Закрыть
E-mail:
Пароль:
Забыли пароль?
В каталоге проекта: 14 740 веб-студий, 996 CMS, 271 035 сайтов.
РегистрацияCMS MagazineВход
CMS Magazine CMS Magazine

Время жизни подписчика — почему вы обязаны его знать?

Преимущества метрики CLT и способы расчета на примере данных о подписчиках интернет-магазина.

Постоянно занимаясь емейл-маркетингом большого количества различных компаний, мы видим ключевые метрики, интересные нашим клиентам, — это показатели открытий, кликов, отписок, конверсия в покупку, рост базы.

Но среди всего этого многообразия данных достаточно часто забывается такая метрика как время жизни подписчика (CLT — Customer Life Time), а ведь она совсем не заслуживает такой участи! Сейчас мы и расскажем вам, почему это так :-)

Само понятие времени жизни подписчика достаточно простое — это тот промежуток времени после попадания пользователя в базу, в течение которого он проявляет какую-либо активность по отношению к вашим рассылкам — открывает или кликает. Точкой окончания времени жизни считается дата последнего взаимодействия.

Почему же так важно знать этот показатель для вашей базы?

Понимая промежуток времени, в течение которого пользователь остаётся с вами, вы можете намного более адекватно понимать и оценивать поведение пользователя и делать наиболее подходящие для срока активности механики взаимодействия с подписчиками через триггерные сообщения, вовремя начинать реактивировать пользователя и так же вовремя расставаться с потерянными пользователями в целях оптимизации затрат на канал емейл-маркетинга.

Кроме этого, понимая срок жизни пользователя, вы сможете прогнозировать и ключевые метрики прибыли вашего бизнеса в целом, например, получив много подписок на рассылки в марте в результате проведения, допустим, рекламной кампании в Facebook и имея время жизни подписчика, равное трём месяцам, вы получите отличные данные по заработку в течение марта, апреля и мая, а начиная с июня заработок будет снижаться: мартовские пользователи начинают «умирать» в июне, и количество покупок в целом уменьшается. Поэтому, используя информацию о времени жизни пользователя, вы сможете проецировать эти данные на весь бизнес-процесс в целом и прогнозировать данные о заработке и прибыльности бизнеса.

Как же посчитать время жизни подписчика? Тут нам на помощь приходит когортный анализ (привет, матан!).

Когортный анализ — это разделение всех пользователей на определённые группы (когорты), объединённые схожим признаком, и последующий анализ активности этих групп с течением времени. В нашем случае мы возьмём в качестве признака для разделения на когорты дату подписки на рассылки и будем анализировать, как изменяются со временем активности (открытия и клики) когорт.

Как мы делаем — и как вы можете сделать то же самое самостоятельно:

  1. Разбиваем базу на когорты по дате подписки на рассылки, в одну когорту попадают пользователи, подписавшиеся в течение одного месяца.

  2. С помощью системы сегментации внутри вашей платформы рассылки или же вручную на основе истории активностей пользователей, выгруженной в Excel/csv, собираем статистику: сколько раз пользователи, подписавшиеся в феврале, открывали или кликали в письмах сначала в феврале, затем в марте и так далее — пока не соберём всю статистику по всем когортам.

  3. Из полученных данных затем формируем таблицу, как на примере ниже.

Необходим сайт, мобильное приложение, услуги по SEO или контекстной рекламе? Тендерная площадка WORKSPACE поможет выбрать оптимального исполнителя. База проекта насчитывает более 10 500 агентств. Сервис БЕСПЛАТЕН для заказчиков.

Чуть подробнее про второй пункт — как сформировать сами цифры по активности, например, в платформе Expertsender, — для этого нужно будет сделать столько сегментов, сколько значений в таблице (для таблицы ниже получилось 66 сегментов), взять затем количество подписчиков в каждом сегменте и перевести информацию об активностях в проценты, чтобы в итоге получить табличку со значениями.

Сегменты делаются по такому шаблону условий:

— подписка на рассылки произошла в промежуток между месяцами «1» и «2»

     И

— дата последней активности находится в промежутке между месяцами «1» и «2»

Затем берётся следующий сегмент — подписались в тот же временной промежуток, но последняя активность наблюдалась уже в следующем месяце. И так далее для всех когорт и месяцев :-)

Пример внешнего вида такого сегмента из Expertsender:

В верхнем блоке задаётся условие по подписке — подписка произошла более 7, но менее 8 месяцев назад. И во втором наборе условий аналогичное условие по дате последней активности (считаются и открытия и клики).

В таких сегментах в итоге вы получаете количество подписчиков, которые «умирают» в каждом конкретном месяце. Затем эту цифру нужно перевести в относительную величину, просто поделив полученное значение на общее количество подписчиков в выбранной когорте — получим процент пользователей, которые ежемесячно перестают реагировать на ваши емейл-рассылки.

Что нужно не забыть сделать дальше — это взять обратную цифру, чтобы видеть количество подписчиков, остающихся активными с течением времени, для этого просто вычитаем получившийся процент из 100 — и наконец находим финальную цифру, которая затем заносится в таблицу для последующего анализа результатов и показывает процент пользователей, оставшихся «живыми» на второй, третий и так далее месяц после подписки на рассылки.

