Сегментация email-подписчиков — дело для автоматизации

Смотрите в каталоге
Комплексные инструменты онлайн-маркетинга

Простое правило: не сегментируешь базу подписчиков — занимаешься email-маркетингом наугад. Это примерно то же самое, что приставать к пешеходам на улице, предлагая купить чехол на айфон. У кого-то действительно будет айфон, у кого-то даже той самой модели, а у некоторых — айфон нужной модели без чехла. Но в основном после такого email-маркетинга не по адресу вас будут посылать от вас будут отписываться.

Итак, сегментация, таргетинг — вот то, что нужно каждому ритейлеру. Вопрос в другом: как эту сегментацию делать?

Подход первый: ручная сегментация

Данные можно получить от самого пользователя, попросив его указать в личном профиле свой размер ноги, возраст детей, особенности кожи — любую ценную для магазина информацию.

Например, магазины с товарами для новорожденных часто добавляют опцию «мои дети». Регистрируешь профиль, указываешь количество чад, пол каждого, возраст на данный момент. Дело в шляпе — магазин теперь знает, какие товары добавлять в рассылки конкретному пользователю.

Babadu стимулирует нужное действие, обещая подарки ко дню рождения ребенка.

Однако всех такой функцией не охватишь — далеко не все будут оставлять такие данные по собственному желанию. К тому же, есть незарегистрированные пользователи (просто подписчики). Они могут вообще никогда не зарегистрироваться, но в базе присутствовать и на сайт время от времени заходить.

Чтобы охватить и этих — некоторые предлагают отправлять специальные письма-опросники.

Обычно это дизайнерские рассылки с вариантами ответа внутри. Получатель кликает “у меня собака” или “у меня попугай”, или “моему ребенку 1,5 года” — а магазин получает эти данные и добавляет в базу. Согласно некоторым данным, таким образом можно собрать данные примерно с 10% аудитории.

Неплохо, но есть недостатки:

  • Много расходов. Нужно написать текст, нарисовать дизайн, сверстать. Подумать, какой заголовок будет лучше. Задача такого письма — максимальное взаимодействие, поэтому вложиться придется.
  • Низкая читаемость писем. Если у вас база 100 000 подписчиков, то при читаемости писем даже в 30% (очень хороший показатель) вы будете очень и очень долго собирать данные со всей базы.
  • Требует активных действий от получателя. Мало того, что письмо нужно увидеть и открыть, так еще и сообщить магазину данные о себе. Не каждый захочет с этим связываться, а кому-то будет просто лень. Вспомните, как часто вы соглашаетесь принять участие в телефонном соцопросе в разгар рабочего дня.
  • Ручной контроль. Нельзя просто скомпоновать письмо-опросник, разослать один раз и почивать на лаврах. Придется анализировать результаты, менять дизайн и переписывать тексты — лишь бы в следующий раз показатели были выше.
  • Аудитория меняется каждый день. Появляются новые подписчики — им нужно сразу же присылать опросники. Находить способы понять, когда нужно актуализировать данные о пользователе (например, когда клиент с ответом «у меня нет детей» вдруг стал родителем). Решить, нужно ли исключать из будущего анкетирования тех, кто в прошлый раз получал письмо, но не ответил.

Это всё усложняет.

Подход второй: автоматическая сегментация

Сегодня механизмы для сегментации есть внутри каждого более-менее серьезного сервиса email-рассылок. Например, в GetResponse даже сделали собственный конструктор условий и действий. Там можно создать такую логическую цепочку: если пользователь открыл письмо, перешел по ссылке в каталог, но не сделал покупку — ему присваивается тег «интересовался, но не купил». Спустя заданное время сервис отправляет ему письмо с самым выгодным предложением в этой товарной категории.

Неплохо. Но главная черта маркетинга сегодня — стремление к кросс-канальному воздействию на сегменты. То есть данные о сегментах нужны не только сервисам email-рассылок — они также интересны платформам товарных рекомендаций, сервисам web-push уведомлений, рекламным баннерным сетям.

