Клиентская аналитика (RFM, лояльность, когорты) на CRM данных
Анализ клиентов — один из ценнейших инструментов повышения прибыли. Его проводят на любом объеме данных для оперативной работы по целевым группам клиентов.
Компании лидеры в ecommerce и ритейле активно используют динамические аналитические отчеты (дашборды) для оценки структуры и качества базы своих клиентов, ценность сегментов. Их цель - выявить перспективных и нерентабельных клиентов, определить когорты с низким уровнем удержания, понять причины такого поведения.
Зачем делать клиентскую аналитику
Связывать данные и принимать оперативные решения
Видеть закономерсности в данных
Строить прогнозы
и сокращать потери
Оптимизировать коммуникацию и
другие условия
Лучшие подходы в клиентской аналитике
Аналитика продаж по продуктам и товарным категориям позволяет принять решение в кратчайшие сроки с ограниченным набором данных.

Решения, принятые в таких условиях, часто становятся наиболее важными для бизнеса. Именно они формируют прибыль.

Все они работают в комплексе и помогают руководителю "держать руку на пульсе" своего бизнеса.
    Пути клиентов по воронке (полный CJM, все события)
    RFM анализ
    Recency/Frequency/Monetary
    Когортные отчеты и анализ удержания клиентов
    Пути клиентов по воронке
    (полный CJM, все события)
    Построение полного пути клиента, учитывающего все совершаемые действия (на сайте, в приложение, CRM коммуникациях, в магазине итд) - мощный инструмент аналитики. По сравнению с классическим построением CJM, который делается с помощью интервью отдельных пользователей и выводов эксперта, такой подход позволяет оценить реальную картину на основе данных.

    К аналитической ценности инструмента относятся:

    • Построение основных сценариев движения клиентов до покупки (по всем каналам коммуникации) и где они в основном задерживаются;
    • Выделение ключевые положительные точки / барьеры в пути (микро-конверсии) и их влияние на LTV/выручку;
    • Формирование гипотез роста (включая UX, UI ) для выхода на АБ тесты;
    • Определение критических точек CJM для дополнительной проверки и настройки авто- уведомлений.

    Данные по различным событиям, каналам и типам взаимодействия с клиентом собираются в "путь" - от старта, первой точки контакта до покупки или ухода. Обычно существуют несколько самых распространенных путей, и более редкие.

    Разберем на примерах.
    Какую последовательность коммуникаций клиенты используют чаще всего?
    В данном примере самый популярный "путь" проходят 46,5% клиентов, еще 27,7% двигаются по второму по популярности, остальные встречаются реже.

    Анализируя такие пути, мы можем увидеть каналы коммуникации и точки взаимодействия, которые используются на разных стадиях принятия решения.
    Помимо привычных "дорог", которыми клиент пользуется, есть и типичные "перекрестки", ключевые моменты принятия решений, в которых можно оценить, с какой вероятностью пользователь пойдет далее по одному из путей и что на это влияет.

    Вычисляя такие точки и наиболее эффективные каналы коммуникаций, либо убирая препятствия на пути пользователя и направляя его по более выгодным "дорогам" можно изменять поведение, повышать эффективность взаимодействия и степень удовлетворенности пользователя - сайтом, продуктом, процессом коммуникации.

    Можно оценивать как эффективность канала коммуникации, так и исполнителей, например колл-центр, дифференцированно, в зависимости от вероятности прохождения того или иного отрезка пути успешно и выгодности такого решения пользователя для компании.
    Как определить ключевые точки для коммуникаций и выбрать наилучший канал?
    Кроме "перекрестков" можно вычислять "заторы" - зная среднее время прохождения пользователем того или иного пути, можно увидеть тех, кто" застрял" и находится на каком-то отрезке пути дольше, чем обычно.
    С примером реализации CJM можно ознакомиться в кейс мобильной аналитики "Кейс: Почему пользователи удаляют приложение"
    Выгоды подхода:
    CJM позволяет оценить реальную картину на основе данных
    Мониторить пути клиентов постоянно, а не от случая к случаю
    Вовремя фиксировать "заторы", узкие места и неполадки
    Подключать инструменты опроса для клиентов на "перекрестке"
    Динамические отчеты для RFM анализа
    RFM - Это сегментация клиентов в анализе продаж по лояльности. Определяет три группы признаков. Recency Frequency Monetary - давность, частота, деньги.

