Мы используем cookies для работы сайта, персонализации и аналитики. Продолжая использовать сайт, вы соглашаетесь с нашей Политикой обработки данных
кейс Bausch+Lomb: сегментация клиентов в программе лояльности FMCG-бренда с помощью RFM-анализа
клиент
Bausch+Lomb — мировой производитель мягких контактных линз и средств для контактной коррекции зрения.
У компании нет собственных точек сбыта, она продает продукцию через партнеров. Для удержания постоянных клиентов в Bausch+Lomb разработали программу лояльности: пользователи выполняют определенные действия и получают баллы, которые потом обменивают на промокоды.
У компании нет собственных точек сбыта, она продает продукцию через партнеров. Для удержания постоянных клиентов в Bausch+Lomb разработали программу лояльности: пользователи выполняют определенные действия и получают баллы, которые потом обменивают на промокоды.
на старте
Наше сотрудничество с Bausch+Lomb началось в 2019 году. В 2020 году у компании появилась программа лояльности (ПЛ), и мы стали разрабатывать и внедрять для нее все коммуникации с нуля через CDP-платформу Mindbox. После двух лет работы с ПЛ появилась необходимость проанализировать эффективность механик и предложить пути улучшения.
цель
задачи
На брифинге с компанией мы определили цель: сегментировать базу участников программы лояльности с помощью RFM-анализа, чтобы определить, насколько пользователи заинтересованы в бонусной системе, и разработать индивидуальные стратегии по удержанию, стимулированию активности и поддержанию долгосрочного взаимодействия с пользователями.
Для достижения поставленной цели мы обозначили следующие задачи:
собрать и обработать данные;
провести RF-анализ, чтобы сегментировать участников программы по степени вовлеченности;
провести RFM-анализ, чтобы сегментировать участников программы по предполагаемому количеству покупок;
определить наиболее перспективные сегменты пользователей по степени вовлеченности и разработать стратегию работы с ними на 2022 год;
выявить наиболее перспективные сегменты пользователей по количеству и давности покупок и определить стратегию работы с ними на 2022 год;
визуализировать RF- и RFM-анализ с помощью дашбордов.
наше решение
собрали и проанализировали данные
1.
Для проведения анализа необходимо было собрать информацию об участниках программы лояльности. Мы использовали три показателя:
- идентификатор пользователя;
- дата последнего действия (активность внутри ПЛ);
- дата последней покупки за баллы.
провели RF-анализ по действиям
2.
Механика программы лояльности такова: за определенные действия участники получают баллы, которые в дальнейшем могут обменять на промокод. В первую очередь мы выделили все действия участников программы лояльности за последнее время: регистрацию в программе лояльности, подписку на соцсети, прохождение опросов и другие.
Затем мы проанализировали дату последней активности, количество совершенных действий и на основании этих данных разделили базу на 9 сегментов:
Затем мы проанализировали дату последней активности, количество совершенных действий и на основании этих данных разделили базу на 9 сегментов:
- новички;
- случайные новички;
- лояльные;
- перспективные;
- чемпионы;
- попробовали и ушли;
- в зоне риска;
- требующие внимания;
- спящие.
разработали стратегию работы с сегментами по действиям
3.
Мы определили наиболее перспективные сегменты участников ПЛ по действиям и разработали стратегию работы с ними в 2022 году. Например, с сегментом «Новички» решили работать на вовлечение, удержание и снижение вероятности оттока пользователей. Для сегмента «В зоне риска» мы решили персонализировать коммуникацию и стимулировать аудиторию специальными предложениями.
провели RFM-анализ покупок
4.
Так как у Bausch+Lomb нет своих точек сбыта, нет возможности отследить реальные покупки продукции. Поэтому за покупку мы стали считать следующие действия: ввод кода с пачки для получения баллов (это означает, что человек сделал покупку в партнерской точке) и обмен накопленных баллов на промокод номиналом 500 рублей.
Далее мы проанализировали дату последней активности и количество совершенных действий и на основании этих данных разделили базу на 7 сегментов:
Далее мы проанализировали дату последней активности и количество совершенных действий и на основании этих данных разделили базу на 7 сегментов:
- новички;
- лояльные;
- чемпионы;
- предотток новичков (в зоне риска);
- требующие внимания;
- разовые покупатели в прошлом;
- спящие.
разработали стратегию работы с сегментами по покупкам
5.
Мы определили наиболее перспективные сегменты участников ПЛ по покупкам и разработали стратегию работы с ними в 2022 году. Например, стратегия для сегмента «Лояльные» — поддерживать активность и частоту покупок, для сегмента «Разовые покупатели в прошлом» — напоминать о компании и возвращать интерес с помощью поощрений и предложений других продуктов.
визуализировали RF- и RFM-анализ с помощью дашбордов
6.
Мы составили подробный отчет о проделанной работе: свели и визуализировали полученные данные. Сегментацию представили на интерактивной аналитической панели — дашборде. Этот инструмент удобен тем, что все ключевые показатели понятны и расположены на одном экране. Клиенту не пришлось погружаться в технические особенности аналитики.
результаты
Bausch+Lomb получили представление об участниках программы лояльности и их активности.
Определили дальнейший план работы с аудиторией ПЛ для увеличения ее эффективности.
четкая сегментация клиентской базы в рамках программы лояльности
стратегия для работы с каждым сегментом на ближайший год
Предоставили Bausch+Lomb простой и понятный визуализированный результат аналитического исследования.
прозрачный результат RF- и RFM-анализа с помощью дашбордов
обсудим ваш проект?
оставьте заявку, и мы предложим стратегию и план действий
