К основному контенту

Активация клиентов - мощный источник роста бизнеса

Для роста все бизнесы занимаются привлечением новых клиентов. Вы покупаете рекламу и получаете из нее новых клиентов. Это простая и понятная схема.

Однако, многие онлайн-сервисы часто предлагают клиенту зарегистрироваться.
Здесь, как правило, возможны два варианта:
  • покупка, где в фоном режиме клиента регистрируют в сервисе
  • регистрация, только после которой можно совершить покупку
Так вот шаг регистрации (с виду кажущийся незначительным) является важным дифференцирующим фактором, дающим возможность делать интересные исследования.

Мысль первая

Клиентов, которые зарегистрировались и готовы купить сразу (обычно в тот же день) очень не много.


Мы видим, что % клиентов, которые пришли, зарегистрировались и купили в тот же день (is_same_day_TRUE) - действительно мало. В примере выше, в зависимости от месяц привлечения, это, в среднем, около 5%.

Мысль вторая

Занимаясь улучшением привлечения через оптимизацию Landing Pages и Sign Up Forms мы можем улучшить эти показатели, однако, учитывая объемы клиентов идущих через этот флоу этот результат, обычно, будет очень ограниченным.


Возьмем другой год, в котором команда занималась в том числе оптимизацией регистрации. 

Во-первых, чтобы сформировать сильные гипотезы нужны данные и время на их анализ. 

Во-вторых, чтобы гипотеза доказала свою состоятельность также нужно время. Статистическую значимость результатов эксперимента никто не отменял.

В-третьих, далеко не всегда удается сделать серьезные улучшения. Ведь в каналах привлечения трафика часто идут постоянные эксперименты и масштабирование, а от этого страдает качество привлекаемых клиентов. 

Поэтому мы видим, что есть месяца, где средний % клиентов, которые пришли, зарегистрировались и купили в тот же день - вырос, но общая картина меняется не сильно. Как я сказал в начале этого параграфа - результат здесь будет всегда с достаточно низким потолком.

Мысль третья

Клиенты, которые пришли, зарегистрировались и купили в тот же день - очень мотивированные. Часто по своим свойствам они близки к лучшим клиентам вашего сервиса. 


Как мы видим, у таких клиентов крутой ретеншн. В зависимости от периода он лучше от 2х до 3х раз! Однако не будем забывать, что доля таких клиентов не более 5%.

Мысль четвертая (заключительная)

Итак, что у нас есть на сейчас:
  1. Делая огромные усилия по оптимизации привлечения, мы быстро упираемся в потолок привлечения - "быстрых" клиентов очень мало (5%). 
  2. Оптимизация флоу регистрации "быстрых" клиентов - тернистый путь.
  3. Есть огромное (95%)! количество клиентов, которые не готовы быстро принять решение о первой покупке - они ментально "медленные".
  4. "Медленные" клиенты имеют ретеншн, который значительно хуже, чем у "быстрых" клиентов.
Решение состоит в том, чтобы заняться активацией клиентов. Здесь нужен процесс: после привлечения постоянное подхватывание "медленных" клиентов и максимально быстрое их развитие.

Ниже я предлагаю посмотреть на два среза.

Сверху - год, когда компания работала только с оптимизацией привлечения. 
Снизу -  год, когда параллельно с привлечением шла интенсивная активация.

Acquisition Optimization Only. 

Acquisition Optimization plus Activation.

Активация для "медленных" клиентов (is_same_day_FALSE) - работает!

% "медленных" клиентов купивших в 1-м периоде увеличился с 19.3% до 23.3%. Это прирост на уровне ~21%. Сама по себе эта цифра уже отличный результат

Однако давайте оценим вес (лифт) результата активации.

Допустим вы привлекли 1000 новых клиентов. 

Из статистики выше мы знаем, что "быстрых" клиентов там около 5%, т.е. не более 50 человек.
В 1-й период их переходит 19.3% , т.е. 50 * 19.3% = 9.65 ~ 10 клиентов.

"Медленных" клиентов у нас 950 человек. Активация позволила улучшить показатель перехода в 1-й период с 19.3% до 23.3%, т.е. на 4%. Лифт этого результата 950 * 4% = 38(!) клиентов.

Т.о. мы ускорили наш рост в 38 / 10 ~ 4х раза! В этом и состоит мощность активации.

P.S.
При этом я пока вообще не упоминал о том, что "длинная" активация также улучшила результаты для "быстрых" клиентов. В 1-й период их переход улучшился с 57.2% до 70.1%. Прирост на уровне 23%!

Популярные сообщения из этого блога

A/B-тестирование: смотреть на конверсию vs смотреть на продажи

Сегодня я хочу обсудить один важный момент в процессе анализа результатов A/B-тестов. И хотя это давно избитая тема, в ней есть много нюансов, которые могут изменить ваше решение о том, какой вариант выиграл.

Начнем с того, что до запуска теста, как правило, нужно определиться с целевой метрикой которую мы будем сравнивать между вариантами. Обычно такой метрикой выбирают конверсию.

Зачем это делать?

На то существуют две причины:
Прозаическая - понять, что вы способны посчитать эту метрику и сформировать свои ожидания.Практическая - определить минимальный объем выборки, на котором эти результаты будут статистически значимыми. Будучи, в первую очередь, маркетологом, и лишь затем data scientist, я стараюсь, по возможности, использовать внешние инструменты. Сегодня я покажу вам 3 внешних инструмента, на которые я полагаюсь при оценке A/B-тестов.
Итак, предположим, вы сейчас работаете над увеличением конверсии по добавлению товара в корзину. 
У вас есть гипотеза, что изменив Call-To-Action …

Дисконты, которые могут убить ваш бизнес

После поста "Несколько мыслей о дисконтах", мой друг data scientist Sergey Bryl, упомянул о своем опыте анализа клиентов, которые получали дисконты.

Смотрел churn rate на одном проекте в разрезе пришел клиент по демпинговой цене или близкой к обычной.По ритейл-клиентам около 2.5х разница на следующую покупку и на третью уже более 3х.По "оптовикам" это 6х... до третьей вообще почти никто не доходил.
Не долго думая, я решил посмотреть, а как будут обстоять дела с анализом, который я делал в прошлом посте, если я прежде промаркирую клиентов следующим образом:
клиенты, которые вообще не пользовались скидками (0)клиенты, у которых скидка была, как минимум, в первую покупку (1)клиенты, у которых скидка была, как минимум, со второй покупки (2+) Посмотрим вначале на доходность на клиента по 3-м группам:

На графике просматривается, что медиана у клиентов из группы (1) немного выше, чем у клиентов из группы (0). Т.е. скидка дающаяся на первую покупку все же подталкивает клиент…