Анализируем с толком. Каким образом статистический анализ клиентской базы может способствовать увеличению розничных продаж мебели.

Выбор и покупка мебели, особенно с точки зрения потребителя — процесс достаточно длительный и непростой, по сравнению со многими другими группами товаров. Продажа мебели происходит в несколько этапов, которые принято называть воронкой продаж. В кризисное время «провести» клиента через эту воронку, удерживая его мотивацию на должном уровне, необходимом для заключения сделки, особенно трудно.
Но мебельщикам крупно повезло: у них в руках — серьёзное преимущество, которого нет у большинства других ритейлеров. Я говорю о личных данных клиента — его ФИО, номере телефона и адресе, для получения которых другим ритейлерам приходится изобретать и внедрять системы лояльности, карты постоянных покупателей, личные кабинеты пользователей и т. п. У мебельщиков эти данные появляются на самом первом этапе продажи: ведь снять размеры с помещения, разработать дизайн-проект, доставить и собрать готовую мебель без контактных данных клиента просто невозможно. 
Сбор и обработка данных о покупателе лежат в основе клиентской аналитики. Вбейте в поисковик «клиентская аналитика, зачем она нужна», и в первых же публикациях вам расскажут, что анализ клиентской базы — это основа основ грамотной работы с аудиторией, а также её сегментации — то есть выделения особых, перспективных покупательских групп. При этом важно помнить, что аналитика существует не ради самой аналитики. Любые операционные действия, включая анализ клиентской базы, должны быть направлены на достижение ключевой цели бизнеса — увеличение продаж.
Рассмотрим особенности анализа клиентской базы на примере продаж мебели для кухни. Все цифры и факты, которые я здесь приведу — из реального кейса крупной кухонной фабрики, с которой мы работали по этому направлению в 2018 году.

Задача и решение

Часто ли российский потребитель покупает себе новую кухню? В среднем, один раз в 15-20 лет. В этом — специфика продукта, и тут у мебельной компании нет практически никаких инструментов влияния на частоту совершения покупки либо увеличения пожизненной ценности клиента (life-time value).
Однако, располагая данными о клиентах, которые обращались за покупкой кухни, но так и не совершили её, хотя бы за последние пару месяцев, — можно определить, как и с кем необходимо взаимодействовать для дальнейшего увеличения продаж.

Решая эту задачу, мы выделили несколько последовательных этапов.

1. Анализ общего состояния клиентской базы, сроков прохождения воронки продаж, расчёт когорт клиентов.
2. Внедрение промоакций, направленных на повышение конверсии отдельных когорт клиентов и в целях общего сокращения сроков прохождения воронки.
3. Настройка рассылок и прозвонов клиентов менеджерами. Внедрение системы контроля качества и результатов коммуникаций.

Итогом реализации этих мер (ниже мы разберём их подробнее) стало увеличение показателя конверсии с 25% до 30% (то есть на 5%, что эквивалентно примерно 70 договорам купли-продажи в месяц). При среднем розничном чеке на кухню около 350 тысяч рублей ежемесячный рост выручки составил более 20 млн. руб.

Анализ общего состояния клиентской базы

Цель — определить точки роста конверсии. Здесь мы оцениваем общий объём клиентской базы, регулярный прирост новых клиентов в компании, показатель конверсии, срок совершения покупки.

В нашем примере общий объём базы составляет порядка 800 000 клиентов, ежемесячно в компанию обращаются ещё порядка 5 000 новых клиентов. В сделку конвертируется 25%. Среднее время (GAP) между регистрацией и покупкой составляет 25 дней.
Чтобы понять, за счёт чего можно увеличить конверсию, рассчитаем её отдельно для каждого этапа воронки. Для этого нам потребуется выгрузка из CRM-системы с датой изменения статуса клиента — его продвижения на следующий этап.
Обращает на себя внимание тот факт, что не все входящие клиенты обрабатываются менеджерами: кому-то предварительный расчёт не делают вовсе; а 33% клиентов не доходят до ключевого этапа воронки — замера.
Получив общее представление о конверсии на каждом этапе, можно смоделировать, как отразится на общих продажах увеличение конверсии на любом из этих этапов. К примеру, увеличение конверсии в замер на 3% даст увеличение общей конверсии на 1%, или около 50-ти дополнительных договоров. 

Цель — определить ключевые точки работы с клиентами.
Рассчитываем GAP по каждому этапу воронки продаж. GAP — это метрика из продуктовой аналитики, которая означает разницу между двумя датами; в отношении срока покупки GAP — это разница между датой регистрации клиента и датой продажи — в днях. Если общий GAP разложить по воронке, то можно увидеть, сколько дней занимает каждый этап, и где можно двигаться быстрее..

В кейсе, который мы рассматриваем, особых ускорений работе придать было нельзя. Но есть важный момент: условия промоакций для клиентов компании действуют один календарный месяц, при этом срок покупки также занимает практически месяц.

Рассматривая структуру контрактов каждого конкретного месяца, мы выяснили, что покупку в нём совершают, в основном, клиенты из текущего месяца. Например, среди заключённых в марте договоров 70% клиентов впервые обратились в кухонную студию в том же марте.
Формируем гипотезу: клиенты, которые не совершили покупку в течение того же месяца, с высокой долей вероятности её не совершат.

