Автоматизация интернет-магазина женской одежды

Интернет-магазин женской одежды перешел от рассылок по всей базе к работе с узкими сегментами. ROI автоматизации маркетинга — 677%

История клиента

Листай вниз

Повысить доходность прямых
коммуникаций с клиентами

Автоматизировать и персонализировать коммуникации на основе действий клиентов и их истории покупок

ЗАДАЧА

РЕШЕНИЕ

ROI автоматизации маркетинга

677%

Доля выручки от прямых каналов коммуникации

Масштаб бизнеса

клиентов в базе

7.15%

3.4 млн.

Сайт на «Битриксе», ERP-система с программой лояльности Axapta, OLAP-кубы для анализа данных, платформа автоматизации маркетинга Mindbox

ТЕХНОЛОГИИ

У интернет-магазина 3,4 млн клиентов в базе.
Без автоматизации и персонализации эффективно общаться с таким количеством покупателей невозможно.
Чтобы доносить информацию до клиентов и при этом не надоедать им лишними рассылками, внедрили сегментацию в массовых письмах, настроили 52 триггерные рассылки по всему жизненному циклу клиента, обогатили письма товарными рекомендациями.

А также персонализировали сайт: выводим товарные рекомендации для конкретного посетителя.

Бренд стал лучше понимать своих клиентов и перешел от писем по всей базе к работе с узкими сегментами — маркетологам важно анализировать реакцию на рассылки конкретной группы клиентов, а не всей базы. Это позволяет получить инсайты для дальнейшей персонализации коммуникаций.

Если хотите повторить опыт Love Republic и повысить доходность прямых коммуникаций с клиентами за счет сегментации и персонализации, приглашаем прочитать подробную историю.

КАК ИЗМЕНИЛСЯ МАРКЕТИНГ ПОСЛЕ АВТОМАТИЗАЦИИ

ПОСЛЕ АВТОМАТИЗАЦИИ

ДО АВТОМАТИЗАЦИИ

Три сервиса: один для ручных email-рассылок, второй — для триггерных рассылок и рекомендаций на сайте, третий — для SMS

Были настроены только базовые триггерные рассылки о брошенной корзине, просмотре, категории

Информация о клиентах онлайн-магазина и розницы хранилась в двух несвязанных между собой базах — чтобы отправить рассылки, приходилось вручную выгружать базу в Excel

Не было сегментации — массовые рассылки отправлялись по всей базе

Данные об отписке от рассылок хранились в каждом рассыльщике — клиент мог отказаться от коммуникаций, но продолжать их получать

Не было аналитики, за исключением базовых метрик открываемости и кликабельности

Все прямые коммуникации и рекомендации
на сайте настраиваются из единой платформы

Настроены 52 триггера по всему жизненному циклу клиента, включая программу лояльности

Все данные о клиентах хранятся в едином профиле клиента и обновляются в режиме реального времени. Достаточно один раз построить фильтр — все подходящие под его условия клиенты будут автоматически попадать в рассылку

Клиенты сегментируются в зависимости от участия в программе лояльности, поведения на сайте, истории покупок — массовые рассылки отправляются по узким сегментам

Если клиент отписывается от рассылок, информация в профиле обновляется в режиме реального времени — и рассылки перестают приходить

Доступна аналитика на уровне конкретной рассылки, клиента, канала, например доля повторных действий, конверсия в заказ

Результаты автоматизации маркетинга

Данные из внутренней отчетности Love Republic и Google Analytics. Метод атрибуции — last click

ROI автоматизации маркетинга

677%

Доля выручки от прямых каналов коммуникации

экономит руководитель отдела стратегического маркетинга благодаря автоматизации

7.15%

6 часов
в неделю

Для расчета взяли показатели с января 2020 года по март 2021 года включительно. Клиент попросил не раскрывать в публикации точные цифры.

Формула:

ROI

Прибыль от заказов с e-mail канала

Стоимость подписки
на mindbox без НДС

Стоимость подписки на сервис mindbox без НДС

100%

ROI от платформы Mindbox составляет 677%. Каждый рубль, вложенный в платформу, приносит Love Republic 6,77 рубля.

Ниже расскажем за счет чего достигли результата:

- Как выбирали платформу и какие задачи перед ней поставили
- Как используем сегментацию в массовых рассылках
- Как настроили триггерные письма, сопровождающие клиента на всех этапах жизненного цикла, и обогатили их товарными рекомендациями
- Как используем товарные рекомендации на сайте

По каким критериям выбирали платформу автоматизации маркетинга

Клиентская база начала расти, и стало понятно, что для полноценной работы необходимо автоматизировать CRM. Программу лояльности решили оставить на Axapta — так получалось дешевле. Начали искать коммуникационную платформу, которая позволила бы:

1. Отправлять триггерные, массовые и транзакционные сообщения из единого окна.
2. Управлять email, SMS, Viber, мобильными и вебпушами, а также рекомендациями на сайте из единого окна.
3. Автоматически дедублицировать базу и создавать сегменты с учетом действий клиентов на сайте и истории покупок, в том числе для реактивации.
4. Внедрить RFM-анализ — сегментировать клиентов по давности, частоте и сумме покупок.
5. Автоматически определять лучшее время отправки рассылки для каждого клиента.

