CRM-аналитика как услуга: когда бизнесу нужен внешний аналитик клиентской базы
Дашбордов много, но никто не может объяснить, почему повторные покупки падают? Рассказываем, когда звать внешнего CRM-аналитика и какие утечки он находит.
В большинстве компаний среднего бизнеса с данными на первый взгляд все в порядке. Mindbox собирает события, BI-команда раз в неделю обновляет дашборд, на планерке обсуждают выручку CRM-канала, открываемость и долю повторных покупок. Потом коммерческий директор задает простой вопрос: почему клиенты, пришедшие в прошлом ноябре, покупают второй раз реже, чем пришедшие годом раньше? В комнате становится тихо.
Цифры есть, ответа нет. Отчетность фиксирует, что произошло. Чтобы понять причину, приходится копать базу руками: строить когорты, проверять гипотезы, сверять сегменты с реальным поведением покупателей. У внутренней команды на это обычно нет ни времени, ни такой задачи в KPI. Как эта работа выглядит изнутри и когда ее разумно отдавать наружу, рассказывает Дарья Касаткина, CRM-маркетолог ClientCore.
ЧИТАЙТЕ ТАКЖЕ
«Ноябрьская распродажа дала рекорд новых клиентов, а через полгода от них почти ничего не осталось? Разбираем, как собрать когортный отчет, по которому видно реальную отдачу каждого месяца.»
CRM-аналитика: что это, если смотреть со стороны бизнеса
Если загуглить «crm аналитика что это», выдача почти целиком состоит из определений про отчеты, воронки и графики в интерфейсе CRM-системы. Это правда, но только наполовину. На практике у CRM-аналитики два слоя. Первый — мониторинг: дашборды, KPI, регулярные срезы, которые показывают, в норме ли пульс. Второй — исследование: ответ на конкретный вопрос, за которым стоят деньги.
Исследование начинается с вопроса бизнеса и заканчивается решением. Например: стоит ли давать скидку 15% клиентам, которые не покупали полгода, или она съест маржу у тех, кто и так вернулся бы сам? Дашборд на это не ответит. Нужны контрольная группа, разбивка по истории покупок и честный расчет инкрементальной выручки.
Когда компании ищут услуги CRM-аналитики, они чаще всего ищут как раз второй слой. Графики у них уже есть. Им не хватает человека, который превратит эти графики в список решений с оценкой эффекта.
Хороший тест — попросить команду назвать три решения по базе, которые приняли за последний квартал на основе данных. Обычно вспоминают одно, и то про дизайн письма. При этом в Mindbox лежит история покупок за 3–4 года, по которой можно посчитать, на каком дне после первого заказа клиент чаще всего пропадает. Этого почти никто не делает».
Дарья Касаткина
CRM-маркетолог, ClientCore
Признаки, что внутренний BI не справляется с вопросами CRM
Внутренний BI обычно строят под финансы и операционку. Он хорошо считает выручку по магазинам, остатки и план-факт. Логика CRM устроена иначе: здесь важны поведение конкретного клиента во времени, переходы между сегментами и влияние коммуникации на покупку. Когда CRM-вопросы попадают в общую очередь BI, они там застревают.
Самый частый симптом — выручка CRM-канала считается по последнему клику или по факту открытия письма. Цифра красивая, растет, но никто не знает, сколько из нее клиенты принесли бы и без рассылки. Второй симптом — сегменты в Mindbox собрали при внедрении и с тех пор не пересматривали. Ассортимент поменялся, средний чек вырос, а «активные клиенты» до сих пор определяются по правилу двухлетней давности.
Третий симптом заметен по срокам. Если на вопрос «сколько мы теряем на клиентах после первой покупки» аналитик отвечает через три недели и в формате выгрузки в Excel, значит, у него нет ни времени, ни контекста, чтобы разобраться в теме.
Норма
эффект CRM считается через контрольные группы, а не только по атрибуции
сегменты пересматриваются хотя бы раз в полгода и привязаны к текущей экономике
на продуктовый вопрос по базе ответ приходит за 3–5 дней, с выводом и рекомендацией
LTV считается по когортам и сегментам
Red flag
вся выручка с клика по письму записывается в заслуги CRM
никто в компании не может объяснить, по какому правилу клиент попадает в «спящие»
запросы CRM-команды стоят в общей очереди BI вместе с отчетами для финдиректора
LTV — это средний чек, умноженный на среднюю частоту по всей базе
Где обычно утекает выручка в клиентской базе
Анализ клиентской базы почти всегда находит одни и те же места, где деньги уходят тихо. Самое болезненное — разрыв между первой и второй покупкой. Клиент, который купил дважды, с высокой вероятностью купит и в третий раз. А вот до второй покупки доходит заметно меньше людей, чем принято думать, и коммуникации в этом окне часто не настроены совсем.
