Pochi mesi fa ho lanciato una strategia di retention e creato successivamente un'analisi riguardante l'aumento della retention, su prodotti soggetti a consumo per il loro utilizzo in un tempo relativamente breve.

How to Analyze Recurring Purchases and Create Marketing Automations
Map purchasing behaviors and how to apply it on marketing automation strategy – Practical Example
Articolo disponibile in inglese

Challenge

Aumentare le vendite tramite una strategia di retention

Il progetto riguardava un aspetto essenziale di tutti gli e-commerce che arrivano ad un fatturato, diventando costante nel tempo facendo fatica nell'acquisire nuove quote di mercato e clienti.

La maggior parte delle volte, quando mi viene presentato il problema, viene posto l'accento sul ROAS delle campagne marketing.

Il più delle volte, non badando ai dati e non considerando molto la customer base acquisita, si sottovaluta il problema di retention.

Solution

Impara dai dati tutti i possibili percorsi

Analizzando i dati disponibili, ho evidenziato che un indice problematico era la frequenza di comunicazioni dopo la journey di acquisto – il processo di vendita che perdurava e si ripeteva nei mesi era definito in un funnel in 4 passaggi:

  • Canale di acquisizione: comunicazione offerta
  • Atterraggio su offerta o pagina prodotto
  • Pagina Carrello
  • Checkout

Per vendere un prodotto, l'unica tattica efficace che implementavano era acquisire nuovi clienti e portarli sulla pagina specifica. Tutto ruota intorno ai costi di acquisizione e niente sulla conservazione: l'invio di newsletter a tutta la base di clienti non è affatto una strategia di conservazione.

Identificare i motivi

In questo caso, il cliente, una volta esaurito il prodotto preferisce riacquistarlo (ipotizando una parità delle "performance" rispetto ai competitors) dalla concorrenza. Questo era reso evidente dalle analisi coorte e dall'evidenza di un numero consistente di clienti nei segmenti About to Sleep, Lost e Need Attention.

I motivi potrebbero essere i più disparati (possono riguardare il prezzo, la qualità del prodotto, un'offerta del competitor, ecc.) e in quasi tutti i segmenti di mercato c'è sempre da considerare che il Cliente non è mai troppo fedele al brand.

Le domande principali che mi sono posto per comprendere meglio come orientare la strategia erano:

  • Tutti i valori del prodotti sono comunicati opportunamente?
  • Il cliente finale percepisce il valore comunicato?
  • La comunicazione accompagna la journey dei clienti durante il loro utilizzo?

Per poter rispondere a queste domande ho studianto ciò che veniva attualmente comunicato ed era poco rilevante per il consumatore finale.

Ho utilizzato le analisi coorte per poi implementare una strategia di contatto che aumenta di frequenza in prossimità del "buy back".

Cohort Analysis

Visualizzare comportamenti ripetuti nel tempo

Quest'analisi permette di scindere gli utenti rispetto a metriche di comportamento o di business producendo segmenti di utenti molto eterogenei, ovvero gruppi di utenti con profili socio-demografici, psicografici e comportamentali molto distanti tra loro.

Utilizzando una dimensione temporale possiamo visualizzare chiaramente i tempi di riacquisto o la fidelizzazione e quindi comprendere se esiste un comportamento ripetuto nel tempo che possiamo analizzare per migliorare le performance di vendita e la customer experience.

L’analisi di coorte permette di identificare i pattern comportamentali in modo più definito, all’interno del ciclo di vita di un utente.

Utilizzando diverse metriche di visualizzazione in Google Analytics (Pubblico / Analisi di coorte) è possibile leggere l'incremento o il decremento medio relativamente al comportamento della navigazione e della retention.

La rappresentazione seguente mostra l'andamento della fidelizzazione nelle diverse settimane rispetto al giorno di acquisizione con un segmento di clienti "Hanno effettuato un acquisto".

