close

Вход

Забыли?

вход по аккаунту

?

Техносерв консалтинг - видение программы лояльности

код для вставки
Материалы для конференции
SAP FORUM
23 мая 2012
Слайд 2
Команда докладчиков от Техносерв
консалтинг
Дмитрий Овчинников
Директор Бизнес
-
консалтинга
Игорь Пец
Менеджер проектов
Леонид Казаков Консультант
Опыт управления в области маркетинга и CRM
более 15 лет, Опыт руководства крупнейшими в РФ CRM
-
проектами
Опыт работы в области маркетинга более 15 лет. Принимал участие в реализации крупных CRM
-
проектов.
Опыт работы в области анализа клиентских данных и целевого маркетинга более 8 лет. Опыт работы с крупнейшими программами лояльности РФ
Слайд 3
Оглавление
Почему не работает программа лояльности?
Используем накопленные данные: анализ и кампании
Создание программы лояльности: пройдем вместе
Слайд 4
Что отмечалось в программах, не достигающих заявленных целей?
Источник: Данные опроса
Коммуникации не проводятся, проводятся редко или неэффективны
Нет выделенных ресурсов для анализа, нет методик, проблемы с качеством хранящихся данных
Компания сосредоточена на мониторинге одного
-
двух критериев эффективности своей программы, например, величина среднего чека участника
Как улучшить результаты кампаний?
Слайд 6
Пример из практики компании, занимающейся каталожной торговлей:
Размер базы 500 000 клиентов, необходимо –
максимизировать прибыль от почтовой рассылки.
Наивный подход –
отправить рассылку по максимальному числу адресов, «больше денег получим…»
Использование аналитики позволило установить, что такой подход -
убыточен:
Размер целевой аудитории кампании влияет на эффективность
* При среднем чеке 40
USD
** BEP
рассчитывался исходя из показателей конкретной кампании включает стоимость рассылки, маржинальность
,
операционные расходы Отклик и BEP
в зависимости от размера целевой аудитории
BEP*
*
Circulation
Оборот и прибыль в зависимости от размера целевой аудитории
Вывод:
50
тыс.
лучших клиентов принесут прибыль $
340.
000
*
, рассылка для 500 тыс.
клиентов приведет к убыткам в $
360.
000
*
Turnover
При тираже > 300 K
рассылка
убыточна
Circulation
Слайд 7
Повышение отклика кампаний за счет изменения параметров самой кампании
В различных предложениях прослеживается влияние на отклик отдельных параметров ЦМК:
•
механики акции
•
дня недели коммуникации
•
времени коммуникации
•
особенностей текста сообщения
Параметр
ЦМК
Рекомендации
Повышение отклика
Механика
акции
•
Минимальное число итераций
+
50
%
День
недели
•
Зависит
от продвигаемого продукта –
см. таблицу
+
50 –
100 %
Время дня
•
Максимально приближено к времени активного пользования услуги
+ 50 %
Текст
•
Побудительное предложение
•
Акцент на наличие бонуса*
•
Акцент на бесплатное предоставление*
•
Информация о стоимости предложения в начале или середине текста
•
Сообщение средней
длины (2
SMS)
+ 15 –
100 %
ПРИМЕР
Почему недостаточно используются накопленные данные?
Слайд 9
Значительный потенциал для улучшения качества клиентских данных имеется даже в Банках
100%
Все клиенты
Клиенты отклонены по скоринг
у
Клиенты получили предложение
Клиенты с пробелами в данных
30%
45%
25%
Источник: данные Банка, ТСК
Пробелы в контактных данных значимо влияют на бизнес:
25% клиентов не могут получать предложения Банка из
-
за пропусков (пробелов) в контактных или других данных. Число клиентов с пробелами в данных может быть снижено до 5
-
10% (оценка ТСК) за счт очистки и верификации данных, что позволит увеличить размер кампаний и увеличить продажи Слайд 10
Что еще мешает использовать данные?
Нет ресурсов:
Нет данных:
Неправильные подходы:
Даже один аналитик с Excel
может быстро окупиться .
Для большинства методов анализа который мы рассмотрим далее не нужны значительные ресурсы
Даже с одним смысловым полем, содержащим информацию о клиентской активности –
можно построить инструмент по извлечению денег
Даже не пытайтесь применять всевозможные методы lifestyle сегментаций основанных на опросах и маркетинговых исследованиях –
