Drogi Kliencie, czy będziesz mój na zawsze?
Opublikowany: 2016-11-16Jedną z rzeczy, które spędzają sen z powiek przedsiębiorcom typu start-up, takim jak ja, jest ostateczne pytanie – „Czy mój klient wróci i dokona ze mną kolejnej transakcji?” Co miesiąc w Stylofie (internetowym rynku usług kosmetycznych i wellness) opracowujemy miesięczną prognozę sprzedaży – łamiąc tropy. w sprzedaż nowych klientów, a także sprzedaż ponowną.
Oba wskaźniki są ściśle monitorowane i śledzone z miesiąca na miesiąc. Każda firma, zarówno online, jak i offline, potrzebuje bazy lojalnych klientów, aby stać się zrównoważoną . Prostszy i tańszy jest również up-sel/cross-sell obecnym klientom – to Marketing 101.
Wielokrotne zakupy zawsze mnie intrygowały. Obecnie klienci mają ogromną liczbę możliwości wyboru online w różnych kategoriach, niezależnie od tego, czy chodzi o zamawianie artykułów spożywczych, kupowanie telefonu, czy pranie. Wszechobecny smartfon stworzył wiele nowych zachowań kształtujących nawyki dla konsumenta miejskiego i jeśli konsument nie znajdzie wartości i bezproblemowego doświadczenia, rzadko będzie wracał. Niezależnie od tego, czy jest to e-commerce, m-commerce, czy handel stacjonarny, wspaniałe doświadczenia sprawiają, że klient wraca do platformy zakupowej.
W Stylofie zaobserwowaliśmy niedawny trend w naszych danych – liczba powtórnych zamówień gwałtownie rosła, ale zaczął też rosnąć wskaźnik odpływu klientów . To nas zmartwiło i zastanowiło. Co się zmieniło, że tego nie przewidzieliśmy?
Dlaczego klienci nie wracają po pierwszej transakcji z nami? Jednocześnie widzieliśmy, że niektórzy klienci robią z nami nawet 3-4 transakcje miesięcznie. Biorąc pod uwagę naszą kategorię usług kosmetycznych, była ona wysoka (ile razy w miesiącu można strzyc włosy lub zrobić pedicure).
Pracowaliśmy na telefonach, analizowaliśmy dane transakcyjne i przyglądaliśmy się narzędziom monitorującym. Chcieliśmy dogłębnie zrozumieć całe to zjawisko napędzające powtarzające się transakcje.
Dlaczego powtarzający się klienci tak wiele znaczą dla biznesu?
| Klient jednorazowy | Ponowny klient | |
| Średnia wartość zamówienia | 702 | 787 |
| Marża na transakcję | 2,2% | 14,9% |
Początkowy koszt pozyskania klienta (CAC) dla nowego/powtarzającego się klienta jest taki sam – odzyskujesz koszt poprzez utrzymanie i powtarzanie transakcji. Gdy obieraliśmy cebulę na podstawie średniej wartości zamówienia dla jednorazowego klienta w porównaniu z klientem powracającym, stwierdziliśmy, że nie tylko wartość zamówienia jest wyższa o 85 INR (~12%), ale także istnieje fenomenalna różnica w średniej marże brutto (2,2% vs 14,9%) na transakcję .
Nasi stali klienci nie tylko przyczyniają się do wzrostu zysków, ale także znacznie bardziej do zysków. Każdy klient, który dokonuje z nami tylko jednej transakcji, obniża nasze zyski. Również powracający klient chętniej poleci Stylofie nowemu klientowi, zmniejszając w ten sposób również nasz CAC.
Polecany dla Ciebie:
Jak Metaverse zmieni indyjski przemysł motoryzacyjny?
Co oznacza przepis anty-profitowy dla indyjskich startupów?
W jaki sposób start-upy Edtech pomagają indyjskim pracownikom podnosić umiejętności i być gotowym na przyszłość...
Akcje New Age Tech w tym tygodniu: Kłopoty Zomato nadal, EaseMyTrip publikuje Stro...
Indyjskie startupy idą na skróty w pogoni za finansowaniem
Digital Marketing Platform Logicserve Bags Finansowanie INR 80 Cr, zmienia nazwę na LS Dig...
Tak więc dla nas opis problemu był naprawdę jasny – co możemy zrobić, aby przekształcić naszych jednorazowych klientów w stałych klientów? Zanim jednak spróbujemy rozwiązać ten problem, ważne było, aby zrozumieć – co konkretnie sprawia, że klient na Stylofie jest stałym klientem? Co to za magiczny sos?
