Лучшие статьи и кейсы стартапов
Включить уведомления
Дадим сигнал, когда появится
что-то суперстоящее.
Спасибо, не надо
Главное Свежее   Проекты
Рекомендуем
Продвинуть свой проект
252 0 В избр. Сохранено
Авторизуйтесь
Вход с паролем

Как сегментировать базу контактов для e-mail рассылок?

Как интернет-маркетологу уловить нужный момент? Когда можно ненавязчиво напомнить? Когда стоит давить на полную? А когда забыть о бывшем покупателе?

Помните захватывающие сцены из фильмов? Опасность. Невероятно милая блондинка сейчас упадёт с крыши дома и разобьётся. В последний момент приходит герой и спасает горе-барышню. Все счастливы.

Жизнь интернет-маркетолога не лишена экшна. Вы вот-вот потеряете Клиента. Мгновение — и он забудет о вас навсегда. В последний момент отправляете ему купон на огромную скидку. Клиент спасён. Все счастливы.

Но как интернет-маркетологу знать о намерениях Клиента, чтобы вовремя его спасти?

Для этого нужен анализ баз данных и сегментация.

Сбор данных для сегментации

Данные для e-mail рассылок нужно собирать со всех источников. Накопленная статистика продаж за 3 года. Регистрации на сайте. Онлайн- и оффлайн-покупки.

Все это бережно накапливается и сохраняется в:

  • базах данных — CRM, ERP или CMS;
  • системах аналитики — Google Analytics, Яндекс.Метрика;
  • в файлах Excel.

Чтобы правильно собирать информацию о Клиентах, ответьте на такие вопросы:

  • Какой % базы не покупает?
  • Какой % базы покупает только 1 раз?
  • Какой % базы покупает больше 1 раза?
  • Как часто покупают мои Клиенты?
  • Когда перестают покупать?
  • Что именно покупают?

Чтобы не запутаться в базе, у вас должен быть уникальный идентификатор Клиента — id. Вы можете присваивать свой внутренний идентификатор. Можете использовать телефон или email.

xscr_1-644-610x185.jpg.pagespeed.ic.j_pU

Собирайте данные по таким правилам:

1. Делите выборку на очевидные сегменты. Например, опт/розница.

2. Если ваши сотрудники покупают что-то для себя в вашем магазине, заставляйте их делать заказы с корпоративного ящика, чтобы было легко отделить их от общей массы Клиентов. Иначе, если таких заказов достаточно много, в малом и среднем бизнесе это искажает данные и адрес сотрудника попадает в категорию самых лояльных Клиентов. Корпоративные адреса можно легко отфильтровать, тогда останется только чистый список Клиентов.

3. Отдельно отмечайте заказы от партнёров-рефералов, чтобы при необходимости легко отделить их от «обычных» Клиентов.

4. Сохраняйте статусы заказов (выполнен/отменён по нашей вине/отказ Клиента).

5. (Необязательно): сохраняйте информацию о содержании заказов — какая группа товаров.

Структура базы данных

После того, как база собрана, начинаем её чистить и структурировать.

Часто можно выделить такие полезные поля в списке Клиентов:

  • номер заказа;
  • e-mail (в идеале — id Клиента);
  • дата заказа;
  • статус заказа;
  • сумма заказа;
  • содержание заказа: тип товара.

Это данные, с которыми можно работать. Но их бывает недостаточно. Добавьте поля, которые можно вычислить самостоятельно:

  • Количество заказов
  • Количество уникальных заказов
  • Количество выполненных заказов
  • Дата первого и второго заказа
  • Дней между заказами 1 и 2
  • Год и месяц текущего заказа
  • Год и месяц 1-го заказа
  • Месяцев и дней с первого заказа
  • Уникальный заказ или второй заказ за 1 день

Вручную это сложно создать. Нужен Excel, время сотрудников и компьютер с большим объёмом оперативной памяти. Легче обратиться к программисту и попросить его добавить эти поля.

Когда список готов, начинаем структурировать данные под потребности маркетинга.

1. Структура базы по количеству заказов

Определяем, кто не покупает никогда, кто покупает только 1 раз и т.д.

