ЯНА ПАРШУТИНА, BUTIK....снижение цены в корзине =1.8 X CR Email, снижение цены в wish list =1.2 X CR Email. Доля таких рассылок

Оптимизируй модно:

сквозная аналитика для

улучшения пользовательского

опыта в fashion

ЯНА ПАРШУТИНА, BUTIK.

OPTIMIZATION

2019

1. BUTIK. Кто мы?

2. Органический трафик:

● особенности, отличающие от остального marketing mix, и

● отраслевая специфика поискового продвижения в fashion.

1. Оптимизация омниканального опыта на базе

сегментации и персонализаци:

● пользовательской (поведенческой),

● клиентской (RFM, категорийной и брендовой affinity, склонности к скидкам) и

● сквозной аналитики (O2O, ROPO, offline-трекинг, funnel-based атрибуция).

О чём поговорим:

Оптимизируй можно: сквозная аналитика для улучшения

пользовательского опыта в fashion

2

OPTIMIZATION

2019



3

BUTIK. Кто мы?

OPTIMIZATION

2019



4

OPTIMIZATION

2019



5

OPTIMIZATION

2019



6

OPTIMIZATION

2019



7

OPTIMIZATION

2019



8

OPTIMIZATION

2019



9

OPTIMIZATION

2019



10

OPTIMIZATION

2019

Органический трафик:

● отличительные особенности в marketing mix и

● отраслевая специфика fashion



11

OPTIMIZATION

2019

Хорошая новость - выгодные отличия “органики” в marketing mix:

● метрики вовлеченности:

○ глубина просмотра = 1.6 Х

○ длительность сессии = 1.5 Х

○ показатель отказов = 1.2 Х

● метрики performance:

○ коэффициент конверсии = 1.2 Х

○ средний чек = 1.2 Х



12

OPTIMIZATION

2019

Проблема:

1. в fashion огромное количество атрибутов товаров, которые

невозможно учесть в рубрикаторе (каталогизировать) без значимых

потерь в UX;

2. игнорирование таких атрибутов лишает нас значимой части

органического трафика (по СЧ, НЧ, а иногда и ВЧ запросам).

Решение - теговые страницы.

Как мы сделали генератор теговых страниц:



13

OPTIMIZATION

2019



14

https://www.butik.ru/catalog/zhenshchinam/

obuv/tag/na_shirokom_kabluke

OPTIMIZATION

2019

Вторая новость - отраслевая специфика

поискового продвижения в fashion:

● региональное продвижение:

○ ранжирование в регионах без физ. присутствия продвижение в 3-4 раза хуже Москвы,

○ выигрывают компании с собственными магазинами и ПВЗ в регионах *,

○ все еще «работают» поддомены с автогенерацией и маскировка чужих сетей ПВЗ под свои

псевдоадреса,

● IT vs SEO:

○ постоянная борьба за скорость сайта **,

○ BUTIK: за 5 лет более 3 “переездов” сайта

на новый дизайн, URLs, CMS (framework):



15

OPTIMIZATION

2019



16

OPTIMIZATION

2019

Вторая новость - отраслевая специфика

поискового продвижения в fashion:

● страницы каталога:

○ сравнительно небольшой ассортимент относительно гигантов (Lamoda, WB),

○ для ранжирования не нужен SEO текст - его заменили длинные имена товаров на листинге

и надписи без потери видимости,

○ не работают по информационным запросам,

● страницы брендов:

○ всего 300+, но высокого качества,

○ для ранжирования не нужен SEO текст,

○ проблема 1: сайт поделен на женский и мужской -> поисковый запрос бренда должен вести

на одну страницу -> решение - запрет мужской страницы к индексации,

○ проблема 2: потери поисковой видимости и невозможность занять 1 место из-за

официальных сайтов и профилей в соцсетях

○ проблема 3: избыточный вес сайтов с именем бренда в доменном имени

● страницы товаров:

○ проблема: спрос в fashion категорийный и брендовый, на карточки товара приходят НЧ, под

которые нельзя построить теговые и категорийные страницы



17

OPTIMIZATION

2019



18

OPTIMIZATION

2019

Оптимизация омниканального опыта на

базе сегментации, персонализации и

сквозной аналитики



19

OPTIMIZATION

2019

Схема сбора, хранения и использования данных OMNI проекта.



