© 1995-2021 Компания «Инфосистемы Джет»
Как оптимизировать затраты и эффективность программы лояльности
Программное обеспечение

Как работает анонимная лояльность? Почему у первопроходцев возникнут проблемы? Как заказчики оценили прототип нашего решения?

Программное обеспечение Тренд

Анонимная лояльность: как оптимизировать затраты на программу лояльности, увеличив ее эффективность

17.02.2021

Посетителей: 220

Просмотров: 204

Время просмотра: 1.7 мин.

Как работает анонимная лояльность

 

Почему у первопроходцев возникнут проблемы

 

Как заказчики оценили прототип нашего решения

 

 

Все сейчас скажут, что заголовок содержит в себе противоречие, и я соглашусь. Обычно при ужесточении правил участия в программе лояльности — уменьшении начислений, усложнении правил использования бонусов, установке высокого входного порога — автоматически снижается количество участников и в целом ее эффективность.

 

Однако представим ситуацию: в магазин приходит человек, набирает тележку продуктов, платит наличными и уходит. Сразу оговорюсь, если считаете, что все оплачивают покупки картами, знайте: это не так. По данным ЦБ, за 2020 г. население и бизнес в России получили на руки около 2,5 трлн руб. наличных в дополнение к уже имеющимся. Рост объема банкнот в обращении оценивается более чем в 20%. В общем, сценарий наличной оплаты распространен. И в этом случае, и даже при оплате банковской картой конкретно об этом покупателе ритейлер ничего не знает. Остаются только обобщенные данные, в основном пригодные для высокоуровневых гипотез а-ля «алкоголь покупают в основном в пятницу вечером».

 

Чтобы как-то идентифицировать покупателя на кассе и «привязать» покупки лично к нему, ритейлеры и запускают программы лояльности. Выдают (чаще всего) пластиковую карту, которую нужно предъявить на кассе. Далее идет скрытая от покупателя часть: покупка «привяжется» к его профилю в CRM-системе, и этот постоянно дополняемый профиль будет использоваться для дальнейшей работы маркетологов.

 

Концепт выглядит жизнеспособно, но уже на этапе «выдать карту» начинает давать сбой. Кому выдать, а кому не выдавать? Где гарантия того, что покупатель будет носить карту с собой? Как определить, сам он делал покупку или это «групповой профиль» и карту в том числе используют его друзья и знакомые?

Кроме того, вся программа задумывается для, скажем так, «допродажи». Если человек покупает вино и сыр, логично предложить ему виноград. Но когда он стоит на кассе, допродавать что-то бесполезно. Это нужно делать, когда покупатель ходит по торговому залу и у нас есть возможность «доложить» что-то в его корзину. А совсем здорово было бы приглашать в программу только клиентов с наибольшим потенциалом. То есть еще до того, как покупатель официально вступит в программу и получит идентификатор, ритейлеру нужно собрать его первоначальный «грубый» профиль.

Никакой rocket science

 

Мы решили немного пофантазировать на данную тему и решить эти вопросы в рамках работающего прототипа. Как говорится, just4fun — удовлетворить собственное любопытство и зуд в руках.

 

Нужно идентифицировать покупателя уже на входе в торговый зал. Как это проделать проще всего? Использовать уникальный идентификатор — его лицо.

 

Мы сделали стенд с двумя камерами: камера на входе в торговый зал фиксирует факт прихода клиента, камера на кассе идентифицирует покупки и сохраняет данные в анонимном профиле. Система распознает человека по слепку лица, описанному с помощью математических векторов, и записывает информацию в виде цифр и букв. Затем этот хэш можно использовать как идентификатор в программе лояльности и автоматически создавать виртуальную карту, вместо того чтобы давать человеку бесполезный пластик. В остальном принцип работы схож с традиционными картами: каждый чек с кассы прикрепляется к профилю участника, идентификатором выступает буквенно-цифровой код.

 

За формирование рекомендаций в режиме реального времени отвечает пресловутый ИИ. После нескольких посещений, когда в профиле появляется необходимый минимум информации, система анализирует характер покупок клиента и показывает, какие предложения в его случае сработают лучше. Используются 8 базовых моделей машинного обучения, известных каждому маркетологу: next best offer, basket analysis, чувствительность к цене и вознаграждению, вероятность оттока и т.д.

 

Здесь нет никакой rocket science, в основе системы лежат распространенные на рынке технологии: распознавание лиц и CRM. А вот модели были самодельные, но в принципе тоже довольно банальные.

 

На этом проекте мы здорово развлеклись сами и, к счастью, смогли попартизанить у одного из наших заказчиков: запустили систему в тестовом режиме в его лаборатории. Результаты удивили даже меня: по грубым подсчетам, средний чек увеличился на 10–25%, но самое главное — нам удалось настроить модель на продажу продуктов с самой высокой маржинальностью.

Почему этот паровоз никогда не взлетит

 

Потенциальные заказчики, которым мы показывали прототип, остались в восторге. Добавим сюда тот факт, что 80% программ лояльности не работают так, как должны. По статистике, среди общего количества участников обычно бывает не более 15–25% активных пользователей, хотя на привлечение одного человека компания тратит 1000 рублей и более. При этом сейчас единственный способ вовлечения клиента — навязчивый вопрос: есть ли у вас наша карта? Как результат, у меня дома лежат уже 5 одинаковых карт ближайшего супермаркета.

