"Аналитика сама по себе не зарабатывает деньги" – такой тезис приходится слышать довольно часто со стороны менеджмента компании.И действительно, инсайты и корреляции нельзя так просто снять с банковской карточки. Однако, внедряя тот или иной аналитический продукт в процесс принятия решений, важно заранее понимать, какую пользу он принесет. В экономике знаний критически важно уметь конвертировать информацию в рост KPI.

Любой аналитический продукт – это, прежде всего, инструмент: он должен быть создан для какой-то цели, и с самого начала все должны понимать, как им пользоваться.

В этой статье расскажем, как используем мини-кластеризации для извлечения полезного знания, а также при чем тут самураи.

Мини-кластеризации – это подход, который идейно находится на стыке RFM и Lifestyle сегментаций на всей доступной витрине признаков и позволяет охарактеризовать каждого клиента в разных аспектах его потребительского поведения.

В отличие от классического RFM, который сосредоточен на верхнеуровневых транзакционных данных, мини-кластеры могут учесть гораздо больше информации:

В отличие от Lifestyle сегментаций, мини-кластеры имеют фиксированную размерность по признакам (так и появилась приставка "мини"). Вместо одной большой кластеризации по всем признакам сразу мы проводим ряд параллельных "мини-кластеризаций", собирая признаки в пары.

Зачастую один признак характеризует клиента в том или ином аспекте, а другой – указывает на достоверность характеристики. Например, в мини-кластеризации по отношению к скидкам первый и основной признак – это доля скидки в общей сумме покупок клиента. Вторым признаком мы вводим суммарное количество заказов: так мы можем оценить, насколько мы доверяем значению основного признака (если заказов пока мало, то степень достоверности низкая).

В результате, каждый клиент характеризуется с разных сторон: каждая мини-кластеризация отвечает за отдельный аспект, разбивая клиентов на группы по значению 2х признаков. Такие сегменты очень просто интерпретировать и комбинировать между собой.

Например, мы можем собрать комбинированный сегмент на пересечениях разных мини-кластеризаций:

- предпочтение товарной категории: кроссовки для бега, степень склонности 75%

- предпочтение ценовой категории: medium (средние цены)

- отношение к скидкам: устойчиво индифферентное

- не покупают сопутствующие товары

Более подробное описание можно найти в предыдущем материале цикла.

Прежде чем перейти к примерам, добавим еще немного концепта.

Все сегментации мы можем условно разделить на 2 типа: ЦЕЛЕВЫЕ и ОПИСАТЕЛЬНЫЕ

В целевых сегментациях мы делим клиентов с позиции целей маркетинга: увеличение ценности клиента, предотвращение оттока, развитие ширины потребительской корзины, повышение лояльности и др. В итоге, каждый сегмент отражает рейтинг клиента в том или ином аспекте. Например, ценность клиента можно охарактеризовать через общую сумму его трат (фактический LTV) и lifetime – период жизни. Целевые сегментации позволяют выстроить путь, по которому мы хотели бы провести клиента, чтобы повысить его ценность.

Описательные сегментации помогают нам лучше понимать потребности клиентов и формировать для них лучшее предложение. Это могут быть сегментации по отношению к скидкам, по приоритетным ценовым / товарным категориям, по склонности покупать много, по стремлению покупать новые коллекции / сопутствующие товары и др.

Самое очевидное применение мини кластеризаций – это, безусловно, персонализация предложения через описательные сегменты. Мы можем использовать известные предпочтения клиентов, повышая OR и CR в адресных коммуникациях. Также мы можем уточнять дизайн общих промо-компаний, основываясь на дополнительной информации о ядре ЦА.

Зачастую такой подход сводится к поиску "идеального" сегмента для уже поставленной задачи: стимулировать продажи конкретной товарной категории, привлечь внимание к новому товару или избавиться от старого. Для этого достаточно использовать описательные сегментации. Например, если бизнесу нужно продвигать новую коллекцию одежды, то нам нужно найти людей, которые покупают часто, без скидок и в целом склонны покупать в периоды запуска коллекций. При этом мы можем диверсифицировать предложение по стилю / категории товаров, исходя из предпочтений клиента.

Но часто бывает так, что сама постановка цели становится задачей анализа. В этом случае нам могут помочь целевые сегментации. В ходе анализа целевых сегментаций аналитик может выбрать конкретный фокус для маркетинга. Например, это может быть сокращение оттока – фокусным сегментом в этом случае станут клиенты, ушедшие в отток или близкие к этому. Возможны и другие цели: повышение среднего чека, увеличение ширины корзины, снижение доли охотников за скидками, etc. Так мы отвечаем на вопрос "Кому?" - кому мы хотим сформировать предложение.

Еще одно применение целевых сегментаций – это контроль ключевых KPI сегмента.

