Стратегия повышения лояльности клиентов для бренда Columbia

Бизнес-кейс на основе данных о клиентах интернет-магазина компании в Турции

Transcript

1. Стратегия повышения лояльности клиентов для бренда Columbia Кейс интернет-магазина в Турции Анастасия Сотникова Камила Рафибекова Семен Васильев НИУ ВШЭ · 2023
2. Описание проекта Задача Целевая аудитория Этапы Характеристика данных Разработать стратегию по привлечению и удержанию клиентов для интернет-магазина Columbia в Турции на основе годовых данных о посетителях сайта Исследование качества выборки, формирование итоговой витрины Тестирование различных подходов, выбор лучшего варианта Выделение профилей аудитории, формирование Next Best Offer Сопоставление базового сценария и data-driven подхода Женщины и мужчины 25-45 лет, которые относятся к среднему и высшему классу и предпочитают активный отдых и занятия спортом на улице в любое время года Выборка показывает, в каком месяце и регионе заходил пользователь, с какой ОС, какие страницы и как долго просматривал, а также маркер на покупку (целевая переменная) Подготовка данных Разработка модели Сегментация клиентов Расчет эффективности 2 / 12 2 / 12
3. Обзор аналогичных кейсов Abercrombie & Fitch The North Face Tommy Hilfiger Сегментация по гендерному признаку: женщинам — винтажные джинсы, мужчинам — скинни Сегментация по образу жизни («спортсмен», «исследователь»), предложение актуальных атрибутов Сегментация по ценностям (забота о природе, семья), их поддержка с помощью продукта 3 / 12
4. Модель
5. Выбор оптимального решения Сегментация клиентов Алгоритмы машинного обучения Обучение с учителем Decision Tree Agglomerative KMeans Обучение без учителя RFM-сегментация (Recency, Frequency, Monetary) Бизнес-правила Бизнес- подходы Неразличимость классов Низкий Silhouette Недостаток данных Отсутствие барьеров 5 / 12
6. Бизнес-правило «Регион + ОС» Лояльность Состоятельность 0 1 1 2 2 3 3 4 4 5 5 31% 24% 24% 8% 13% Стамбул, Анкара Стамбул, Анкара Остальные Все города Остальные Android 3,4 2,6 2,6 1,0 1,4 Android iOS iOS Windows Регион ОС Размер тыс. чел. Название Любимки Проспекты Центровые Люксовые Нетакуси 6 / 12
7. Профилирование клиентов
8. Сегменты Название Любимый месяц Любимый трафик Повторных посещений, % Совершенных покупок, % Next Best Offer Канал взаим-я Любимки Май Прямой Лето VIP Email 86 19 Проспекты Май Прямой Лето Medium Email 85 17 Центровые Ноябрь Соцсети Зима Medium SMM 84 16 Люксовые Ноябрь Соцсети Зима Premium SMM 83 15 Нетакуси Май Ссылки Лето Light Коллаборации 88 12 8 / 12
9. Персональные предложения Название Формулировка Сезон Итоговая цена, $ Исходная цена, $ Категория товара Торговая марка Зима Premium «Купи товар из коллекции Titanium и получи скидку 10%» Зима Лето 162 149 180 165 Куртка Ветровка Powderkeg Outdry Зима Medium «Купи товар из коллекции Tech Insulating и получи скидку 10%» Зима Лето 79 72 88 80 Куртка Жилет Double Wall Double Wall Лето VIP «Купи товар из коллекции Spring Looks / Silver Ridge Collection и получи скидку 15%» Зима Лето 45 42 53 49 Пуловер Рубашка Helvetica Silver Ridge Лето Medium «Купи товар из коллекции Heritage и получи скидку 10%» Зима Лето 29 26 34 30 Сумка Панама Convey Bora Bora Лето Light «Купи товар из коллекции Sun Protection и получи скидку 12%» Зима Лето 23 25 26 28 Пуловер Футболка Narrows Thistletown 9 / 12
10. Эффективность стратегии
11. Сопоставление сценариев Базовый сценарий Data-driven подход Предлагаем всем клиентам одинаковый товар со средней ценой $32 при средней конверсии посещения в покупку 16% Каждому сегменту предлагаем уникальный продукт в зависимости от дохода и скидку в зависимости от степени лояльности $56 K $78 K +39% Прибыль Стоимость товаров $106 К -$13 К -$15 К Скидки Привлечение Стоимость товаров $57 К -$1 К Скидки Привлечение Прибыль 11 / 12
12. Выводы Сегментируем клиентов по региональному и технологическому признаку Косвенно оцениваем уровень материального обеспечения каждого сегмента аудитории Делаем персональное предложение товара с адекватной для данного сегмента стоимостью Более обеспеченные клиенты покупают более дорогой товар, менее — остаются лояльными Модель решает задачу бизнеса Изучаем предпочтения каждого сегмента относительно сезона и трафика Используем релевантный канал взаимодействия с аудиторией Предлагаем актуальный с точки зрения функционала продукт, оглядываясь на стоимость Получаем горячих клиентов, которые заинтересованы в нашем предложении Лояльность клиентов растет Сортируем сегменты в том числе по уровню лояльности на основе данных Концентрируем ресурсы на работе с горячей аудиторией вместо потенциального оттока Тратим больше ресурсов на привлечение, но это оправдано персональным подходом и результатами Увеличиваем общую прибыль на 39% благодаря разработанной стратегии на основе данных Стратегия эффективна 12 / 12