    • Recency (давность) — давность сделки, чем меньше времени прошло с момента последней активности клиента, тем больше вероятность, что он повторит действие.
    • Frequency (частота) — количество сделок, чем больше каких-либо действий совершил клиент, тем больше вероятность того, что он его повторит в будущем.
    • Monetary (деньги) — сумма сделок, чем больше денег было потрачено, тем больше вероятность того, что он сделает заказ.

    RFM-анализ позволяет маркетологам увеличить доход, ориентируясь на определенные группы существующих клиентов (т. е. сегментацию клиентов) с сообщениями и предложениями, которые с большей вероятностью будут актуальными на основе данных о конкретном наборе моделей поведения.

    Это приводит к увеличению скорости отклика, удержания клиентов, удовлетворенности клиентов и пожизненной ценности клиента (LTV).

    Разберем примеры отчетов.
    Статичная RFM сегментация базы
    Задача
    Сегментировать базу и понимать состав сегмента

    Решение
    Статичная RFM сегментация на текущий момент времени с возможностью выгрузки идентификаторов клиентов

    Метрики
    По сегментам: выручка, численность, средний чек, ARPU
    Визуализация динамики сегментов и их состава
    Задача Сегментировать базу и понимать, как меняется состав сегмента в динамике

    Решение Расчет сегментов по месяцам для каждого клиента и визуализация численности сегмента по месяцам

    Метрики Численность сегмента, прирост (чел, %)
    Выгоды подхода:
    Учитывает колебание внешних и внутренних факторов по году
    Оценивает отсроченное и локальное влияние рекламных инвестиций
    Строит прогноз продаж с учетом изменения цены и пропорций в медиа миксе
    Рассчитывает модель для конкурентных брендов и всей категории
    Примеры BI отчетов RFM анализа и оценки лояльности
    В данном дашборде в Power BI построены отчеты для анализа оборачиваемости, АВС, ROI запасов и упущенной прибыли.
    Когортный анализ и удержания клиентов (динамические отчеты)
    Проведение когортного анализа является высокоэффективным методом исследования. Клиенты группируются вместе по периоду времени их прихода, например, мартовская когорта.

    Таким образом, на анализ их участия и того, как оно изменилось с течением времени, не влияют люди в других группах, что позволяет группам оставаться полностью независимыми друг от друга. Это способствует точному изучению. Анализ позволяет:

    • Строить четкое различие между метриками роста и вовлеченностью;
    • Эффективно сравнивать данные между когортами.

    Рассмотрим примеры отчетов.
    Отчет для целевых действий и источников
    Задача Понимать, какие источники трафика приводят более активных пользователей

    Решение Расчет целевых действий по когортам пользователей (пришедших из определенного канала в определенный момент времени)

    Метрики Просмотры товаров, Добавления в корзину, оплаченные заказы
    Оценка эффекта РК на удержание клиентов
    Задача Понимать, какие каналы приводят пользователей более склонных к удержанию

    Решение Расчет метрик удержания по когортам пользователей (пришедших из определенного канала в определенный момент времени)

    Метрики Коэффициент удержания, Коэффициент повторных покупок
    Выгоды подхода:
    Учитывает колебание внешних и внутренних факторов по году
    Оценивает отсроченное и локальное влияние рекламных инвестиций
    Строит прогноз продаж с учетом изменения цены и пропорций в медиа миксе
    Рассчитывает ММО модель для конкурентных брендов и всей категории
    Пример BI отчета для когортного анализа
    В данном дашборде в Power BI построены отчеты для анализа оборачиваемости, АВС, ROI запасов и упущенной прибыли.
    Каждый из описанных выше видов анализов дает руководителям возможность получить любою необходимую экспертизу в формате одного окна.
      Клиентская аналитика - ключ к росту продаж и прибыли
      У любой ecommerce и ритейл компании есть данные продаж, анализируя которые можно находить точки роста, строить прогнозы и увеличивать прибыль компании.

