18 ноября 2021

Кейс: 53 тысячи клиентов за 3 месяца — как мы вернули автовладельцев на официальный сервис с помощью RFM-сегментации

Можно ли вернуть автовладельцев на официальный сервис после завершения срока гарантии? Рассказываем, как это делается с помощью RFM-сегментации и персонализированного маркетинга.

Мы — агентство CRM-маркетинга Dau Relationship Marketing. Renault Россия — наш постоянный клиент с 2018 года. Мы отвечаем за все CRM-коммуникации бренда, email- и SMS-рассылки, а также чат-боты в мессенджерах.

В 2020 году Renault обратились к нам с необычной задачей — вернуть на официальный сервис клиентов, которые более года его не посещали. На момент обращения к нам таких было 37%.

Традиционно в автобизнесе клиентов на сервис возвращают так: предлагают значительные скидки на работы и запчасти.

При этом, как правило, все клиенты получают одинаковое предложение — скидка ждет и тех, кто и так собирался приехать на сервис к дилеру, и тех, кто для себя рассматривал более дешевый неофициальный сервис или гаражное обслуживание.

Мы подумали, что можно разделить базу автовладельцев Renault на осмысленные группы и делать выгодные предложения по уровню заинтересованности.

Какие сложности нас ждали:

1. Много данных. Миллионы строк, разрозненных по различным CRM-системам Renault.
2. Большая география. 150 дилерских центров Renault в России с уникальными региональными особенностями.
3. Часть клиентов не реагирует на письма, часть — на SMS.

Шаг 1. Собрать данные о клиентах

Мы собрали CRM-данные автобренда за оптимальный для нашей задачи срок — четыре года (2017–2020). С чем мы имели дело: обращения к дилерам, заезды на сервис, история SMS- и email-коммуникаций.

Мы обработали всю информацию и получили для анализа единую, очищенную от ошибок и дублей, SQL-базу. После этого мы были готовы ко второму шагу эксперимента.

Шаг 2. Выбрать модель сегментации

Чтобы обработать большую и неоднородную базу данных (содержащую клиентов с самым разным поведением) и найти закономерности для принятия решений, ее необходимо сегментировать — разделить на однородные для анализа куски.

В продаже новых автомобилей используется сегментация по воронке продаж (проспект → лид → владелец), в послепродажном сервисе традиционно — по сроку владения автомобилем (например, от 0 до 2 лет, от 2 до 5 и т.д.). Но такая сегментация ничего не говорит о готовности приехать на очередное сервисное обслуживание к дилеру.

Поэтому мы решились на эксперимент и предложили клиенту использовать RFM-сегментацию — популярный в электронной коммерции метод анализа для разделения клиентской базы по давности, частоте и стоимости покупок.

В послепродажном обслуживании авто, по нашим данным, такая сегментация еще не использовалась.

Шаг 3. Сегментировать клиентов по RFM

Чтобы решить задачу Renault, в RFM мы приняли за покупку факт заезда клиента в сервисный центр. Получилась сегментация по трем основным параметрам:

• R — давность посещения сервиса;
• F — частота заездов за период;
• M — разделение по типу сервисных работ (регулярное ТО, гарантийные работы или ремонтные).

Простым разделением по трем параметрам мы получили 125 сегментов с разным количеством автовладельцев в каждом.

Шаг 4. Объединить сегменты в группы

125 групп — слишком много для эффективной работы. Мы проанализировали все сегменты и заметили, что их можно объединить в 10 значимых, осмысленных групп.

Другими словами, мы нашли схожее поведение у клиентов, попавших в разные сегменты. Для упрощения и дальнейшей работы с коммуникациями мы объединили такие сегменты в один.

Для простоты визуализации покажем результат анализа на двухмерном графике — RF-сегментации:

• 4 группы среди владельцев новых автомобилей;
• 6 групп среди владельцев более старых автомобилей, чье поведение на сервисе очень отличается.

Анализ подтвердил, что нам не нужно делать особую коммуникацию для всех 125 сегментов, достаточно разработать ее для 10 выявленных групп.

К сожалению, конкретные параметры каждой группы (давность, частота и стоимость сервисных услуг) мы не можем раскрывать, так как они являются коммерческой тайной нашего клиента. Мы можем предположить, что эти параметры могут быть похожи у брендов — конкурентов Renault.

Шаг 5. Провести тестовую кампанию

Как выглядели рассылки ранее: вне зависимости от того, кто и как часто ездит на сервис, открывает или нет рассылки, клиенты Renault получали похожие письма и предложения.

Как выглядела тестовая кампания: каждая из 10 групп получила свою уникальную рассылку в соответствии с одной из подходящих стратегий.

Чтобы стратегия коммуникации учитывала все особенности клиентов, мы добавили в рассылки персонализацию, используя известные нам данные:

• автомобиль клиента (модель и возраст);
• история клиента на сервисе;
• география, история прошлых коммуникаций;
• реакция клиента на прошлые коммуникации.

Для такого клиента подходит первая стратегия коммуникации: он регулярно ездит на сервис, и мы благодарим его и поддерживаем связь.

Кампания продолжалась 3 месяца, в течение которых мы делали эксперименты с email- и SMS-рассылками, чтобы добиться максимального результата — приезда автовладельцев Renault на официальный сервис.

Примеры рассылок. Каждая решает свою коммуникационную задачу и предлагает клиенту то, что, по нашим прогнозам, может его заинтересовать: выгодные условия, дополнительная сервисная услуга или промокод на скидку.

Результаты

Пилотный проект показал, что можно вдвое увеличить конверсию сервисных коммуникаций благодаря использованию персональных сообщений, релевантных ситуации каждого клиента.

Результат: конверсия из рассылки в заезды на сервис составила 19,5% (отношение числа уникальных получателей сообщений к общему числу заездов на сервис).

Это в 5,5 раза больше заездов относительно контрольной группы (случайный сегмент базы, который не получал никаких рассылок) и в 2 раза больше самых успешных прошлых сервисных кампаний!

Полученный результат показал настоящий прорыв в коммуникациях автомобильного бренда со своими клиентами и задал новую планку для всех дальнейших CRM-проектов.

Отзыв Renault Россия

Менеджер проекта агентства Dau Relationship Marketing

Команда проекта