Воздействуя на конкретный срез аудитории, важно помнить об основной цели – мы всегда стремимся к развитию ценности клиента. В своей практике мы в обязательном порядке вводим кластеризацию по ценности. Состав признаков для такой кластеризации может быть разным, но чаще всего мы используем lifetime и LTV (фактический или прогнозный).

Анализ распределения аудитории по сегментам в целевых сегментациях позволяет сформировать клиентский путь и определить ключевые факторы, которые способствуют росту ценности сегмента.

Пара слов об инфраструктуре. Для комфортной работы нужно выбрать такую среду, которая была бы доступна для широкого круга пользователей. Наиболее простой и быстрый способ, который мы использовали в своей практике – это связка Google Big Query и Google Sheets. Формируем витрину данных в Big Query, где для каждого клиента отображаем его кластер в каждой мини-кластеризации, а также считаем ряд важных для нас метрик (AOV, ITT, Recency, Lifetime и др.). В такую таблицу можно добавлять сколько угодно характеристик клиента, в зависимости от текущих нужд анализа.

Далее мы просто подключаем готовую витрину к Google Sheets и работаем с данными через функционал сводных таблиц.

Основа мировоззрения японского самурая эпохи Сэнгоку – это концепция моментальности и присутствия. Самураи осознавали, что цель может быть недостижимой или подвержена изменениям, в то время как путь – это непрерывный процесс, который есть всегда. Поэтому самураи сосредотачивались на совершенствовании своего пути. Такой фокус позволял им быть гибкими и адаптивными в сражениях и в жизни.

Применительно к работе аналитика, "Путь самурая" – это естественный ответ на окружение с высоким уровнем неопределенности. Когда неизвестно, что конкретно искать, нужно просто идти вперед, управляя одним моментом.

Рассмотрим на примере из реальной практики step-by-step.

Предположим, мы решили сформировать идею для продвижения детской коллекции одежды. Начнем с простого вопроса: кто покупает детские товары? Судя по данным, структура базы по предпочтениям в половозрастных категориях выглядит следующим образом (выбраны только сегменты, связанные с детским ассортиментом):

• Д – клиенты, которые предпочитают покупать только детские товары (клиенты с детьми, пол неизвестен);
• ЖД – предпочитают покупать женские и детские товары (женщины с детьми);
• МД – предпочитают покупать мужские и детские товары (мужчины с детьми);
• МЖД – предпочитают покупать товары всех половозрастных групп (семьи).

Таким образом, подавляющая доля покупателей детских товаров – это сегмент ЖД – женщины с детьми. Интересно. Но попробуем пойти дальше.

Итак, в основном это low и medium сегменты, причем довольно устойчивые в своих предпочтениях. Это также можно иметь в виду при планировании маркетинговой кампании. Итоговый сегмент: (Indifferent, indiff_robust) + (Д, ЖД) + (medium, low)

Можно проделать несколько таких итераций, попутно уточняя сегмент (если нужно).

В качестве цели мы можем рассматривать приращение сегментов в целевых сегментациях. При этом не обязательно концентрироваться на конкретном сегменте.

Возьмем сегментацию по финансовому результату. Клиенты в ней распределены в зависимости от их lifetime и LTV. Чем больше оба показателя, тем «выше» и «ценнее» сегмент. Наша задача – провести клиента по этому пути вверх.

Сделать это мы можем через средний чек, частоту покупок, реактивацию и т.д. Это и будут наши рычаги влияния.

Чтобы понять, как именно запустить переток в более высокие сегменты, нужно понять, чем отличаются между собой соседние ступени. Так мы поймем, на каком факторе лучше сфокусироваться.

* ITT (inter-transaction time) – среднее расстояние между заказами в сегменте

Так, мы видим, что econom может перейти в econom_up, если увеличится его средний чек. Далее, если с тем же средним чеком и частотой покупок клиент останется с нами на 1,5 года, то он переместится в premium. А если его частота покупок и средний чек вырастут за это время, то он может попасть даже в VIP.

Сегменты econom_old, middle_old для нас нежелательны, потому что их определяет в основном lifetime. Время жизни таких клиентов такое же, как у premium и vip, но финансовый результат намного ниже. Нужно стремиться к тому, чтобы таких клиентов было меньше: гораздо предпочтительнее было бы видеть их в числе premium или vip сегментов. Для этого нужно работать со средним чеком и частотой покупок.

Итак, теперь мы понимаем, на какие показатели воздействовать.

Итак, имеем следующие вводные для поиска оптимальной коммуникации.

● Товарная категория: детские товары
● ЦА: женщины
● Стимулы: немонетарные
● Цели и метрики (по убыванию приоритета): средний чек, реактивация, частота покупок

В 2022 году привычный мир маркетинга встряхнуло. И маркетинговая аналитика не стоит в стороне. Развитие нейросетей происходит настолько стремительно, что опции НЕ использовать их уже попросту нет.

Приходите с интересными задачами.