Международная компания-производитель товаров первой необходимости.
Так как конкуренция на рынке товаров для детей нарастает с каждым годом, а японские производители подгузников наращивают долю и усиливают свои позиции, бренды запускают новые активации для удержания клиентов, увеличения их лояльности и привлечения новых покупателей.
Так в начале 2019 года клиент в партнерстве с сетью магазинов товаров для детей «Детский мир» решили запустить программу лояльности для покупателей по всей России.
Разработать веб-платформу с возможностью создания личного кабинета, регистрации чеков и накопления бонусов, чтобы получать дополнительную скидку на следующую покупку товаров бренда клиента или подарки от партнеров-ритейлеров.
Но это стало только только первым этапом проекта, и тогда мы еще не знали, до каких масштабов он вырастет.
Этап 1 — Механика программы лояльности довольно проста:
Кроме этого в административной панели сайта собирается глобальная статистика по всем покупателям, зарегистрированным в программе, и их действиям, что помогает рассчитывать успешность промо.
Когда с момента запуска программы лояльности прошло полтора года, а у нас накопилось 300 тысяч чеков, появился рациональный вопрос: как мы можем использовать полученные данные и что еще сможем узнать о клиентах. Проанализировав их покупки, можно лучше понять портрет покупателя и какие сопутствующие товары приводят к покупке товаров бренда.
Этап 2 — В начале 2021 года мы начали работать над платформой для анализа чеков.
Нам нужно было создать систему для регулярного анализа данных о покупках, чтобы была возможность отслеживать динамику. Теперь из имеющихся 300 тысяч чеков нам нужно было получить не только информацию о товарах бренда, но и ответить еще на три вопроса:
Мы столкнулись с тем, что данные были очень плохого качества. Напомним, мы собирали чеки из разных магазинов огромной сети «Детский мир», каждый из которых — самостоятельное юрлицо, и один и тот же товар мог быть заведен в систему по-разному. Или же разные товары заведены одинаково, стоимость так же могла различаться.
Чтобы структурировать данные, мы разработали свой собственный парсер. Он состоит из огромного количества правил, которые структурируют всю информацию и приводят к единому виду. Он научился доставать из чека все детали о товарах, которые важно было понимать: какая линейка, какая категория товаров, какой объем. Так мы научились различать все SKU бренда, но это был только один поток информации.
Второй поток — все остальные товары в чеке, которые нам тоже было важно распознавать. Так как о них нам не нужна была такая детальная информация, мы подключили распознавание чеков от банка Тинькофф, и этого оказалось вполне достаточно.
Для визуализации полученных данных мы создали интерактивный дашборд в Microsoft PowerBI в различных разрезах и настроили ежемесячное автообновление данных.
Сейчас на базе полученной информации мы можем собрать большую аналитику по товарному соседству, на основе которой бренд может:
— проводить RFM-анализ клиентов и готовить персонализированные предложения для покупателей;
— планировать совместные промокампании с другими производителями;
— запускать эффективную таргетированную рекламу.
Кроме того, к программе лояльности присоединился маркетплейс Ozon, а это значит, что теперь мы сможем получать еще больше информации о предпочтениях покупателей.
Более 383 тыс.
чеков с товарами бренда клиента мы собрали и проанализировали
96,6 тыс.
реакций — лайков, отзывов, пройденных опросов и приглашенных друзей —
получил бренд в соцсетях и на сайтах отзывов
Более 104 тыс.
активных пользователей зарегистрированы на портале программы лояльности
Научились влиять
на потребительские привычки с помощью нестандартных промоакций и персонализации маркетинговых кампаний
Определили покупателей в кластеры
по размеру чека и выделили возможности их перемещения между группами
Узнали, что с одной пачкой подгузников
бренда клиента покупают в среднем семь упаковок детского пюре