Простое правило: не сегментируешь базу подписчиков — занимаешься email-маркетингом наугад. Это примерно то же самое, что приставать к пешеходам на улице, предлагая купить чехол на айфон. У кого-то действительно будет айфон, у кого-то даже той самой модели, а у некоторых — айфон нужной модели без чехла. Но в основном после такого email-маркетинга не по адресу вас будут посылать от вас будут отписываться.
Итак, сегментация, таргетинг — вот то, что нужно каждому ритейлеру. Вопрос в другом: как эту сегментацию делать?
Подход первый: ручная сегментация
Данные можно получить от самого пользователя, попросив его указать в личном профиле свой размер ноги, возраст детей, особенности кожи — любую ценную для магазина информацию.
Например, магазины с товарами для новорожденных часто добавляют опцию «мои дети». Регистрируешь профиль, указываешь количество чад, пол каждого, возраст на данный момент. Дело в шляпе — магазин теперь знает, какие товары добавлять в рассылки конкретному пользователю.
Babadu стимулирует нужное действие, обещая подарки ко дню рождения ребенка. 
Однако всех такой функцией не охватишь — далеко не все будут оставлять такие данные по собственному желанию. К тому же, есть незарегистрированные пользователи (просто подписчики). Они могут вообще никогда не зарегистрироваться, но в базе присутствовать и на сайт время от времени заходить.
Чтобы охватить и этих — некоторые предлагают отправлять специальные письма-опросники.
Обычно это дизайнерские рассылки с вариантами ответа внутри. Получатель кликает «у меня собака» или «у меня попугай», или «моему ребенку 1,5 года» — а магазин получает эти данные и добавляет в базу. Согласно некоторым данным, таким образом можно собрать данные примерно с 10% аудитории.
Неплохо, но есть недостатки:
-
- Много расходов. Нужно написать текст, нарисовать дизайн, сверстать. Подумать, какой заголовок будет лучше. Задача такого письма — максимальное взаимодействие, поэтому вложиться придется.
- Низкая читаемость писем. Если у вас база 100 000 подписчиков, то при читаемости писем даже в 30% (очень хороший показатель) вы будете очень и очень долго собирать данные со всей базы.
- Требует активных действий от получателя. Мало того, что письмо нужно увидеть и открыть, так еще и сообщить магазину данные о себе. Не каждый захочет с этим связываться, а кому-то будет просто лень. Вспомните, как часто вы соглашаетесь принять участие в телефонном соцопросе в разгар рабочего дня.
- Ручной контроль. Нельзя просто скомпоновать письмо-опросник, разослать один раз и почивать на лаврах. Придется анализировать результаты, менять дизайн и переписывать тексты — лишь бы в следующий раз показатели были выше.
- Аудитория меняется каждый день. Появляются новые подписчики — им нужно сразу же присылать опросники. Находить способы понять, когда нужно актуализировать данные о пользователе (например, когда клиент с ответом «у меня нет детей» вдруг стал родителем). Решить, нужно ли исключать из будущего анкетирования тех, кто в прошлый раз получал письмо, но не ответил.
Это всё усложняет.
Подход второй: автоматическая сегментация
Для начала поясним: сегментация сегодня используется отнюдь не только для таргетинга рассылок. Например, REES46 — это платформа, которая умеет практически всё: рассылать email-ы (триггерные и обычные), рассылать web-push сообщения, рекомендовать товары в каталоге, использовать баннерный ремаркетинг брошенных корзин и так далее.
В основе каждого канала — сегментация. Рассылки с нужными товарами уходят «правильным» получателям, в каталоге каждый посетитель видит товары, рекомендованные лично ему, по интересам.
Например, перейдите на сайт с демонстрацией возможностей нашей платформы по части товарных рекомендаций — в каталоге есть и мужские, и женские товары. Посмотрите товары, которые вам интересны. А теперь взгляните на рекомендации — какие товары система предлагает лично вам?
Если бы мы собирали данные о всех пользователях в подключенных магазинах через рассылку опросников — на это ушло бы примерно две вечности.
Поэтому в REES46 работает автоматическая сегментация. Система анализирует действия вашего клиента или подписчика — и записывает все полученные данные в его виртуальный профиль.
