Как вернуть больше клиентов, потратив меньше денег

Почему экономия на количестве клиентов не работает

Когда растут цены на рассылки и маркетинг, продавцы обычно идут одним из двух путей: либо сокращают охват и отправляют предложение меньшему числу людей, либо снижают величину скидок. Оба подхода интуитивны, но приводят к противоположному результату.

Если отправлять сообщения дешевле (например, через уведомления вместо текстовых сообщений), конверсия падает вместе с бюджетом. Если уменьшить скидку с 20% до 10%, клиенты просто не видят смысла возвращаться. Стоимость каждого приведённого покупателя растёт, несмотря на урезанный бюджет. Парадокс, но логика простая: вы экономите на неправильных людях вместо того, чтобы тратиться на нужных.

Три показателя, которые должны улучшаться одновременно

Прежде чем планировать кампанию по возврату, определитесь с метриками успеха. На них нужно смотреть параллельно:

Стоимость одного вернувшегося клиента — сколько денег вы потратили на скидки, рассылки и логистику, чтобы получить один заказ. Эта цифра должна падать с каждой месячной кампанией.

Количество вернувшихся — абсолютное число людей, которые сделали повторный заказ. Урезание бюджета часто приводит к падению этого показателя, но оно должно расти или держаться на уровне.

Удержание через два месяца — наиболее опасный подвох. Люди, которые вернулись ради скидки, могут уйти ещё быстрее, если не найдут причину остаться. Проверяйте, сколько из вернувшихся клиентов сделало второй заказ без скидок за следующие 60 дней. Это показывает, действительно ли вы вернули человека или просто продали ему одну покупку.

У многих компаний растёт один показатель за счёт других двух. Выясните, какой баланс работает в вашем случае.

Недостаточно просто предложить скидку побольше

Тестирование помогает понять, что именно не работает. Когда один крупный магазин электроники попробовал заменить текстовые сообщения на уведомления в приложении, конверсия упала в 1,3 раза. Уведомления хороши для информации, но для предложений о возврате работают хуже. Люди ленятся открывать приложение на прочитанное сообщение, а текст идёт сразу в поле зрения.

Снижение скидки тоже не сработало: вместо 20% предложили 10%. Стоимость одного клиента выросла в 1,6 раза, потому что слабое предложение просто не убеждало. Человек видит маленькую скидку и думает: "Зачем возвращаться?" — и процент откликов падает.

Вывод прост: экономия не в канале коммуникации и не в размере скидки. Экономия в том, чтобы вообще не писать людям, которые не вернутся, и отправлять правильное предложение нужному человеку в нужный момент.

Как автоматизация выбирает, кому писать

С ростом сложности начинают использовать алгоритмы, которые оценивают каждого неактивного клиента отдельно. Программа анализирует четыре категории информации:

1. История покупок: когда человек последний раз что-то купил, как часто заказывает, какой средний размер чека, какие товары выбирает.

2. Действия на сайте или в приложении: как часто заходит, какие категории смотрит, сколько времени проводит.

3. Реакция на сообщения: открывает ли письма, кликает ли на ссылки, как отреагировал на прошлые предложения.

4. Реакция на скидки: покупает ли обычно со скидкой или может вернуться и без неё.

Модель вычисляет вероятность того, что клиент купит с промокодом, и вероятность того, что он купит без него. Разница между ними — это величина, на которую скидка повлияет на его решение. Если эта разница большая, скидка действительно нужна. Если маленькая, человек вернётся и без неё, бюджет впустую. Если разница отрицательная, скидка обидит клиента или покажется ему признаком отчаяния.

Кроме того, алгоритм подбирает лучший тип предложения: скидку на категорию, на весь заказ, подарок при покупке выше суммы или что-то ещё. Система выбирает, что сработает дешевле.

Интеграция с логистикой ещё больше заостряет нож: система учитывает, сколько курьеров работает в каждом районе в конкретный день. Заказы генерируются так, чтобы они сразу подхватывались доступными курьерами. Клиент быстро получает товар в хорошем состоянии, и это повышает вероятность повторной покупки.

Пять правил, которые работают без сложной техники

Если алгоритмы — не ваше, начните с этого:

1. Считайте экономику. Если стоимость возврата одного клиента выше, чем он потенциально может потратить у вас за год, вы убыточны. Проверяйте math перед каждой кампанией.

2. Понимайте причины ухода. Не все уходят ради скидки. Часть разочарована доставкой, качеством или просто переключилась на конкурентов. Для них предложение никогда не сработает. Опросите хотя бы несколько уходящих клиентов.

3. Начните с простой сегментации. Разбейте неактивных клиентов на три группы: недавние (ушли месяц назад), средние (ушли полгода назад) и давние (не покупали больше года). Возвращайте сначала недавних — они вернутся быстрее и от меньшей скидки.

4. Не перенасыщайте базу. Если каждый месяц 30% вашей активной аудитории — это люди, которых вы вернули в прошлые месяцы, вы создаёте проблему. Такие клиенты нестабильны и уходят быстрее. Реактивированные не должны быть больше 20% активной базы.

5. Приоритет — удержание, а не возврат. Проще оставить того, кто у вас есть, чем ловить ушедшего. Убедитесь, что основная база не деградирует из-за того, что вы отвлекаетесь на возврат.

Что дают конкретные цифры

Одна компания внедрила систему, которая анализирует каждого клиента в оттоке и решает, стоит ли его писать. За несколько месяцев результаты показали: стоимость возврата упала на четверть, количество вернувшихся выросло в 1,8 раза, а их удержание через два месяца улучшилось на 3 процентных пункта.

Это не означает, что нужно сложное оборудование. Это означает, что нужна логика: писать избирательно, предлагать по-разному и не всем подряд. Продавец, который разберётся в этом без программистов, переиграет того, кто просто льёт рассылку всем и надеется.