Этот подход монетизируется, но все же он несовершенен. Клиента утомляет, когда ему регулярно делают одни и те же предложения. К тому же со временем он начинает чувствовать, что у компании лишь одна цель — продать свой продукт. Подобные рассылки дают результат сегодня, но не работают на стратегические цели — такие, как формирование долгосрочных отношений с клиентом.

Чем больше информационный шум вокруг клиента, тем больше устаревает эта модель простой и однозначной коммуникации. Мы в команде CRM Райффайзенбанка уже давно поняли, что нужны более совершенные инструменты, позволяющие построить коммуникации, ориентированные в первую очередь на интересы клиента, и активно работаем над альтернативным подходом, который будет учитывать потребности наших клиентов.

Предложение для сомневающихся

Всех наших клиентов можно разделить на три сегмента. Во-первых, это люди, которые принимают предложения — откликаются на рассылки. Во-вторых, те, кто отказывается сразу. Возможно, им не нужен конкретный продукт в данный момент. Есть также группа сомневающихся. Последние никак не проявляют своего отношения к нашему предложению: они не отказываются, но и не соглашаются. Такие клиенты переносят встречи, просят перезвонить или говорят, что им некогда.

Мы решили сконцентрироваться именно на этом «неопознанном» сегменте — на людях, от которых нет ни положительного, ни отрицательного отклика. Их достаточно много (больше, чем тех, кто отказывается или соглашается), они неактивны, но при этом продолжают сотрудничать с Банком.

Наша команда предположила, что, если правильно поработать с сомневающимися клиентами, можно ощутимо увеличить объем лидов и продаж.

Иной подход

Концепт нового подхода основан на том, чтобы использовать все данные о клиенте, которые есть у банка, — демографические сведения, данные о местоположении и транзакциях. С их помощью мы видим, в каких магазинах он бывает часто, а в каких — реже, какие покупки совершает. Еще мы можем отследить постоянные интересы клиента и события в его жизни.

При анализе данных используется математическая модель. В зависимости от частоты посещений определенных магазинов и потраченных сумм каждому типу покупки присваивается коэффициент. В дальнейшем он помогает нам узнать, что интересует клиента в первую очередь, что во вторую и так далее.

Отталкиваясь от этого, мы можем разрабатывать специальные коммуникации: персонифицировать предложения по интересам, местоположению или совмещать с событиями. Если человек купил билет на самолет или поезд, мы понимаем, что он собирается в отпуск или командировку. В этом случае у нас есть возможность помочь ему подготовиться к поездке или дать какие-то рекомендации.

Важную роль в этом подходе играет программа привилегий «Скидки для вас». Не всем клиентам интересно регулярно просматривать огромный список наших партнеров, но все хотят пользоваться привилегиями и экономить на покупках, когда это возможно. Новый подход позволяет нам помочь клиенту не упустить интересную возможность. Например, мы можем для рассылки выбрать сезонные скидки в магазинах обуви, если знаем, что человек любит их посещать и часто делает покупки в этой категории.

Такая коммуникация, таргетированная на предпочтения людей, вызывает больший интерес у клиентов: они чаще открывают письма, растет число транзакций. Если оформление рассылки тоже учитывает увлечения клиента, то результат будет еще лучше. К примеру, самый высокий кликрейт дал наш креативный ход с изображением британского кота — здесь мы удачно попали в довольно широкую аудиторию тех, кто любит животных.

Благодаря использованию всех данных о транзакциях клиента, мы «заворачиваем» предложение в подобранный под его потребности тип коммуникации и тем самым делаем продукт более привлекательным. В результате новый подход должен привести к росту lifetime value.

Сложности пилотного этапа

Чтобы понять, каким будет финансовый эффект от коммуникации «по интересам», мы выделяем контрольные группы и проводим пилоты. Самое важное здесь — не ошибиться в интерпретации результатов и не сделать неправильных выводов.

Главная сложность состоит в том, что любая новая коммуникация, отличная от той, к которой привыкла аудитория, вызывает у нее определенный интерес. То есть при подмене привычного месседжа каким-то другим мы всегда наблюдаем органический рост. Как в этом случае оценить конкретный эффект от того, что мы попали в целевую аудиторию и отправили ей релевантный контент — музыкантам для музыкантов, дачникам для дачников?

Чтобы решить эту задачу, мы параллельно запускаем сразу два пилота. Мы формируем «случайную» выборку из стандартной базы клиентов и делим ее на две части. Половина получает обычную коммуникацию, другая половина — тематическую, «завернутую» под, например, самый популярный интерес.

В то же время мы берем еще одну группу клиентов — на этот раз тех, у кого был выявлен этот интерес. К примеру, тех же дачников. Половина из них получает традиционный контент, другая половина — ту самую тематическую коммуникацию, которая была разработана специально для них. В итоге становится видно, что разница между этими двумя группами намного заметнее, чем в первом «пилоте». То есть отклик дачников на коммуникацию для дачников гораздо выше, чем простой органический рост, связанный с новым контентом.

Идеальные рекомендации

Сейчас мы выявляем интересы своих клиентов, чтобы в будущем создать на основе этих данных рекомендательную систему, которая позволит выявлять следующую лучшую транзакцию клиента. Таким образом, мы сможем в дальнейшем при помощи этой коммуникации формировать или поддерживать активное транзакционное поведение клиента.