Массированные или таргетированные промо акции: Два подхода к эффективному планированию

Массированные или таргетированные промо-акции? Два подхода к эффективному планированию и проведению

Снова о промо-продажах. На этом вебинаре демонстрируется, как отбирать товары для промо-продаж, чтобы минимизировать потерю маржи и как информировать об этом клиентов, чтобы не засыпать их спамом.

Для решения определенных маркетинговых задач можное проводить регулярные промо-акции типа “товар недели”. Но при этом возникают вызовы, связанные с оптимальным набором товаров для каждой конкретной акционной недели. Ведь надо найти набор товаров, который позволит достичь максимума по выручке или марже, и при этом будет соответствовать всем правилам ротации товаров в акции. Это трудоемкая и не простая задача. И ее можно решить.

Другой блок маркетинговых задач может быть связан с желанием “переключить” часть клиентов на новые бренды, конкретные товары, товарные категории или более высокие ценовые категории. На вебинаре показаны решения такого рода задач, которые позволят экономить не только ресурсы на рассылках, но и нервы клиентов через спам нерелевантных предложений.

Видео о промо-продажах. В нем рассказывается, как выбирать товары для акций и как информировать клиентов о них. Автор предлагает два подхода к планированию и проведению промо-акций: массированный и таргетированный. Массированный подход заключается в том, что регулярно проводятся акции типа “товар недели” для всех клиентов. Таргетированный подход заключается в том, что акции направлены на определенную группу клиентов, которых хотят “переключить” на новые или более дорогие товары. Автор объясняет, какие преимущества и недостатки у каждого подхода, и какие инструменты помогут решить задачи, связанные с ними.

Массированные или таргетированные промо акции

Содержание вебинара:

Коллеги, включу запись и начну рассказ о правилах вебинара в нашей компании:

  1. Микрофоны выключены у всех, кроме спикера, чтобы избежать шумов.
    2. Вебинар записывается, и зарегистрированные участники получат доступ к видеозаписи.
    3. Вопросы можно задавать в чате; я отвечу на них по окончании. Теперь перейдем к нашему департаменту в компании RBC - расширенной аналитике, методам машинного обучения и искусственного интеллекта. Мы решаем задачи:
    4. Клиентская эффективность - сегментация, обогащение данных и персонализация.
    5. Прогноз оттока клиентов и стратегии удержания.
    6. Операционная эффективность - прогнозирование продаж и акций.
    7. Прогноз потребностей в супермаркетах и планирование смен.
    8. Консалтинг по стратегии и данным. 

Через неделю - вебинар о прогнозировании оттока клиентов. Конкуренция в рекламе огромна, но мы поможем выделиться. Рассмотрим массовые и персонализированные промоакции и их важность. Интересно, что американцы видят до 10000 рекламных объявлений в день. Давайте обсудим возможности компании для промоакций, как разовых, так и персонализированных, для увеличения продаж.

Процесс структурирования акций зависит от событий, например, начала учебного года, где товары для школьников поднимаются. Мы имеем внутренние правила ротации и целевую функцию (маржа, выручка, баланс). Рассмотрим, как оптимизировать акционные корзины для максимизации маржи или выручки. Это часть математического аппарата, который применяется для решения оптимизационных задач. Мы часто сталкиваемся с подобными задачами в повседневной жизни, как планирование маршрута во время отпуска или упаковка вещей в рюкзак. Подобные задачи также включают формирование акционных корзин, где специальные алгоритмы и решения могут быть применены. Мы решаем такие задачи, учитывая модель прогнозирования для определения продаж и времени проведения акций.

Это зависит от процесса подготовки акции в вашей компании. Автоматизация этого процесса нужна для быстрого получения прогнозов при изменении вводных, например, цены. Мы используем модель прогнозирования для определения цен, которые максимизируют маржу и выручку. Модель позволяет рассчитать цены для товаров и сравнить сценарии максимизации товарооборота и маржи.

Мы можем искать компромиссы между маржей и товарооборотом. Учитывая четыре сценария, формируем корзину, используя модифицированную задачу об укладке рюкзака, учитывая различные ограничения. Методы расчета позволяют оптимизировать корзину, максимизируя выбранную функцию, например, товарооборот или среднюю скидку. Модель автоматизирует процесс, сокращая трудозатраты и позволяя сотрудникам заниматься более креативной работой.

Второй блок относится к персонализации предложений. Это означает, что акции становятся персональными, с разной степенью персонализации. По данным исследований, клиенты после пандемии стали более склонными предоставлять свои данные и ожидать персонализированных рекомендаций. Это экономит время клиентов и помогает продавцам предлагать товары, которые могут заинтересовать клиента.

Персонализация может быть более или менее дискретной, аналогично фотографиям, сделанным разными телескопами. Инструменты для персонализации могут варьироваться от стандартных методов сегментации, таких как демографические данные, до стандартных метрик, таких как средний чек и частота покупок.
В первом инструменте, укрупненные клиентские сегменты позволяют более дифференцированную коммуникацию и подбор товаров.

Во втором инструменте, ассоциативные правила и частные наборы товаров используются для точечных предложений на основе покупок клиентов.
Третий инструмент включает кластеризацию для работы с микросегментами клиентов.
Четвертый инструмент учитывает и ассортимент, который клиенты чаще всего покупают, для более точных предложений.
Последний инструмент - модели на базе искусственного интеллекта, предлагают наиболее предпочтительные товары для клиентов или находят клиентов, заинтересованных в конкретных товарах, для целенаправленной рассылки.

Клиентская база также анализируется по давности покупки, чтобы выделить ушедших клиентов и предложить им товары.
Мы анализируем клиентов по частоте, деньгам и покупательным привычкам. Маркетинг направлен на привлечение VIP-клиентов, но демографическая сегментация может быть не надежной из-за обновления данных. Вместо этого, мы смотрим на частоту и продолжительность покупок определенных товаров для более точной сегментации. Мы также анализируем часто покупаемые товары и предлагаем дополнительные товары на основе покупок клиентов.
Мы используем продвинутые методы сегментации, включая кластеризацию, чтобы собирать полные профили клиентов. Обычная сегментация создает слишком много сегментов, что делает их управление сложным. Кластеризация позволяет находить интересные сегменты, такие как любители акций и клиенты, делающие одну покупку. Это позволяет более точно ориентировать коммуникации и предложения для разных групп клиентов.

Мы применили кластеризацию на основе множества клиентских признаков в Fashion Retail. Это позволило нам создать 8 разнообразных кластеров клиентов с уникальными потребностями. Для каждого кластера мы используем специфические продукты и коммуникации. Рекомендательные системы включают разные методы для оценки связи между клиентами и товарами. Это может включать оценки клиентов, если доступны, или неявные оценки, такие как частота покупок или просмотры на сайте. Эти системы помогают формировать персональные предложения для клиентов и оптимизировать их.

Примером может служить персонализированные рекомендации, где предоставляем скидку на продукт, который клиент часто покупает, когда он приобретает товары, которые другие люди из его кластера также часто выбирают. Мы определяем соответствующие товарные группы и настраиваем скидки, анализируя корзину покупателя. Мы также предлагаем комплементарные товары, опираясь на ассоциативные правила. Все это делает предложения максимально персонализированными. Мы привели примеры использования кластеризации, ассоциативных правил, и рейтингов для оптимизации ассортимента и поддержки разных видов промоакций. Чтобы узнать больше, можно просмотреть презентацию или назначить встречу для детального обсуждения.

Текст субтитров - скачать DOC файл