Да, такой метод может показаться неэффективным с точки зрения затрат времени, но зато воспользоваться им сможет любой, у кого есть Excel :-)

А теперь давайте разберём пример одного интернет-магазина с очень лояльной базой подписчиков, их результаты распределения активности подписчиков по когортам в итоге выглядят следующим образом:

 

Прирост

февраль

март

апрель

май

июнь

июль

август

сентябрь

октябрь

ноябрь

декабрь

февраль

991

73,06%

67,31%

57,72%

54,49%

49,95%

51,06%

46,92%

50,76%

35,02%

39,46%

43,49%

март

738

 

74,66%

61,52%

58,94%

50,27%

48,64%

48,37%

49,59%

36,18%

41,46%

43,50%

апрель

739

 

 

76,18%

67,39%

52,37%

51,69%

48,31%

49,39%

35,59%

43,17%

46,28%

май

769

 

 

 

71,78%

61,38%

52,67%

51,24%

50,07%

36,02%

42,65%

43,30%

июнь

2238

 

 

 

 

72,79%

59,16%

56,12%

55,18%

42,00%

48,48%

49,55%

июль

1604

 

 

 

 

 

76,56%

59,91%

56,92%

40,84%

45,07%

46,57%

август

1650

 

 

 

 

 

 

77,39%

59,21%

38,61%

46,61%

46,61%

сентябрь

2291

 

 

 

 

 

 

 

78,61%

48,01%

50,11%

50,81%

октябрь

1587

 

 

 

 

 

 

 

 

73,47%

59,80%

56,21%

ноябрь

1623

 

 

 

 

 

 

 

 

 

75,72%

63,96%

декабрь

2052

 

 

 

 

 

 

 

 

 

 

70,32%

В этой таблице представлены данные за промежуток времени с февраля по декабрь 2015 года. Когорты брались по месяцам. В столбце «Прирост» мы видим информацию о том, сколько подписчиков добавилось в базу в конкретном месяце. По горизонтали же находится шкала времени — какова была активность в этом месяце для выбранной когорты. Распределение по цветам: зелёный — высокая активность, красный — самая низкая активность.

По сути, точка пересечения, например, май по вертикали и сентябрь по горизонтали (50,07 %) говорит нам о том, что 50,07 % пользователей, подписавшихся на рассылки в мае, затем открывали письма и в сентябре — то есть на пятый месяц жизни.

Что же видно на этом графике в целом?

Первое, что бросается в глаза, — это много красного цвета в октябре, и это значит, что рассылки, которые делались в октябре, были крайне неудачными, определённо стоит их проанализировать и попытаться понять, что в них было добавлено и послужило причиной такого резкого снижения интереса по всем когортам.

Второе — что интерес подписчиков очень незначительно падает в принципе, начиная от 70–75 % в первый месяц попадания в базу до 35–38 % в неудачный октябрь.

Если же мы попробуем проигнорировать статистику октября, которая явно была вызвана какими-то внешними вмешательствами в стратегию рассылок или контент писем, — то мы можем заметить, что примерно на пятый месяц пребывания в базе интерес подписчика входит в «оранжевую зону», о чём свидетельствует показатель в 40–50 %. Таким образом, падение интереса на пятый месяц составляет около 40–50 %, то есть почти в два раза.

Полученная информация даёт нам возможность понять, что примерно на пятый месяц интерес подписчика падает достаточно заметно, при этом всё равно оставаясь на очень хорошем уровне для интернет-магазина. Какого-то критичного падения интереса и явного умирания базы для данного ИМ в целом не заметно.

С другой стороны, для какого-то другого магазина может стать совершенно чётко понятно, в какой месяц после попадания подписчика в базу рассылок его интерес начинает критически снижаться, и эти данные дают вам возможность вовремя запустить автоматическую реактивационную цепочку и вернуть подписчика в сегмент активной базы.

Какие действия можно предпринять на основе данных о времени жизни подписчика?

  • Самое базовое, что нужно сделать, — это добавить автоматическую реактивационную цепочку из одного или нескольких писем и предлагать пользователю либо вернуться назад к регулярному взаимодействию с вашим брендом, либо же отписаться навсегда. В этом письме вы можете дать какую-то дополнительную скидку, бесплатную доставку, продлить триальный период пользования вашим сервисом да и просто спросить человека, почему ему не подошёл ваш сервис. В качестве примера можно привести реактивационное письмо от интернет-магазина Missguided (https://www.missguided.eu/), в котором они печалятся об уходе дружбы и добрых отношений с подписчиком, но предлагают возобновить общение, мотивируя на это бесплатной доставкой.

  • Кроме этого, вы можете корректировать ваши массовые рассылки, делая отправки с учётом даты попадания подписчика в базу и предлагая активным юзерам одну тему, а пользователям, которые готовы покинуть вас, — уже совсем другие темы, делая их более провокационными или предлагая большие размеры скидок, скорейшие сроки доставки либо же какие-то другие дополнительные бонусы, которые могут мотивировать пользователя к целевому действию на вашем сайте.

Таким образом, зная время жизни пользователя, вы можете корректировать рассылки, их темы, контент, частоту, добавлять новые триггеры и возвращать пользователя в круг активных, повышая выручку вашего проекта и продолжаю долгие и добрые отношения с пользователями.

Автор: Наталья Семагина, EmailMatrix (Руководитель департамента email-маркетинга)

Рекомендуем:


CMS Magazine CMS Magazine
Реклама
RSS-подписка
CMS Magazine CMS Magazine
CMS Magazine