      Чаще всего, комбинируются данные 1С и Google Analytics. Встроенных инструментов анализа в этих системах недостаточно для аналитических задач, но возможен импорт данных в единую БД (big query, clickhouse, SQL) и их визуализация (power bi, data studio):

      В типовом проекте создания товарных отчетов мы используем данные:

      из 1С:
      - дата и время,
      - количество,
      - выручка,
      - валовая прибыль,
      - себестоимость и др.
      из CRM:
      - ID клиента,
      - данные клиентов,
      - подразделение,
      - регион,
      - характеристики товаров и др.

      из Google Analytics:
      - источник,
      - браузер,
      - показатель отказов,
      - кол-во страниц в сессии,
      - время сессии и др.
      Любой отчет мы рекомендуем готовить в итерационной модели. Собирая, визуализируя, тестирую и дорабатывая их полного совершенства.

      Собираем в единую БД все данные, которые вам нужны
      Добавляем дополнительные источники данных
      Отбираем ключевые метрики для наблюдения
      Проектириуем отчеты (Power BI, Qlik, Datalens)
      Внедряем дашборды,
      обучаем команду, вносим изменения
      1
      2
      3
      4
      5
      Как построить отчет для анализа поведения клиентов
      Товарная аналитика, как в разрезе товарных групп, сегментации продукции, проводится в четыре этапа:

      1. сбор информации (1С, CRM-системы, внутренние отчеты, бухгалтерская и финансовая отчетность),
      2. обработка данных (исправление ошибок, приведение к единому формату и сверка),
      3. собственно анализ (сравнение показателей, поиск взаимосвязей),
      4. заключение, выявление наиболее эффективных методов улучшения ситуации.
      Как формируется бюджет проекта
      С учетом уровня сложности стоящих задач компания может получить коммерческое предложение "под ключ" или выбрать подходящий пакет подписки на команду аналитиков.

      Каждый из описанных выше видов анализов входит в определенный пакет услуг компании по своему уровню сложности и дает руководителю возможность получить любою необходимую экспертизу в формате одного окна.

      С кратким перечнем состава услуг можно ознакомиться далее или проконсультироваться со специалистом компании.
        Расширенный
        250к ₽
        За команду в месяц в объеме 75 часов
        Все опции базового тарифа
        Воспроизводимое исследование данных
        Статистические выводы и регрессионные модели
        Детализированные ответы на бизнес-вопросы
        Базовый
        150к ₽
        За команду в месяц в объеме 40 часов
        Сбор и очистка данных
        Консолидация данных
        Сортировка, категоризация и описательная статистика
        Визуализация данных
        Полный
        300к ₽
        За команду в месяц в объеме 100 часов
        Все опции базового
        и расширенного тарифов
        Предиктивные модели
        Машинное обучение
        Деревья решений (обоснование выбора)
        Вебинары по аналитике клиентов
        В следующих примерах показаны решения, где компания значимо увеличивала выручку (или LTV) на клиента, внедрив оптимальный BI дашборд и модели.
        Заявка на консультацию
        Проконсультируем за чашечкой кофе
        Ищете решение
        сложной задачи на доступных данных?
        Нажимая кнопку "Отправить заявку" вы принимаете политику обработки персональных данных сайта
        Задать вопрос
        Telegram WhatsApp Phone
        Заказать демонстрацию
        Нажимая на кнопку "Отправить" вы соглашаетесь с политикой обработки персональных данных
        Связаться с нами
        Проконсультируем за чашечкой кофе.
        Нажимая на кнопку "Отправить" вы соглашаетесь сполитикой обработки персональных данных
        Получить примеры отчетов по товарной аналитике
        Нажимая на кнопку "Отправить" вы соглашаетесь с политикой обработки персональных данных
        Базовый тариф (от 120к ₽)
        За команду в месяц в объеме от 40 часов
        Нажимая на кнопку "Оставить заявку" Вы соглашаетесь с политикой обработки персональных данных сайта
        Расширенный тариф (от 195к ₽)
        За команду в месяц в объеме от 70 часов
        Нажимая на кнопку "Оставить заявку" Вы соглашаетесь с политикой обработки персональных данных сайта
        Полный тариф (от 270к ₽)
        За команду в месяц в объеме от 100 часов
        Нажимая на кнопку "Оставить заявку" Вы соглашаетесь с политикой обработки персональных данных сайта