Tom Tailor: как привлечь клиентов из офлайна в онлайн

Tom Tailor — бренд повседневной одежды, родом из Гамбурга. Представлен по всему миру. На рынке с 1962 года. 623 млн евро — оборот в 2019 году в мире

Масштаб бизнеса. 
57 магазинов в России, 1 миллион лидов в базе
Автор
Елена Ложкина,
руководитель отдела маркетинга и e‑commerce Tom Tailor
Задача
Привлечь офлайн-покупателей в фирменный онлайн-магазинУвеличить выручку от прямого маркетинга
Решение
Запустили омниканальную программу лояльностиВнедрили возвраты и бронь товара с примеркой в розничных магазинах и другие механики для миграции покупателей из офлайна в онлайнЗапустили триггерные рассылки по клиентам из онлайна и офлайна в зависимости от их поведения и типа
Результат
8,93% — максимальная доля выручки идентифицированных чеков от рассылок относительно всей выручки интернет-магазина и розницы по итогам 9 месяцев работыв 3 раза выросла выручка от триггерных рассылок по атрибуции last click54 новых триггера

ИТ. 

CRM и кассы в 1С, сайт на Битрикс, Mindbox

Срок. 

8 месяцев
На фоне развитой розничной сети Tom Tailor продолжает развивать e-commerce, задача которого — улучшить омниканальный опыт покупателя и увеличить долю интернет-канала в общей выручке компании. Одним из способов стало привлечение клиентов из офлайна в онлайн. Но это оказалось непросто. Елена Ложкина из Tom Tailor и Юлия Сомова-Гольцвирт из агентства Profitator (Kokос Group) рассказали:
  • почему офлайн и онлайн не могут существовать отдельно и какую роль в этом играет омниканальная программа лояльности,
  • почему 54 и даже 100 триггеров — это не спам,
  • как тестирование гипотез открывает инсайты, когда клиентам не нужны скидки,
  • миграция клиентов из офлайна в онлайн — выдумка или реальность,
  • какие боли клиентов из офлайна мешают им покупать в интернете.

Результаты автоматизации маркетинга и омниканальной программы лояльности

Доля выручки идентифицированных чеков от рассылок относительно всей выручки интернет-магазина и розницы

По данным из сводного отчета по рассылкам Mindbox

Выручка от триггерных рассылок

По данным из Google Analytics, атрибуция last click
  • 54
    триггера запустили
  • 8,93%
    максимальная доля выручки идентифицированных чеков от рассылок относительно всей выручки по итогам 9 месяцев работы
  • ×3
    выручка от триггерных рассылок по last-click

Почему решили автоматизировать маркетинг

Проблема
Решение
Розница и интернет-магазин существовали разрозненно, и им было сложно объединиться из-за разных маркетинговых активностей и метрик каждой команды. В результате не удавалось выстроить единый подход к покупателям.
Централизовать данные из офлайна и онлайна с помощью платформы автоматизации маркетинга и получить единый инструмент управления. Собирать отчетности для всех команд в одном окне.
Акции в онлайне и офлайне не были едиными, поэтому клиенту тяжело было разобраться в их правилах и сочетании.
Запустить программу лояльности, которая учитывает поведение клиента в обоих источниках и позволяет синхронизировать акции.
Было невозможно тестировать новые гипотезы и запускать маркетинговые кампании, что тормозило рост выручки.
На базе платформы запускать и проверять новые гипотезы и увеличивать выручку за счет новых кампаний.

Как внедряли платформу

Внедрение платформы, запуск программы лояльности в онлайне и офлайне, триггеров и новых механик заняли 8 месяцев. Все интеграции проходили параллельно, чтобы Tom Tailor мог как можно раньше начать пользоваться функционалом платформы.
Внедрение платформы
Особенности, которые учитывали при интеграции:
Перенос баллов и статусов по существующей программе лояльности. У Tom Tailor уже действовала программа лояльности на базе другой системы. Чтобы сохранить баллы и статусы клиентов, помимо интеграции на кассах и сайте понадобилось проинтегрировать личные кабинеты. Подготовка длилась несколько недель, а данные переносили ночью, чтобы переход был бесшовным для клиента.
Отдельные акции для онлайна и офлайна. Товарный ассортимент и скидки в интернет-магазине и в рознице могут отличаться. Это нужно было учесть в программе лояльности. Кроме того, около 50 акций действовали для клиентов ранее по заданным условиям. Их перенесли в новую программу лояльности так, чтобы они работали уже на старте.
Распределение выкупа по заказу click and collect. Предложение click and collect предполагает заказ в онлайне и выкуп в офлайне. По умолчанию платформа относила заказы к онлайну по точке заказа. Из-за разницы в акциях онлайна и офлайна возникали сложности, если клиент докупал товары на месте в магазине. С помощью дополнительного функционала получилось разнести товары в одном чеке: к первоначальному заказу применять акции онлайна, а к товарам, купленным на месте в рознице, акции офлайна. На платформе они размечаются специальным маркером, чтобы в BI попадала корректная статистика по точке продажи и акциям.
Омниканальность для контактов. Mindbox — мастер-база и по контактам, и по баллам, в офлайне — только по баллам, а контакты аккумулирует сайт. Из-за этого по одним и тем же клиентам могла быть разная информация в офлайне и онлайне. Чтобы этого избежать, настроили функционал: если клиент меняет данные в розничном магазине, при заходе на сайт спрашиваем, хочет ли он заменить данные и на сайте.
Тестирование. Интеграцией онлайна и офлайна занимались отдельные подрядчики — их надо было контролировать и тестировать результаты. Этот процесс требовал дополнительных ресурсов участников.

