Внедрение Data-Driven Marketing для сервиса онлайн-знакомств
Внедрить инструменты Data Driven Marketing, чтобы повысить прибыль компании
/руководитель проекта
Управляющий партнер Paper Planes
/команда проекта
Григорий Черняев
/отрасль
#IT & E-commerce
/задачи
Как аналитика больших данных сайта онлайн-знакомств помогает маркетологам возвращать мужчин в самом расцвете сил, которые перестали совершать платежи.

/О проекте

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.
  • ЦЕЛЬ
    Определить точки роста для увеличения LTV существующей аудитории сайта онлайн-знакомств
  • ЗАДАЧА 1
    Выявление узких мест и вариантов повышения LTV, конверсии и денежного потока от пользователей на основе аналитики
  • ЗАДАЧА 2
    Мониторинг и контроль пользовательского поведения (транзакций) и изменениями в LTV сегментов
  • ЗАДАЧА 3
    На основе графиков дашборда — оценка эффекта воздействия на пользователей конкретной рассылки, промоакции или объявления

/Процесс работы

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.

/Возвращение клиентов

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:
  1. Динамику присоединения новых клиентов понедельно
  2. Сколько Клиентов совершили повторные сделки за этот период
  3. Какие сегменты Клиентов приносили основной доход
  4. Какие Клиенты стали постоянными (сегмент, сумма сделок)
  5. Сколько Клиентов, которые платили нам неоднократно, стали потерянными
  6. Какое число Клиентов перешли из одного сегмента в другой

Как используем эти данные?

  1. Анализируем эффективность рекламных каналов за определенный период и корректируем инструменты
  2. Выгружаем ID потерянных Клиентов и работаем с ними через email-рассылки и таргетированную рекламу
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):

/Мониторинг каналов

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:
  • Поведение новых Клиентов
    Каково LTV пользователей, пришедших к нам в этот месяц, насколько более качественный трафик
    мы привлекли в сравнении с прошлыми периодами
  • Конверсию по этапам воронки
    Удается ли удерживать высокую конверсию воронки при переходе с этапа на этап —
    в сравнении с общим трендом
  • Источники трафика
    Пользователи из каких стран пришли к нам
    и из каких источиков
  • Данные по среднему чеку
    Как меняется размер транзакций (показатель среднего чека) от покупки к покупке
  • Эффективность каналов
    Как меняется структура источников трафика
    и насколько это коррелирует с затратами на них
  • Изменение клиентской базы
    Как меняется возрастная структура пользователей по сравнению усредненными значениями
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.

/Результаты

  1. Таким образом, настроенная BI-система сервиса является эффективным дополнением уже имеющейся базовой интернет-аналитики:
  • Отражает реальную (в деньгах) эффективность проводимых промо-кампаний
  • Сокращает время на отчетность к минимуму
  • Данные обновляются автоматически, в режиме онлайн, участие IT-специалистов не требуется
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.
Все полезные материалы по маркетингу от экспертов Paper Planes в нашем чат-боте Telegram
База знаний Paper Planes