9 шагов к 20-процентному росту выручки ритейлера

Команда проекта:
Руководитель проекта:

При работе с ритейлом мы стремимся выстроить стратегии на основе данных, дав нашим клиентам глубокое понимание источников долгосрочного конкурентного преимущества.

Введение

Разумеется, проведению исследовательских работ должна предшествовать аналитика положения на рынке и занимаемой доли, поскольку от этого зависит, стоит ли компании фокусироваться на крупнейших клиентских группах или избирать в качестве основы дифференциации группы узкоспециальные. 

Однако в данном кейсе мы вынесем такие рассуждения за скобки и попробуем по шагам разобрать на примере одного из наших клиентов – крупного омниканального ритейлера с широкой матрицей непродовольственных товаров – как по шагам подойти к построению стратегии.

Шаг 1. Поиск рычагов роста финансовой модели

По итогам анализа структуры выручки мы выделили ключевые рычаги, развитие которых даст наиболее быстрый прирост: количество повторных покупок на клиента, глубина чека и сокращение кол-ва возвратов.

Снимок экрана 2021-06-23 в 21.38.18.png

В начале проекта мы всегда связываемся с Клиентом и обсуждаем выгрузку из его базы. Не секрет, что внутри такой базы всегда содержится огромное количество ценных данных. Используя Формулу прибыли и breakdown (ссылки на видео) мы получаем возможность промерить, какие из параметров, из которых складывается выручка и прибыль, влияют на интегральные показатели быстрее всего.

На примере выше мы видим, что это количество покупок на клиента и средний чек. В то же время, средний чек – величина, состоящая из ряда переменных, а потому нам необходимо спуститься в каскаде данных на уровень ниже:

Снимок экрана 2021-06-23 в 21.39.25.png

Как мы видим, целевое сокращение числа возвратов является рычагом роста наряду с глубиной чека (и, что логично, число возвратов по модулю равно количеству повторных покупок).

Шаг 2. Описание платежного поведения

В рамках развития LTV мы сегментировали аудиторию на 45 групп, что позволило внедрить систему триггерных коммуникаций, основывающуюся на транзакционном поведении клиентов.

Поскольку легким способом наращивания LTV является изучения платежного поведения клиентов, необходимо исследовать его с помощью прогнозных моделей, например, RFM.

Снимок экрана 2021-05-11 в 16.53.22.png

По итогам изучения мы получаем возможность рассчитать границы, а также понять причины того или иного поведения, проинтерпретировав каждый сегмент через призму платежных параметров. Расчет границ позволяет нам понять, что после 19ой покупки поведение клиента начинает меняться до искомого: растет средний чек, частота и число повторных сделок. Отсюда рождается понимание, что одной из ключевых маркетинговых задач становится доведение клиента до 19ой транзакции.

Важно отметить, что в силу дисперсной истории покупок в случае с RFM мы применили не стандартный подход, когда на каждой из осей откладывается по 3 сегмента (и как итог получается 27 сегментов базы), а отложили по оси F 5 сегментов (что дало суммарно 45 сегментов клиентов). Такой подход позволил точнее нащупать поведенчески значимые точки перегиба:

Это помогло определить не только итоговую цель механизмов лояльности (уже упомянутая 19-ая сделка), но и промежуточную – 6ая сделка, после которой вероятность оттока клиентов начинала резко снижаться.

Шаг 3. Выделение приоритетных кластеров Клиентов

Мы определили не только как покупают клиенты, но и то какая структура покупок соответствует выделенным сегментам аудитории, что позволило сформировать точечные предложения для каждого пользователя в рамках триггерной коммуникации.

Далее в поисках ответа на вопрос, как работать с аудиторией, мы подвергли всю базу продаж сегментации с точки зрения платежных данных. По итогам нами были определены 5 кластеров, отличающихся своим транзакционным поведением.

На примере одного из кластеров мы можем увидеть, что у него в конкретных товарных категориях наблюдается высокий % возвратов. Напомним, что перед нами, согласно breakdown, стоит задача сокращения возвратов на чуть более чем 1000 чеков. Сегмент аккумулирует на себе около 18% клиентов, или порядка 92 тысяч клиентов. При среднем проценте невыкупа в 44% сегмент собирает 40,5 тысяч возвратов (это самая большая база отказников!), а потому сокращение отказников в этом кластере хотя бы на 2,5% даст нам искомый прирост выручки.

Шаг 4. Описание экономической эффективности кластеров

На основе структуры факторов выбора мы выделили целевые аудитории, рассчитали их размер, а также оценили экономическую эффективность, что позволило сконцентрировать маркетинговые усилия на релевантной аудитории.  

