เรียนลูกค้า คุณจะเป็นของฉันตลอดไปไหม

สิ่งหนึ่งที่ทำให้ผู้ประกอบการสตาร์ทอัพอย่างฉันตื่นกลางดึกคือคำถามสุดท้าย - “ลูกค้าของฉันจะกลับมาทำธุรกรรมอื่นกับฉันไหม” ทุกเดือนที่ Stylofie (ตลาดออนไลน์สำหรับบริการด้านความงามและสุขภาพ) เราได้รวบรวมการคาดการณ์ยอดขายรายเดือน - ทำลายสถิติ สู่การขายลูกค้าใหม่และการขายซ้ำ

เมตริกทั้งสองได้รับการตรวจสอบและติดตามอย่างใกล้ชิดทุกเดือน ธุรกิจใดๆ ไม่ว่าจะออนไลน์หรือออฟไลน์ จำเป็นต้องมีฐานลูกค้าประจำเพื่อให้เกิดความยั่งยืน นอกจากนี้ยังง่ายกว่าและถูกกว่าในการขายต่อยอด/ขายต่อเนื่องให้กับลูกค้าที่มีอยู่ นั่นคือ Marketing 101

การซื้อซ้ำทำให้ฉันทึ่งเสมอ วันนี้ ลูกค้ามีตัวเลือกมากมายทางออนไลน์ในแต่ละหมวดหมู่ ไม่ว่าจะเป็นการสั่งซื้อของชำ ซื้อโทรศัพท์ หรือทำความสะอาดเสื้อผ้า สมาร์ทโฟนที่แพร่หลายได้สร้างพฤติกรรมใหม่ๆ มากมายสำหรับผู้บริโภคในเมือง และหากผู้บริโภคไม่พบคุณค่าและประสบการณ์ที่ราบรื่น เขา/เธอแทบจะไม่ได้กลับมาอีกเลย ไม่ว่าจะเป็นอีคอมเมิร์ซ เอ็มคอมเมิร์ซ หรือพาณิชย์อิฐ ประสบการณ์ที่ยอดเยี่ยมจะผลักดันลูกค้าให้กลับมาที่แพลตฟอร์มการซื้อ

ที่ Stylofie เราสังเกตเห็นแนวโน้มล่าสุดในข้อมูลของ เรา - คำสั่งซื้อซ้ำของเราเพิ่มขึ้นอย่างรวดเร็ว แต่อัตราการเลิกใช้งานของลูกค้าของเราก็เริ่มเพิ่มขึ้นเช่นกัน สิ่งนี้ทำให้เรากังวลและคิด มีอะไรเปลี่ยนแปลงไปที่เราไม่เห็นมันมา?

ทำไมลูกค้าไม่กลับมาหลังจากทำธุรกรรมครั้งแรกกับเรา? ในเวลาเดียวกัน เรายังเห็นลูกค้าบางรายทำธุรกรรมกับเรามากถึง 3-4 ครั้งต่อเดือน เมื่อพิจารณาจากหมวดหมู่ของเรา เช่น บริการด้านความงาม ถือว่าสูง (คุณสามารถตัดผมหรือทำเล็บเท้าได้กี่ครั้งในหนึ่งเดือน)

เราใช้งานโทรศัพท์ วิเคราะห์ข้อมูลธุรกรรม และดูเครื่องมือตรวจสอบ เราต้องการทำความเข้าใจปรากฏการณ์ทั้งหมดนี้อย่างลึกซึ้งซึ่งทำให้เกิดการทำธุรกรรมซ้ำ

ทำไมลูกค้าที่ซื้อซ้ำจึงมีความหมายมากสำหรับธุรกิจ

ต้นทุนเริ่มต้นของการได้มาซึ่งลูกค้า (CAC) สำหรับลูกค้าใหม่/ลูกค้าซ้ำจะเท่าเดิม - คุณกู้คืนต้นทุนผ่านการรักษาและการทำธุรกรรมซ้ำ เนื่องจากเราปอกหัวหอมตามมูลค่าการสั่งซื้อเฉลี่ยสำหรับลูกค้าครั้งเดียวกับลูกค้าที่ซื้อซ้ำ เราพบว่าไม่เพียงแต่มูลค่าการสั่งซื้อจะสูงขึ้น ถึง 85 รูปีอินเดีย (~12%) เท่านั้น แต่ยังมีความแตกต่างกันอย่างมากในค่าเฉลี่ย อัตรากำไรขั้นต้น (2.2% เทียบกับ 14.9%) ต่อรายการ

