Segmentacja, marketerze! Case study analizy RFM w Perhapsme.com

Nie bez kozery segmentacja jest częstym bohaterem wpisów na blogach, tematem prelekcji na konferencjach branżowych i języczkiem u wagi każdego, kto chce zwiększać sprzedaż za pomocą kanału bezpośredniego, jakim jest email marketing.

Mając na względzie powyższe, to właśnie od precyzyjnej segmentacji bazy rozpoczęliśmy współpracę strategiczną z jednym z naszych dużych Klientów z branży fashion - „najbardziej kobiecym sklepem w sieci” - PERHAPSME.com. Celem współpracy naszych firm jest - po pierwsze - zwiększenie sprzedaży osiąganej z email marketingu (która nota bene już jest na bardzo satysfakcjonującym poziomie), a po drugie - zwiększanie lojalności Klientek odwiedzających sklep.

Rzut okiem na dotychczasowe działania

Pracę rozpoczęliśmy od zapoznania się z grupą Klientek PERHAPSME.com. W sumie paręset tysięcy adresów mailowych. Do nas należało w jakiś sposób je usystematyzować, by nadać kształt bazie, która do tej pory segmentowana była w oparciu o lojalność rozumianą przez pryzmat stosunku otwartych kampanii do wszystkich wysłanych. Pozwalała na to jedna z funkcjonalności we FreshMailu (segmentowanie po lojalności).

Mieliśmy świetną bazę do dalszej pracy, ponieważ PERHAPSME.com budowało całkiem inną komunikację do każdej z trzech grup:

• lojalnych,
• średnio lojalnych
• nielojalnych.

Przejrzenie kilkudziesięciu kampanii pozwoliło nam zorientować się, jakie tematy wiadomości najcelniej trafiają w gust Klientek i jakie kampanie są najchętniej otwierane. Dostęp do Google Analytics dodatkowo umożliwił nam porównanie tych danych z wynikami sprzedażowymi. Te były niezłe, więc przed nami było całkiem spore wyzwanie.

Musieliśmy więc zapomnieć o dotychczasowej segmentacji i potraktować bazę jako czystą kartkę.

Baza danych

Danymi, jakie uznaliśmy za najbardziej wartościowe z punktu widzenie sprzedaży, były:

• ostatnia data zakupu,
• liczba dokonanych transakcji,
• średnia wartość koszyka,
• średnia wartość produktu
• suma wydanych pieniędzy.

Tym Czytelnikom, którzy na bieżąco śledzą naszego bloga, na pewno teraz zapaliła się lampka. Dane te oznaczają bowiem, że do posegmentowania bazy chcieliśmy wykorzystać analizę RFM. Brzmi znajomo?

• Recency - ostatnia data zakupu,
• Frequency - liczba dokonanych transakcji,
• Monetary - suma wydanych pieniędzy.

Wynikiem pracy była kilkuset tysięczna baza adresów, którym nadaliśmy scoring w oparciu o trzy wspomniane wyżej wskaźniki. Mieliśmy więc osoby, które:

• kupiły w przeciągu ostatniego pół roku (aktywni),
• nie kupowały w przedziale od pół roku do roku (średnio aktywni)
• nie kupowały dłużej niż od roku (nieaktywni).

W tym wypadku otrzymaliśmy wyniki R w przedziale 3-1, gdzie 3 oznacza osobę aktywną. Podobne działania przeprowadziliśmy dla częstotliwości zakupów i sumy wydanych pieniędzy. Ze względów oczywistych nie mogę podać konkretnych liczb, schemat był jednak taki sam - 3 punkty dla największej częstotliwości oraz 3 dla największej sumy wydanych pieniędzy. Każdy rekord mieliśmy więc oznaczony następująco:

(Zbyt) dużo możliwości personalizacji

Zrobiło nam się sporo możliwości, prawda? Kilkadziesiąt różnych wariantów komunikatów przy tak dużej bazie. Dla tych Czytelników, którzy sami operują na dużych bazach, oczywiste jest, że tylko część z niej jest tak naprawdę aktywna. Pozyskanie zupełnie nowego odbiorcy jest drogie. Utrzymanie lub aktywizacja posiadanego Klienta jest szybsza, tańsza i często bardziej opłacalna.

Za aktywność odbiorcy w przypadku analizy RFM odpowiada współczynnik R. Skupiliśmy się więc na nim. To znacznie uprościło i przyśpieszyło pracę, gdyż otrzymaliśmy trzy grupy: najliczniejszą nieaktywną i niemal równe - aktywną i średnio aktywną. Różnice w liczebności między nimi wynoszą mniej więcej 15:1.

Nowy sposób komunikacji

Nowa segmentacja wymagała nowego podejścia do wysyłek (pamiętacie? Musimy zaktywizować nieaktywnych!). Wykorzystaliśmy technikę starszą od analizy RFM, czyli rabatowanie (żadna wyższa matematyka). Częstotliwość rabatów również musieliśmy ustalić - chcemy sprzedawać więcej, ale nie możemy uczyć Klientów tego, żeby kupowali tylko z obniżoną ceną.

Stworzyliśmy wiec 3 wersje tego samego mailingu oraz 3 tematy wiadomości.

• Grupa aktywna, kupująca stale, otrzymała od nas specjalny box z contentem modowym (tak dla content marketingu!).
• Grupa średnio aktywna (nie kupowała w przedziale 6-12 miesięcy) - rabat 15% na dowolny asortyment.
• A grupa nieaktywna (nie kupowała od ponad roku!) - zniżkę 30%.

Wyniki…

…czyli to, co najciekawsze. Dzięki segmentacji opartej na analizie RFM zaobserwowaliśmy znaczy wzrost sprzedaży bezpośrednio po mailingu. Dodatkowo z baz nieaktywnych i średnio aktywnych „odzyskaliśmy” około 80 osób, które kupiły i - co pokazuje system - kupują w dalszym ciągu.

„Skutkiem ubocznym” przeprowadzonych akcji był przyrost bazy w dniach rabatowych. W sumie do grona subskrybentek dołączyło ponad 400 kobiet. Bardzo miły akcent, pokazujący, że marketing szeptany wśród Klientek PERHAPSME.com działa wyśmienicie.

Segmentacja bazy i działania mające optymalizować współczynnik R to dla nas początek długiej drogi. W kolejnych krokach będziemy chcieli zwiększyć ilość transakcji oraz wartość koszyka. W oparciu o te trzy czynniki będziemy budować spójną strategię email marketingową naszego klienta.