Быстрая самодиагностика уровня управленческой реальности.
В прошлый раз я писал о преградах, которые мешают навести порядок в цифрах. Сейчас покажу инструмент, который поможет эти преграды преодолеть.
Ниже короткая лестница управленческой зрелости. Никакой магии. Просто честно ответьте себе: «Как я принимаю решения прямо сейчас?»
🔹 Уровень 0 - Стартовый (“Творческий полет”).
Интуиция заменяет цифры. Работает на малых масштабах, ломается при росте.
Руководители принимают решения на личном опыте и чутье: «Я чувствую рынок. Всегда так делали и работало».
Цифры: остаток на счёте и общая выручка.
Симптом: компанию штормит, выручка то растет, то падает, хронический дефицит денег.
Следующий шаг: “Окно в данные” - начало работы с данными - гигиенический минимум: сбор, обработка, анализ качества данных и первые инсайты.
🔹 Уровень 1 - Реактивный (“Зеркало заднего вида”).
Решения: реакция на полыхающие пожары (кассовый разрыв, убыток), длительные совещания в поиске “кто виноват” и “что делать”.
Цифры: десятки а то и сотни разрозненных отчетов (Excel, 1С, Navision, SAP), данные разных служб противоречат друг другу, нет полной картины бизнеса.
Симптом: «Отчёты собираем днями, цифры расходятся», «Данных много, но опоры для решений не дают».
Следующий шаг: “Порядок в цифрах” - выстраивание логики и связывание данных - тогда появится стабильная ЯСНОСТЬ того, что происходит в бизнесе.
🔹 Уровень 2 - Аналитический (“Рука на пульсе”).
Решения: ищете причины отклонений, но всегда постфактум.
Цифры: дашборды есть, сквозной связи между функциями нет.
Симптом: «План срывается, а где именно теряем - неясно. Потери размазаны».
Следующий шаг: “Управленческий контур” - разработка факторных моделей сквозной аналитики - появится КОНТРОЛЬ - станет видно где и почему началось отклонение.
🔹 Уровень 3 - Проактивный (“Управление будущим”).
Решения: риски видны заранее. Решения принимаются до наступления проблем. Опора на опережающие показатели.
Цифры: единый сквозной контур. Руководители получают данные без запросов.
Симптом: «Вижу где теряю, но хочу понимать, КАК изменить и ЧТО будет, если изменю …».
Следующий шаг: “Ясность последствий” - сценарное моделирование, А/Б-тестирование и прогнозирование - появятся РЕШЕНИЯ - варианты что делать дальше и какие будут последствия.
🔹 Уровень 4 - Рекомендательный (“Спутниковый навигатор”).
Решения: моделируете сценарии. «Что если?..» и система показывает варианты.
Цифры: полная бизнес-модель, данные обновляются в реальном времени.
Симптомов нет. Задача - масштабироваться без потери управляемости.
Целевая модель.
Ценность этой шкалы в том, чтобы увидеть ваш следующий шаг и понять, что это не гигантская стройка. Это конкретный переход на один уровень вверх. С понятными выгодами и без хаоса.
Примеряйте на себя, определяйте где вы сейчас и какой следующий шаг приведет вас к быстрой победе.
Начало | Предыдущий ⬆️ | MAX
В прошлый раз я писал о преградах, которые мешают навести порядок в цифрах. Сейчас покажу инструмент, который поможет эти преграды преодолеть.
Ниже короткая лестница управленческой зрелости. Никакой магии. Просто честно ответьте себе: «Как я принимаю решения прямо сейчас?»
🔹 Уровень 0 - Стартовый (“Творческий полет”).
Интуиция заменяет цифры. Работает на малых масштабах, ломается при росте.
Руководители принимают решения на личном опыте и чутье: «Я чувствую рынок. Всегда так делали и работало».
Цифры: остаток на счёте и общая выручка.
Симптом: компанию штормит, выручка то растет, то падает, хронический дефицит денег.
