Дайджест новостей и трендов в e-commerce за 01.04-18.04.2015
LTV и диджитал маркетинг, кейс Ozon
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
$
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