Магазин женской одежды Love Republiс перешел от рассылок по всей базе к работе с узкими сегментами. ROI автоматизации маркетинга — 677%

Love Republic — лайфстайл-бренд женской одежды с магазинами в России, Беларуси, Казахстане, Армении и Украине. Принадлежит Melon Fashion Group, управляющей в общей сложности 800 магазинами четырех брендов — Love Republiс, befree, Zarina и Sela. Основан в 2009 году

Масштаб бизнеса. 
3,4 млн клиентов в базе150 магазинов в пяти странах СНГ150 магазинов в пяти странах СНГ
Автор
Софья Федосеева,
руководитель отдела стратегического маркетинга Love Republic
Задача
Повысить доходность прямых коммуникаций с клиентами
Решение
Автоматизировать и персонализировать коммуникации на основе действий клиентов и их истории покупок
Результат
677% — ROI автоматизации маркетинга7,15% — доля выручки от прямых каналов коммуникации6 часов в неделю экономит руководитель отдела стратегического маркетинга благодаря автоматизации

ИТ. 

Сайт на «Битриксе», ERP-система с программой лояльности Axapta, OLAP-кубы для анализа данных, платформа автоматизации маркетинга Mindbox

Срок. 

2 года
Фишка
В автоматических товарных рекомендациях на сайте настроено ручное соответствие «категория — категория»: к юбкам рекомендуются топы, к блузкам — юбки или брюки. К платьям и сарафанам, для которых нет сопутствующих товаров, — другие платья и сарафаны
У Love Republiс 3,4 млн клиентов в базе. Без автоматизации и персонализации эффективно общаться с таким количеством покупателей невозможно. Чтобы доносить информацию до клиентов и при этом не надоедать им лишними рассылками, внедрили сегментацию в массовых письмах, настроили 52 триггерные рассылки по всему жизненному циклу клиента, обогатили письма товарными рекомендациями. А также персонализировали сайт: выводим товарные рекомендации для конкретного посетителя.
Бренд стал лучше понимать своих клиентов и перешел от писем по всей базе к работе с узкими сегментами — маркетологам важно анализировать реакцию на рассылки конкретной группы клиентов, а не всей базы. Это позволяет получить инсайты для дальнейшей персонализации коммуникаций. Если хотите повторить опыт Love Republic и повысить доходность прямых коммуникаций с клиентами за счет сегментации и персонализации, приглашаем прочитать подробную историю.

Как изменился маркетинг после автоматизации

До автоматизации
После
Три сервиса: один для ручных email-рассылок, второй — для триггерных рассылок и рекомендаций на сайте, третий — для SMS
Все прямые коммуникации и рекомендации на сайте настраиваются из единой платформы
Были настроены только базовые триггерные рассылки о брошенной корзине, просмотре, категории
Настроены 52 триггера по всему жизненному циклу клиента, включая программу лояльности
Информация о клиентах онлайн-магазина и розницы хранилась в двух несвязанных между собой базах — чтобы отправить рассылки, приходилось вручную выгружать базу в Excel
Все данные о клиентах хранятся в едином профиле клиента и обновляются в режиме реального времени. Достаточно один раз построить фильтр — все подходящие под его условия клиенты будут автоматически попадать в рассылку
Не было сегментации — массовые рассылки отправлялись по всей базе
Клиенты сегментируются в зависимости от участия в программе лояльности, поведения на сайте, истории покупок — массовые рассылки отправляются по узким сегментам
Данные об отписке от рассылок хранились в каждом рассыльщике — клиент мог отказаться от коммуникаций, но продолжать их получать
Если клиент отписывается от рассылок, информация в профиле обновляется в режиме реального времени — и рассылки перестают приходить
Не было аналитики, за исключением базовых метрик открываемости и кликабельности
Доступна аналитика на уровне конкретной рассылки, клиента, канала, например доля повторных действий, конверсия в заказ

Результаты автоматизации маркетинга

Данные из внутренней отчетности Love Republic и Google Analytics. Метод атрибуции — last click
  • 677%
    ROI автоматизации маркетинга
  • 7,15%
    доля выручки от прямых каналов коммуникации
  • 6 часов в неделю
    экономит руководитель отдела стратегического маркетинга благодаря автоматизации

ROI 677% от Mindbox

Для расчета взяли показатели с января 2020 года по март 2021 года включительно. Клиент попросил не раскрывать в публикации точные цифры. Формула расчета:
ROI от платформы Mindbox
ROI от платформы Mindbox составляет 677%. Каждый рубль, вложенный в платформу, приносит Love Republic 6,77 рубля.
Ниже расскажем, за счет чего достигли результата:
  • Как выбирали платформу и какие задачи перед ней поставили
  • Как используем сегментацию в массовых рассылках
  • Как настроили триггерные письма, сопровождающие клиента на всех этапах жизненного цикла, и обогатили их товарными рекомендациями
  • Как используем товарные рекомендации на сайте