Следующий шаг: “Окно в данные” - начало работы с данными - гигиенический минимум: сбор, обработка, анализ качества данных и первые инсайты.
🔹 Уровень 1 - Реактивный (“Зеркало заднего вида”).
Решения: реакция на полыхающие пожары (кассовый разрыв, убыток), длительные совещания в поиске “кто виноват” и “что делать”.
Цифры: десятки а то и сотни разрозненных отчетов (Excel, 1С, Navision, SAP), данные разных служб противоречат друг другу, нет полной картины бизнеса.
Симптом: «Отчёты собираем днями, цифры расходятся», «Данных много, но опоры для решений не дают».
Следующий шаг: “Порядок в цифрах” - выстраивание логики и связывание данных - тогда появится стабильная ЯСНОСТЬ того, что происходит в бизнесе.
🔹 Уровень 2 - Аналитический (“Рука на пульсе”).
Решения: ищете причины отклонений, но всегда постфактум.
Цифры: дашборды есть, сквозной связи между функциями нет.
Симптом: «План срывается, а где именно теряем - неясно. Потери размазаны».
Следующий шаг: “Управленческий контур” - разработка факторных моделей сквозной аналитики - появится КОНТРОЛЬ - станет видно где и почему началось отклонение.
🔹 Уровень 3 - Проактивный (“Управление будущим”).
Решения: риски видны заранее. Решения принимаются до наступления проблем. Опора на опережающие показатели.
Цифры: единый сквозной контур. Руководители получают данные без запросов.
Симптом: «Вижу где теряю, но хочу понимать, КАК изменить и ЧТО будет, если изменю …».
Следующий шаг: “Ясность последствий” - сценарное моделирование, А/Б-тестирование и прогнозирование - появятся РЕШЕНИЯ - варианты что делать дальше и какие будут последствия.
🔹 Уровень 4 - Рекомендательный (“Спутниковый навигатор”).
Решения: моделируете сценарии. «Что если?..» и система показывает варианты.
Цифры: полная бизнес-модель, данные обновляются в реальном времени.
Симптомов нет. Задача - масштабироваться без потери управляемости.
Целевая модель.
Ценность этой шкалы в том, чтобы увидеть ваш следующий шаг и понять, что это не гигантская стройка. Это конкретный переход на один уровень вверх. С понятными выгодами и без хаоса.
Примеряйте на себя, определяйте где вы сейчас и какой следующий шаг приведет вас к быстрой победе.
Начало | Предыдущий ⬆️ | MAX
🔥6👍2
Как мы увидели дыры в доставке, хотя все отчеты говорили «норм»
В прошлом опросе вы сказали, что вторая по остроте боль - «хочу замечать риски заранее, а не тушить пожары». Это ровно та задача, ради которой строится сквозная аналитика: когда данные продаж, логистики и персонала перестают враждовать и начинают разговаривать друг с другом.
Покажу на примере. Кейс интернет-гипермаркета с собственной доставкой (в котором ранее искали потери в ЗП). Компания считала эффективность просто: брали общие расходы на доставку и делили на количество рейсов или заказов. Вроде бы всё ок.
Но смотрели они при этом в зеркало заднего вида. Средняя температура по больнице не давала увидеть, где именно тают деньги и когда рванет в следующий раз.
Чтобы перейти на проактивное управление, мы связали три слоя данных:
• выручка / маржа конкретного рейса,
• загрузка конкретного водителя (рейсов в месяц и заказов в рейсе),
• переменные расходы на рейс (ЗП и топливо).
Получилась факторная модель, которая проявила несколько неочевидных вещей.
1. Выработка водителей почти не меняется от сезона к сезону.
В низкий сезон водитель везет в среднем 136 тыс. руб. маржи за 11 рейсов. В высокий - 191 тыс. руб. Но это просто потому, что рейсов стало 14, а не потому что он стал работать эффективнее (карточка 1).
2. В тихие месяцы часть рейсов гарантированно убыточна.