В основе каждого канала — сегментация. Рассылки с нужными товарами уходят «правильным» получателям, в каталоге каждый посетитель видит товары, рекомендованные лично ему, по интересам.

Что еще более важно, сегментировать нужно автоматически, «на лету», а не дожидаться каждый раз результатов опросников или не создавать сотни сценариев вручную под каждый сегмент. Всё должно происходить буквально так: новый пользователь-мужчина зашел на сайт, где есть и мужские, и женские товары. Кликнул на пару интересных ему моделей — и тут же стал частью определенного сегмента (который может называться так: «мужчина, интересуется спортивной одеждой»).

Система товарных рекомендаций тут же предлагает ему релевантные товары, буквально после пары кликов. Работает вот так.

Правильная сегментация идет без вашего участия, отслеживаются следующие параметры:

  • География пользователя.
  • Средний чек в разных товарных категориях.
  • Активность: как часто клиент посещает сайт, покупает (RFM-анализ).
  • Пол, возраст, семейное положение пользователя.
  • Размеры одежды и обуви (полезно для магазинов одежды).
  • Тип и состояние кожи и волос, предрасположенность к аллергиям (критически важно для магазинов косметики).
  • Количество, пол и возраст детей (для магазинов детских товаров).
  • Количество питомцев, их порода, пол и возраст (для магазинов зоотоваров).
  • Наличие квартиры или загородного дома, стадия ремонта (магазины товаров для строительства и ремонта).
  • Частота поездок по стране и за границу, страны назначения, ценовой сегмент отелей (полезно для туристических сервисов).
  • Наличие автомобиля, его марка, модель и другие особенности (для магазинов запчастей и тюнинга).

И затем все эти данные используются и в почтовых рассылках, и в SMS, и в веб-пушах, и в товарных рекомендациях, и в баннерной рекламе. Везде.

Три правила сегментации или зачем нужны виртуальные профили

Итак, мы только что говорили о правиле «полученные данные о покупателе затем используются всеми инструментами маркетинга». То есть и сервис рассылок, и система товарных рекомендаций знают, что вот этот сегмент — мужчины старше 40, которые покупают редко, интересуются в основном акционными товарами. Им можно смело рассылать анонсы новых акций, а в товарном каталоге на первых страницах выводить именно скидочные товары.

Здесь также работает и обратное правило: «данные о покупателе, которые получает каждый инструмент маркетинга, должны объединяться в один профиль». Мы в REES46 называем его «виртуальный профиль пользователя». Есть один и тот же покупатель, который определенным образом реагирует на рассылки и ведет себя на сайте по определенной модели. Данные, которые о нем получает сервис рассылок и ваш сайт, должны объединяться в один профиль, а не в два — ведь фактически речь идет об одном человеке.

Третье правило — «данные о покупателе, полученные от третьих сторон, крайне важны». Пользователь читает не только ваши рассылки и посещает не только ваш сайт. Вы знаете о пользователе только то, что важно для вашего бизнеса — но могли бы выжать из сегментации еще больше.

К примеру, у вас есть условный магазин автотоваров и покупатель Иван Иванович из Костромы на Lexus RX-330. Вы знаете, что он заботится о своей «ласточке» и регулярно покупает у вас полироль, тряпочки, освежители и так далее. Это те данные, которые были записаны в виртуальный профиль Ивана Ивановича как пользователя вашего магазина. Но есть другая сторона жизни Ивана Ивановича — у него недавно родилась дочь. Об этом знает другой магазин (не ваш, а какой-нибудь магазин детских товаров). Эти данные также должны быть записаны в его виртуальный профиль.

Какую выгоду ваш магазин может извлечь из таких данных? Например, вовремя прислать Ивану Ивановичу скидку на детские автокресла. Чего раньше бы не сделал, так как просто не узнал бы о ребенке клиента.

Откуда брать такие данные? Например, баннерные рекламные сети докупают их на стороне (у DMP, data management platforms) — чтобы показывать вашу рекламу с самым точным таргетингом. Мы в REES46 объединяем данные, полученные от разных магазинов, к которым подключена наша система. Вариантов много.