Co zmienia jednorazowego klienta w wielokrotnego klienta?
Kiedy zastanawiałem się nad tym pewnego wieczoru, zadzwonił do mnie mój stary przyjaciel z Genpact (mój były pracodawca). Wspomniał, że rozpoczyna swój startup zajmujący się analizą/big data i zapytał mnie, czy mógłby mi pomóc w niektórych moich problemach biznesowych. To było jak zaproszenie głodnej osoby do 5-gwiazdkowego bufetu i od razu omówiłem problem – czy możesz mi pomóc przewidzieć, czy klient dokona powtórnej transakcji na Stylofie, na podstawie pierwszego zakupu u nas?
Moi przyjaciele z Catalytics.in z wielką powagą rozpoczęli pracę nad opisem problemu i danymi. Podczas kilku telefonów późnym wieczorem zespół zadał kilka pytań dotyczących firmy i wzorców, które widzieli w danych. W końcu zbudowali model statystyczny, którego moglibyśmy użyć do przewidzenia, czy konsument wróci i dokona powtórnego zakupu na naszej platformie.
Zespół Catalytics zastosował podejście segmentacji i przewidywania , w którym najpierw podzielił klientów Stylofie na podstawie ich cech, a następnie zastosował modelowanie predykcyjne, aby określić, kto byłby stałym klientem.
Model wykorzystuje różne cechy klienta przy pierwszej wizycie, takie jak –
- Jeśli klient jest polecony przez znajomego.
- Platforma rezerwacyjna przez klienta przy pierwszej rezerwacji – iOS/Android/strona internetowa.
- Czy klient użył kodu promocyjnego przy pierwszej rezerwacji.
- Wybór salonów przy pierwszej rezerwacji, np. Salon 1 vs. Salon 2 itd.
- Ocena opinii po serwisie itp.
Całą procedurę odkrywania danych i modelowania przewidywania przeprowadzono przy użyciu R, potężnego oprogramowania statystycznego typu open source.
Gdy nadszedł dzień D, otrzymałem długo oczekiwany model predykcyjny w pliku Excela; Miałem poranny telefon z zespołem Catalytics, który wyjaśnił niuanse modelu i jego działanie. Byłem bardzo podekscytowany, widząc model – to było prawie jak jazda testowa nowym samochodem – pełen emocji i ostrożności.
Pomoc w zakresie modeli predykcyjnych
Nadszedł czas, aby położyć gumę na drodze i zobaczyć, jak zachowuje się model. Najpierw przebiegłem obok kilku punktów danych klientów, którzy nigdy nie wrócili, aby sprawdzić, czy model dokładnie je przewiduje. Potem przyszedł czas na pracę nad kolejnym zestawem danych – stałymi klientami, którzy dokonali u nas kilku rezerwacji ; model oparty na Excelu dał wynik prawdopodobieństwa, a wyniki mnie zaskoczyły. Model był prawie doskonały w przewidywaniu powtórnego użycia na podstawie szczegółów pierwszej transakcji. To było magiczne!
Byłem naprawdę zaskoczony, widząc moc danych w pracy. Oto formuła oparta na plikach Excel, która przewidywała przyszłość naszej firmy w najbardziej podstawowej jednostce miary – dla każdego zamówienia klienta.
Model wykazał się niesamowitą dokładnością w przewidywaniu wyniku prawdopodobieństwa ponownego zakupu, a gdy zaczynamy wdrażać model w naszych działaniach, pojawiło się więcej pomysłów i sugestii mających na celu jego optymalizację i podejmowanie decyzji na podstawie jego wyników.
Wspólnie z zespołem Catalytics pracujemy również nad rozszerzeniem modelu, aby przewidzieć, kiedy i jak często powróci klient.
Teraz mogę po części spać spokojnie – mając pewność, że mogę przewidzieć, czy pierwszy raz klient wróci po powtórną transakcję na naszej platformie. Dla startupowego przedsiębiorcy to manna z nieba! Oczywiście w dzisiejszych czasach przedsiębiorcom nie przychodzi łatwo spać, ponieważ chociaż mamy model przewidywania zachowań klientów, to jeszcze nie wypracowaliśmy modelu przewidywania zachowań inwestycyjnych VC! Być może czas na kolejną rozmowę z zespołem Catalytics!