Мы наложили маржу рейса на переменные расходы и увидели: во 2-м квартале 8,6% всех рейсов не покрыли даже затрат на водителя и топливо. Это дало минус 3,5 млн руб. за квартал. В высокий сезон убыточных рейсов меньше (2,6%), но они всё равно съели 1 млн руб. (карточки 2 и 3).
3. Убыточный рейс - не только когда мало заказов, а когда мало рейсов у конкретного водителя.
Мы сопоставили валовую прибыль на водителя со средним числом заказов в рейсе и общим числом рейсов. Оказалось: даже с полным кузовом можно уйти в минус, если водитель делает слишком мало рейсов в месяц (карточка 4).
Какие управленческие решения загнали доставку в эту ловушку?
• Чтобы сэкономить на ФОТе, нанимали водителей-вахтовиков из регионов с проживанием в корпоративном общежитии. Это лишило гибкости: нельзя быстро нарастить или снизить ресурс под спрос.
• Фокусировались на снижении расходов, а не на точном найме и удержании подходящих людей. В итоге теряли на убыточных рейсах больше, чем экономили на зарплате.
Что дала эта картина?
Мы перешли от управления «давайте урежем бюджет доставки» к управлению причинно-следственными связями. Появилась возможность:
• рассчитывать оптимальную загрузку водителя под сезон,
• видеть риски убыточных рейсов до того, как они случатся,
• формировать продуктовый подход к «полуфабрикату» (собираемому заказу, рейсу) - с понятной стоимостью и ценностью на каждом переделе.
Все хотят видеть риски заранее, но продолжают тушить пожары. Почему?
Потому что смотрят на бизнес через «среднюю температуру по больнице».
Что именно вам мешает перейти на уровень проактивного управления? Напишите мне @maximkubar и я разберу вашу ситуацию.
Начало | Предыдущий ⬆️ | MAX
В прошлом опросе вы сказали, что вторая по остроте боль - «хочу замечать риски заранее, а не тушить пожары». Это ровно та задача, ради которой строится сквозная аналитика: когда данные продаж, логистики и персонала перестают враждовать и начинают разговаривать друг с другом.
Покажу на примере. Кейс интернет-гипермаркета с собственной доставкой (в котором ранее искали потери в ЗП). Компания считала эффективность просто: брали общие расходы на доставку и делили на количество рейсов или заказов. Вроде бы всё ок.
Но смотрели они при этом в зеркало заднего вида. Средняя температура по больнице не давала увидеть, где именно тают деньги и когда рванет в следующий раз.
Чтобы перейти на проактивное управление, мы связали три слоя данных:
• выручка / маржа конкретного рейса,
• загрузка конкретного водителя (рейсов в месяц и заказов в рейсе),
• переменные расходы на рейс (ЗП и топливо).
Получилась факторная модель, которая проявила несколько неочевидных вещей.
1. Выработка водителей почти не меняется от сезона к сезону.
В низкий сезон водитель везет в среднем 136 тыс. руб. маржи за 11 рейсов. В высокий - 191 тыс. руб. Но это просто потому, что рейсов стало 14, а не потому что он стал работать эффективнее (карточка 1).
2. В тихие месяцы часть рейсов гарантированно убыточна.
Мы наложили маржу рейса на переменные расходы и увидели: во 2-м квартале 8,6% всех рейсов не покрыли даже затрат на водителя и топливо. Это дало минус 3,5 млн руб. за квартал. В высокий сезон убыточных рейсов меньше (2,6%), но они всё равно съели 1 млн руб. (карточки 2 и 3).
3. Убыточный рейс - не только когда мало заказов, а когда мало рейсов у конкретного водителя.
Мы сопоставили валовую прибыль на водителя со средним числом заказов в рейсе и общим числом рейсов. Оказалось: даже с полным кузовом можно уйти в минус, если водитель делает слишком мало рейсов в месяц (карточка 4).
Какие управленческие решения загнали доставку в эту ловушку?
• Чтобы сэкономить на ФОТе, нанимали водителей-вахтовиков из регионов с проживанием в корпоративном общежитии. Это лишило гибкости: нельзя быстро нарастить или снизить ресурс под спрос.
