Во «Всеинструменты.ру» базу сегментируют по предпочтениям, то есть по категориям товаров, которые клиент чаще всего покупал или просматривал. Аналитик делал расчеты и строил такие сегменты вручную, пока в Mindbox не появился новый инструмент — автосегментация на основе вычисляемых полей. В кейсе рассказываем, как «Всеинструменты.ру» стали экономить до 3,5 часов ручного труда и теперь сегментируют базу без аналитика. А главное — как измерили эффект автосегментации при помощи тестов с контрольной группой.
«ВсеИнструменты.ру» протестировали автосегментацию email-подписчиков: по контрольной группе рост open rate — от 1,5 п. п., click rate — от 4,8 п. п.
Задача
Повысить прокси-метрики рассылок: open rate, click rate, unsubscribe rateСэкономить время на сегментации получателей
Решение
Использовать автосегментацию получателей по интересам
Результат
От 1,5 п. п. — прирост open rate относительно контрольной группыОт 4,8 п. п. — прирост click rate относительно контрольной группы4 часа → 30 минут — экономия времени при подготовке сегмента для рассылок
ИТ.
Сайт на собственном бэкенде, приложения на iOS и Android, платформа автоматизации маркетинга Mindbox
Срок.
3 месяца
4 июля 2024
Для «ВсеИнструменты.ру» email — основной канал общения с клиентами. Помимо автоматических рассылок, в нем ежедневно уходит десяток массовых. Для них базу сегментируют по предпочтениям, то есть по категориям товаров, которые клиент чаще всего покупал или просматривал. Аналитик делал расчеты и строил такие сегменты вручную, пока в Mindbox не появился новый инструмент — автосегментация на основе вычисляемых полей. Она определяет любимую категорию клиента — и он получает скидку.
В кейсе рассказываем, как «ВсеИнструменты.ру» стали экономить до 3,5 часов ручного труда и теперь сегментируют базу без аналитика. А главное — как измерили эффект автосегментации при помощи тестов с контрольной группой.
Результаты сегментации на вычисляемых полях в сравнении с контрольной группой
-
от 1,5 п. п.прирост open rate
-
от 4,8 п. п.прирост click rate
Статзначимость теста — 95%
Когда мы внедрили автосегментацию по интересам, эффект оценивали по прокси-метрикам: open rate, click rate, unsubscribe rate. Их прирост измеряли при помощи теста с контрольной группой. Участников контрольной группы не сегментировали, но они получили такую же рассылку, как и две тестовые группы. На конверсию в заказ не стали ориентироваться из-за долгого цикла покупки: в среднем клиенты выбирают товар 3 месяца, а значит, всё это время нужно ждать результатов теста. Мы же хотели быстро оценить, насколько сегментированные рассылки попадают в интересы подписчиков.
На выбор метрик повлияло и то, что в тесте участвовали партнерские письма. В первую очередь было важно улучшить именно их показатели, так как контент от поставщиков составляет примерно 30% всех массовых рассылок. Партнерские письма рассчитаны не на мгновенный эффект, а на медленный прогрев аудитории. В них мы не даем скидок — только рассказываем о продуктах бренда, их преимуществах, делимся рекомендациями, например, как правильно паять. Поэтому нужно много времени, чтобы измерить влияние таких писем на выручку.
Мы протестировали механику, увидели улучшение прокси-метрик и теперь масштабируем ее. Благодаря тому, что автоматизирована работа с сегментами, при подготовке массовых рассылок нам больше не нужна помощь аналитика.
Как сегментировали базу до появления вычисляемых полей (спойлер — долго и сложно)
Ежедневно «ВсеИнструменты.ру» отправляют порядка 10 ручных рассылок. В них знакомят клиентов с брендами, рассказывают об акциях, выборочно продвигают товарные категории. Под каждую такую рассылку строят узкий сегмент, для которого предложение будет релевантным.