Второе место — скидки тем, кто купил бы и без них. Промокод на возврат уходит всем, кто не покупал 60 дней, включая клиентов с естественным циклом в 70–80 дней. Формально конверсия растет, по факту компания раздает маржу.
Третье — перегрузка лучших сегментов. Самые лояльные клиенты состоят во всех списках сразу: получают массовые рассылки, триггеры и спецпредложения. Через несколько месяцев они отписываются первыми, а в отчете это выглядит как «естественный отток». Сюда же относится обратная крайность — когда рассылки уходят всей базе без сегментации. В FINNTRAIL каждое письмо получала вся база разом; после того как мы помогли перейти к персонализации и ускорили сборку писем, выручка email-канала выросла на 15% (кейс).
В одном проекте реактивационная цепочка формально приносила хорошую выручку. Мы выделили контрольную группу на месяц и увидели, что почти половина „реактивированных“ вернулась бы сама в течение двух недель. Скидку для этого сегмента убрали, оставили напоминание о товаре — выручка осталась на том же уровне, а расходы на промо упали заметно. Такие вещи на дашборде не видны, их надо специально искать».
Дарья Касаткина
CRM-маркетолог, ClientCore
Как устроено исследование: от вопроса бизнеса до решения
Исследование базы держится на дисциплине. Без нее оно превращается в бесконечную выгрузку данных, после которой все кивают и ничего не меняют. Мы работаем по такой последовательности.
Сначала вопрос переводим в деньги. «Почему падает повторная покупка» звучит расплывчато. «Сколько выручки мы недополучаем из-за того, что 2024-я когорта покупает второй раз на 8 п.п. реже 2023-й, и что с этим делать» — уже задача, под которую понятно, какие данные собирать.
Затем проверяем данные. Это скучная часть, но на нее уходит до трети времени: дубли клиентов, заказы без привязки к профилю, события, которые перестали передаваться после очередного релиза сайта. Если этот шаг пропустить, все последующие выводы строятся на песке.
Дальше формулируем гипотезы и проверяем их на исторических данных: когорты, сегменты по каналу привлечения, по первой категории, по наличию скидки в первом заказе. Если история не дает однозначного ответа, ставим эксперимент с контрольной группой прямо в Mindbox. На выходе получается вывод, расчет эффекта и конкретный план изменений в сценариях.
Мы почти всегда находим в данных сюрприз на этапе проверки. Типичный случай: после редизайна корзины перестало передаваться событие добавления товара, и триггер брошенной корзины две недели не срабатывал. На дашборде это выглядело как просевшая конверсия канала, и все искали проблему в тексте письма».
Дарья Касаткина
CRM-маркетолог, ClientCore
Разовое исследование или абонемент
Форматов работы два, и выбирать между ними стоит по характеру задачи.
Разовое исследование подходит, когда есть один крупный вопрос: почему просела повторная покупка, окупается ли программа лояльности, какие сегменты стоит пересобрать перед сезоном. Обычно это 3–6 недель. Результат — разбор с выводами, расчет потенциала и план внедрения, который можно отдать своей CRM-команде или нам.
Абонемент нужен, когда вопросы возникают постоянно. Аналитик встроен в ритм команды: перед каждой крупной кампанией проверяет гипотезы, раз в месяц смотрит динамику ключевых сегментов, ведет реестр экспериментов и их результатов. Через 3–4 месяца у компании появляется накопленное знание о своей базе — какие механики работают, на каких клиентах и с каким эффектом.
На практике многие начинают с разового исследования, а затем переходят на абонемент, когда видят, сколько гипотез осталось непроверенными.
Норма
разовое исследование заканчивается планом изменений с приоритетами и оценкой эффекта
на абонементе ведется реестр гипотез: что проверили, что подтвердилось, что внедрили
каждый эксперимент имеет контрольную группу и заранее определенную метрику успеха
Red flag
итог исследования — презентация на 80 слайдов без единой рекомендации
абонемент сводится к ежемесячной выгрузке тех же цифр, что уже есть в дашборде
результаты экспериментов нигде не фиксируются, и через полгода никто не помнит, что проверяли
Зачем внешний аналитик, если в штате уже есть свой
Вопрос резонный. Ответ обычно лежит в трех вещах. Во-первых, у внешнего аналитика есть насмотренность: он видел десятки баз в рознице, e-commerce и ресторанах и понимает, какая доля повторных покупок нормальна для категории, а какая сигнализирует о проблеме. Во-вторых, он глубоко знает инструмент. В Mindbox много возможностей для аналитики и экспериментов, которыми команды не пользуются просто потому, что не знают о них.