ลูกค้าประจำของเราไม่เพียงแต่มีส่วนสนับสนุนในบรรทัดบนเท่านั้น แต่ยังมีส่วนสำคัญในบรรทัดล่างอีกด้วย ลูกค้าทุกคนที่ทำธุรกรรมกับเราเพียงรายการเดียวถือเป็นการดึงผลกำไรของเราลง นอกจากนี้ ลูกค้าที่ซื้อซ้ำมักจะแนะนำ Stylofie ให้กับลูกค้าใหม่ ซึ่งจะช่วยลด CAC ของเราด้วย

แนะนำสำหรับคุณ:

ทรัพยากร

Metaverse จะพลิกโฉมอุตสาหกรรมยานยนต์อินเดียได้อย่างไร

วิภาวดี ส.

31 กรกฎาคม 2565

ทรัพยากร

บทบัญญัติต่อต้านการแสวงหากำไรสำหรับสตาร์ทอัพในอินเดียมีความหมายอย่างไร?

จรัญญา ล.

31 กรกฎาคม 2565

ทรัพยากร

Edtech Startups ช่วยให้แรงงานอินเดียเพิ่มพูนทักษะและเตรียมพร้อมสู่อนาคตได้อย่างไร...

อังคุช เอส

31 กรกฎาคม 2565

ข่าว

หุ้นเทคโนโลยียุคใหม่ในสัปดาห์นี้: ปัญหาของ Zomato ยังคงดำเนินต่อไป, EaseMyTrip Posts Stro...

ตปัญจนา ร.

31 กรกฎาคม 2565

คุณสมบัติ

สตาร์ทอัพอินเดียใช้ทางลัดในการไล่ล่าหาทุน

นิกิล เอส.

31 กรกฎาคม 2565

ข่าว

แพลตฟอร์มการตลาดดิจิทัล Logicserve ระดมทุน INR 80 Cr รีแบรนด์เป็น LS Dig...

เชตัน ต.

31 กรกฎาคม 2565

ดังนั้น สำหรับเรา คำชี้แจงปัญหาชัดเจนมาก – เราจะทำอะไรได้บ้างเพื่อเปลี่ยนลูกค้าขาจรของเราให้กลายเป็นลูกค้าประจำ อย่างไรก็ตาม ก่อนที่เราจะลองแก้ปัญหานี้ สิ่งสำคัญคือต้องเข้าใจ – อะไรที่ทำให้ลูกค้าบน Stylofie เป็นลูกค้าประจำ? ซอสวิเศษนั่นคืออะไร?

สิ่งที่เปลี่ยนลูกค้าขาจรเป็นลูกค้าประจำ

ขณะที่ฉันกำลังครุ่นคิดถึงเรื่องนี้ในเย็นวันหนึ่ง ฉันได้รับโทรศัพท์จากเพื่อนเก่าของฉันที่ Genpact (อดีตนายจ้างของฉัน) เขาบอกว่าเขากำลังเปิดตัวการวิเคราะห์/การเริ่มต้นข้อมูลขนาดใหญ่และถามฉันว่าเขาสามารถช่วยฉันแก้ปัญหาธุรกิจเริ่มต้นของฉันได้ไหม มันเหมือนกับคนหิวโหยที่ได้รับเชิญให้เข้าร่วมบุฟเฟ่ต์ระดับ 5 ดาว และฉันได้พูดคุยถึงปัญหาที่เกิดขึ้นทันที – คุณช่วยฉันคาดการณ์ได้ไหมว่าลูกค้าจะทำธุรกรรมซ้ำบน Stylofie บนพื้นฐานของการซื้อครั้งแรกกับเราหรือไม่

เพื่อนของฉันจาก Catalytics.in เริ่มทำงานเกี่ยวกับคำชี้แจงปัญหาและข้อมูลอย่างจริงจัง ทีมงานได้ถามคำถามหลายข้อเกี่ยวกับธุรกิจและรูปแบบที่พวกเขาเห็นในข้อมูลผ่านการโทรหลายครั้งในช่วงดึก ในที่สุดพวกเขาก็สร้างแบบจำลองทางสถิติที่เราสามารถใช้เพื่อคาดการณ์ว่าผู้บริโภคจะกลับมาซื้อซ้ำบนแพลตฟอร์มของเราหรือไม่

ทีม Catalytics ใช้กลุ่มและแนวทางการคาดการณ์ โดยที่พวกเขาแบ่งกลุ่มลูกค้า Stylofie ก่อนตามลักษณะเฉพาะของพวกเขาก่อน จากนั้นจึงใช้ Predictive Modeling เพื่อระบุว่าใครจะเป็นลูกค้าซ้ำ