Задача:

Решение:

Изучить поведение клиентов, которые смотрят товары в онлайне, но покупают в офлайне

Настраивать рекомендации на сайте
с учетом специфики фешн-бизнеса

Ограничить коммуникационную
нагрузку на клиента

Анализировать эффективность
email-рассылок в режиме реального времени

Такие клиенты выделены в отдельный сегмент — проанализировать их поведение можно в несколько кликов

Доступно ручное соответствие «категория — категория»
К юбкам рекомендуются топы, а к блузкам — юбки или брюки. К платьям и сарафанам, для которых нет сопутствующих товаров, рекомендуются другие платья и сарафаны, которые могут понравиться клиенту

Можно исключать из рекомендаций определенные товары
Коллекции обновляются каждую неделю, и при обычной работе алгоритма в самые популярные товары попали бы только давно продающиеся — их убирают, чтобы выводить новинки

Изучить поведение клиентов, которые смотрят товары в онлайне, но покупают в офлайне

Как персонализировали массовые рассылки с помощью сегментации

У Love Republic два типа массовых рассылок — акционные (со скидками) и неакционные (опросы, новости, поздравления с праздниками). Маркетологи отправляют письма не по всей базе, а по сегментам. Это позволяет уменьшить коммуникационную нагрузку на клиентов и сократить процент отписок, а также анализировать их реакцию на сообщения более точечно. Ниже — примеры акционной и неакционной рассылки:

Письмо о скидке 30% на весенние образы отправили клиентам, которые не открывали прошлую акционную рассылку, не оформляли заказ в течение 21 дня, но недавно добавляли товары в корзину

Письмо о переработке одежды отправили клиентам, которые еще не совершали покупки на сайте, не получали акционную рассылку про киберпонедельник и проживают в городах с пунктами приема вещей

Как автоматизировали рассылки и персонализировали их с помощью товарных рекомендаций

Настроили 52 триггерных сценария. Часть из них обогащена товарными рекомендациями: выводим популярные (в том числе в категориях, просмотренных в последней сессии), сопутствующие, похожие товары, а также блок с персональными рекомендациями. Ниже четыре примера триггерных рассылок.

Чтобы не надоедать клиентам рассылками, письмо о снижении цены отправляется не чаще раза в неделю

В письме выводим рекомендацию популярных товаров в категориях, просмотренных в последней сессии

Снижение цены на просмотренный товар. Отправляется, если цена уменьшилась хотя бы на 1%:

Брошенный просмотр товара. Отправляется через час после события:

Сопутствующие товары выводятся на основании частоты, с которой они встречаются в одном чеке

Брошенная корзина. Классическая механика дополнена рекомендацией сопутствующих товаров:

Данные о начислении баллов передаются из ERP-системы Axapta

300 баллов на день рождения. Письмо отправляется участникам программы лояльности:

Как персонализировали сайт с помощью товарных рекомендаций

Персонализация сайта позволяет сделать покупки более удобными для клиентов и повысить конверсию в заказ. Выводим популярные, сопутствующие товары, а также блок с персональными рекомендациями. Кроме того, для рекомендаций на сайте выставлено ручное соответствие категорий, чтобы алгоритм выводил только нужные товары:

К платьям сложно подобрать сопутствующий товар, кроме не слишком повышающих чек аксессуаров, — предлагаем посмотреть другие платья. Зато к юбкам можно рекомендовать верх — клиент с большой вероятностью захочет дополнить образ

Следующие шаги: мобильные пуши и новые триггерные рассылки

Запустить мобильные пуши. Love Republic частично отказался от SMS из-за дороговизны этого канала. В ближайших планах — запустить мобильные пуши как альтернативу SMS. На момент написания кейса интеграция с мобильным приложением на Android готова, осталось интегрироваться с iOS. Следующий шаг после этого — настроить каскадные рассылки: сначала пуш, потом email.

Разработать новые триггерные рассылки. Задача — проработать коммуникации с сегментами более глубоко, чтобы клиенты получали максимальное количество релевантной информации, но не были перегружены сообщениями. В ближайших планах — создать триггеры для тех, кто подписался на рассылки, но ничего не купил, и сегмента оттока (раньше покупали, но перестали).