Для этого первое время использовали фильтры Mindbox. Клиентов группировали по предпочтениям — в зависимости от того, какие товары и категории они чаще всего покупали или просматривали. Затем добавляли дополнительные условия, например, покупка определенного бренда в прошлом, частота покупки или наличие покупок за определенный период.
При этом важно было сделать сегменты для рассылок взаимоисключающими, чтобы не спамить. Например, если человек покупал в категориях «Сад», «Инструмент» и «Отдых», нужно было убедиться, что он не получит сразу три рассылки. В Mindbox это нетрудно настроить, если рассылки уходят друг за другом. Но, если несколько писем отправляются параллельно, сделать взаимоисключающие сегменты — проблема.
Из-за этого «ВсеИнструменты.ру» начали собирать сегменты на своей стороне. Проблема была в том, что в их собственном хранилище нет данных о просмотрах и заказах с сайта — вся информация о предпочтениях клиента накапливалась в Mindbox. Аналитик выгружал ее, формировал сегменты и файлом передавал обратно на платформу. Автоматизировать процесс не могли: для разработки, интеграции и техподдержки нужно было привлекать IT-команду, а ресурса не было. Так что на подготовку 10 рассылок в день аналитик тратил в среднем 4 часа.
Как автоматизировали сегментацию по любимой категории товаров
Наш менеджер Mindbox знала о проблеме, поэтому предложила поучаствовать в доработке платформы и протестировать автоматическую сегментацию на основе вычисляемых полей.
Мы хотели делить клиентов по двум признакам:
— самая часто покупаемая категория или подкатегория товаров;
— самая просматриваемая категория или подкатегория.
За несколько дней нам настроили нужные дополнительные поля в клиентском профиле.
В профиле клиента «ВсеИнструменты.ру» могут быть указаны и самая часто покупаемая, и самая часто просматриваемая категория либо одна из двух. Зависит от того, есть ли в Mindbox данные о покупках и просмотрах
«ВсеИнструменты.ру» используют вычисляемые поля, которые каждую ночь анализируют просмотры и заказы покупателя, а затем определяют, какой товарной категорией он интересовался чаще всего. Например, клиент дважды покупал стройматериалы и трижды — инструменты. В этом случае вычисляемое поле покажет, что его любимая товарная категория — «Инструменты». Покупателей, которые чаще всего покупают или просматривают одну и ту же категорию товаров, можно объединить в сегмент и отправить им тематическую рассылку.
В Mindbox есть несколько видов вычисляемых полей, которые можно использовать для сегментации:
— категория или подкатегория продукта, которую клиент покупал или просматривал чаще всего;
— продукт, который клиент покупал или просматривал чаще всего;
— канал продаж, через который клиент совершил больше всего покупок (сайт, приложение, офлайн-магазин);
— характеристика продукта, например цвет или размер одежды, который клиент чаще всего заказывает или просматривает;
— производитель, чьи продукты клиент покупает или просматривает чаще всего.
Как измеряли эффект от автосегментации при помощи контрольной группы
Вычисляемые поля в первую очередь протестировали на партнерских рассылках. Ниже — результаты AB-тестов.
Методика
В качестве метрик выбрали open rate, click rate, unsubscribe rate. На конверсию в заказ и выручку с письма не стали ориентироваться: с учетом долгого цикла покупки результатов пришлось бы ждать 3 месяца. Кроме того, спустя столько времени сложно отследить, что на покупку повлияло это письмо. Чтобы быстро оценить эффект от рассылок по сегментам, решили сфокусироваться на прокси-метриках.
Выборка — 1,9 млн email-подписчиков. Каждый из AB-тестов проводили на всей базе. Выборку поделили на группы:
Группа
Сегментация
Охват базы
Группа А
(контрольная)
(контрольная)
Без сегментации
48%
Группа B
Сегментация по самой покупаемой категории
40%
Группа C
Сегментация по самой просматриваемой категории
12%
Оптимально, когда группы одинаковые по величине. Но клиенты «ВсеИнструменты.ру» делятся неравномерно: у 74% из них заполнено вычисляемое поле по покупкам, у 17% — по просмотрам. Выборку для теста разбили примерно в таком же соотношении.