• Фокусировались на снижении расходов, а не на точном найме и удержании подходящих людей. В итоге теряли на убыточных рейсах больше, чем экономили на зарплате.
Что дала эта картина?
Мы перешли от управления «давайте урежем бюджет доставки» к управлению причинно-следственными связями. Появилась возможность:
• рассчитывать оптимальную загрузку водителя под сезон,
• видеть риски убыточных рейсов до того, как они случатся,
• формировать продуктовый подход к «полуфабрикату» (собираемому заказу, рейсу) - с понятной стоимостью и ценностью на каждом переделе.
Все хотят видеть риски заранее, но продолжают тушить пожары. Почему?
Потому что смотрят на бизнес через «среднюю температуру по больнице».
Что именно вам мешает перейти на уровень проактивного управления? Напишите мне @maximkubar и я разберу вашу ситуацию.
Начало | Предыдущий ⬆️ | MAX
🔥5👍2
Коммерсанты были уверены, что знают своего клиента. Ошибались на 14 дней и теряли 60% привлечения.
Интернет-гипермаркет. Коммерческий блок убеждён: целевой клиент делает заказы раз в неделю, а постоянным становится после 8-й покупки. Под это настроены маркетинговые кампании, программы лояльности, KPI менеджеров. Вроде логично.
Мы решили проверить. Не средними, а реальным поведением. Посмотрели на всю клиентскую базу и картина разошлась с интуицией катастрофически.
Что показали цифры?
→ Самый частый интервал между заказами 5–9 дней. Но это всего лишь мода. Медианный интервал 14 дней. Половина клиентов заказывает раз в две недели, а не раз в неделю.
→ Разброс огромен: 1-й квартиль 7 дней, 3-й квартиль 30 дней. То есть четверть клиентов возвращается реже чем раз в месяц.
→ Половина всех клиентов сделали не более 2 покупок за всё время. Только четверть перешагнула порог 8 заказов.
→ Медианный жизненный цикл клиента 1 год, но первый квартиль всего 92 дня. Это значит, что 25% клиентов уходят в первые три месяца. А до 60% новых клиентов отваливаются уже в первые полгода.
Что это означало для бизнеса?
Маркетинг годами работал на портрет клиента, которого почти не существовало. Бюджеты уходили на удержание тех, кто уже ушёл, и на привлечение аудитории, которая по факту не собиралась становиться лояльной. Продавцы ждали восьмой покупки, чтобы включить программу лояльности, не дожидаясь большинства.
Какие решения приняли?
1. Разбили клиентскую базу на сегменты не по «стажу», а по фактической периодичности заказов: еженедельные, двухнедельные, месячные, эпизодические.
2. Для каждого сегмента настроили свою механику удержания: триггерные коммуникации на 7-й, 14-й и 30-й день после заказа, а не единую для всех «воронку лояльности».
3. Сместили фокус с попыток довести всех до восьмой покупки на удержание в первые 90 дней — именно там терялась основная масса клиентов.
4. Пересмотрели критерии качества лидов: оказалось, что часть привлечённых клиентов по своим характеристикам никогда не переходила в разряд повторных, и их привлечение было убыточным изначально.
Результат.
Через 4 месяца отток в первые полгода сократился. Доля клиентов, вернувшихся после первого заказа, выросла, а маркетинговый бюджет начал работать на реальную, а не воображаемую аудиторию.
Проверьте себя.
Многие компании живут с тем же заблуждением: портрет клиента нарисован интуитивно, а метрики считаются «средней температурой». А у вас есть чёткое понимание, с какой периодичностью реально возвращаются ваши клиенты и где вы теряете большинство?
Начало | Предыдущий ⬆️ | MAX
Интернет-гипермаркет. Коммерческий блок убеждён: целевой клиент делает заказы раз в неделю, а постоянным становится после 8-й покупки. Под это настроены маркетинговые кампании, программы лояльности, KPI менеджеров. Вроде логично.
