Как автоматизировать маркетинговые процессы и не сойти с ума. Кейс Hoff.

Такая модель хороша тем, что можно более грамотно распределять бюджет между рекламными каналами, поскольку есть чёткое представление о том, какие из них наиболее эффективны с точки зрения привлечения покупателей. Мы также хотели оценивать эффект ROPO, поскольку всегда осознавали, что онлайн-продвижение влияет и на продажи в офлайне, но не могли выявить закономерность.

Внедрение собственной модели атрибуции заняло у нас девять месяцев, поскольку в процессе мы добавляли всё новые и новые данные и приходилось решать вопрос с их «склейкой».

О потраченном времени мы нисколько не пожалели, поскольку результаты оказались впечатляющими:

• кадровая оптимизация: всеми кампаниями в сфере контекстной рекламы теперь управляет один менеджер;
• снижение ДРР на 15% (по сравнению с 2017 годом);
• рост ROI;
• увеличение в 2,5 раза количества фраз с ненулевой ценностью;
• оценка эффекта ROPO:
• треть выручки в гипермаркетах Москвы приходится на посетителей сайта; клиенты, использующие несколько каналов (сайт, гипермаркеты, мобильное приложение), приносят в пять раз больше прибыли, чем те, которые используют один канал.

Этап 3: совершенствуем аналитику

В процессе внедрения собственной модели атрибуции мы собрали в одном месте огромный массив данных.

Было бы довольно расточительно ими не пользоваться – и мы решили «склеивать» данные из разных источников. На примере анализа звонков это выглядит так:

Для визуализации аналитики мы используем сервис Geckoboard, предоставляющий наглядную информацию об эффективности различных маркетинговых каналов.

Сотрудники отдела довольны.

Этап 4: настраиваем омниканальную коммуникацию с клиентами

В период работы над автоматизацией маркетинговых процессов мы активно развивали программу лояльности.

Благодаря развитию технологий у компаний сегодня нет недостатка в каналах взаимодействия с клиентом: email-рассылки, СМС, push-сообщения, персонализированные баннеры и т. д. Проблема только в том, что «по умолчанию» каждый канал воспринимает одного и того же клиента как уникального пользователя.

Чтобы взаимодействие с компанией не вызывало у человека негативные эмоции, мы приняли решение перейти на омниканальную коммуникацию. А переходным этапом в этом процессе стала кроссканальная коммуникация.

Наша система анализирует огромное количество информации о пользователе:

• онлайн-поведение: действия на сайте;
• поведение в офлайне: посещение гипермаркета, получение консультации, покупка товара, оформление карты лояльности, звонок в колл-центр и т. д.;
• реакция на коммуникацию: на СМС, email-рассылки и т. д.;
• и др.

Результатом этого глубокого анализа является то, что теперь мы точно знаем любимый канал коммуникации каждого клиента и, учитывая это, уменьшаем напор других. Это позволяет минимизировать риск отписки пользователей и оптимизировать бюджет.