это зло! ?
Как выяснить, что программа лояльности нуждается в улучшении?
Слайд 12
100%
Посетили один раз
52%
Посетили 2 раза и более
9%
Посетили 10 раз
и более
Активность участников киноклуба
в течение периода:
18 100 рублей
«средний» участник
«активный» участник (10+ посещений)
1400 рублей
Источник: Данные программы лояльности киноклуба
Разрыв по выручке
Почти половина участников посетила кинозал только один раз в течение 2х лет
Имеется значительный потенциал для роста. Необходим комплекс маркетинговых мероприятий
Активность участников не дотягивает до минимального разумного уровня
Слайд 13
=
Всего 2 дополнительно заполненных кресла на каждом сеансе….
Только в одном кинозале принесут:
* Выручка оценена без учета «
фуд
-
корта»
~
16 700 000 рублей* дополнительной выручки в год
Выгодно ли работать с клиентами?
2 дополнительных билета это около 5% от общего числа продаваемых билетов
Слайд 14
Основные сообщения
•
Неуспех программ лояльности часто связывают со следующими факторами:
o
Неуспешные коммуникации с участниками
o
Слабое использование накопленных данных для анализа
o
Недостаток реальной информации о эффективности программы
•
Неуспешные коммуникации могут быть связаны как с качеством имеющихся контактных данных, так и с качеством выборок для кампаний
•
Анализ накопленных часто затруднен пробелами в данных, сложностями с выделением ресурсов и полученным ранее негативным опытом •
Показатели эффективности программ лояльности могут как указывать на возможные проблемы, так и скрывать, заставляя делать неправильные выводы
Слайд 15
Оглавление
Почему не работает программа лояльности?
Используем накопленные данные: анализ и кампании
Создание программы лояльности: пройдем вместе
RFM -
анализ клиентской базы
Слайд 17
Компании А и Б очень похожи и размеры клиентских баз компаний примерно одинаковы, их отличает только активность их клиентов во времени: Вопрос: Какая компания больше заработает в следующем месяце?
% клиентов
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 ...
Прошло дней с момента последней покупки
Слайд 18
RFM
-
сегментация
Параметры:
•
Recency
–
промежуток времени с момента последней покупки
•
Frequency –
общее количество покупок клиента
•
Monetary
(
Value
)
–
общая сумма, потраченная клиентом
Recency
and frequency обычно наиболее сильные предикторы поведения
. Monetary на
90% повторяет Frequency and Recency
Дата пересчета
Дата последней покупки
Дата пересчета
Recency =
Дата пересчета –
последняя покупка
Покупка
1 Покупка
2 Покупка
n
15$ 12$ 18$
……
Frequency = n
Monetary = 15$ + 12$ + … + 18$
Дата пересчета
Формируем сегменты из
Time
Отмечаем % активных клиентов по сегментам
Стратегия использования:
Слайд 19
1. Неаккуратное обращение с исторической активностью
Типичная ошибка: «Нас интересует история исключительно за последние полгода…»
2. Слишком много сегментов RFM
Типичная ошибка: «Если взять 5 комбинаций Recency
, 5 Frequency
и 5 Monetary
, то всего получится 125 сегментов RFM
…»
Две основные ошибки при работе с RFM
Дата пересчета
6 месяцев
При таком подходе клиенты попадут в одни и тот же сегмент, но будет ли это однородный сегмент?
Клиент A
Клиент Б
Слайд 20
Общий подход к работе с базой: Время –
Деньги!
Представим клиентскую базу в виде матрицы
Frequency
Recency
Мало / Старые
Свежие
Много
Лучшие клиенты
Худшие клиенты
3%
5%
7%
8%
10%
12%
13%
15%
17%
25%
33%
45%
55%
65%
Клиент совершает первую покупку
«Сбой» в работе с клиентом: возможно проблемы с обслуживанием или ассортиментом
Вывод: Важно постоянно работать с клиентом. Если «упустить» хотя бы один период, активность клиента резко уменьшается
Слайд 21
Предложить Try and Buy
Предложить
небольшую скидку
Поддерживать,
не стимулировать
Поддерживать,
не стимулировать
Предложить Try and Buy
Предложить
значительную скидку
Предложить
небольшую скидку
Поддерживать,
не стимулировать
Предложить другой
продукт
Предложить Try and Buy
Предложить значительную скидку
Стимулировать повторное подключение