По каким критериям выбирали платформу автоматизации маркетинга

В 2016 году в компании внедрили программу лояльности на базе Axapta. Клиентская база начала расти, и стало понятно, что для полноценной работы необходимо автоматизировать CRM. Программу лояльности решили оставить на Axapta — так получалось дешевле. Начали искать коммуникационную платформу, которая позволила бы:
  1. Отправлять триггерные, массовые и транзакционные сообщения из единого окна.
  2. Управлять email, SMS, Viber, мобильными и вебпушами, а также рекомендациями на сайте из единого окна.
  3. Автоматически дедублицировать базу и создавать сегменты с учетом действий клиентов на сайте и истории покупок, в том числе для реактивации.
  4. Внедрить RFM-анализ — сегментировать клиентов по давности, частоте и сумме покупок.
  5. Автоматически определять лучшее время отправки рассылки для каждого клиента.
Рассматривали несколько крупных западных вендоров, но они оказались слишком дорогими по сравнению с российскими решениями. Среди локальных вендоров оптимальным оказался Mindbox: он отвечал всем заявленным требованиям и был выгодным по соотношению «цена — качество». Решающим аргументом в пользу платформы стал успешный опыт Софьи по работе с ней, а также рекомендации от коллег из befree.
Возможности платформы, которые оказались наиболее полезны для Love Republic:
Задача
Решение
Изучить поведение клиентов, которые смотрят товары в онлайне, но покупают в офлайне
✔Такие клиенты выделены в отдельный сегмент — проанализировать их поведение можно в несколько кликов
Настраивать рекомендации на сайте с учетом специфики фешн-бизнеса
✔Доступно ручное соответствие «категория — категория»

К юбкам рекомендуются топы, а к блузкам — юбки или брюки. К платьям и сарафанам, для которых нет сопутствующих товаров, рекомендуются другие платья и сарафаны, которые могут понравиться клиенту
✔Можно исключать из рекомендаций определенные товары

Коллекции обновляются каждую неделю, и при обычной работе алгоритма в самые популярные товары попали бы только давно продающиеся — их убирают, чтобы выводить новинки
Ограничить коммуникационную нагрузку на клиента
✔Платформа позволяет настраивать автоматические ограничения количества рассылок для клиента

Если клиент недавно получал триггерную рассылку, он исключается из массовой
Анализировать эффективность email-рассылок в режиме реального времени
✔Доступны отчеты, показывающие эффективность на уровне рассылки, сегмента, клиента или канала

Как персонализировали массовые рассылки с помощью сегментации

У Love Republic два типа массовых рассылок — акционные (со скидками) и неакционные (опросы, новости, поздравления с праздниками). Маркетологи отправляют письма не по всей базе, а по сегментам. Это позволяет уменьшить коммуникационную нагрузку на клиентов и сократить процент отписок, а также анализировать их реакцию на сообщения более точечно. Ниже — примеры акционной и неакционной рассылки:
Письмо о скидке 30%
Письмо о скидке 30% на весенние образы отправили клиентам, которые не открывали прошлую акционную рассылку, не оформляли заказ в течение 21 дня, но недавно добавляли товары в корзину
Письмо о переработке одежды
Письмо о переработке одежды отправили клиентам, которые еще не совершали покупки на сайте, не получали акционную рассылку про киберпонедельник и проживают в городах с пунктами приема вещей

Как автоматизировали рассылки и персонализировали их с помощью товарных рекомендаций

Настроили 52 триггерных сценария. Часть из них обогащена товарными рекомендациями: выводим популярные (в том числе в категориях, просмотренных в последней сессии), сопутствующие, похожие товары, а также блок с персональными рекомендациями. Ниже четыре примера триггерных рассылок.
Снижение цены на просмотренный товар. Отправляется, если цена уменьшилась хотя бы на 1%:
Чтобы не надоедать клиентам рассылками
Чтобы не надоедать клиентам рассылками, письмо о снижении цены отправляется не чаще раза в неделю
Брошенный просмотр товара. Отправляется через час после события:
В письме выводим рекомендацию популярных товаров
В письме выводим рекомендацию популярных товаров в категориях, просмотренных в последней сессии
Брошенная корзина. Классическая механика дополнена рекомендацией сопутствующих товаров:
Сопутствующие товары
Сопутствующие товары выводятся на основании частоты, с которой они встречаются в одном чеке
300 баллов на день рождения. Письмо отправляется участникам программы лояльности:
Данные о начислении баллов
Данные о начислении баллов передаются из ERP-системы Axapta

Как персонализировали сайт с помощью товарных рекомендаций

Персонализация сайта позволяет сделать покупки более удобными для клиентов и повысить конверсию в заказ. Выводим популярные, сопутствующие товары, а также блок с персональными рекомендациями. Кроме того, для рекомендаций на сайте выставлено ручное соответствие категорий, чтобы алгоритм выводил только нужные товары:
К платьям сложно подобрать сопутствующий товар
К платьям сложно подобрать сопутствующий товар
К платьям сложно подобрать сопутствующий товар, кроме не слишком повышающих чек аксессуаров, — предлагаем посмотреть другие платья. Зато к юбкам можно рекомендовать верх — клиент с большой вероятностью захочет дополнить образ

Следующие шаги: мобильные пуши и новые триггерные рассылки

Запустить мобильные пуши. Love Republic частично отказался от SMS из-за дороговизны этого канала. В ближайших планах — запустить мобильные пуши как альтернативу SMS. На момент написания кейса интеграция с мобильным приложением на Android готова, осталось интегрироваться с iOS. Следующий шаг после этого — настроить каскадные рассылки: сначала пуш, потом email.
Разработать новые триггерные рассылки. Задача — проработать коммуникации с сегментами более глубоко, чтобы клиенты получали максимальное количество релевантной информации, но не были перегружены сообщениями. В ближайших планах — создать триггеры для тех, кто подписался на рассылки, но ничего не купил, и сегмента оттока (раньше покупали, но перестали).
P. S. В этой истории мы рассказывали о наших продуктах CDP и «Рассылки». Узнайте о продуктах подробнее на их страницах или в разговоре с консультантом.