Как с помощью транзакционных данных получить более 7 тысяч дополнительных заказов, снизив при этом долю рекламных расходов

В предновогодний период сеть гипермаркетов О'КЕЙ решили запустить рекламную кампанию, целью которой было увеличить количество покупок в магазинах сети, а также оценить эффективность работы с транзакционными данными. Эксперты martech-компании  First Data в партнерстве с агентством icontext запустили рекламную кампанию, построенную на данных о реальных покупках. О том, как удалось не просто показать рекламу нужной аудитории, но и доказать ее влияние на результат, Sostav рассказывают участники проекта.

Ключевой задачей кампании было увеличить число покупок и покупателей в гипермаркетах. Кампания проходила в период с 22 декабря по 22 января, конверсией считалась покупка, зафиксированная в CRM-базе ретейлера.

Главный вызов для ретейла — отличить реальный эффект рекламы от естественного спроса. Для этого First Data провела исследование Sales Uplift, которое дополнило реальные результаты размещения и выстроенную систему аналитики через кабинет O2O и помогло найти необходимые инсайты.

First Data регулярно изучает, как меняются покупательские привычки в разное время, например, аналитики компании на основе данных могут подтвердить, что перед Новым годом традиционно растут цены на ингредиенты для салатов, а с началом весеннего сезона — стоимость мяса. Это значит, что покупатели становятся чувствительнее к ценам и активнее ищут выгодные предложения.

Именно здесь транзакционные данные дают преимущество, поскольку они показывают не просто тех, кто интересуется, а тех, кто уже покупал нужные категории товаров.

Продуктовые сетевые магазины всегда находятся в режиме высокой конкуренции и борьбы за покупателя, при этом стоимость привлечения клиента год к году только растет. Стандартные инструменты, вроде демографического таргетинга по полу и возрасту не позволяют различить, кто из миллионов пользователей действительно собирается сделать покупку к празднику, а кто просто листает ленту.

Нам, как одной из крупнейших сетей в России, важно понимать реальное покупательское поведение и предсказывать его. По сути, крупный ретейлер сейчас = большая аналитическая машина, нас достаточно сложно удивить из-за высокого уровня цифровой зрелости. А те, кто еще не выстроил внутреннюю аналитику, уже проигрывают. Однако, мы очень ценим, когда есть возможность поработать с достойным диджитал-партнером, который усиливает наш собственный data-driven.

В ходе обсуждения команда First Data предложила сфокусироваться на категориях продуктов, спрос на которые особенно высок перед праздниками — овощи и фрукты, очевидные и неочевидные новогодние товары, детские товары, мясо, рыба и морепродукты.

На основе категорий собрали сегмент, состоящий из тех, кто уже регулярно покупает эти продукты. Благодаря тому, что транзакционные данные используют конфиденциальный идентификатор Hard ID, который присваивается каждому отдельному пользователю, он, в отличие от файлов cookie, которые быстро устаревают, отражает покупательское поведение на постоянной основе.

Транзакционные данные позволяют нам строить коммуникацию вокруг реальных потребностей, а не гадать по возрасту и полу. Когда мы показываем рекламу морепродуктов тому, кто регулярно их покупает, мы уже знаем, что это его категория. Остается только напомнить о себе в нужный момент.

Кампания длилась месяц, размещались в рекламной сети «Яндекса», на плейсментах, которые лучше всего подходили для охвата целевой аудитории.

Креативы делали отдельно под каждую категорию. Для новогодних товаров — праздничные, с акцентом на подарки и украшения. Для мяса, рыбы, овощей и детских товаров более практичные, с упором на выгоду и качество продуктов. Задача была в том, чтобы попасть в конкретную потребность, чтобы человек, который регулярно покупает рыбу в магазинах, видел рекламу рыбы, а не всего подряд.

По ходу кампании данные сверяли с CRM клиента и проверяли, насколько точно реклама доходит до нужных людей. Если видели, что какой-то сегмент откликается лучше, корректировали настройки, но глобальных перестроек не потребовалось, сегменты показали себя хорошо с первых недель.

Чтобы оценить реальный эффект рекламы, провели исследование Sales Uplift. Собрали тестовую группу, кому показывали баннеры и контрольную, кто рекламу не видел, обе группы были сопоставимы по размеру и уже являлись покупателями категорий этих товаров. После этого посчитали, сколько дополнительных покупок сделала тестовая группа.

За месяц кампании зафиксировали 7 308 инкрементальных заказов, то есть дополнительных покупок, которых не было бы без рекламы. Доля рекламных расходов (ДРР) в полученной выборке составила 4,74%.

Наибольшую эффективность показала реклама новогодних товаров: прирост заказов здесь составил 3,81%, а ДРР — всего 2,25%. На втором месте — реклама детских товаров с приростом 2,03%. Далее — реклама овощей и фруктов (1,10%) и реклама рыбы с морепродуктами (0,56%).

Мы получили не просто цифры, а четкое понимание, на какие категории стоит делать ставку, а где лучше переключить бюджет на другие инструменты. Важно, что это было не интуитивно заранее, это был полноценный дата-ориентированный подход. И, конечно, приятно, что исследование Sales Uplift позволило увидеть чистый эффект без примеси сезонного спроса, при этом он подтвердил правильность построенного нами с icontext собственного решения по маркетинговой аналитике.

Размещение показало, что реклама с помощью транзакционных данных может не просто давать охват, а напрямую увеличивать продажи в офлайне. Вот ключевые выводы, которые можно использовать при планировании следующих кампаний.

Что касается сезонных категорий, их рекламу имеет смысл усиливать с помощью транзакционных данных. Новогодние товары дали максимальный прирост при минимальной доле рекламных расходов. В периоды пикового спроса реклама работает как ускоритель продаж, здесь бюджет стоит увеличивать, а не сокращать.

Для базовых категорий — овощи, рыба, детские товары, рекламную поддержку логично сохранять стабильной. Реклама этих категорий показывает ровный, пусть и не взрывной, рост. Это те направления, где рекламное присутствие лучше не убирать, но и агрессивно не наращивать.

Отдельно стоит сказать о рекламе категории мяса. В ходе кампании эта категория не показала роста. При этом 63% постоянных клиентов регулярно покупают мясо — это самая высокая базовая активность среди всех сегментов. Это сигнал, что для этой категории эффективнее работают скидки, акции и внутренние промомеханики, а не имиджевые баннеры.

Это был наш первый опыт работы с таргетингом на основе глобальных транзакционных данных для О'КЕЙ. На этапе старта размещения у нас был только образ результата. В процессе стало понятно, что метод работает.

Для меня особая ценность в кейсе в том, что мы смогли не просто запустить рекламу и проанализировать Sales Uplift, а зафиксировать чистый инкрементальный эффект, который также подтвердили с помощью собственной системы О2О-аналитики.