20

OPTIMIZATION

2019

Оптимизация омниканального опыта на основе

пользовательской (поведенческой) сегментации:

● персонализация прямых коммуникаций: email, смс, web и mobile push уведомления,

● сегментированные коммуникации в digital каналах,

● on-site персонализация: pop-ups, нотификации, персонализированные рекомендации,

● активация в digital каналах аудиторий, собранных на основе трекинга offline трафика.



21

OPTIMIZATION

2019

А Email - это:

7% трафика

13% заказов

2Х CR сайта

Персонализация прямых коммуникаций: email, web и mobile push уведомления:



22

Триггерные Email рассылки:

● брошенная корзина = 2.3 X CR Email,

● брошенный wish list = 1.2 X CR Email,

● брошенный просмотр карточки = 1X CR Email,

● снижение цены в корзине = 1.8 X CR Email,

● снижение цены в wish list = 1.2 X CR Email.

Доля таких рассылок в заказах канала = 10%.

Push уведомления (web и mobile)

здесь мы “на низком старте”.

OPTIMIZATION

2019



23

OPTIMIZATION

2019

Сегментированные коммуникации в digital каналах:

Все коммуникации в digital каналах построены в аудиторном разрезе:

○ покупатели:

i. покупатели разного “срока давности”,

ii. клубные клиенты *

максимально конверсионный сегмент, “палочка-выручалочка”,

○ посетители - ретаргетинг / ремаркетинг на разных этапах воронки продаж:

i. посетители сайта,

ii. добавили товар в wish list,

iii. брошенные корзины разного “срока давности”.

○ новая аудитория:

i. look-alike на покупателей,

ii. поисковые запросы,

iii. in-market, custom intent, social id (vkid) и др.

наименее конверсионный сегмент, но абсолютно необходимый.

○ offline трафик *:

i. трафик BUTIK., трафик ТЦ, брошенные offline корзины, трафик прохожих.

все аудитории выделены в самостоятельные РК и “зашиты” в utm-campaign,

что позволяет оперативно включать / отключать РК на сегменты, управлять ставками и предложением.



24

OPTIMIZATION

2019



25

On-site персонализация:

1. персональные рекомендации -

○ где:

i. на главных страницах,

ii. в разделах каталога (категории),

iii. в карточках товаров, в корзине,

○ кому:

i. по этапам воронки продаж: новые, вернувшиеся, покупавшие (+ top spenders),

ii. таргеты: соц.-дем., гео (!), девайсы, источники трафика (!),

○ что:

i. популярное,

ii. просмотренное,

iii. просмотренное с купленным, “дорогое”.

2. pop-ups, нотификации, оверлеи - сервисные и продающие:

○ что: сбор подписчиков, персональные предложения, сообщения об изменении условий доставки, rush timers.

○ кому: релевантные сегменты аудитории сайта.

3. иные механики: custom proof в карточке товара (!), up sell в карточке товара, exit intent в корзине.

OPTIMIZATION

2019



26

Top-5 стратегий on-site персонализации по прямому доходу (77%)

OPTIMIZATION

2019



27

Exit intent & Customer proof

OPTIMIZATION

2019

Активация в digital каналах offline аудиторий

O2O (online 2 offline): омниканальность из online в offline

… и обратно

Зачем:

● мониторинг объема offline трафика: по дням, часам, торговым зонам… и главное - “по головам”,

● сегментирование offline трафика по affinity к товарным категориям и брендам (до покупки),

● сегментирование offline трафика по этапам воронки продаж (торговые зоны, примерочные, кассы),

● сбор аудиторий для коммуникаций в digital каналах (Яндекс, myTarget),

● сбор “смэтченных” (MAC + Email + телефон) аудиторий - для коммуникаций в каналах direct маркетинга (Email,

смс).

Зачем на самом деле:

оптимизация рекламного бюджета за счет таргетированных коммуникаций и релевантного предложения

Кроме того:

знание нагруженности торговых зон посетителями по часам и дням недели позволяет планировать персонал,

анализировать обеспеченность торговых зон персоналом (да, сотрудники отслеживаются точно так же).

В планах:

real-time коммуникация через in-app push уведомления в торговом зале и

digital панели в примерочных.