Итак, чем автоматическая сегментация превосходит ручную:

  • Не нужно тратить время на опросы. Система сама анализирует поведение пользователей, ваше участие не нужно.
  • Есть данные даже при первом контакте с клиентом. Магазин может рекомендовать правильные товары посетителю, даже если тот впервые оказался на вашем сайте. Это Small Data, детка.
  • Наиболее полная картина по каждому клиенту. В виртуальном профиле хранятся как основные виды данных (например, пол, география), так и специфические: сюда относятся данные, нужные для конкретных отраслей (в примерах было про детские магазины, магазины зоотоваров и так далее).
  • Для начала сегментации не обязательна почта. Например, если пользователь сначала был просто подписчиком, пару раз переходил на ваш сайт, кликал по товарам, а потом всё-таки зарегистрировался — данные, полученные на каждом этапе будут объединены в его виртуальном профиле. Для этого мы используем мэтчинг (сопоставление) данных.

Итого

Ручные опросы работают, но очень уж медлительны и не универсальны.

Более технологичное решение для сегментации базы — автоматизировать этот процесс, например, с помощью технологического решения на основе Small Data.

Компании и сервисы: REES46 - центр управления конверсией, GetResponse
Автор: Роман Чигирёв

Подписаться на новости

Читайте также

29 ноября / Комментарии

Прогремела или прошелестела Чёрная Пятница? Предварительные итоги

Прогремела по российскому е-коммерсу Чёрная Пятница. Или прошелестела? Не “перегрел” ли российский е-коммерс акциями по году покупателя?
Топ-эксперт и Главный аналитик Price.ru (холдинг RAMBLER&Co) Петровский Алексей подводит предварительные итоги.

далее →

28 ноября / Комментарии

Статистика предпраздничных распродаж Black Friday

Компания Spycob, занимающаяся сбором и анализом данных на товары (одежду, обувь, аксессуары), которые позволяют находить и сравнивать цены на брендовые вещи со всего мира, объединилась с передовой аналитическо-консалтинговой компанией Excelio, чтобы построить отчет, показывающий инсайты праздничных распродаж и помогающий понять, что же на самом деле происходит со скидками в предпраздничный период, за неделю до Black Friday.

далее →

23 ноября / Комментарии

Будущее онлайн-ритейла: digital-покупатель 2.0

Каждый маркетолог или менеджер ценообразования хотя бы раз серьезно задумывался о том, каким будет онлайн-ритейл в будущем. За последние несколько лет digital изменил конкуренцию в электронной торговле: конкурентное преимущество зависит уже не столько от продукта и поведения ваших конкурентов на рынке, сколько от опыта, который получает ваш клиент вместе с покупкой. Добро пожаловать в эру "Экономики впечатлений"!

далее →

22 ноября / Комментарии

За 10 месяцев 2016 года онлайн-платежи выросли на 45%

Онлайн-платежи за первые десять месяцев 2016 года продемонстрировали рост 45% в денежном выражении по отношению к аналогичному периоду 2015 года. В количественном выражении рост за тот же период составил 48%. Заметнее всего вырос сегмент доставки продуктов питания – на 63% в рублях и на 93% в количестве оплаченных заказов. Самое значительное падение произошло в несетевой рознице, торгующей бытовой техникой, электроникой и сопутствующими товарами – здесь платежи в рублях сократились на 27%, а в количественном выражении на 61%.

далее →

17 ноября / Комментарии

Страхи, проблемы и желания интернет покупателей

Согласно опросу РОЦИТ, проведенному на интерактивной площадке “Голос Рунета” в октябре 2016 г., уже более 90% респондентов совершают покупки в отечественных интернет-магазинах, причем каждый 10-ый делает это раз в неделю. Ситуация с зарубежными интернет-магазинами пока обстоит чуть хуже, еженедельно в них заказывает товары лишь каждый 20-ый. 

далее →

X
Нажмите «Нравится»,
чтобы читать Shopolog.ru в Facebook