Презентация Ринат Бугаев, Head of context advertising Ozon и Юрий Берченко, Industry Manager Google с Бизнес-завтрака UPGRADE -Управляем LTV

1. Confidential + Proprietary
ЦЕЛИ
Озон использует ожидаемый доход с потребителя
(pLTV) для определения рекламных ставок (RTB)
Повысить эффективность рекламных кампаний при ремаркетинге, не уменьшая
их объем
Ozon’s
CRM
Интеграция CRM данных компании:
● Использование RFM модели для ранжирования пользователей сайта по
ожидаемой доходности (pLTV)
● Передача данных (не персональные данные) в Google Analytics,
● Создание групп пользователей с одинаковой доходностью и Настройка
затрат на ретаргетинг исходя из ожидаемой прибыльности
ПОДХОД

2. Confidential + Proprietary
По результатам
4-х месяцев...
…В итоге: показатель конверсии 2х, возврат на инвестиции +55%
● В два раза увеличился показатель конверсии рекламных кампаний OZON
● В 2,5 раза увеличился объем рекламных кампаний, а возврат инвестиций
в рекламу (ROI) повысился на 55%.
При ROI +55%
Коэффициент
конверсии +100%
Обьем +150%

3. Confidential + Proprietary
Методология: сегментировать посетителей по LTV и
использовать CRM+Аналитикс для ранжирования ставок
Order date Customer ID Order Value
01-02-15 177237 $140
02-02-15 177323 $30
01-03-15 177237 $35
Пример выдачи CRM ‘Скоринг’ посетителей по
модели LTV (RFM)
Аудитории ранжированные
по уровням LTV
Recency and Frequency of
purchases at user level
Monetary Value
Детально на следующих слайдах
Frequency Recency
$

4. Давность последней покупки
321
180_days_ago 90_days_ago 7_days_ago
Частота покупок
1 2 3
1_Order 3_Orders 5_Orders 7+_Orders
Средний чек
21
$0.00 $10.00 $20.00 $30.00 $40.00
3
Recency
Freq. $ 1 2 3
1 1 $15 $17 $14
1 2 $42 $41 $42
1 3 $169 $122 $143
2 1 $53 $54 $53
2 2 $140 $143 $145
2 3 $477 $425 $437
3 1 $192 $255 $274
3 2 $644 $708 $911
3 3 $2,288 $2,369 $3,109
Frequency(Частота)
Recency
(Давность
последней
покупки)
$
1 2 3
Принцип расчета ожидаемого дохода с потребителя
(pLTV) по модели RFM (1/2)

5. Recency
Freq. $ 1 2 3
1 1 $15 $17 $14
1 2 $42 $41 $42
1 3 $169 $122 $143
2 1 $53 $54 $53
2 2 $140 $143 $145
2 3 $477 $425 $437
3 1 $192 $255 $274
3 2 $644 $708 $911
3 3 $2,288 $2,369 $3,109
Recency
Freq. $ 1 2 3
1 1 $6 $6 $27
1 2 $6 $6 $27
1 3 $6 $6 $28
2 1 $6 $20 $42
2 2 $9 $37 $83
2 3 $24 $87 $222
3 1 $2 $42 $140
3 2 $1 $90 $412
3 3 $4 $231 $1,516
Recency
Freq. $ 1 2 3
1 1 5% 5% 24%
1 2 5% 5% 24%
1 3 5% 5% 24%
2 1 5% 17% 37%
2 2 8% 32% 73%
2 3 21% 76% 194%
3 1 2% 37% 122%
3 2 1% 79% 360%
3 3 3% 202% 1326%
3 4 5ПРОШЛЫЙ ДОХОД “БУДУЩИЙ” ДОХОД МНОЖИТЕЛИ СТАВОК
Принцип расчета ожидаемого дохода с потребителя
(pLTV) по модели RFM (2/2)

6. Группы
покупателей
ранжированные
по качеству
Луч
шие
19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2
Худ
шие
Средний доход
на клик
(измененные
рубли)
725 372 281 257 176 208 133 149 138 144 173 103 144 94 88 74 87 58 39 43
Коэф.
Конверсии
(изменен)
17.2
%
13.3
%
12.4
%
11.0
%
9.7
%
9.2
%
8.1
%
8.3
%
7.5
%
8.1
%
8.0
%
6.1
%
7.1
%
6.6
%
7.5
%
5.2
%
6.3
%
5.1
%
6.2
%
6.1
%
Результаты ранжирования ставок по LTV
(абсолютные значения изменены)

7. CRM данные
Онлайн реклама
● Полная история покупок
● Офлайн покупки
● Маржинальность
● X-device аккаунты
● Email адреса
● Другие офлайн данные
● Демографические
● История поиска
● Действия на сайте
Вывод: Данные позволяющие прогнозировать LTV пользователя
из CRM могут улучшить рекламную эффективность