Сперва необходимо выбрать модель программы лояльности. Данная статья NotiSend по большей степени про аналитические вопросы, поэтому не будем в подробностях расписывать как выбирать программу лояльности.
Типы программ лояльности
- Баллы — за каждую покупку или любое другое положительное действие, клиент получает балы, которые может потратить на то, что вы посчитаете нужным.
- Cashback — наиболее распространённая программа, аналог баллов, только за покупки клиенты получают назад часть своих денежных средств, которые потратили. Зачастую cashback делают в виде купонов на определённые суммы, которые можно использовать в указанных магазинах.
- Купоны с отметками — при первой покупке товаров на N-ую сумму, клиент получает купон и наклейки. Кол-во наклеек зависит от потраченной суммы. Когда купон полностью или частично заклеен наклейками, клиент получает товар/услуг в подарок, либо подарочную карту, либо скидку.
- Многоуровневые скидки — создаётся условная «лестница», чтобы перейти на следующую «ступень» и получать наибольшие скидки, пользователю необходимо потратить определённую сумму. Чем больше денег потратил за весь свой жизненный цикл — тем больше скидка.
- Интеграции со сторонними компаниями — за совершение покупок в вашей компании, клиент получает купоны/подарочные сертификат на определённую сумму, который может потратить у вашего партнёра.
- Платные бонусы — пользователь платит за то, чтобы участвовать в программе лояльности. За оплату получает дополнительные скидки, бесплатную или быструю доставку и пр.
- Комбинация вознаграждений — такие программы называют гибридными. Например, балльная система + многоуровневые скидки, когда в зависимости от уровня за покупки начисляется разное кол-во баллов: выше уровень — больше баллов.
- Немонетарные вознаграждения — лояльные клиенты получают нематериальные бонусы. Например, бесплатная консультация, первая диагностика бесплатно, личный разговор со спикером/бизнес тренером и пр.
В этой статье мы разберём пункт 4, в котором скидка вырастает в зависимости от накопленной суммы покупок за весь жизненный цикл клиента.
Собрать данные за предыдущие периоды
Программы лояльности необходимы для того, чтобы стимулировать клиентов покупать больше/на большие суммы. К примеру, без программы лояльности клиент купит в вашем интернет магазине на 2700 руб., а с проработанной программой 3200 руб.
Как правило, привлечение нового клиента компаниям обходится довольно дорого при помощи платных источников трафика, поэтому необходимо качественно работать с той аудиторией, которую вы уже привлекли. Зачастую бывает и так, что программу лояльности подсчитали, внедрили, но не понятно почему люди покупают…или программа действительно их стимулирует, или они и без неё готовы совершать покупки.
Именно поэтому, в своих расчетах необходимо построить 2 прогноза:
- какой объём продаж был бы без программы лояльности (в дальнейшем ПЛ);
- на какую сумму продаж будет увеличение с ПЛ.
Для этих прогнозов нужны ретроспективные данные о продажах. Чтобы их получить, выгрузите данные о своих продажах без ПЛ и изучите их. Но здесь есть несколько особенностей, которые необходимо учитывать.
- Продажи в офлайне и онлайне будут отличаться. Если у вас есть и оффлайн точка и онлайн продажи через интернет магазин, соц. сети или landing page — то вам придётся рассчитывать программу лояльности отдельно и для офлайна и для онлайна, иного выхода нет.
- Важны данные о клиентах и покупках. Цель ПЛ — мотивировать покупателей покупать больше и чаще, поэтому необходимо собирать и анализировать данные не только о количестве проданных позиций, но и о том, как клиенты покупают, сколько раз и с какой периодичностью, на какие суммы, какое кол-во из них возвращаются за покупками снова и снова. Онлайн продажи будет не сложно подсчитать, т.к. все инструменты для этого есть, а вот с офлайн продажами вам придётся потрудиться, т.к. не каждая офлайн точка привязывает/идентифицирует клиента клиента.
- Данные придётся обрабатывать. Получить данные в идеальном, нужном виде вы вряд ли вы получите. Вероятнее всего вы столкнётесь с дублирование покупок или слишком большие суммы от оптовиков — всё это придётся вычищать.
Изучить поведение покупателей
После сбора и «чистки» данных необходимо получить из них ценную информацию:
- кол-во лояльных покупателей, которые совершали покупки более 1 раза и кол-во «одноразовых» клиентов;
- общее кол-во клиентов;
- на какие суммы покупают клиенты.
Для наглядности, посмотрите диаграмму из Power BI. На ней видно соотношение лояльных клиентов и «одноразовых»:
На основе собранных данных построить прогноз без ПЛ
С помощью прогноза, вы увидите как будут выглядеть ваши продажи без внедрения ПЛ. В примере, который мы привели, продажи в онлайне падали, а в офлайне росли. На тенденцию прошлого года накладываем данные о лояльных / «одноразовых» клиентах , суммах покупок и получаем прогноз на следующий год:
Есть важный нюанс: необходимо учитывать сезонность и тенденцию прошлого года. Опирайтесь на реальные цифры и стройте свои прогнозы исходя из своих данных.
Предположить модель программы лояльности
В самом начале, когда ещё не знаете какую ПЛ выбрать: тип, как будут начислять бонусы и при каких условиях, — необходимо что-то предположить, в противном случае и считать будет нечего. На нашем примере — тип, когда скидка вырастает в зависимости от общей суммы покупок за весь период. Для этого формата предположили 4 модели начисления скидок.
Считаем 4 модели ПЛ в 3 вариациях (пессимистичный, умеренный, оптимистичный) отдельно для офлайна и онлайна:
Сколько клиентов уже находятся на предполагаемых статусах программы лояльности
Теперь есть данные о покупках, клиентах и модель ПЛ. Далее необходимо переложить все полученные данные на ПЛ. Выводим таблицу и делаем расчёт, какой % клиентов на каких статусах ПЛ уже находится и как этот % будет меняться каждый месяц:
Как подсчитать, сколько клиентов легко мотивировать на переход в новый статус
Теперь вам необходимо проверить каждую группу покупателей и выявить тех, кто находится в «пограничных» значениях статусов. Это те покупатели, которым необходимо докупить у вас совсем немного 20-500р, чтобы получить какой либо подарок, доп. скидку или что-то ещё. Замотивировать таких покупателей у вас не составит труда.
Разбиваем всех покупателей на группы и считаем каждую группу по отдельности.
Для 1 статуса с 5000 рублей, пограничных значений несколько: находим долю клиентов, которые находятся в диапазонах сумм 3500–3999 рублей, 4000–4499 рублей, 4500–4999 рублей. Для последнего статуса, начинающегося с 25 000 рублей, диапазон один — 21000–24999 рублей.
Итог
- Делайте свои расчёты округлёнными;
- Рассчитывайте ПЛ на реальных данных с учётом тенденций продаж предыдущих периодов;
- Считайте ПЛ на офлайн и онлайн по отдельности;
- Учитывайте себестоимость акций, подарков, скидок, которыми будете мотивировать покупателей переходить на новые статусы;
- Рассчитывайте фин.модель и тестируйте гипотезы. Внедряйте разработанные ПЛ, отслеживайте результаты и улучшайте!