У клиента CRM-Group, крупного спортивного бренда была программа лояльности (ПЛ) только для покупателей офлайн-магазинов. Клиенты накапливали бонусы, могли оплачивать ими покупки, получали скидки. Но коммуникации, связанные с ПЛ, были минимальными.
Задача — разработать омниканальную программу лояльности
Бренд пришёл к CRM-Group с запросом разработать новую программу лояльности, в которой будут объединены офлайн- и онлайн-розница, использованы возможности нового мобильного приложения. То есть нужен был омниканальный подход, чтобы растить лояльность всех пользователей и работать с удержанием.
Новая ПЛ должна быть:
- экономически выгодная бренду;
- увеличивающая лояльность клиентов;
- привлекательная для пользователей;конкурентоспособная.
Необходимо было сначала проанализировать, какие решения уже существуют на рынке, особенно у крупных брендов.
На основе программ, которые уже используются на рынке и в нише, мы решили построить возможные модели и выбрать такую, которая идеально подошла бы нашему бренду и была бы конкурентоспособной среди уже имеющихся.
Проанализировали конкурентов в нише и лидеров рынка
Мы составили список конкурентов в нише спортивных брендов и лидеров рынка из других сфер: крупные ретейлеры, маркетплейсы, торговые сети.
Оценивали комплексно не только программы лояльности, но и другие параметры, которые помогают понять, как и где продвигается ПЛ, какие дополнительные стимулы предлагают компании, какие немонетарные механики используют.
Отдельно по тем же параметрам сравнили зарубежные ПЛ конкурентов в собственной нише. Это помогло понять зарубежные тренды, выявить, какие интересные механики можно забрать с нашего рынка и предложить за рубеж.
Глобально на рынке распространены два вида ПЛ: скидочная и бонусная. На основе аудита конкурентов основной механикой ПЛ выбрали бонусную. Но для подкрепления результатов в расчёт финмодели так же доабвили скидочную механику.
Построение модели проходило в два этапа:
- Расчёт ретроспективной модели на данных офлайна.
- Расчёт прогнозной модели для омниканальной ПЛ.
Построили ретроспективную модель
Использовали реальные данные за прошедшие два года в офлайн-канале: только там действовала ПЛ. Оценили финпоказатели работы ПЛ за этот период (модель AS IS): сколько потратили на скидки, какой получили доход, профит, маржинальность.
На основе анализа этих показателей составили шесть вариантов скидочной ПЛ, 17 — бонусной. Отличались они:
- границами перехода между уровнями;
- процентом начислений баллов;
- процентом списаний.
Сравнили их финансовые результаты, избавились от невыгодных — оставили десять вариантов.
Затем мы проверили, насколько устойчивы правила программы, если клиенты будут использовать её чаще — например, когда мы начнём продвигать ПЛ. Искусственно увеличили частоту использования ПЛ, выделили семь наиболее привлекательных вариантов: одну скидочную и шесть бонусных.
Собрали калькулятор
Чтобы спрогнозировать эффективность ПЛ, построили калькулятор выбора финансовой модели.
Что нужно было учесть:
- Программа лояльности должна работать во всех каналах: в розничных магазинах, аутлетах, онлайн — на сайте и в мобильном приложении.
- В аутлетах есть возможность только накапливать бонусы, в остальных каналах — накапливать и списывать.
- Дополнительные механики, например, баллы за вступление в программу, подписку, подарочные бонусы на день рождения.
- Поведение пользователей изменится: вступят те, кто иначе не вступил бы, некоторые клиенты станут чаще покупать или увеличат средний чек для повышения уровня в программе, лояльность к бренду вырастет благодаря тому, что ПЛ будет работать в разных каналах.
- Изменятся цены и ситуация на прогнозный период.
- Изменятся финансовые и поведенческие ключевые метрики.
Что делает калькулятор:
- Рассчитывает прогнозные результаты работы ПЛ в семи вариантах (одна скидочная, шесть бонусных) на год вперёд от момента внедрения.
- Учитывает все вводные условия (скидки или баллы, границы уровней, процент начисления и списания), позволяет оценить эффективность варианта ПЛ по ключевым показателям: объёму продаж, чистой прибыли, поведенческим факторам аудитории, доле участников и покупок в рамках ПЛ.
- Позволяет быстро оценить изменение результатов ПЛ при разных вводных и изменённых условиях. Например, какие будут результаты, если изменится трафик (привлечём больше или меньше), средний чек, доля вступивших в ПЛ и другие показатели, которые влияют на результаты ПЛ.
Все параметры в калькуляторе вынесли в отдельную вкладку с возможностью редактирования, поэтому при расчёте появляется вариативность — можно быстро и удобно оценить разные условия и предположения.
Выбрали оптимальный вариант программы
Критерии, по которым выбирали:
- улучшение финансовых показателей: маржинальности и валового объёма продаж;
- привлекательность условий для клиента;
- учёт немонетарных возражений.
Вариантов, которые соответствовали всем трём критериям, не было, поэтому остановились на варианте, наиболее выгодном по финансовым показателям.
А немонетарные вознаграждения для участников разработали дополнительно.
Проработали сложные моменты
В процессе столкнулись с трудностями.
Базы полного прайса и аутлетов не были связаны напрямую
Необходимо было определить общую аудиторию и паттерны взаимодействия между каналами. Для этого пришлось большой объём информации переработать практически вручную.
Усложнился алгоритм расчёта ретроспективной модели
Большие объёмы данных, несколько возможных механик и условий в программах лояльности усложнили расчёты. Мы использовали более мощные инструменты и алгоритмы, но у системы всё равно уходило много времени на обработку данных и подведение итогов.
Компания хотела самостоятельно изменять условия прогнозной модели
Изначально прогноз строился и управлялся на нашей стороне внутренними инструментами. Бренд хотел самостоятельно изучить, покрутить возможные условия — для этого и был разработан калькулятор. Плюс появился удобный инструмент управления изменяемыми параметрами и моментальный пересчёт итогов.
Преимущества новой программы лояльности
Бренд получил готовый продукт, разработанный с учётом прошлого опыта, ситуации на рынке, с использованием всех возможностей коммуницировать с клиентами.
Рост ER основан на том, что почти все новые клиенты станут участниками программы лояльности. За счёт рекламы и дополнительных коммуникаций с контактабильными пользователями к ним добавятся покупатели, которые ещё не вступили в ПЛ.
Сегмент покупателей также пополнится новыми клиентами, так как они будут покупать, уже находясь в ПЛ, а благодаря условиям программы и коммуникациям часть из них купит дополнительно.
Дополнительные покупки, рост среднего чека, работа по удержанию клиентов позволят увеличить валовую стоимость.
Компания сможет:
- Продвигать и развивать ПЛ, а значит, укреплять позицию бренда на рынке.
- Плотно работать с пользователями, знать о них больше, влиять на ключевые метрики, растить их.
- Собирать данные более точно, настраивать единые идентификаторы между каналами, использовать сквозной подход к организации и хранению данных, тем самым улучшая клиентское взаимодействие со всеми частями бизнеса. Это также влияет на метрики и лояльность.
- Быть уверенной, что новые правила и условия ПЛ финансово выгодны для компании.
Покупатели бренда смогут:
- Выбирать удобные им способы взаимодействия с компанией, получать за это бенефиты.
- Получать вознаграждение за лояльность: не только скидки на покупки, но и немонетарные приятные бонусы.
- Удобно переходить из одной ПЛ в другую без существенного изменения правил. За переход клиент получает компенсацию.
Кейс подготовлен командой CRM-group
