земного шара.
Что можем анализировать?
BI-аналитика позволяет видеть сравнительные значения показателей по пользователям, который были привлечены в определенный период:
Например, посмотрим, как менялась структура повторных покупок за конец 2016 и начало 2017 года: мы обнаружим, что конверсия из одной покупки в другую снижалась; это могло бы послужить сигналом того, что привлекается некачественная аудитория или сервис не стимулирует пользователей совершать повторные покупки, а значит, текущая маркетинговая политика нуждается в срочной корректировке:
Относительные ключевые показатели — LTV — также неуклонно падали (более чем в 2 раза). Если «провалиться» глубже, в источники, мы увидим, что некачественный трафик генерируется определенными сайтами. При желании мы можем посмотреть, какой трафик откуда привлекался, сколько платящих Клиентов и из каких они стран:
На основании этого мы можем принимать решение о расширении или сокращении бюджета на определенные маркетинговые каналы, исследовать наиболее успешные практики помесячной работы с данным источником и масштабировать опыт на другие рекламные площадки. Помимо этого, данные позволяют сформировать KPI для службы маркетинга.
Таким образом, настроенная BI-система сервиса является эффективным дополнением уже имеющейся базовой интернет-аналитики:
Мы провели обучение топ-менеджеров и маркетологов по теме принятия решений на основе данных. Вместе с этим внедрили BI-аналитику как новую систему мониторинга ключевых показателей. На данный момент проект находится на этапе тестирования.