Клиент
Mascotte — сеть магазинов обуви, одежды и аксессуаров middle-сегмента. 42 офлайн-магазина по России и собственный ecommerce.
Задача
Повысить эффективность маркетинга и привлечь больше покупателей на сайт при минимальных затратах.
Используемый инструмент
Для решения поставленной задачи мы применили метод RFM-сегментации — проверенный подход, позволяющий эффективно анализировать поведение покупателей. Аудитория была классифицирована по трём ключевым показателям:
Этот подход дал нам возможность структурировать клиентскую базу, выделить наиболее ценные сегменты и определить пользователей с высоким риском оттока.
Для технической реализации мы использовали RFM-модуль платформы StreamMyData. Этот инструмент позволяет быстро интегрироваться с популярными CRM-системами, автоматически выгружать актуальные данные о покупках, а также настраивать периодичность обновления сегментов. Благодаря гибкости StreamMyData, мы сократили время на подготовку данных и сфокусировались на аналитике и интерпретации результатов.
Реализация
С помощью технологий StreamMyData мы организовали выгрузка данных из CRM, группировку и сегментацию пользователей с автоматическим обновлением на ежедневной основе. Затем полученные сегменты загружались в “Яндекс Аудитории”.
RFM-сегментация подразделяет аудиторию на 27 групп. Например:
- сегмент 111 — пользователи, которые делали покупки давно, редко и на небольшие суммы;
- сегмент 333 — покупали недавно, часто и на крупные суммы.
Однако, при разделении аудитории на такие группы, мы обнаружили, что некоторые из них содержат недостаточное количество пользователей для работы с «Яндекс Аудиториями».
Команда приняла решение объединить некоторые сегменты, в результате чего их общее количество сократилось до шести. Получился следующий список сегментов:
- Разовые покупатели;
- Бывшие постоянные клиенты;
- Перспективные покупатели;
- Недавно покупавшие, теперь неактивные;
- Новые покупатели;
- Лидеры среди клиентов.
Сформированные RFM-сегменты были загружены в Яндекс.Аудитории с помощью платформы StreamMyData и настроены на ежедневное обновление. На их основе были запущены рекламные кампании в Яндекс.Директ с индивидуальными корректировками ставок: для пользователей с высокой вероятностью покупки применялись повышающие коэффициенты, для менее активных — понижающие.
Сегменты использовались в различных типах кампаний — брендовый поиск по регионам, ретаргетинг и EPK-форматы.
Примеры подхода к корректировкам:
- В региональных брендовых кампаниях применялись умеренные корректировки: +10–30% в зависимости от сегмента.
- В EPK-форматах делался акцент на «Promising» и «Champions» (+40–50%), минимальные ставки применялись к «Newcomers» и «Recently inactive».
Изначально во всех кампаниях устанавливалась базовая корректировка +10%. После первого этапа анализа показатели были пересчитаны, и теперь корректировки вносятся индивидуально, исходя из CPO и фактической эффективности сегментов.
Результаты
Сегменты, сформированные с помощью RFM-анализа, были задействованы в рекламных кампаниях на протяжении двух месяцев. Для оценки эффективности проводилось сравнение с аналогичными кампаниями, в которых ранее использовался стандартный подход без сегментации.
В результате внедрения персонализированных корректировок ставок для разных групп пользователей были достигнуты следующие ключевые показатели:
- Конверсия выросла более чем в 5 раз, что свидетельствует о значительно более точном попадании в заинтересованную аудиторию;
- Стоимость привлечения клиента снизилась на 32%, за счёт перераспределения бюджета в пользу лояльных и перспективных клиентов.
Дополнительно было отмечено, что рекламные кампании стали управляемыми: возможность гибко регулировать ставки на основе поведения сегментов позволила оперативно оптимизировать стратегию в ходе размещения.
Таким образом, использование RFM-сегментации дало чёткий прирост по эффективности и продемонстрировало устойчивое преимущество по сравнению с универсальным таргетингом.
Евгения Крамаренко, руководитель интернет-магазина
