Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Будущее Omni-Channel маркетинга: инструменты, кейсы и цифры

331 views

Published on

Презентация Артёма Казакова, Retail Rocket, с Бизнес-завтрака UPGRADE "Big Data для розничной OMNI-канальной торговли" 26.10.2016.

Published in: Business
  • Be the first to comment

  • Be the first to like this

Будущее Omni-Channel маркетинга: инструменты, кейсы и цифры

  1. 1. Retail Rocket - платформа для мультиканальной персонализации магазина на основе big data Будущее Omni-Channel маркетинга: инструменты, кейсы и цифры
  2. 2. + Команда более 50 человек, офисы в Москве, Нидерландах, Испании, Италии, Чили и Ирландии. + Аналитический кластер из 70+ серверов, 700000+ событий в минуту. + Среди клиентов более 800 крупнейших интернет-магазинов во всех сегментах Что такое Retail Rocket?
  3. 3. 1. Больше всего разговоров про mobile и social, а про offline/b&m почти не говорят. 2. Много громких заявлений о том, что будущее за Offline-сетевиками, а Amazon скоро умрет. 3. Практически все говорят о развитии omni-channel через логистику (получение, обмен и возврат заказов в любом удобном розничном магазине не зависимо от того, как и где был оформлен и получен заказ). Тренды Omni-Channel на Западе
  4. 4. Маркетинг в single channel Online Offline Data Data Sales Sales
  5. 5. Маркетинг в omni channel Online Offline Data Data Sales Sales
  6. 6. Данные между каналами можно использовать на любом этапе воронки продаж! 1. Выбор товара 2. Принятие решения о покупке 3. Совершение покупки
  7. 7. Платформа для мультиканальной персонализации интернет-магазина на основе big data 1. Выбор товара
  8. 8. – В магазинах в свободном доступе находятся планшетные компьютеры с приложением. – Посетитель указывает свой email для создания профиля. – Клиент может отправить приглянувшиеся товары на электронную почту. – Все данные о заказах и действиях клиента в онлайне хранятся в CRM. Кейсы «Harvey Nichols» и «MADE» Harvey Nichols: 90% покупателей посещают магазин впервые, 16% посетителей используют приложение, 18% совершают какие-либо действия после получения письма. MADE: 21% посетителей отправляют товары на email, 41% пользователей оформили заказ в онлайне, средний чек вырос на 18%.
  9. 9. – Продавцы-консультанты общаются примерно с ~30% посетителей розничных магазинов. – Только 10% из них покупают (остальные говорят «Спасибо, я подумаю») – Когда консультант понимает, что посетитель не купит, он предлагает ему отправить информацию о товаре на email. – На отправку email соглашается еще 5% посетителей. Конверсия из писем в заказы 1.7%. Кейс Inventive Retail Group (Re:Store, Lego, Sony и др.) 90% «Спасибо, я подумаю» 10% 5% 1.7%
  10. 10. Платформа для мультиканальной персонализации интернет-магазина на основе big data 2. Принятие решения о покупке
  11. 11. – Все коллекции fashion-ритейлера публикуются на Facebook. – В магазинах на вешалках установлены real-time индикаторы LIKE’ов. Кейс: C&A Результаты кампании: 1000 новых поклонников в час, часть коллекции продана за 1 день, более 1700 сообщений в блогах и СМИ.
  12. 12. – Клиент ходит по сайту и своими действиями показывает, что ему очень интересен какой-то товар (например, добавляет его в корзину), но уходит с сайта. – Retail Rocket отправляет информацию об этом в колл-центр магазина. – Операторы КЦ «дожимают» продажу. Кейс: исходящие звонки клиентам на основе их поведения Конверсия из звонков в продажи 3,7% 5% 6,2% 29% (предлагалась скидка) Полное описание кейса http://bit.ly/baon-korzina-zvonok
  13. 13. – Товарные рекомендации Retail Rocket интернет-магазина «220 Вольт» интегрированы в ERP-систему. – Рекомендации upsell и cross-sell используют операторы колл-центра магазина. Кейс 220-volt: рекомендации для колл-центра Объем продаж +1.7% Средний чек +2.5%» Полное описание кейса http://bit.ly/220v-cc
  14. 14. Кейс Hoff: мерчандайзинг с учетом приоритетов B&M в онлайне Полное описание кейса http://bit.ly/hoff-personal-mp
  15. 15. Платформа для мультиканальной персонализации интернет-магазина на основе big data 3. Заказ оформлен
  16. 16. Кейс в сети «Кораблик»: повторные продажи – 60% заказов в рознице совершаются с картой лояльности, к которой привязан email – Информация о таких заказах поступает в Retail Rocket – Retail Rocket генерирует персональные рекомендации товаров из интернет-магазина: + Предложение сопутствующих товаров к текущей покупке + Предложение на основе прогноза следующей наиболее вероятной покупки (Next Best Offer) + Новинки и популярные товары из наиболее интересных пользователю категорий + Регулярные предложения товаров повторного спроса Полное описание кейса http://bit.ly/omni-channel-email-case
  17. 17. Кейс в сети «Кораблик»: повторные продажи 1. Покупатель из offline розницы уходит не в online конкурента, а делает заказ на сайте бренда и выбирает самовывоз в том же магазине, где покупал изначально 2. В среднем, 15% – 20% offline заказов переводится в ваш Ecommerce в виде посетителей 3. Около 30% этого трафика – новые посетители (по данным Google Analytics) 4. Этот трафик конвертируется в заказы с коэффициентом ~2% (last click) и ~5% (post click) 5. Растет доля повторных покупок, Life Time Value и другие ключевые для бизнес метрики. РЕЗУЛЬТАТ
  18. 18. Платформа для мультиканальной персонализации интернет-магазина на основе big data Персонализация розничной сети
  19. 19. 1. После оплаты покупки клиент получает специальное предложение, для активации которого требуется подключиться к Wi-Fi сети в кассовой зоне. 2. При подключении к сети появляется форма ввода номера чека и контактных данных. В это время автоматически считывается уникальный ID устройства клиента. 1 2 Принцип работы системы персонализации Устройство Номер чека КонтактыWi-Fi в кассовой зоне
  20. 20. + Идентификация при повторном попадании в зону действия сети + Коммуникация с клиентом, находящимся неподалеку + Уведомление сотрудников магазинов о важных клиентах Персонализация в розничных магазинах сети Устройство Номер чека 1. Возможность коммуникации с клиентом, который находится недалеко от магазина (например, при установке нашего оборудования на входе в ТЦ). 2. Идентификация клиентов при входе в магазин, отправка информации об истории заказов, активности на сайте интернет-магазина, текущих интересах и персональных рекомендаций сотрудникам магазина. 3. Аналитика трафика offline-магазина.
  21. 21. Давайте обсудим персонализацию вашего бизнеса! Артем Казаков, CMO Retail Rocket www.retailrocket.ru ak@retailrocket.ru

×