Кажущаяся простота решения (например, всех клиентов этого кластера можно отдельно рассегментировать по RFM или детальнее проанализировать чеки ювелирной категории с целью поиска причин низкой конверсии) может оказаться обманчивой. Ведь пока ничто не позволяет нам считать, что работа с этим сегментом быстро драйвит доходные показатели (тем более, что средний чек кластера немного ниже среднего чека по всей выборке покупателей). Чтобы застраховаться от таких искажений, полезно обогатить транзакционные данные поведенческими – провести опрос.

Собрав с клиентов данные по используемым каналам покупок, объемам трат и так далее, мы можем «взвесить» каждый кластер с точки зрения его экономической ценности:

На приведенной выше таблице мы видим, что рассматриваемый 5ый кластер обладает второй по важности ценностью для нас и может быть описан как «приоритетный». 

Важно! Читатель кейса может отметить, что четвертый кластер и больше по размеру на 57%, и по среднему чеку на 19%, и по индексу чистоты на 41%, и уж тем более по достижимой выручке почти в 5 раз (!). Однако важно отметить, что в рамках данного кейса мы не ставим задачу раскрыть все направления работ целиком, а кроме того индекс возвратов у 5го кластера выше на 41% в относительном выражении и клиенты этого кластера имеют большой пробел в выкупе конкретной категории – на 44% реже выкупают товары ювелирной категории, чем в среднем по выборке. Таким образом, хотя для оптимизации линейно доходных показателей 4ый кластер, без сомнения эффективнее, 5ый кластер срывает ключевой потенциал по сокращению возвратов и невыкупов.
Шаг 5. Уточнение потребностей целевых клиентских групп

Мы скорректировали бизнес-процессы компании, переориентировав их на поддержку наиболее значимых точек контакта для клиента. 

Опознав кластер как приоритетный, мы можем перейти к консолидации требований участников этого сегмента к сервису с помощью модели QFD:

Снимок экрана 2021-05-11 в 17.01.16.png

Шаг 6. Оценка целесообразности внедрения изменений

Опираться в такой работе сугубо и исключительно на пожелания клиентов тоже было бы неверно: мы должны понимать, что любой ритейлер представляет собой сложносочиненный алгоритм различных операционных процессов, радикальное перестроение которых способно принести больше вреда, чем пользы не только с точки зрения разрастания расходной части бизнеса, но и с точки зрения стресса, возлагаемого системой на сотрудников в полях. Потому обязательной стадией работ является отрисовка карты бизнес-процессов и наложение пожеланий целевого кластера на реальные повседневные операции с целью определения тех из них, которые стоит или не стоит/невозможно подвергнуть трансформации.

Шаг 7. Формирование CJM

Для сквозного управления клиентскими процессами свели CX и TX данные в рамках общей структуры CJM. Данный подход позволяет синхронизовать работы различных функций компании: от внедрения новых инструментов управления воронкой продаж до корректировки ключевых сообщений для целевой аудитории. 

После того, как изменения оценены, настало время, дополнив эти данные итогом опросов, тайного покупателя, конкурентного анализа, создать единую карту путешествия потребителя, включающую в себя стадии путешествия, основные точки контакта, инструменты, важность и опыт, который в них формируется, программу конкретных улучшений, которые стоит предпринять.

Снимок экрана 2021-05-11 в 15.00.35.png

Шаг 8. Внедрение изменений

На основе обновленного CJM декомпозировали требования к бизнес-функциям компании, что позволило скорректировать должностные инструкции сотрудников, а также пересмотреть их KPI. 

Визуализированную карту мы распространяем среди сотрудников организации заказчика и проводим тренинги на всех уровнях компании, чтобы показать, как вклад каждого сотрудник влияет на итоговый клиентский опыт и что конкретно необходимо улучшить для достижения целевых показателей. Теперь каждый сотрудник от C-level до операциониста на кассе понимает с помощью сигнальной системы светофоров, что ему предстоит сделать и становится ли работа компании лучше.

Шаг 9. Внедрение культуры работы с данными с помощью Dashboards
Последним шагом такого проекта является внедрение для руководителей системы приборных панелей, которые позволяют быстро визуализировать разрозненные данные по всей компании. Помимо существенного (до 40%) сокращения времени сотрудников, которое затрачивается на создание и подготовку отчетов, возникает прозрачность в принятии решений и обосновании тех или иных критериев. Наконец, возникает своего рода цифровой двойник сервисной модели компании, что позволяет ставить эксперименты в безопасной среде. Для правильной эксплуатации приборных панелей мы обучаем руководителей основным методикам принятия управленческих решений на основе данных, что позволяет передать на сторону заказчика не только стратегию и инструменты ее реализации, но и алгоритмику, что наращивает степень процессной зрелости клиента и позволяет ему двигаться дальше, не привлекая подрядчиков для решения этих же задач.