Сегментация идет без вашего участия, отслеживаются следующие параметры:
- География пользователя.
- Средний чек в разных товарных категориях.
- Активность: как часто клиент посещает сайт, покупает (RFM-анализ).
- Пол, возраст, семейное положение пользователя.
- Размеры одежды и обуви (полезно для магазинов одежды).
- Тип и состояние кожи и волос, предрасположенность к аллергиям (критически важно для магазинов косметики).
- Количество, пол и возраст детей (для магазинов детских товаров).
- Количество питомцев, их порода, пол и возраст (для магазинов зоотоваров).
- Наличие квартиры или загородного дома, стадия ремонта (магазины товаров для строительства и ремонта).
- Частота поездок по стране и за границу, страны назначения, ценовой сегмент отелей (полезно для туристических сервисов).
- Наличие автомобиля, его марка, модель и другие особенности (для магазинов запчастей и тюнинга).
Как это работает — мини-пьеса
Вы можете сами всё увидеть на demo.rees46.com.
Пользователь зашел на магазин одежды. Кликнул на мужские ботинки.
REES46: «запишем „+1“ в мужской профиль».
Пользователь посмотрел мужские ботинки, пошел в категорию женских платьев.
REES46: «хм, а может быть, и женщина. Вернем состояние „50/50“».
Пользователь посмотрел платье и пошел в женские туфли.
REES46: «точно, женщина. „+1“ в женский профиль».
Пользователь посмотрел туалетную воду для мужчин.
REES46: «создаю два связанных профиля — мужской и женский. Один из них выбирает как себе, так и своей паре».
Пользователь ушел из магазина одежды. Зашел в магазин зоотоваров. Кликнул на корм для мелких пород собак.
REES46: «да у них и собака есть. Создаю еще один связанный профиль для питомца».
Пользователь купил корм. Вернулся в магазин одежды, купил платье и туфли.
REES46: «Ок. Мужские туфли забыли. Отправляю триггер „Смотрел, но не купил“. Рекомендую к этим туфлям также пару похожих и ремень (сопутствующий товар). На сегодня все. Не больше одного триггера в день. А то у него на карте баланс уже заканчивается».
Виртуальные профили с объединенными данными. Зачем это нужно
Итак, REES46 объединяет данные по каждому пользователю, полученные от всех магазинов, к которому подключена платформа, в единые виртуальные профили.
Зачем? Так данные получаются более разносторонними.
К примеру, у вас есть условный магазин автотоваров и покупатель Иван Иванович из Костромы на Lexus RX-330. Вы знаете, что он заботится о своей «ласточке» и регулярно покупает у вас полироль, тряпочки, освежители и так далее. Это те данные, которые были записаны в виртуальный профиль Ивана Ивановича как пользователя вашего магазина. Но есть другая сторона жизни Ивана Ивановича — у него недавно родилась дочь. Об этом знает другой магазин в сети REES46 (не ваш, а какой-нибудь магазин детских товаров). Эти данные также были записаны в его виртуальный профиль.
Какую выгоду ваш магазин может извлечь из таких данных? Например, вовремя прислать Ивану Ивановичу скидку на детские автокресла.
Итак, чем автоматическая сегментация превосходит ручную:
- Не нужно тратить время на опросы. Система сама анализирует поведение пользователей, ваше участие не нужно.
- Есть данные даже при первом контакте с клиентом. Магазин может рекомендовать правильные товары посетителю, даже если тот впервые оказался на вашем сайте. Это Small Data, детка.
- Наиболее полная картина по каждому клиенту. В виртуальном профиле хранятся как основные виды данных (например, пол, география), так и специфические: сюда относятся данные, нужные для конкретных отраслей (в примерах было про детские магазины, магазины зоотоваров и так далее).
- Для начала сегментации не обязательна почта. Например, если пользователь сначала был просто подписчиком, пару раз переходил на ваш сайт, кликал по товарам, а потом всё-таки зарегистрировался — данные, полученные на каждом этапе будут объединены в его виртуальном профиле. Для этого мы используем мэтчинг (сопоставление) данных.
Итого
Ручные опросы работают, но очень уж медлительны и не универсальны.
Более технологичное решение для сегментации базы — автоматизировать этот процесс с помощью технологичного решения на основе Small Data.