‌                                              Upload

Analisi Coorte - Analisi della Fidelizzazione su Settimane

In prodotti SaaS, quest'analisi è molto più articolata e densa d'informazioni, poichè l'analisi coorta della fidelizzazione è strettamente correlata alle performance di business. Nell'e-commerce, se non presente una sezione editoriale, è nettamente diversa e più scarna: il motivo è molto semplice – non sono presenti contenuti o validi motivi (se non per l'acquisto) per cui un utente ritorni su questo touchpoint.

‌                                              Upload

Analisi Coorte - Analisi della Sessioni per utente su Settimane

Le sessioni medie sono basse o assenti nelle settimane 3 e 4, così come le transazioni ad eccezione di un periodo in cui c'era una festività nazionale, con promozioni e campagne particolarmente attive.

‌                                              Upload

Analisi Coorte - Acquisti

Con queste informazioni in mente ho esportato i dati degli ordini negli ultimi 3 mesi e creato un breakdown su dimensione temporale per giorno con SKU Prodotti Acquistati > 1  per Cliente (User ID).

‌                                              Upload

Estratto anonimizzato dei dati

User Type – identificava un ID cliente, già registrato al sito che ha effettuato un acquisto.

I dati esportati e normalizzati, hanno una similitudine con quelli necessari per la creazione della RFM, ma a differenza di questi approfondiscono ulterioramente ogni singolo ordine.

‌                                              Upload

Rappresentazione su linea temporale dei tempi di riacquisto (Average Time Between Orders)

La timeline sopra, presenta a T0 (Settimana 0) il primo acquisto e in T2 il secondo ordine effettuato. Il primo blocco in evidenza indicano un periodo in cui aumentare la frequenza delle comunicazioni verso i clienti che hanno potenzialmente esaurito il prodotto:

  • BEFORE: aumentando la frequenza delle comunicazioni, avremo una percentuale maggiore di riacquisti;
  • AFTER: comunicazione orientata a raccogliere informazioni utili per la NPS (Net Promoter Score) per raccogliere cosa non ha funzionato.

Con il supporto di una matrice ho creato NxM A/B testing per riuscire ad identificare anche la migliore la Frequenza e Tempi per comunicare con i clienti. In questo modo sono riuscito ad identificare il time range, con la più alta percentuale di probabilità di successo.

La matrice creata è stata strutturata come segue:

‌                              3 mail 2 mail 1 mail     3 giorni      2 giorni      1 giorno

Declinando quest'analisi su un prodotto specifico o una categoria dell'e-commerce è possibile creare automazioni di retention molto più efficaci.

La retention è determinata da diversi elementi, quello principale è sicuramente la composizione del merchandising. Un prodotto che determina il riacquisto periodico è sottoposto molto probabilmente ad un consumo costante nel tempo.

Accompagnare la journey post vendita e comunicare correttamente i valori del prodotto, è un ottimo modo per continuare a mantere un contatto di valore, aumentare la customer experience per poter giungere poi ad un riacquisto programmatico quasi spontaneo.

Dalla teoria ad un esempio pratico

Applicare questa strategia su un prodotto consumabile

Considerando l'uso di un rossetto utilizzato quasi ogni giorno, questo è soggetto ciclo di consumo medio di 4 mesi.

Durante questo range di tempo, bisogna restare in contatto con i clienti, diminuendo la frequenza, sfruttando il supporto della multicanalità (Post, Push notifications, Email, ecc.) con contenuti pertinenti ai prodotti acquistati, consigliare il corretto utilizzo, ottenere un look accattivante per la sera o la sua corretta conservazione. Questo potrebbe rappresentare una strada percorribile per continuare ad avere un rapporto costante con contenuti di valore, aumentando la customer experience ed il valore del prodotto.

In prossimità del completamento del ciclo di consumo, catturiamo l'attenzione del cliente aumentando la frequenza di contatto, e attraveso un coupon a lui dedicato o un'offerta a tempo per spingerlo ad effettuare nuovamente l'acquisto ed aumentare la retention rate.

Risultati

Aumento della retention del 417%

‌             ‌

Start with a little step ahead, send me an email for a free consultation.