Когортный анализ

Когорта — это определяемая нами группа клиентов. В когорту, например, можно выделить клиентов, которые обратились в салон по рекомендации друзей или родственников. Характерное отличие этой когорты будет заключаться в значимо более высоком показателе конверсии.
Другой тип формирования когорт — временные, в которые группируются клиенты, совершившие определённое действие в рамках определённого временного промежутка. Скажем, клиенты, которые зарегистрировались в марте — это когорта клиентов марта.
Для расчёта когорт требуется простая выгрузка из CRM-системы: идентификатор клиента, дата его регистрации (или, например, оставления заявки) и дата заказа, который он совершил. Если заказов было несколько, то надо отдельно считать дату регистрации, первого заказа и каждого последующего. Дальше мы считаем разницу между датами и настраиваем расчёт нужного нам периода: это могут быть дни, недели или месяцы. На основе этого строим сводную таблицу и получаем «лесенку» когортного анализа.
Как «читать» графики  когорт? Рассмотрим на примере. В январе зарегистрировано 4 452 клиента, из них 689 клиентов купили продукт в январе, ещё 213 — в феврале, 78 клиентов — в марте и так далее..

Если смотреть в долях, то из 100% клиентов, кто зарегистрировался в январе, 75% не купили вообще, 15% купили в тот же месяц, ещё 5% — на следующий месяц, и единицы процентов — в последующие месяцы.

Как видно из построенной таблицы, клиенты покупают, в основном, в первый месяц, минимальная доля клиентов переносит покупку на второй месяц, но если клиенты не сделали выбор в пользу рассматриваемой компании в течение двух месяцев, то на третий месяц вероятность покупки стремится к нулю. Делаем вывод: клиент не сделал покупку на второй месяц = от покупки отказался.
Что мы узнали с помощью когортного анализа? Второй месяц — критический в работе с каждым клиентом. Именно в этот период удержать клиента на дороге продаж для компании особенно важно.

Необходимые действия

Анализ клиентов помог нам выявить две точки роста:

1. нужно повышать запись клиентов на замер;
2. нужно удерживать клиентов на второй месяц.

Решение первой задачи было простое: в целях повышения конверсии в замер менеджеры предлагали клиентам специальную скидку при выполнении замера. Со стороны аналитического подразделения регулярно выгружались базы клиентов, которые ещё не записались на замер. Посредством рассылок и контактов через менеджеров кухонных студий клиентам сообщали об акции и приглашали поучаствовать. На этом этапе также был внедрён регулярный отчёт, в котором отслеживается, применяется ли акция в конкретных розничных салонах и каким образом при этом меняется общая конверсия.

Второй масштабный фронт работ — регулярная проработка клиентов, зарегистрированных в прошлом месяце. В первую неделю нового месяца формируются базы клиентов, которые ещё не успели купить. Им предлагаются дополнительные промоусловия для сохранения цены на продукт аналогично условиям прошлого месяца. Через CRM-систему отслеживается, применил ли менеджер эту скидку клиенту. Обязательно формируется отчётность для контроля контактов менеджера с клиентами.

Эти действия осуществлялись на регулярной основе и приносили дополнительно до 70-ти договоров в месяц.

Анализ клиентских баз можно детализировать, рассчитав все ключевые показатели по отдельным когортам: частота покупки когорты, срок покупки когорты, конверсия когорты (как в целом, так и разделённая по этапам воронки).

Аналитика в цикле

Сам по себе анализ клиентской базы — лишь один из этапов решения поставленной задачи. Какие ещё действия необходимо предпринимать, чтобы клиентская аналитика показывала свою эффективность и способствовала росту продаж на постоянной основе?

• Строить гипотезы — какие группы клиентов могут принести дополнительные продажи.
• Проверять гипотезы — анализировать собранные данные и формировать отчётность.
• Ставить план увеличения показателей по результатам проведённого анализа.
• Разрабатывать маркетинговые действия (или действия в отделе продаж).
• Настраивать систему контроля за выполнением действий и достижением поставленного плана.

Самое сложное, как правило, заключается не в анализе данных как таковом, а в том, что делать с полученным результатом. Для его интерпретации и определения дальнейших действий лучше всего подключить отдел маркетинга и продаж.

По итогам проведённого анализа можно:

• внедрять персонализированные предложения для отдельных групп клиентов,
• выстраивать новые точки касания,
• улучшать программы лояльности,
• экономить бюджет на потерянных клиентах,
• реформировать продуктовую матрицу и ассортиментную стратегию,
• осуществлять cross-sell и продажи сопутствующих товаров,
• делать таргетинг и look-a-like,
• подбирать оптимальные каналы коммуникации,

и многое другое.

Резюме

Начинать активно работать с клиентами, которые имеются в вашей базе, можно и нужно уже сейчас. Потенциал для дополнительных продаж есть всегда, и раскрыть его можно довольно простыми способами, один из которых я вам и продемонстрировала.

Для решения более сложных задач — скажем, определения микросегментов на основании поведения клиентов (с помощью технологий машинного обучения), прогнозирования вероятности покупки по каждому клиенту, выяснения, какие действия компании прямо влияют на продажи, — смело обращайтесь к профессионалам бизнес-аналитики.

Автор статьи: Мария Косолапова, руководитель агентства CNV-Analytics

Источник: журнал «Мебельный бизнес».

---