Тест 1
В рассылке рекламировали сварочные аппараты бренда Inforce. При сегментации выбирали клиентов, которые интересуются сварочным оборудованием. Выделили тех, кто покупал или просматривал товары в категории «Инструмент».
Тема: Новый подход к сварке 😎
Результаты
Группа
Сегментация
Open rate
Click rate
Unsubscribe rate
А
Без сегментации
Х
Х
Х
B
По самой покупаемой категории
X + 3,1 п. п.
X + 1,1 п. п.
Х − 0,1 п. п.
C
По самой просматриваемой категории
X + 2,4 п. п.
X + 1,4 п. п.
Х − 0,1 п. п.
Статзначимость результатов в сравнении с контрольной группой — 95%
Тест 2
В письме приглашали на стрим от производителя паяльного оборудования Rexant. Там можно было получить промокод на скидку 10% на паяльники и расходные материалы. При сегментации выбирали клиентов, которые покупали или просматривали товары в категории «Строительные материалы».
Тема: Выложим все секреты
Результаты
Группа
Сегментация
Open rate
Click rate
Unsubscribe rate
А
Без сегментации
Х
Х
Х
B
По самой покупаемой категории
X + 1,2 п. п.
X + 0,2 п. п.
Х − 0,01 п. п.
C
По самой просматриваемой категории
X + 3,4 п. п.
X + 1,1 п. п.
Х − 0,01 п. п.
Статзначимость результатов в сравнении с контрольной группой — 95%
Тест 3
В рассылке от партнеров QBRICK SYSTEM и PATROL предлагали купить ящики для инструментов и поучаствовать в розыгрыше органайзера. При сегментации выбирали клиентов, которые покупали или просматривали товары в категориях «Ручной инструмент» и «Крепеж».
Тема: Бесполезные подарки? Галя, у нас отмена!
Результаты
Группа
Сегментация
Open rate
Click rate
Unsubscribe rate
А
Без сегментации
Х
Х
Х
B
По самой покупаемой категории
X + 1,2 п. п.
X + 0,2 п. п.
Х − 0,01 п. п.
C
По самой просматриваемой категории
X + 3,4 п. п.
X + 1,1 п. п.
Х − 0,01 п. п.
Статзначимость результатов в сравнении с контрольной группой — 95%
Вывод: сегментация по интересам улучшает показатели рассылок
Результаты проверены на калькуляторе AB-тестов
Тесты подтвердили, что сегментация на основе вычисляемых полей дает прирост open rate и click rate относительно контрольной группы и незначительно снижает unsubscribe rate. «ВсеИнструменты.ру» также сравнили между собой группы B и C — разница в показателях оказалась не статзначима.
Как масштабируют автосегментацию: категорийные промо, кросс-продажи и не только
После теста «ВсеИнструменты.ру» стали шире использовать сегментацию на основе вычисляемых полей. Например, для продвижения определенных товарных категорий, причем не только в email-канале, но и в мобильных пушах.
Промо газонокосилок отправили сегменту с любимой категорией «Все для сада». Open rate email-рассылки — 20,5%, click rate — 1,93%, конверсия в заказ — 0,06%
Промо для сегментов с любимыми категориями «Инструмент» и «Ручной инструмент». Click rate пуша на Android — 2,28%, конверсия в заказ — 0,09%
С помощью рассылок по сегментам мы планируем продвигать не только те товарные категории, которыми интересовался клиент, но и сопутствующие. Например, человек покупал автогаражное оборудование — возможно, его заинтересуют товары для сада. Мы пока проверяем эту гипотезу, но рассчитываем, что она сильно простимулирует кросс-продажи.
В будущем хотим добавить новые признаки для сегментации, например по бренду, который клиент чаще всего покупает. Это позволит запустить больше персонализированных кампаний.
P. S. В этой истории мы рассказывали о нашем продукте Рассылки. Узнайте о нем подробнее на его странице или в разговоре с консультантом.