โมเดลใช้ลักษณะต่างๆ ของลูกค้าในการเข้าชมครั้งแรก เช่น –

1. หากลูกค้าได้รับการแนะนำจากเพื่อน
2. แพลตฟอร์มการจองโดยลูกค้าในการจองครั้งแรก – iOS/ Android/เว็บไซต์
3. ไม่ว่าลูกค้าจะใช้ Promo Code ในการจองครั้งแรกหรือไม่
4. ทางเลือกของร้านเสริมสวยในการจองครั้งแรก เช่น Salon 1 vs. Salon 2 เป็นต้น
5. ข้อเสนอแนะคะแนนหลังการบริการ ฯลฯ

ขั้นตอนการค้นหาข้อมูลและการสร้างแบบจำลองการทำนายทั้งหมดดำเนินการโดยใช้ R ซึ่งเป็นซอฟต์แวร์สถิติโอเพ่นซอร์สที่ทรงพลัง

เมื่อ D-day มาถึง ฉันได้รับแบบจำลองการคาดการณ์ที่รอคอยมานานในไฟล์ excel ฉันได้โทรคุยกับทีม Catalytics ในช่วงเช้าตรู่ซึ่งอธิบายรายละเอียดปลีกย่อยของแบบจำลองและการทำงานของมัน ฉันตื่นเต้นมากที่ได้เห็นโมเดลนี้ มันเกือบจะเหมือนกับการทดสอบขับรถใหม่ เต็มไปด้วยความตื่นเต้นและความระมัดระวัง

ความช่วยเหลือเกี่ยวกับแบบจำลองการคาดการณ์

ถึงเวลาแล้วที่จะวางยางลงสู่ท้องถนนและดูว่าโมเดลมีพฤติกรรมอย่างไร อันดับแรก ฉันวิ่งผ่านจุดข้อมูลสองสามจุดของลูกค้าที่ไม่เคยกลับมา เพื่อดูว่าแบบจำลองคาดการณ์ได้อย่างถูกต้องหรือไม่ จากนั้นก็ถึงเวลาทำงานกับชุดข้อมูลถัดไป – ลูกค้าประจำที่ทำการจองกับเราหลายครั้ง แบบจำลองที่ใช้ Excel ให้คะแนนความน่าจะเป็นและผลลัพธ์ที่ได้ทำให้ฉันทึ่ง โมเดลนี้เกือบจะสมบูรณ์แบบในการคาดการณ์การใช้งานซ้ำโดยอิงจากรายละเอียดธุรกรรมครั้งแรก มันวิเศษมาก!

ฉันรู้สึกตื่นเต้นมากที่ได้เห็นพลังของข้อมูลในที่ทำงาน นี่คือสูตรที่ใช้ไฟล์ excel ที่คาดการณ์อนาคตของธุรกิจของเราโดยใช้หน่วยการวัดพื้นฐานที่สุด - สำหรับคำสั่งซื้อของลูกค้าแต่ละราย

แบบจำลองได้แสดงให้เห็นความแม่นยำที่น่าทึ่งในการทำนายคะแนนความน่าจะเป็นของการซื้อซ้ำ และเมื่อเราเริ่มปรับใช้แบบจำลองในการดำเนินงานของเรา แนวคิดและข้อเสนอแนะต่างๆ ก็เริ่มหลั่งไหลเข้ามาเพื่อเพิ่มประสิทธิภาพและขับเคลื่อนการตัดสินใจโดยพิจารณาจากผลลัพธ์

เรากำลังสำรวจร่วมกับทีม Catalytics ในการขยายโมเดลเพื่อคาดการณ์ว่าลูกค้าจะกลับมาเมื่อใดและบ่อยแค่ไหน

ตอนนี้ฉันนอนหลับสบายเป็นบางส่วน ด้วยความมั่นใจว่าฉันสามารถคาดการณ์ได้ว่าลูกค้าในครั้งแรกจะกลับมาทำธุรกรรมซ้ำบนแพลตฟอร์มของเราหรือไม่ สำหรับผู้ประกอบการสตาร์ทอัพ นั่นคือ มานาจากสวรรค์! แน่นอนว่าการนอนหลับไม่ได้มาง่ายๆ สำหรับผู้ประกอบการในทุกวันนี้ เพราะในขณะที่เรามีแบบจำลองสำหรับทำนายพฤติกรรมของลูกค้า เรายังไม่ได้คิดแบบจำลองสำหรับทำนายพฤติกรรมการลงทุนของ VC! อาจถึงเวลาโทรคุยกับทีม Catalytics อีกครั้ง!