28

OPTIMIZATION

2019



29

OPTIMIZATION

2019



30

OPTIMIZATION

2019


клиентской (RFM, affinity, склонность к скидке)

сегментации

… все то же, но намного круче:

● on-site персонализация - персональные рекомендации, up-sell в корзине и т.п.

● персонализация прямых коммуникаций (email, смс),

● активация CRM сегментов в digital каналах.

полнее и точнее за счет учета:

● выкупаемости online заказов,

● offline покупок,

● offline поведения,

● покупательских паттернов - частотности, давности, чеков,

● affinity - категорийных, брендовых и приверженности скидкам.



31

OPTIMIZATION

2019

Персонализация прямых коммуникаций: email, смс, web и mobile push уведомления:

Какие сегменты мы рассчитываем:

Классические RFM-сегменты: Кастомные CRM-сегменты:



32

быстрый пересчет (Google App Script по расписанию)

прозрачная методика и гибкая настройка параметров

использование в digital-каналах:

● управление ставками● таргетирование рекламы● look-alike (поиск похожей аудитории)

(механический подход к сегментированию)

кастомизация под специфику бизнеса Компании и бизнес-процессы в блоке Маркетинга

учитывает цикл потребления клиентов, источники пополнения клиентской базы, воронку продаж, omni-канальность, ROPO

возможность анализировать KPI CRM-маркетинга в динамике и в любых дополнительных разрезах

высокая управленческая ценность

(управленческий подход к сегментированию)

OPTIMIZATION

2019

Как:

Корректировка ставок

● повышающие коэффициенты для сегментов с

высоким LTV (ROI) и

● понижающие (вплоть до исключения)

Поиск новой аудитории среди пользователей,

похожих на сегменты (Look-alike):

● с высоким LTV

● с максимальными значениями по R

● с высоким уровнем схожести

Где:

Яндекс: аудитории из собранных в Google

Analytics Client_ID Метрики загружаются в

Яндекс.Аудитории

Google AdWords: сегменты загружаются в Google

Cloud Storage (csv) и доступны партнерам

Сегментирование покупателей по:R (recency) - давности покупокF (frequency) - частотности покупокM (monetary) - сумме покупок

Число сегментов зависит от дробления в каждом измерении: 27 (3Rx3Fx3M), 125 и т.п.

У каждого сегмента своя bid ratio (относительная ценность): ARPU сегмента / ARPU общий

Частота расчета, дробление по измерениям, транзакционное окно - ЛЮБЫЕ.Данные: CRM->BigQuery (выкупленные заказы)


Классические RFM сегменты - параметры настройки и использование:



33

OPTIMIZATION

2019

New Members - новые регистрации без покупки

Old Members - старые регистрации без покупки

New buyers - совершившие первую покупку

Good Buyers - покупавшие в > 3 t из последних 6

Very Good Buyers - Good Buyers с верхним

порогом TR.

Casual buyers - покупавшие в 1-2 t из последних 6

Sleep - не покупавшие 6 t подряд

Inactive - не покупавшие 12 t подряд

t - период расчета сегментов; цикл omni потребления клиентской базы (медиана между двумя “соседними” заказами).

T - период расчета LTV клиента; T = Nt = число t, после которых клиент переходит в “потерянный” сегмент (Inactive, вероятность покупки близка к 0).

LTV = (AOV - CPO) * Q * T

TR (Transformation Rate) - доля клиентов в сегменте, совершивших покупку в t; суть вероятность покупки в сегменте в t


Кастомные CRM сегменты - параметры настройки:



34

OPTIMIZATION

2019



35

OPTIMIZATION

2019


сквозной аналитики (O2O, ROPO, offline-трекинг, funnel-

based атрибуция):

● O2O (online 2 offline),

● ROPO (research online purchase offline),

● offline-трекинг,

● funnel-based атрибуция.



36

OPTIMIZATION

2019



37

OPTIMIZATION

2019



38

OPTIMIZATION

2019



39

OPTIMIZATION

2019

Яна Паршутина

Директор по маркетингу, «BUTIK.»

+7 916 350 [email protected]



Спасибо!

40

Documents

ЯНА ПАРШУТИНА, BUTIK....снижение цены в корзине =1.8 X CR Email, снижение цены в wish list =1.2 X CR Email. Доля таких рассылок