Как отделить плохих клиентов от хороших?
Суть проекта
LTV (Life Time Value) — пожалуй, самый важный показатель в бизнесе.
Хотя вернее будет сказать, что самый важный показатель — это отношение LTV к CAC (Customer Acquisition Cost). Мы можем позволить себе тратить много денег на привлечение пользователей, которые будут обеспечивать нам высокий LTV. И мы не можем тратить существенные деньги на привлечение (и удержание) при низком LTV.
Принципиальный момент в том, что значение LTV зависит [не только] от бизнеса. Он определяется ещё и характеристиками самого клиента. Не каждый клиент вообще или в данный момент времени может обеспечить высокий LTV, сколько бы мы над этим не бились.
Соответственно, возникает вопрос — а не тратим ли мы время зря, вкладывая деньги (в виде времени, сил, денег на рекламу, подарки, скидки) не в тех клиентов? И не вкладывая их в тех, в которых стоит вкладывать.
Ocurate обещает дать нам ответ на этот вопрос, предсказывая LTV каждого конкретного клиента.
Что интересного
Первое утверждение, которое делает Ocurate — анализируя историю прошлых покупок клиента, нельзя предсказать вероятность его будущих покупок.
Оффтопик, конечно, но это напомнило мне основополагающее инвестиционное правило «предыдущие финансовые результаты актива не могут служить основанием для принятия связанных с ним инвестиционных решений». То самое правило, которое огромное количество людей нарушает, ввязавшись в популярную нынче торговлю акциями на бирже
Влияние на будущие покупки оказывает много совершеноо «посторонних» вещей — общая ситуация на рынке (увеличение спроса во время карантина на онлайн-фитнес и массовый отток пользователей после его окончания) или жизненные обстоятельства покупателя (девушка съехалась с парнем и перестала платить за отдельный эккаунт на Нетфликсе).
Второй факт — разным категориям покупателей требуются разные инструментов для повышения их LTV. Например, мужчинам с высоким уровнем дохода возрастом старше 40 лет можно отправить электронную почту с напоминанием, что срок его подписки истёк, и ему стоило бы его продлить. А вот условная женщина-домохозяйка это письмо скорее всего пропустит мимо глаз, а молодой человек младше 20 лет откроет его в лучшем случае через месяц, потому что он электропочтой обычно не пользуется.
Во-первых, они взяли открытые источники и построили базу данных на 260 миллионов жителей США с их адресами и социально-демографическими характеристиками (пол, возраст и т.д.), изменение которой постоянно отслеживают. Даже по этим изменениям самим по себе можно делать много всяких интересных выводов. Например, основатель стартапа написал целую научную статью о том, как, анализируя списки избирателей, можно оценить количество «женитьб» (включая неформальные партнерства) в США. Грубо говоря, если мужчина переехал из однономнатной квартиры в двухкомнатную — высока вероятность того, что он съехался со своей девушкой
Во-вторых, они собрали отдельную панель для более детального анализа — то есть нашли 300 тысяч человек, давших им своё согласие на отслеживание их медиа-потребления и других поведенческих характеристик. Кроме этого, они периодически отвечают на опросники по поводу их отношения к тому, что происходит в окружающем мире.
В-третьих, поверх этого они построили ИИ-машинку, которая экстраполирует поведение панели на базу всех американцев, используя имеющиеся в этой базе характеристики для сопоставления сходных по поведению групп. В данном случае речь идёт, конечно, не о «поведении» вообще, а о покупательском поведении и используемых каналах получения информации.
Таким образом, Оcurate начал продавать API, вызывая который каждый сервис может получить прогноз вероятности будущих покупок, использующий профиль поведения человека, а не историю его прошлых покупок. А наряду с этим — ещё и предпочтительные каналы для коммуникаций. с ним.
Эту информацию можно использовать на всех четырёх этапах жизненного цикла клиента, соответственно чему дозируя инвестиции времени, денег и усилий на его привлечение и удержание:
- Привлечение. Пронозирование конверсии в покупку и будущего LTV.
- Отток. Какие клиенты отвалятся, невзирая на затраты на их удержание. На каких клиентах стоит сфокусировать усилия по их удержанию.
- Рост. Каким клиентам стоит предлагать продажу дополнительных услуг и расширение тарифа.
- Возвращение. На возвращение каких клиентов стоит тратить время, силы и деньги.
На сайте приводится три примера успешной работы сервиса:
Мобильная игра с семидневным пробным периодом. Предсказание выручки от игрока с 81% точностью в течение трёх первых дней пробного периода. Повышение маржинальности на 13.5%.
Коробка по подписке. Улучшение LTV клиента на 18% за счёт того, что сервис «увидел» на 24% больше перспективных покупателей, на удержание которых потратили дополнительные усилия.
D2C (Direct-To-Consumer). Улучшение LTV на 13% за счёт увеличения повторных покупок на 5% и увеличения маржинальности на 7%.
Куда бежать
Если этот подход работает, то на каждом локальном рынке могут появиться свои подобные ингроки, потому что для работы алгоритма требуется использование локальных баз данных (набор и состав которых варьируется от рынка к рынку) и ведение локальной панели с правильными критериями для отслеживания (что тоже имеет локальную специфику). Это возможное направление движения для тех, кто погружен в наку о данных и искусственный интеллект.
Ну а пока на нашем рынке подобного сервиса нет, три урока из опыта сегодняшнего стартапа, которые могут вынести для себя продавцы:
- Не на каждого клиента стоит тратить время, деньги и усилия на его привлечение и удержание. Как минимум стоит выработать для своего сервиса набор критериев, который ставит блок на дальнейшие затраты по работе с определённым типом клиентов — это поможет улучшить маржинальность за счёт устранения лишних затрат.
- При анализе LTV клиентов своего сервиса стоит учитывать соцдем (социально-демографические характеристики) — то есть строить отдельные таблички для анализа. Возможно, что мы увидим явные группы наиболее и наименее лояльных клиентов — в зависимости от чего мы сможем лучше настраивать свой таргетинг.
- Нужно отдельно анализировать действенность используемых каналов коммуникаций в зависимости от соцдема. Возможно, мы плохо достукиваемся до определённых типов клиентов и тратим лишние деньги на дополнительные каналы коммуникации с теми, с кем мы и обычными средствами хорошо коммуницируем.
О компании
Ocurate
- Сайт: ocurate.com
- Последний раунд: $3.5M, 22.12.2021
- Всего инвестиций: $3.5M, раундов: 1