Мы решили проверить. Не средними, а реальным поведением. Посмотрели на всю клиентскую базу и картина разошлась с интуицией катастрофически.
Что показали цифры?
→ Самый частый интервал между заказами 5–9 дней. Но это всего лишь мода. Медианный интервал 14 дней. Половина клиентов заказывает раз в две недели, а не раз в неделю.
→ Разброс огромен: 1-й квартиль 7 дней, 3-й квартиль 30 дней. То есть четверть клиентов возвращается реже чем раз в месяц.
→ Половина всех клиентов сделали не более 2 покупок за всё время. Только четверть перешагнула порог 8 заказов.
→ Медианный жизненный цикл клиента 1 год, но первый квартиль всего 92 дня. Это значит, что 25% клиентов уходят в первые три месяца. А до 60% новых клиентов отваливаются уже в первые полгода.
Что это означало для бизнеса?
Маркетинг годами работал на портрет клиента, которого почти не существовало. Бюджеты уходили на удержание тех, кто уже ушёл, и на привлечение аудитории, которая по факту не собиралась становиться лояльной. Продавцы ждали восьмой покупки, чтобы включить программу лояльности, не дожидаясь большинства.
Какие решения приняли?
1. Разбили клиентскую базу на сегменты не по «стажу», а по фактической периодичности заказов: еженедельные, двухнедельные, месячные, эпизодические.
2. Для каждого сегмента настроили свою механику удержания: триггерные коммуникации на 7-й, 14-й и 30-й день после заказа, а не единую для всех «воронку лояльности».
3. Сместили фокус с попыток довести всех до восьмой покупки на удержание в первые 90 дней — именно там терялась основная масса клиентов.
4. Пересмотрели критерии качества лидов: оказалось, что часть привлечённых клиентов по своим характеристикам никогда не переходила в разряд повторных, и их привлечение было убыточным изначально.
Результат.
Через 4 месяца отток в первые полгода сократился. Доля клиентов, вернувшихся после первого заказа, выросла, а маркетинговый бюджет начал работать на реальную, а не воображаемую аудиторию.
Проверьте себя.
Многие компании живут с тем же заблуждением: портрет клиента нарисован интуитивно, а метрики считаются «средней температурой». А у вас есть чёткое понимание, с какой периодичностью реально возвращаются ваши клиенты и где вы теряете большинство?
Начало | Предыдущий ⬆️ | MAX
🔥5⚡1👍1
Третий директор по маркетингу за два года. Мы проверили одну метрику и всё поняли.
Начало года. Совещание у гендиректора. Новый (уже третий за два года) директор по маркетингу защищает план продаж. В ответ слышит: «И это всё, на что вы способны?»
Два года назад компания сменила бизнес-модель, перешла в онлайн с доставкой до двери. Ожидали роста. Но рост так и не случился. Выручка и прибыль стабильно ниже плана. Руководство винит маркетинг. Маркетинг пытается креативить. А воз и ныне там.
Когда нас пригласили, первым желанием было закопаться в воронку. Но мы задали другой вопрос: «А что с возвратом клиентов?» Ответ стал отправной точкой.
Мы подняли retention rate по квартальным когортам за два года. И удивились. За два года коэффициент возврата клиента после квартала привлечения упал с 82% до 35%. А к концу года с компанией остаётся лишь 19% клиентов вместо 65% двумя годами ранее.
Вся предыдущая маркетинговая работа стала похожа на черпание воды дуршлагом.
Это открытие заставило полностью пересмотреть портрет целевого клиента. О том, что мы увидели дальше и какой сегмент клиентов на самом деле приносил 94% выручки, - в следующем посте.
А вы на 100% уверены, что ваши маркетинговые бюджеты работают на удержание, а не на сливание?
Начало | Предыдущий ⬆️ | MAX
Начало года. Совещание у гендиректора. Новый (уже третий за два года) директор по маркетингу защищает план продаж. В ответ слышит: «И это всё, на что вы способны?»
