Как разработать для небольшой товарной линейки первую версию программы лояльности, которая не убьет маржу продукта, будет приносить прибыль и окупит затраты на привлечение клиента ― рассказал старший маркетолог Mindbox Пётр Ермаков.
27 января 2025
Программа лояльности на данных: как рассчитать рентабельность и затраты
Программа лояльности на данных: как рассчитать рентабельность и затраты
Программа лояльности часто становится краеугольным камнем CRM-стратегии. Причем камнем настолько острым, что для работы с ней приходится выделять отдельного человека в команде. Это само по себе справедливо, потому что у программы лояльности радикально отличающаяся экономика и бизнес-логика, которую надо соблюдать.
Как разработать первую версию программы лояльности, которая не убьет маржу продукта, будет приносить прибыль и окупит затраты на привлечение клиента ― рассказал старший маркетолог Mindbox Пётр Ермаков.
Как рассчитать экономику программы лояльности
В программе лояльности мы всегда работаем с каким-то видом скидки, которую даем напрямую или возвращаем валютным или бальным кешбэком. Поэтому в основе программы лояльности — продуманная экономика, которая, на мой взгляд, должна:
- сохранять маржу продукта и продуктовой линейки;
- приносить прибыль;
- отбивать n стоимостей приведенного клиента.
Поэтому расчет рентабельности программы лояльности помогает решить три математические задачи:
- Учесть маржинальность товара или товарной линейки.
- Рассчитать условия программы, которые будут приносить бизнесу деньги.
- Удерживать клиента, окупая его привлечение.
То есть сначала мы выясним, какую скидку можно дать на товар, затем изучим спрос на разные товарные группы с учетом скидок, а в самом конце придем к логике удержания внутри программы лояльности и стоимости приведенного клиента.
Считаем маржу и маржинальность
1. Составим таблицу с перечнем товаров. У каждого укажем закупочную и розничную цену — из них рассчитаем маржу:
Так мы получим выручку с каждого проданного товара.
2. Теперь нужно кластеризовать маржу. Важно: работаем не с ценами, а именно с маржой. Рекомендую использовать квартили (или квантили), которые применяются в том числе в RFM-анализе, как самый простой способ кластеризации.
Квартиль делит выборку так же, как и медиана, но с шагом 25%, он же перцентиль. С его помощью значения равномерно и беспристрастно распределяются по четырем кластерам.
3. Полученные пороги квартилей присваиваем каждому значению маржи:
4. Собираем первую сводную таблицу, которая покажет, сколько товаров в каких кластерах у нас есть и какая финансовая емкость у кластера:
Теперь мы понимаем, что у нас есть кластер с большим количеством товаров, то есть мы подсветили, в каких кластерах наибольшая маржа по суммарному объему.
5. Последним шагом выражаем маржу в процентах, то есть считаем маржинальность:
Изучаем спрос
Когда мы определили самые емкие на выручку кластеры товаров и поняли, как они составляют товарную линейку, переходим к изучению спроса, точнее, к истории продаж.
Берем продажи всех конкретных продуктовых линеек (если нужно упростить расчет) или отдельных товаров за период, например 6 месяцев, и присваиваем категории или бренду один из кластеров, которые мы только что рассчитали. В результате получаем кластеризованную историю продаж и в каком кластере по марже эта продажа случилась:
Собираем сводную таблицу и получаем первое важное наблюдение, которое нужно выписать: в каком кластере больше всего продаж. Нижняя граница этого кластера станет нижним порогом входа в программу лояльности, то есть той суммой, на которую нужно купить. Так мы исключим проблему негативных факторов рентабельности программы лояльности.
Собираем модели программы лояльности
Чем больше выручки приносит клиент, тем выше его ценность для бизнеса и тем больше привилегий готова давать компания, чтобы его удержать. Поэтому в программу лояльности часто добавляют грейды. Для таких программ важно определить самый низкий порог.
В нашем примере — это 40%, то есть до 40% мы можем вернуть баллами или сделать скидку, так как это соответствует нижнему порогу программы лояльности. Также это максимальный процент списания с покупки.
Чтобы вычислить порог, мы дополнили сводную таблицу минимумами и максимумами маржинальности.
Для ровного счета (эмпирически) взяли 40%, чтобы всегда и наверняка оставаться в плюсе. А так как 75% товаров выше этой линии, мы можем:
- исключить низкомаржинальные товары из программы лояльности;
- смириться с тем, что у нас есть дешевые продукты;
- принять правило, что мы готовы эти продукты оставить, но дать им специальный статус лидгена или парного продукта, на который даем скидку при покупке другого продукта.
Остальные грейды можно расписывать как угодно, главное ― не превышать вычисленный и округленный порог.
Теперь соберем альфа-версию порогов перехода между грейдами:
В этой версии мы устанавливаем минимальные значения, где один шаг перехода равен марже одного среднего чека. Но на всякий случай можно взять и медианный.
Теперь максимизируем расчет финансовой модели программы лояльности и добавим CAC ― стоимость приведенного клиента.
В нашем примере уже есть грейды и полученная выручка, которая отражает n стоимостей на нового клиента.
Часто бизнес просит установить окупаемость программы лояльности шире маркетинговой парадигмы: ориентироваться не на CAC, а на валовую стоимость одной покупки ― ROI. То есть отстроить грейды от EBITDA. Эту часть заполняет уже операционный или финансовый департамент.
В нашем примере мы учили фактор увеличенного среднего чека так, чтобы первый грейд был немногим выше среднего чека за определенный период: у нас это 6 месяцев. В парадигме маркетинга мы отбиваем значительное количество затрат на привлечение клиентов. Но если анализировать данные через валовую стоимость, их будет намного меньше.
Мы рассмотрели логику программы лояльности на одну товарную категорию. Их, разумеется, можно комбинировать, и тогда экономика усложняется, но логика остается той же:
— следить за тем, чтобы программа лояльности не убивала маржу;
— делать акцент на прибыльности;
— опираться на CAC.
— делать акцент на прибыльности;
— опираться на CAC.
В целом, разработка программы лояльности — это анализ, где товар связывается со спросом, однако тут открываются точки роста для новых механик коммуникации с пользователем.