Как запускали триггеры

  • 1
    письмо в 2 дня — ограничение по отправке триггеров, чтобы не спамить клиентов
Первой задачей было автоматизировать коммуникацию с клиентами и предусмотреть максимум сценариев взаимодействия — в этом помогли триггерные рассылки. Всего запустили 54 триггерные механики, в планах до конца 2021 года запустить 100 механик.
Маркетолог закладывает логику поведения триггеров в карту коммуникаций и настраивает их в Mindbox. Не спамить клиентов при большом числе триггеров помогают приоритеты. Например, если запустилась цепочка по брошенной корзине, остальные триггеры отключаются. По тому же принципу клиенты, которые оформляют заказ или недавно совершили покупку, не получат акционные предложения. Это условие не распространяется на транзакционные и сервисные письма.
Разберем самые примечательные рассылки:
Сезонные механики включают в себя подборки по погоде, категориям зима — лето и любимым категориям. Эти рассылки пока запущены по узким категориям товаров: текстиль, деним, верхняя одежда и аксессуары, но планируем распространить их на все категории, чтобы кратно увеличить выручку с этих рассылок.
Сезонные рассылки
Сезонные рассылки
Сезонные рассылки формируются автоматически на основе товаров из каталога и отправляются по расписанию или по событию
Сезонные рассылки
Сезонные рассылки
Сезонные рассылки сегментированы по полу. Данные собираются с помощью программы лояльности: за заполнение полей клиент получает бонусы, которые можно потратить в онлайне или офлайне
  • ×2 раза
    выше конверсия в заказ у рассылок с ценовыми подборками по сравнению с акционными рассылками
Ценовые подборки. Средний чек в заказе Tom Tailor — 5 тыс. рублей. Чтобы создать релевантное предложение для клиентов, сделали подборки по цене и разделили их на две категории: товары с примерной стоимостью 5 тыс. рублей и 3 тыс. рублей. Примечательно, что обе механики оказались в два раза эффективнее по конверсии в заказ, чем акционные рассылки. При этом компания не раздает скидки и сохраняет маржу.
Автоматическая подборка создается с учетом заданных ограничений по полу и цене товаров. Например, из нее исключаются дешевые аксессуары, чтобы предлагать клиенту товары, близкие по стоимости к среднему чеку, а не меньше его. При этом рассылка работает как реактивация для тех, кто давно не покупал. Клиенты, которые часто покупают товары или чей чек значительно выше или ниже заданных цен, не получат рассылку.
Подборки по ценам
Подборки по ценам реактивируют неактивных клиентов и помогают не раздавать скидки напрасно
  • ×6
    конверсия в заказ у рассылок со сменой статуса в программе лояльности, чем у рассылок по брошенной корзине
Смена статусов в программе лояльности. Рассылка сообщает клиенту сумму покупок, которой ему не хватает, чтобы перейти на следующий уровень программы лояльности, и предлагает совершить покупку. Эти рассылки показали самый высокий RPE (revenue per email), а конверсия была выше, чем у брошенной корзины. Сравнивали с механиками по брошенной корзине, потому что они обычно показывают лучшую конверсию.
Клиент меняет статус в программе лояльности
Клиент меняет статус в программе лояльности
Клиент меняет статус в программе лояльности на основе суммы покупок. Сумма, недостающая до следующего статуса, — повод стимулировать клиентов к покупке

Как тестировали гипотезы

Чтобы определить самые эффективные коммуникации и максимально вовлекать базу, проверяем гипотезы с помощью AB-тестов.

Бонусы vs скидка как мотивация в брошенной корзине

Бонусы лучше скидки:

  • ×4
    конверсия в заказ
  • ×1,3
    конверсия в кликах
В первом письме из триггерной цепочки по брошенной корзине клиент получает напоминание о добавленных товарах, а во втором — дополнительную мотивацию на покупку в виде бонусов или скидки. Чтобы опредлить, что работает лучше, скидка или бонусы, провели AB-тест: части клиентов предлагали 500 бонусов, а другим — скидку 5%. Достоверность теста 95%, атрибуция last click.
Результаты показали, что у предложения с бонусами конверсия в заказ и в кликах выше, чем у скидки. Это неожиданный результат, потому что бонусами можно оплатить не более 50% заказа и с учетом органического чека скидка выгоднее для клиента.

