Пару постов назад я делился с вами классной методологией аккуратного, правильного, сегментного поднятия жесткости монетизации при сохранении уровня удовлетворенности в этой статье.
А сегодня я вам расскажу о новом моем изобретении. Методологии, которая позволяет ответить на вопрос "Лояльные клиенты сразу приходят в бизнес в хорошем портрете, или они становятся лояльными постепенно?". Это очень неудобный вопрос, потому что для ряда бизнесов он ставит работу с клиентом с ног на голову. Основы программ лояльности и CRM-маркетинга конечно же говорят о том, что портрет клиента может развиваться. И надо его развивать.
Так вот, ребят, я сделал особый анализ в нескольких крупных компаниях. Некоторые - с очень развитым CRM-маркетингом. Все - больше 10 млрд оборота. Выяснилось следующее. Хорошие клиенты - хорошие с самого начала. А плохие - с самого начала плохие. С плохими можно просто не работать, чтобы не убивать экономику. А хороших надо холить и лелеять. То есть
В большинстве B2C бизнесов решает продукт, СХ, и забота о клиенте.
"Окстись, Витя, ты же сиэрэмщик",- скажут многие. Увы и ах, я еще и дата-дривен человечек. А теперь давайте я расскажу вам в двух словах, как получить такую аналитику, и посмотреть что у вас.
1) Берем старую когорту, в связанности которой мы все еще уверены. В презе я взял 2021 год привлечения.
2) Раскладываем в столбцах любую метрику в годах по этой когорте. Я взял классический стек из ARPU, чека и частоты в периоде.
3) В строках сегментируем ЭТУ когорту по признаку даты оттока. Я взял год оттока.
4) Смотрим разницу изначальных метрик, и разницу в динамике.
Что мы видим в обоих примерах из презы? Те, кто в итоге отклеился раньше или позже - изначально проседали по одной из метрик. И так они с ней и подыхают. А те, кто изначально сразу или почти сразу отдал душу бизнесу - сразу красавчики. На матемаркетинге 25 был красивый рассказ про то, как мы к такому виду анализа пришли. Будет запись - поделюсь (если не дадут по опе).
Ликуйте ребята, топившие за клиента.