Используйте сводную таблицу:

xscr_2-610x162.jpg.pagespeed.ic.wIVALfgw

В ней вы видите распределение заказов по базе Клиентов. Смотрите другие примеры использования сводных таблиц в интернет-маркетинге.

2. Когда люди перестают покупать?

Чтобы узнать это, используйте когортный анализ. Это инструмент, который позволяет маркетологу заглянуть в будущее. Определяет вероятность повторных покупок. И жизненный цикл Клиента. Когда люди перестают покупать?

Как работает когортный анализ?

Например, у нас есть группа людей, которые сделали первую покупку в январе. Это отдельная когорта. Сводим статистику по этой группе. Выясняем, что большинство таких людей совершили повторную покупку в марте и мае. После этого ничего не покупали.

Берем следующую когорту. Люди, которые впервые купили в феврале. Они покупают снова в апреле и июне. И уходят.

По такому же принципу анализируем всех покупателей. Находим тенденцию — Клиенты совершают по 2 повторные покупки. Через 2 и 4 месяца после первой. А потом склонны не возвращаться в магазин.

Можно делать вывод, что все покупатели в будущем будут вести себя так же.

Это идеальная ситуация. В жизни поведение пользователей сложнее. Но в нем есть закономерности. Когортный анализ показывает эти закономерности и дает прогноз на будущее.

Как использовать когортный анализ для сегментации базы?

Колонка слева — год первого заказа Клиентов. Колонка справа — сколько месяцев прошло с первого заказа.

Получаем такую таблицу:

xscr_3-610x230.jpg.pagespeed.ic.YbzhXhC5

Каждая строчка таблицы — информация по месяцу и году. Когда люди, которые пришли в первый раз в январе 2014 года, перестали покупать?

Для чего это нужно? Чтобы понять цикл покупки. Например, вы видите закономерность, что люди умирают в базе через 6 месяцев. Это есть ваше узкое место. Место для экшна. У вас есть 6 месяцев, чтобы реанимировать Клиента. Дальше человек не будет покупать.

xscr_4-644-610x188.jpg.pagespeed.ic.9sBh

После того, как вы собрали и структурировали данные, можно создавать сегменты для рассылки.

Совет! Срезы по базе делайте не чаще, чем 1 раз в квартал. Делать чаще нет смысла. Воронка не успеет поменяться.

Критерии для сегментации

Универсальные сегменты для рассылок:

  • one-time-buyers — люди, которые купили только 1 раз;
  • те, кто не смог купить — только зарегистрированные пользователи;
  • покупал давно, но перестал;
  • делал 2 и больше покупки и перестал;
  • лояльные Клиенты.

Это готовые списки для рассылок, которые можно улучшить с помощью анализа баз данных.

Например, берём сегмент one-time-buyers. Делим его на 2 группы: недавние покупатели и люди, которые сделали покупку давно.

xscr_5-610x287.jpg.pagespeed.ic.-XHEVm6t

Повторяем действие для сегмента людей, которые никогда не покупали. Оставили email недавно или давно.

xscr_6-610x315.jpg.pagespeed.ic.z5piLGId

Получили 4 сегмента для рассылки. Отправили письма. Результаты могут быть разными. Конверсия по сегментам наших Клиентов отличается в 10 раз.

xscr_7-610x186.jpg.pagespeed.ic.mc6-R_pB

Что делать с новыми сегментами? Дальше вы можете настроить систему триггерных емейлов. И автоматически отправлять реанимационные письма Клиентам, которых можете потерять. Читайте подробный кейс об автоматизации e-mail маркетинга.

Понимайте Клиентов лучше. Отправляйте хорошие письма в правильный момент. И продажи вырастут.

Узнайте больше о том, как создавать эффективные рассылки на курсе по e-mail маркетингу

+1
В избр. Сохранено
Авторизуйтесь
Вход с паролем
Подбираем рекоммендации...
Комментарии
Первые Новые Популярные
Комментариев еще не оставлено
Выбрать файл
Блог проекта
Расскажите историю о создании или развитии проекта, поиске команды, проблемах и решениях
Написать
Личный блог
Продвигайте свои услуги или личный бренд через интересные кейсы и статьи
Написать