Подборки по интересам vs по сумме накопленных бонусов

Чтобы определить, как лучше стимулировать клиента потратить бонусы на следующую покупку, сравнили два письма:
  • первое сообщает о количестве накопленных бонусов и призывает купить товары из подборки с учетом предпочтений клиента,
  • второе включает только те товары, стоимость которых не превышает количество накопленных баллов.
Достоверность теста 95%, атрибуция last click.
Результаты теста показали, что персонализация с заботой о пользователе работает лучше: клики у второй рассылки выше в два раза, а доход — в семь раз.
Сравнили персонализированные подборки товаров
Сравнили персонализированные подборки товаров
Сравнили персонализированные подборки товаров по интересам и бонусам, чтобы понять, какие рассылки лучше стимулируют к покупкам. Подборки по сумме накопленных бонусов оказались эффективнее

Как работали с болями клиентов при переходе из офлайна в онлайн

После того как появилась возможность объединить базы клиентов из онлайна и офлайна и отслеживать их поведение в обоих каналах, мы провели исследование розничных покупателей, чтобы выявить причины, по которым они не покупают в онлайн-магазине. Получили следующие результаты:
  • 80% клиентов боялись, что не угадают с размером и придется оформлять возврат.
  • 50% не знали, что существует услуга примерки в интернет-магазине.
  • 30% не покупали в интернет-магазине, потому что нельзя было вернуть товары в розницу.
Мы проработали каждую из болей: внедрили возвраты в розничные магазины и бесплатную доставку для части лояльных клиентов, увеличили срок возврата товаров до 365 дней и анонсировали услугу примерки в интернет-магазине. Также запустили таргетированную рекламу для клиентов из офлайна, чтобы донести до них вышеперечисленные преимущества.

Как развивали омниканальный клиентский опыт

Сформулировали цель — увеличить долю омниканальных клиентов вдвое. Чтобы достичь ее, для начала провели анализ базы: построили сегменты клиентов с активной подпиской на email, оценили, сколько из них клиентов с омниканальными заказами, и проанализировали действия тех, кто покупает только в офлайне. Выяснилось, что такие клиенты читают рассылки, но предпочитают покупать в рознице. Чтобы влиять на них, подготовили и протестировали несколько акций:
Мотивация 50% на первый заказ
Гипотезу о миграции из офлайна в онлайн проверяли на сегменте клиентов, которые покупают только в рознице, но посещают сайт. Им отправили предложение со скидкой 50% на первый заказ в онлайне. Результаты замеряли с контрольной группой.
Всего получили 73 заказа, из которых 62 в онлайне, а 11 в офлайне с конверсией 0,4%. Сделали вывод, что миграция клиентов в онлайн возможна, но всегда будут те, кто предпочитает розницу, даже несмотря на скидки.
Акция со скидкой в 50%
Акция со скидкой в 50%, чтобы привлечь покупателей из офлайна в онлайн

Click and collect

Следующим крупным шагом было внедрение системы click and collect: можно выбрать и заказать товары в онлайне, а примерить и выкупить в розничном магазине.
Акция со скидкой в 50%
Click and collect помогает клиентам из розницы покупать в онлайне и сохранить привычный пользовательский сценарий

Как клиенты мигрируют из офлайна в онлайн. Пример

Миграция клиентов из офлайна в онлайн — долгий и последовательный путь, в котором click and collect может оказаться решающим фактом. Пример миграции реального клиента из офлайна в онлайн:
2018 год. Клиент покупает товары в торговых центрах. Это стабильный розничный клиент, у которого много покупок.
Январь 2021 года. Вступает в программу лояльности на кассе магазина, начинает получать триггерные рассылки:
Пример миграции реального клиента из офлайна в онлайн. Январь 2021 года
Февраль 2021. Читает рассылки, но продолжает покупать в офлайне:
Пример миграции реального клиента из офлайна в онлайн. Февраль 2021 года
При этом начинает переходить из рассылок на сайт:
Пример миграции реального клиента из офлайна в онлайн. Февраль 2021 года
Апрель 2021. Первая авторизация на сайте:
Пример миграции реального клиента из офлайна в онлайн. Апрель 2021 года
Первый заказ click and collect. Затем последовали еще два заказа, значит, клиент активно пользуется услугой и продолжает заказывать на сайте:
Пример миграции реального клиента из офлайна в онлайн. Апрель 2021 года
Результаты по приросту омниканальной базы
Доля омниканальных клиентов в общей базе клиентов

Почему решили изменить условия программы лояльности

Изначально условия программы лояльности предполагали два сегмента: стандарт и VIP. К стандарту относилось 95% пользователей, а к VIP — 5%. Клиентов из VIP меньшинство, они сами поддерживают активность, а бо́льшая часть из стандартного сегмента были недостаточно активны и понемногу уходили в отток. Порог перехода в следующий сегмент оказался слишком высок. Чтобы снизить его и создать дополнительную возможность для коммуникации, программу дополнили третьим промежуточным сегментом.
Оценивать эффективность программы лояльности планируем по retention rate с помощью контрольной группы, когда пройдет значительное время после запуска новой программы.
Условия программы лояльности
Условия программы лояльности
Три уровня клиентов в программе лояльности
Три уровня клиентов в программе лояльности. Статус зависит от суммы покупок. Накопленные баллы действуют бессрочно, но, чтобы оставаться в рамках текущего статуса, нужно тратить определенную сумму в год