Два года назад компания сменила бизнес-модель, перешла в онлайн с доставкой до двери. Ожидали роста. Но рост так и не случился. Выручка и прибыль стабильно ниже плана. Руководство винит маркетинг. Маркетинг пытается креативить. А воз и ныне там.
Когда нас пригласили, первым желанием было закопаться в воронку. Но мы задали другой вопрос: «А что с возвратом клиентов?» Ответ стал отправной точкой.
Мы подняли retention rate по квартальным когортам за два года. И удивились. За два года коэффициент возврата клиента после квартала привлечения упал с 82% до 35%. А к концу года с компанией остаётся лишь 19% клиентов вместо 65% двумя годами ранее.
Вся предыдущая маркетинговая работа стала похожа на черпание воды дуршлагом.
Это открытие заставило полностью пересмотреть портрет целевого клиента. О том, что мы увидели дальше и какой сегмент клиентов на самом деле приносил 94% выручки, - в следующем посте.
А вы на 100% уверены, что ваши маркетинговые бюджеты работают на удержание, а не на сливание?
Начало | Предыдущий ⬆️ | MAX
🔥4👍1
45% клиентов дают 94% выручки. А привлекаем мы совсем других.
В прошлый раз я показал: возврат клиентов в интернет-гипермаркете упал с 82% до 35% за два года (карточка 1 и 2). Общие цифры кричали о проблеме, но не объясняли, где именно дыра.
Мы решили копнуть глубже и разделили всю клиентскую базу на четыре сегмента - по частоте покупок и принесённой выручке. Взяли медиану по каждому показателю и получили упрощенную матрицу RFM (без R).
Результат меня поразил. Даже не так. Я не ожидал, что перекос настолько драматичен!
Два полярных сегмента
🟢 AA - выше медианы по частоте и по выручке:
• 116,7 тыс. клиентов (45% базы)
• 12,7 млрд руб. выручки (94% от общей!)
• медианный чек 49 тыс., медианное число заказов - 10
🔴 BB - ниже медианы по частоте и по выручке:
• 119 тыс. клиентов (46% базы)
• 533 млн руб. выручки (4% от общей)
• медианный чек 3,8 тыс., медианное число заказов - 1
Ещё два сегмента - BA и AB - вместе занимают около 9% базы и дают порядка 3% выручки. Погоды не делают.
Смотрите, что получилось: половина клиентов (AA) генерирует почти всю выручку. Вторая половина (BB) - почти ничего. При этом численно они равны, а значит затраты на их обслуживание одинаковые.
Что показала динамика
Дальше - хуже. Мы посмотрели, кого именно компания привлекала все эти два года (карточка 3). Оказалось, что привлечение сегмента BB кратно превосходит привлечение сегмента AA. Грубо говоря, маркетинг стабильно поставлял клиентов, которые делали один заказ на 3,8 тысячи и уходили навсегда.
Если смотреть в деньгах, то старая база AA, привлечённая более двух лет назад, дала 52% всей выручки. Ещё 20% — клиенты AA, привлечённые в позапрошлый год. Вклад остальных сегментов на графике исчезающе мал (карточка 4).
А что с удержанием внутри сегментов?
Когортный анализ сегментов показал удручающую картину.
По сегменту AA: новые клиенты удерживаются хуже, чем старые, и этот показатель ухудшается от квартала к кварталу. Но даже при этом в разных когортах остаётся от 44% до 92% клиентов (карточки 5 и 6). Проблема в том, что их привлечение стремится к нулю - ядро просто не пополняется.
По сегменту BB: в разных когортах остаётся от 1% до 4% от привлечённых (карточки 7 и 8). То есть 96-99% клиентов этого сегмента уходят в первый же период. А привлекают именно их.
Сухой остаток
Компания теряет клиентское ядро и заливает базу клиентами, которые по определению не задерживаются и не приносят денег. Неудивительно, что третий директор по маркетингу не решил проблему - она глубже, чем просто «мало привлекаем».
А вы знаете, какой сегмент клиентов является для вас целевым? А какой реально привлекает ваш маркетинг?
