4. Наш клиент, FORMEL Skin –
это сервис подписки на
консультации докторов и
косметику по
индивидуальным рецептам
для людей с проблемной
кожей
5. Доктор общается с клиентом
по видео — разговаривает и
проводит осмотр, задает
вопросы, назначает анализы и
выписывает лечение.
Клиенты записываются на
удаленную консультацию с
доктором.
БИЗНЕС-МОДЕЛЬ FORMEL Skin
Клиенты обращаются за
консультацией к докторам
через сайт
1 2 3
Лечение ежемесячное.
Каждый месяц FORMEL Skin
высылают наборы косметики по
рецепту врача специально под
клиента.
Стоимость подписки: 49€ / мес
6. Особенности маркетинга
Большие маркетинговые
бюджеты
20-50К евро в месяц, сотни рекламных кампаний
Очень длинный lifetime-период
у клиентов
Lifetime клиента на сервисе – до 2х лет, при этом
сильно отличается между разными группами
пользователей (например, клиенты 18-22 с
проблемной кожей платят дольше)
Отложенные покупки
Используются промо-коды, которые могут быть
активированы спустя несколько месяцев после
окончания кампании
7. ЗАТРАТЫ НА РЕКЛАМНУЮ
КАМПАНИЮ ОКУПАЮТСЯ ДОЛГО,
А ЭФФЕКТИВНОСТЬ НОВЫХ
РЕКЛАМНЫХ КАМПАНИЙ НУЖНО
ОЦЕНИВАТЬ СРАЗУ
ОСНОВНАЯ ПРОБЛЕМА
8. 1. Кампании и дата их
запуска
2. Маркетинговые расходы
и количество привлеченных
пользователей
3. Стоимость
привлечения
пользователя и его LTV
4. Текущее отношение LTV
пользователя к стоимости
его привлечения
Решение, ч1: собираем отчёт сквозной аналитики
9. Решение, ч2: собираем информацию о
пользователях
Собираем все атрибуты пользователя,
которые удалось найти, в одну таблицу
10. Решение, ч3: с помощью ML-модели
предсказываем LTV для новых пользователей
1. Рассчитываем значение LTV для
существующих пользователей
2. Кластерируем пользователей по
значению их атрибутов и вычисляем
средний LTV для группы
3. Когда приходит новый пользователь,
ML-модель определяет его сходство с
одной из существующих групп и
делает предсказание о значении LTV
11. Текущее и прогнозное отношение LTV
пользователя к стоимости его
привлечения
Решение, ч4: дополняем отчет прогнозом LTV
12. РЕЗУЛЬТАТ
1. Как только первый пользователь, пришедший по рекламной
кампании, совершил хотя бы одну покупку, мы предсказываем его
LTV и, соответственно, узнаем окупятся ли затраты на его
привлечение.
2. Со 2-й и последующих покупок предсказание уточняется.
3. Таким образом, эффективность рекламной кампании ясна с
первых кликов пользователей без необходимости ждать
несколько месяцев, пока привлечённые пользователи сделают
несколько платежей.
Решение подходит для любого бизнеса с повторными покупками, для
которого невозможно сделать вывод об эффективности рекламной
кампании с первой покупки пользователя.