 

Наше решение помогает точно определить, будет человек участвовать в программе лояльности или нет. Фактически покупатель становится ее участником еще до того, как ему предложат карту. Таким образом можно изменить ситуацию коренным образом: 90–95% клиентов в программе станут активными. Компания получит солидные бонусы от внедрения технологии: снижение расходов операционного бюджета на программу лояльности, увеличение среднего чека, рост маржи. Уже этих трех пунктов достаточно, чтобы новое решение было интересно рынку.

 

Несмотря на перспективность технологии, мы пока не смогли найти желающих опробовать ее в боевых условиях, да и при анализе международного опыта я не встретил ничего подобного.

 

Сложности создают законы о защите персональных данных. База данных, совмещающая биометрические показатели и информацию о покупках, должна быть хорошо защищена. А если к профилю прикрепить ФИО, телефон и email, его придется защищать на уровне медицинских диагнозов. Конечно, напрямую в законе это не сказано (это своего рода «серая зона»), но есть опасение, что первопроходцу придется пройти через все доступные варианты страданий. Понятие «анонимная биометрия» в законах просто отсутствует, и сложно предсказать, как поведут себя в такой ситуации контролирующие органы.

 

Несмотря на неутешительные выводы, я не считаю эту работу бесполезной. Во-первых, появился замечательный материал для этой статьи. Во-вторых, если из этого концепта выдернуть самые опасные составляющие, он, безусловно, станет более беззубым, но юридически выверенным и тоже будет демонстрировать отличные результаты. В-третьих, технологии не остановить. Согласитесь, рано или поздно мы все равно к этому придем, и нам очень приятно быть одними из первых на этом пути.

 

Ну и жутко интересно было, ага!

Читайте нас в Telegram

Уведомления об обновлении тем – в вашей почте

Анализ ресторанного бизнеса

Говорим о нашем опыте внедрения BI-систем для ресторанного бизнеса. Представляем первую на российском рынке гибко настраиваемую аналитическую платформу с готовыми типовыми отчетами и дашбордами для ресторанных сетей – Jet Restaurant Analytics (JeRA)

Имея дело с инновациями, ты не знаешь, с чем столкнешься в реальности

Директор по инновациям Х5 Retail Group Иван Мельник в интервью нашему изданию рассказал, какие стартапы интересуют Х5 в данный момент, как супермаркеты ритейлера экономят 10% электроэнергии с помощью системы «умный дом» и почему компания в свое время отказалась от прототипа умных весов, а затем передумала.

Внедрять Data Governance пора, когда топ-менеджеры перестают доверять отчетам

Почему правильный подход к DataGovernance улучшает доверие к аналитике? Основные предпосылки внедрения этих технологий? Чем подписка на решения DataGovernanceможет быть лучше традиционной лицензии?

Идеальный омниритейлер — какой он?

8 ИТ-составляющих идеального омниритейлера? Как сэкономить 1,6 млн долл. с помощью омниканальных решений? Сколько стоят такие проекты?

Анализ кассовых чеков

Наш опыт работы с компаниями из разных отраслей рынка показывает, что ритейлеры предъявляют к аналитике наиболее жесткие требования

«Благодаря COVID-19 мы все стали опытнее. А те, кто не стал, уже закрылись». Как Yves Rocher Vostok переживает пандемию

Как кризис 2014–2015 гг. помог Yves Rocher Vostok подготовиться к пандемии? Почему в магазинах сети практически нет интернета? Зачем ритейлу становиться виртуальным?

Оленеводы в пределах Садового кольца

Стремительное развитие российского ритейла характеризуется автоматизацией кас-совых операций, операций ценообразования и логистики, развитием области кредитования и функций платежных агентов

Несколько слов об эксплуатации e-commerce-платформ

Одна из наиболее востребованных концепций развития у ритейлеров – это omni-channel. Ее главная цель – удовлетворить желание потребителя здесь и сейчас. Поэтому ритейлер должен быть доступен для покупателя в любой момент времени через любой канал коммуникации – как offline, так и online.

Математика на службе у антифрода

Определить вероятность и момент реализации хищения невозможно без наличия у антифрод-системы методологической основы

Спасибо!
Вы подписались на обновления наших статей
Предложить
авторский материал





    Спасибо!
    Вы подписались на обновления наших статей
    Подписаться
    на тему







      Спасибо!
      Вы подписались на обновления наших статей
      Оформить
      подписку на журнал







        Спасибо!
        Вы подписались на обновления наших статей
        Оформить
        подписку на новости







          Спасибо!
          Вы подписались на обновления наших статей
          Задать вопрос
          редактору








            Оставить заявку

            Мы всегда рады ответить на любые Ваши вопросы

            * Обязательные поля для заполнения

            Спасибо!

            Благодарим за обращение. Ваша заявка принята

            Наш специалист свяжется с Вами в течение рабочего дня