Начало | Предыдущий ⬆️ | MAX
В прошлый раз я показал: возврат клиентов в интернет-гипермаркете упал с 82% до 35% за два года (карточка 1 и 2). Общие цифры кричали о проблеме, но не объясняли, где именно дыра.
Мы решили копнуть глубже и разделили всю клиентскую базу на четыре сегмента - по частоте покупок и принесённой выручке. Взяли медиану по каждому показателю и получили упрощенную матрицу RFM (без R).
Результат меня поразил. Даже не так. Я не ожидал, что перекос настолько драматичен!
Два полярных сегмента
🟢 AA - выше медианы по частоте и по выручке:
• 116,7 тыс. клиентов (45% базы)
• 12,7 млрд руб. выручки (94% от общей!)
• медианный чек 49 тыс., медианное число заказов - 10
🔴 BB - ниже медианы по частоте и по выручке:
• 119 тыс. клиентов (46% базы)
• 533 млн руб. выручки (4% от общей)
• медианный чек 3,8 тыс., медианное число заказов - 1
Ещё два сегмента - BA и AB - вместе занимают около 9% базы и дают порядка 3% выручки. Погоды не делают.
Смотрите, что получилось: половина клиентов (AA) генерирует почти всю выручку. Вторая половина (BB) - почти ничего. При этом численно они равны, а значит затраты на их обслуживание одинаковые.
Что показала динамика
Дальше - хуже. Мы посмотрели, кого именно компания привлекала все эти два года (карточка 3). Оказалось, что привлечение сегмента BB кратно превосходит привлечение сегмента AA. Грубо говоря, маркетинг стабильно поставлял клиентов, которые делали один заказ на 3,8 тысячи и уходили навсегда.
Если смотреть в деньгах, то старая база AA, привлечённая более двух лет назад, дала 52% всей выручки. Ещё 20% — клиенты AA, привлечённые в позапрошлый год. Вклад остальных сегментов на графике исчезающе мал (карточка 4).
А что с удержанием внутри сегментов?
Когортный анализ сегментов показал удручающую картину.
По сегменту AA: новые клиенты удерживаются хуже, чем старые, и этот показатель ухудшается от квартала к кварталу. Но даже при этом в разных когортах остаётся от 44% до 92% клиентов (карточки 5 и 6). Проблема в том, что их привлечение стремится к нулю - ядро просто не пополняется.
По сегменту BB: в разных когортах остаётся от 1% до 4% от привлечённых (карточки 7 и 8). То есть 96-99% клиентов этого сегмента уходят в первый же период. А привлекают именно их.
Сухой остаток
Компания теряет клиентское ядро и заливает базу клиентами, которые по определению не задерживаются и не приносят денег. Неудивительно, что третий директор по маркетингу не решил проблему - она глубже, чем просто «мало привлекаем».
А вы знаете, какой сегмент клиентов является для вас целевым? А какой реально привлекает ваш маркетинг?
Начало | Предыдущий ⬆️ | MAX
🔥6👍2⚡1
Почему ваши аналитики не видят, что ядро тает, а бюджет уходит в песок.
В прошлый раз я показал: компания годами привлекала клиентов, которые почти не приносят денег. 46% базы дают всего 4% выручки. Руководители были в шоке. Но ещё сильнее их удивило другое: почему никто не заметил этого раньше? Ведь отчёты были, аналитики были.
Что обычно происходит?
Аналитикам ставят задачу «разобраться с клиентами». Чёткого ТЗ нет. Один берёт классический RFM и строит 27 сегментов - долго, трудоёмко, а на выходе таблица, в которой тонет даже самый терпеливый руководитель.
Другой делает когортный анализ по всей базе и говорит: «Клиенты уходят». Но не отвечает на главный вопрос - какие именно? Те, что приносят 94% выручки, или те, что заходят раз в год на три тысячи?
Каждый инструмент по отдельности даёт лишь часть правды. А вместе без специального усилия не складываются.
