Главное Свежее Вакансии Образование
403 0 В избр. Сохранено
Авторизуйтесь
Вход с паролем

Предиктивная аналитика как способ стимуляции повторных продаж

Современные покупатели становятся все требовательнее, и, как следствие, – нарабатывать новых клиентов становится куда труднее. Многие знают, что привлечение нового потока пользователей по стоимости значительно превосходит удержание существующего, однако подавляющее большинство веб-ресурсов (интернет-магазинов, в первую очередь) не хочет разбирать данный вопрос должным образом.В этой статье мы расскажем, как нам удалось сгенерировать повторные продажи, анализируя следующие данные: «как именно интернет-магазин сможет удерживать клиентов и давая им мотивацию для совершения повторной покупки».

Данные многочисленных исследований говорят о том, что от 75 до 85% клиентов, которые совершают приобретение на любом ресурсе, в дальнейшем на него не возвращаются. Путем несложных подсчетов можно выяснить, что лишь одна пятая заказов в онлайн-магазине произойдет, как минимум, еще раз. Остальную же массу клиентов ретейлер вынужден каждый раз завлекать с нуля. С учетом того факта, что для стимуляции совершения первого приобретения любая компания затрачивает примерно в 6-7 раз больше средств, нежели для повторного заказа, разница во вложениях получается значительной.

b_59c0df72213c0.jpgНаша компания YMLLC выяснила, что при повышении Retention Rate даже на 5% (уменьшая расходы на маркетинг), онлайн-магазин сможет увеличить собственную прибыль от 25 до 100%!

Для генерации повторных покупок можно использовать следующие способы:

  • Предоставление сервиса высокого уровня;
  • Инвестирование в бренд;
  • Использование специальных программ лояльности;
  • Регулярная коммуникация.

О первых 3 пунктах можно найти подавляющее количество информации в книгах и статьях, поэтому мы сосредоточим внимание на способы коммуникации на основании тех данных, которые онлайн-ресурсы собирает о пользователях.

Прогноз приобретений

Онлайн-магазины способны получить большие пласты информации о своих клиентах, на основании которых можно делать целые цепочки выводов. К примеру, если человек купил одежду для годовалового ребенка, то еще через год он сможет заглянуть в интернет-магазин за принадлежностями для ребенка двух лет.

Каждый шаг пользователя запускает несколько цепочек, вследствие чего можно получить расчетную вероятность, какие именно приобретения в каких категориях и временных рамках он сделает.

b_59c0e061a37dc.jpg

Благодаря этому, предсказание каждой последующей покупки можно выделить в двух этапах:

  1. Анализ приобретений всех пользователей.
  2. Статистическое раскрытие цепочек потребления.
  3. Прогноз покупки в последующем звене потребления.

Такие цепочки можно использовать для каждой категории. К примеру, ниже Вы сможете обнаружить действующую цепочку магазина товаров для детей.

b_59c0e0ac8c816.jpg

Точность прогноза интернет-магазина напрямую зависит от количества сведений о его пользователях. В зависимости от собственных действий клиенты могут попадать одновременно в несколько таких цепочек. К примеру, система компании YMLLC задействует механизм из группы предложений, что помогает выявить, предложение какой именно цепочки будет полезно конкретному человеку.

Использование цепочек предсказаний в попытках увеличить RetentionRate

После получения конкретных данных о цепочках потреблений, они могут внедряться в коммуникации с пользователями следующими путями:

  • Использованием персональных данных. Блоки рекомендации на страницах ресурса способны задействовать как интересы клиентов, так и показы товаров для посетителей, которые будут им интересны именно в этот период времени.
  • Работа с почтовым каналом. Прогноз приобретений отлично работает в тандеме с регулярными email-рассылками, в которых будут использоваться персональные рекомендации.

Некоторые владельцы онлайн-магазинов могут улучшить триггерные рассылки, внедрив сценарий прогноза последующего вероятного приобретения. История поведения клиента используется для прогноза последующих покупок, что влияет на отправление письма с рекомендациями в конкретный период времени.

Такие письма имеют отличные показатели: Open Rate 21%, CTR 14% и конверсию заказов в 16%.

В письме задействован текст приветствия, в котором можно от лица магазина поблагодарить за покупки, которые пользователи совершили ранее, и напомнить о новых товарах. Также можно персонально порекомендовать то, что заинтересует клиента. К примеру, так выглядит один из email прогноза следующей возможной покупки:

b_59c0e1af0553f.jpg

Такое развитие сценария лучше всего подходит для онлайн-магазинов с товарами для детей или животных или для сегмента beauty.

Сценарий может себя отлично проявлять и в других категориях. Триггерные письма ресурса Quelle с этим же сценарием демонстрируют показатели Open Rate в 21%, CTR в 17% и конверсии в 6%.b_59c0e1b963f3c.jpg

Использование прочей коммуникации

Любой канал, в котором магазин может общаться с клиентами путем push/SMS-уведомлений или в рамках call-центра подвержен влиянию предиктивной аналитики. Это позволит подталкивать покупателей на свершение покупки товара, который ему действительно необходим именно сейчас. Такая коммуникация улучшит отношение пользователей к магазину, ведь в таком случае они почувствуют проявление заботы и внимания.

Контакт с клиентом сразу же после оказания услуги или совершения покупки

Чтобы привлекать повторные покупки, недостаточно развивать только бренд или сервис. Также не стоит дожидаться того момента, когда человек самостоятельно становится полноценным звеном цепочки потребления. YMLLC рекомендует налаживать связь после покупки, предоставляя своему клиенту сопутствующие товары.

+1
В избр. Сохранено
Авторизуйтесь
Вход с паролем
Комментарии
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

Spark использует cookie-файлы. С их помощью мы улучшаем работу нашего сайта и ваше взаимодействие с ним.