Сквозной анализ продаж онлайн-офлайн:
· Почему важно отслеживать переходы клиентов между онлайном и офлайном
· Как объединять данные о поведении посетителя на сайте, в приложении и в точке продаж, и видеть смешанные воронки онлайн-офлайн
· KPI воронок онлайн-офлайн
Тема бизнес-завтрака – это аналитика, отчетность и КПИ для е-коммерс. Я буду говорить об аналитике, как об использовании данных для повышения бизнес-показателей. Не обязательно эти данные должны быть большими, смысл в том, что мы из них извлекаем. Я буду говорить про объединение данных о покупателях в онлайн и офлайн. В презентации будут два примера того, как это можно сделать.
Но возможно, некоторые впервые видят наш логотип. Скажите, кто знает о компании АТ Интернет?
В любой коммерции офлайн вмешивается, только если мы не продаем какие-нибудь цифровые копии программ. Как офлайн возникает? – В виде доставки, в виде самовывоза из магазина, или например: клиент пришел в онлайн на сайт, посмотрел товар, а потом пришел в офлайн-магазин и там купил. Или наоборот. Одним словом, жизнь не ограничивается только онлайном, который понятно как мерить, и если мы смотрим отдельно на онлайн и на офлайн, мы видим два куска мозаики, каждый из которых несет ограниченный смысл. И если мы принимаем решения, глядя только на один из них, такое решение может быть неверным или не оптимальным. Поэтому надо данные соединять и делать единый профиль клиента.
Сделать это непросто. В онлайне все традиционно измеримо, но вместо человека у нас браузер и в лучшем случае логин. В офлайне знаем ФИО, но трудно померить, что он делает. Между этими мирами есть узкий мостик, который позволяет связать браузер с человеком. Чтобы пройти по нему, нужно приложить определенные усилия. Далее я расскажу, как это сделать.
Первая задача – обеспечить прозрачность, видимость перехода из онлайн в офлайн. Это и есть техническая сторона создания единого профиля клиента. Как это делала Акса?
Кто они такие.
Почему для них эта история важна: заявка в онлайне, заключение договора и покупка почти всегда в офлайне.
В АХА цепочка конверсии выглядит так: ... Здесь был нужен сustomer journey, отслеживать производительность воронки, которая начинается в онлайне, заканчивается в офлайне, в том числе с участием колл-центра, точек продаж и агентов.
В онлайне у нас есть кука, к которой мы привязываем Id заявки, этот Id переносится через CRM дальше в офлайн: в колл-центры, к агенту, в офисы продаж. Каждый раз, когда у нас идет взаимодействие, у нас возникает этот Id заявки. И как только с человеком в первый раз реально поговорили\встретились, этот Id заявки ассоциируется с реальным человеком (его ФИО). И у нас возникает связка Кука-ФИО. При этом, какое-то время у нас фигурирует только заявка, то есть обезличенные данные. Имея вот эту связку, мы строим единый профиль человека: видим, что он делает на сайте, о чем с ним общаются агенты и в офисах. И можем отследить его путь по этой воронке продаж, и: во-первых, понять конверсию на всех этих шагах, включая онлайн и офлайн, а во-вторых, сделать какие-то предположения о том, как ее оптимизировать.
Это одно направление: из онлайна в офлайн. А вот, например в Буиг – чуть посложнее.
Буиг телеком – один из трех крупнейших провайдеров мобильной связи во Франции, 14 млн клиентов, 650 точек продаж.
Это пример посложнее, потому что у них и системы ремаркетинга задействованы, и есть оповещения по е-мейлам и смс, которые тоже можно замерять. Тут смысл такой же: мы имеем куку, и мерим то, что делает кука: приходит она через наши почтовые оповещения, через мобилки, изи через сайт, но здесь добавляется авторизация. Если в случае с АХА нам хватало заявки, то здесь мы можем один раз поймать человека и его авторизовать, и потом запомнить, что вот этот логин соответствует вот этой куке. И даже если он не авторизован, мы знаем что это – этот вот логин, и можем привязывать все его поведение к профилю. Если он авторизуется на разных устройствах, соответственно мы разные куки свзяываем с этим логином, и получаем его данные на разных устройствах. О том, как заставить его авторизоваться – это отдельная тема, но в целом идея такая.
Далее... Здесь та же история: и когда клиенту звонят, его профиль пополняется онлайн и офлайн данными, и когда он приходит в офис продаж, он там не остается один, а он обслуживается консультантом, или через терминал самообслуживания, где он тоже должен авторизоваться. И как только он авторизуется, у нас появляется полная цепочка: онлайн с компьютера или из мобильного приложения, е-мейлы, смски, вся его история в CRM, все звонки, плюс то, что он смотрел в офисе, положил в корзину, купил-не купил...
И эту историю можно развернуть наоборот, когда он приходит в офис, если мы не знаем кто он такой (никогда не был на сайте или впервые в офисе), тогда мы через фронт-офис эти данные мерим, записываем в его профиль. Мы можем догонять его звонками, по почте, смсками, чем угодно, возвращать его на сайт и сподвигать завершить покупку на сайте – опять же, потому что мы знаем его (он авторизовался), и его кука – вот такая.
Таким образом, у нас полная связка: когда он начинает в онлайне, продолжает в офлайне. Начинает в офлайне, продолжает в онлайне, и эти цепочки друг за друга цепляются в каком угодно порядке, и мы можем отследить человека насквозь.
Вот способ построить единый профиль.
На что мы рекомендуем смотреть, по опыту наших клиентов...
Раз уж мы построили воронку, нужно измерить ее производительность: общая конверсия по воронке, конверсия по шагам. Следующее – это количество смен сред в этой воронке, то есть переходов из онлайна в офлайн и наоборот. Каждый переход сопряжен с определенными потерями просто потому, что люди забывают что они смотрели в браузере, мы кого-то не догнали, кого-то не узнали. Поэтому чем меньше этих переходов, тем лучше. И третье – это, собственно, потери при каждой смене среды. Как можно эти потери оценить: всегда есть клиенты, которые в онлайн приходят и там же покупают. Если сравнить их конверсию с теми, кто пришел в онлайн и купил в офлайн, мы получим нужную оценку.
Я надеюсь, эти примеры вдохновят вас и дадут новые идеи. И чтобы подытожить:
Наша задача – повышение вероятности продажи. Для этого мы объединяем данные о клиентах онлайн и офлайн. А для этого необходима автоматизация и дисциплина.