В-третьих, внешний аналитик не защищает собственные решения. Внутреннему специалисту трудно сказать, что сегментация, которую он сам строил два года назад, больше не работает. Со стороны это видно сразу.
Хорошо это заметно на проекте MINIDINO. Рассылки там уходили всей базе без разбора сегментов. Мы пересобрали логику с упором на точность попадания, а число отправок увеличивать не стали — за квартал эффективность email выросла на 110% (кейс). Ключевым был именно аналитический шаг: понять, кому и что на самом деле нужно отправлять.
Внутренний аналитик отлично знает бизнес, и это его сила. Мы обычно работаем в паре: он дает контекст — какие были акции, когда менялся ассортимент, что произошло в марте. Мы приносим методику и опыт с других баз. Такая связка за месяц выдает больше выводов, чем каждый по отдельности за квартал».
Дарья Касаткина
CRM-маркетолог, ClientCore
Как выбрать подрядчика на услуги CRM-аналитики
Многие ищут «crm аналитика услуги в Москве» или «crm аналитика услуги в СПб», рассчитывая на подрядчика рядом с офисом. География здесь влияет меньше, чем кажется. Работа идет с доступом к CRM и выгрузкам, встречи — онлайн. Офлайн полезен разве что на стартовой сессии, когда собираете вопросы со всех отделов, но и ее можно провести удаленно.
Гораздо важнее, понимает ли подрядчик именно CRM-логику. Хороший BI-интегратор построит красивые отчеты, но может не знать, как в Mindbox корректно настроить контрольную группу для триггера или почему одна и та же метрика в разных отчетах системы дает разные цифры.
На первой встрече попросите показать пример вывода из прошлого исследования, без названия клиента. Если вы видите конкретику — сегмент, гипотезу, расчет, решение, — это хороший знак. Если видите набор графиков с подписями «рост» и «снижение» — скорее всего, вам продадут еще один дашборд.
Норма
подрядчик на старте спрашивает про бизнес-вопросы и экономику, а не только про доступы
в команде есть люди, которые сами настраивали сценарии в CRM
результат описывается в деньгах и решениях
есть понятная методика проверки гипотез
Red flag
предложение сразу начинается с выбора BI-платформы и стоимости лицензий
подрядчик обещает рост выручки, ни разу не посмотрев на данные
нет примеров выводов, только скриншоты интерфейсов
ЧИТАЙТЕ ТАКЖЕ
«Тесты идут каждую неделю, а решений нет. Почему так выходит, какая выборка нужна для честного вывода и как выглядит программа экспериментов с гипотезами по деньгам.»
Чем CRM-аналитика отличается от обычной BI-отчетности?
BI-отчетность показывает текущее состояние метрик: выручку, конверсию, отток. CRM-аналитика как исследование отвечает на конкретные вопросы о поведении клиентов: почему сегмент перестал покупать, какая механика дает реальный прирост, где теряется маржа. Отчетность нужна для контроля, исследование — для решений.
Сколько времени занимает анализ клиентской базы?
Разовое исследование под один крупный вопрос обычно занимает 3–6 недель. Из них до трети уходит на проверку и очистку данных. Если нужен эксперимент с контрольной группой, добавляется время на его проведение — как правило, 2–4 недели, в зависимости от цикла покупки.
Нужен ли доступ к Mindbox, или хватит выгрузок?
Для разового разбора часто хватает выгрузок заказов и профилей клиентов. Но доступ к Mindbox сильно ускоряет работу: можно сразу проверить логику сегментов и сценариев и при необходимости поставить эксперимент. Доступ выдается с ограниченными правами, без возможности менять рабочие сценарии.
Подходит ли эта услуга компаниям без своего аналитика?
Да. В этом случае абонемент фактически закрывает роль CRM-аналитика в команде. Если же аналитик в штате есть, внешняя команда работает в паре с ним: дает методику и экспертизу по инструменту, а он — знание бизнеса и контекст.
Что компания получает на выходе?
Разбор с выводами по конкретному вопросу, расчет потенциального эффекта и план изменений в CRM: какие сегменты пересобрать, какие сценарии запустить или отключить, где поставить контрольные группы. При желании мы же внедряем эти изменения в Mindbox.