3
2
1
1 2
3
4
Recency
Frequency
«Новички»
«Потеряли интерес»
«Активно пользуются»
«Попробовали и ушли»
«Неустойчивое потребление»
Продвижение дополнительных услуг
за счт RF
-
скоринга
Результаты
проекта
:
Определены доп. услуги, которые с наибольшей эффективностью могут продвигаться с RF
-
скорингом
Разработан RF
-
скоринг
под конкретные нужды заказичков
, построена карта RF
-
скоринга
Проведено тестирование, показавшее потенциал увеличения продаж для VAS услуг до 1000%
Разработан план кампаний по продажам доп. услуг
Другие аналитические подходы
Слайд 23
Next Best Offer клиентам Банка
Изменения в работе
Продукт А
Продукт Б
50,3%
49,7%
31,2%
68,8%
Типовое предложение…
А л
учшее предложение…
•
Новые принципы формирования аудиторий для целевых кампаний, основанные на аналитической модели Next Best Offer
, что увеличило эффективность кампаний на 30%
Результаты
проекта
:
Проведн анализ исторических результатов целевых кампаний
Разработан алгоритм Next Best Offer
, повышающий эффективность продвижения продуктов на 30%
Разработаны рекомендации по использованию
NBO
Более выгоден Продукт А
Более выгоден Продукт Б
Слайд 24
Разработка методологии cross
-
sell
Ожидаемые продажи по сегментам: «Продукт X
»
•
Все клиенты распределяются по кластерам в зависимости от параметров потребления •
Для каждого продукта определяются «наиболее подходящие» кластеры
•
Для клиентов из «наиболее подходящих» кластеров, но еще не подключавших продукт –
проводится кампания
Целевая аудитория для продукта
X
Склонность к приобретению продуктка, отклонение от среднего по базе
Сегмент / продукт
Продукт
1
…
Продукт
N
Сегмент 1
Сегмент 2
…
Сегмент N
Приоритезация всех продуктов
Результаты
проекта
:
•
Проведн анализ подключений продуктов
•
Выполнена сегментация клиентов (
data mining)
по однородному характеру потребления •
В результате перефокусирования
предложений upsell на нужные сегменты наблюдается рост отклика в 2
-
5 раз
•
Уменьшена частота контактов на абонентов за сч
т более точной доставки предложений
Слайд 25
Оглавление
Почему не работает программа лояльности?
Используем накопленные данные: анализ и кампании
Создание программы лояльности: пройдем вместе
Слайд 26
Разработка концепции программы лояльности
Концепция программы должна отвечать на вопросы:
•
Каковы цели создания программы
•
Каковы целевые сегменты для программы
•
Каковы цели программы в отношении каждого из сегментов
•
Какова будет механика работы программы для разных сегментов
•
Какие предложения/возможности будут предлагаться разным сегментам
•
Какие процессы/аналитика/коммуникации необходимы для работы с сегментами
•
Каким будет процесс привлечения клиентов в программу
•
Что будет входить в состав «базового» набора возможностей программы
•
Каковы будут принципы развития клиента в программе
•
Как будет осуществляться идентификация клиента в программе •
Как будет осуществляться идентификация клиента при использовании предложений
•
Как будут организованы коммуникации в адрес клиентов
•
Как будет организована поддержка клиентов программы
•
Каковы будут ключевые показатели эффективности программы
Цели
Целевые сегменты программы
Механика программы
Клиентские процессы
Проведение кампаний
Клиентская стратегия программы
Принципы дифференцирования
Цели в разрезе сегментов
Эмоциональные предложения
Процессы программы
Коммуникации и контактная политика
Управление жизненным циклом
Аналитика программы
Клиентская аналитика
Анализ кампаний
KPI программы
Цели программы
Кампании в рамках программы
Критерии оценки ценности клиентов
Логика регулярных расчетов
Рациональные предложения
Процессы управления программой
2
3
4
1
5
Какие темы сегодня затронули
Спасибо!
Москва, Переведеновский пер., д. 13, стр.18
Т: +7 (495) 790
-
79
-
79
Ф: +7 (495) 648
-
08
-
07
Автор
Editor
Editor160   документов Отправить письмо
Документ
Категория
Корпоративные
Просмотров
281
Размер файла
1 187 Кб
Теги
crm, sap, лояльность
1/--страниц
Пожаловаться на содержимое документа