В чем суть эффективного метода?
Я начал не с инструментов, а с вопросов, которые должен задавать любой руководитель, глядя на клиентскую базу:
• Мы теряем клиентов вообще или теряем определённых?
• Меняется ли состав базы? Кого мы привлекаем сейчас по сравнению с теми, кто остаётся и приносит деньги?
Чтобы ответить, потребовалось соединить две логики: ценность клиента и время. Я упростил RFM до четырёх сегментов и пропустил каждый через когортный анализ. Получилось быстро, наглядно и до сути:
• AA (ядро) - 45% базы, 94% выручки. Но привлечение таких клиентов катастрофически падает, а старая база утекает.
• AB, BA - ещё 9% базы. Отодвигаем на потом.
• BB (однодневки) - 46% базы, 4% выручки. Пена, которую активно привлекали несколько лет.
Четыре сегмента и картина проявилась. Без 27 строк, без лишнего шума.
Когда я показал это руководителю, он замолчал на минуту. А потом сказал: «Так вот почему третий директор по маркетингу не вывозит - мы его заставляем черпать воду дуршлагом».
Общее качество портфеля ухудшается: выручки приносит меньше, расходы на обслуживание растут, а маркетинг продолжает гнать пену.
Итого: суть эффективного метода - правильные вопросы к данным, кратчайший путь к причинам, перевести цифры в ясность для управления. Без этого любые дашборды просто фон.
А вы знаете, какой сегмент клиентов реально привлекает ваш маркетинг и как он меняется во времени?
Начало | Предыдущий ⬆️ | MAX
В прошлый раз я показал: компания годами привлекала клиентов, которые почти не приносят денег. 46% базы дают всего 4% выручки. Руководители были в шоке. Но ещё сильнее их удивило другое: почему никто не заметил этого раньше? Ведь отчёты были, аналитики были.
Что обычно происходит?
Аналитикам ставят задачу «разобраться с клиентами». Чёткого ТЗ нет. Один берёт классический RFM и строит 27 сегментов - долго, трудоёмко, а на выходе таблица, в которой тонет даже самый терпеливый руководитель.
Другой делает когортный анализ по всей базе и говорит: «Клиенты уходят». Но не отвечает на главный вопрос - какие именно? Те, что приносят 94% выручки, или те, что заходят раз в год на три тысячи?
Каждый инструмент по отдельности даёт лишь часть правды. А вместе без специального усилия не складываются.
В чем суть эффективного метода?
Я начал не с инструментов, а с вопросов, которые должен задавать любой руководитель, глядя на клиентскую базу:
• Мы теряем клиентов вообще или теряем определённых?
• Меняется ли состав базы? Кого мы привлекаем сейчас по сравнению с теми, кто остаётся и приносит деньги?
Чтобы ответить, потребовалось соединить две логики: ценность клиента и время. Я упростил RFM до четырёх сегментов и пропустил каждый через когортный анализ. Получилось быстро, наглядно и до сути:
• AA (ядро) - 45% базы, 94% выручки. Но привлечение таких клиентов катастрофически падает, а старая база утекает.
• AB, BA - ещё 9% базы. Отодвигаем на потом.
• BB (однодневки) - 46% базы, 4% выручки. Пена, которую активно привлекали несколько лет.
Четыре сегмента и картина проявилась. Без 27 строк, без лишнего шума.
Когда я показал это руководителю, он замолчал на минуту. А потом сказал: «Так вот почему третий директор по маркетингу не вывозит - мы его заставляем черпать воду дуршлагом».
Общее качество портфеля ухудшается: выручки приносит меньше, расходы на обслуживание растут, а маркетинг продолжает гнать пену.
Итого: суть эффективного метода - правильные вопросы к данным, кратчайший путь к причинам, перевести цифры в ясность для управления. Без этого любые дашборды просто фон.
А вы знаете, какой сегмент клиентов реально привлекает ваш маркетинг и как он меняется во времени?
Начало | Предыдущий ⬆️ | MAX
🔥3👍1