Увеличили конверсию в 5 раз при помощи RFM-сегментации для Mascotte

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:

• Recency (R) — как давно клиент совершал последнюю покупку
• Frequency (F) — как часто он делает заказы
• Monetary (M) — сколько денег он в целом приносит бизнесу

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.

Работа команды Medianation дала хорошие результаты: конверсия значительно выросла, а стоимость привлечения клиентов снизилась. Благодаря использованию метода RFM-сегментации мы смогли лучше понять нашу аудиторию и более эффективно распределять маркетинговый бюджет. Теперь мы можем фокусироваться на самых перспективных клиентах, и видим чёткую зависимость между сегментами аудитории и их откликом. Полученные результаты подтвердили эффективность персонализированного подхода. Благодарны команде MediaNation за проделанную работу.