Персонализация коммуникаций повысила оборот B2B-маркетплейса «На_полке»

В ситуации, когда доля промо-продаж по акциям достигает рекордных значений, а эффективность традиционных промо-акций снижается, ритейлеры, производители и маркетплейсы активно внедряют и используют технологии Big Data и искусственного интеллекта, все более результативными становятся сложные персонализированные промо-механики, основанные на использовании AI и машинного обучения.

На конкурентном B2B-рынке развитие отношений с текущими клиентами часто приносит более предсказуемый и устойчивый результат, чем фокус исключительно на привлечении новых. Маркетплейс «На_полке» (платформа для закупок магазинами, предприятиями HoReCa и офисами) реализовал этот подход, внедрив систему автоматизированных коммуникаций, запускаемых по поведенческим триггерам. Это позволило увеличить оборот с сегмента наиболее активных покупателей на 11%.

В рамках проекта была реализована стратегия адресного взаимодействия с ключевым сегментом клиентов, совершающими заказы с регулярной средней частотой. Вместо массовых коммуникаций была проведена глубокая сегментация этой аудитории внутри платформы автоматизации маркетинга. Клиенты были разделены на четыре группы на основе трех ключевых параметров: среднего чека, исторической частоты заказов и типа бизнеса (например, магазин у дома, кафе, игровой клуб).

Механика взаимодействия была построена на автоматической отправке персонализированных сообщений после совершения клиентом третьей транзакции в расчетном месяце. Коммуникация осуществлялась по каналам электронной почты и push-уведомлений, а также дублировалась в интерфейсе личного кабинета на веб-платформе и в мобильном приложении.

В отличие от типовых коммерческих предложений, содержание сообщения формулировалось как индивидуальная задача, параметры которой определялись на основе данных конкретного клиента. Для покупателей с низкой частотой заказов задача была ориентирована на увеличение количества сделок. Для клиентов с небольшим средним чеком — на рост этого показателя через расширение закупаемого ассортимента.

Условия выполнения были сформулированы в виде измеримых критериев, которые сообщались клиенту. К ним относились необходимое количество заказов до конца месяца, целевой объем покупок, определенный на основе его персональной истории и данных сегмента, а также вид гарантированного поощрения. В качестве поощрения предусматривалось начисление баллов в программе лояльности, предоставление фиксированной скидки на следующий заказ или активация дополнительной сервисной функции.

Эффективность кампании была проверена с помощью A/B-тестирования на контрольных группах. В результате были зафиксированы три ключевых положительных эффекта. Во-первых, наблюдался рост частоты заказов, чему способствовали четко определенная количественная цель и понятное клиенту вознаграждение за ее достижение. Во-вторых, увеличился средний чек, поскольку установленный минимальный порог суммы покупок побуждал формировать более объемные корзины. В-третьих, персонализированный формат коммуникации в сочетании с абсолютно прозрачными условиями получения бонуса привели к повышению вовлеченности клиентов и укреплению их лояльности к платформе.

Владимир Бондаренко, генеральный директор сервиса «На_Полке»:

«В сегменте B2B, особенно среди малого бизнеса, владельцы и закупщики в первую очередь ценят экономию времени и средств. Поэтому наша задача — не просто напоминать о себе, а интегрировать в естественный цикл закупок клиента понятный и достижимый путь к дополнительной выгоде. Глубокий анализ данных и точная сегментация позволили создать по-настоящему релевантные стимулы. Этот проект подтвердил, что даже у активной клиентской базы есть значительный потенциал роста, если взаимодействовать с каждым сегментом на его языке.

Сегодня персонализация в B2B — это уже не просто обращение по имени в письме. Это глубокое понимание циклов покупки, специфических бизнес-потребностей каждого сегмента и использование этих данных для построения мотивирующих, измеримых CRM-стратегий, которые напрямую влияют на выручку. Именно такой подход позволяет превратить транзакционные отношения в долгосрочное партнерство».

В настоящее время проводятся эксперименты по использованию машинного обучения для автоматической сегментации B2B-клиентов. Цель тестирования — научить алгоритм автоматически идентифицировать группы покупателей, которые реагируют на промо-акции, и исключать из рассылок тех, кто совершает заказы без дополнительного стимулирования.

Первый пилотный проект ML-алгоритма в CRM-системе компании сфокусирован на прогнозировании реакции клиентов на скидки. Модель, обученная на исторических данных о покупках, автоматически классифицирует клиентскую базу на три группы. К первой группе («Лояльные») относятся клиенты, которые совершают заказы без дополнительных стимулов, что позволяет исключить для них расходы на скидки. Вторая группа («Убеждаемые») является целевой аудиторией для промо-кампаний. Третья группа («Холодные») временно исключается из рассылок для концентрации бюджета на более отзывчивых сегментах.

Как отмечают в компании, в B2B-ритейле с высоким средним чеком нецелевая рассылка скидок приводит к прямым финансовым потерям. Внедряемый алгоритм призван оптимизировать маркетинговый бюджет и повысить его отдачу, что представляет собой логичный переход от аналитики данных к автоматизированным действиям. По предварительным оценкам, успешная реализация проекта позволит повысить общую эффективность маркетинговых кампаний за счет роста конверсии и сокращения неоправданных расходов на стимулирование уже лояльных клиентов. Данный проект соответствует общему отраслевому тренду на гиперперсонализацию коммерческих коммуникаций, основанную на глубоком анализе данных.