Как с помощью Big Data увеличить продажи в полтора раза

1. Что дано

Летом 2017 года к нам обратилась компания по оптовой и розничной продаже отопительного оборудования (название клиента не раскрывается в целях сохранения конфиденциальной информации, которой здесь в изобилии). Компания базируется в Москве и Санкт-Петербурге и реализует продукцию многих известных производителей, отечественных и зарубежных. Основная товарная категория — котлы отопления (электрические, газовые и твердотопливные).

Продажи имели свою ярко выраженную сезонность. Рост продаж стабильно начинался летом, в июле. Пик приходился на сентябрь-октябрь. В декабре продукцию докупают самые неторопливые клиенты. Зимой и весной продажи совсем невысокие.

В компании был отдел продаж (14 менеджеров) и отдел маркетинга (маркетолог, специалист по контекстной рекламе и веб-программист). Своими силами было разработано сразу несколько сайтов, аффилированность которых тщательно скрывалась от поисковых и рекламных систем. Такой набор сайтов якобы разных компаний приносил свои плоды — клиент даже не подозревал, что общался с одной и той же организацией.У компании на тот момент не было CRM-системы и даже IP-телефонии. Вся работа велась в 1С. Развитие и маркетинг шли по наитию методом проб и ошибок. Выручала только контекстная реклама в Яндекс Директ. Ее настраивал и оптимизировал штатный сотрудник. На нее приходилось около 90% всех продаж.Отдельно стоит отметить, что примерно 40% покупателей котельного оборудования — B2B клиенты. И все они находили компанию преимущественно в Яндексе по ключевым запросам. Это было доказательством того, что снабженцы и руководители предприятий, как и В2С клиенты, искали поставщиков в поисковых системах.Рекламный трафик шел, в основном, из Санкт-Петербурга и Москвы. И совсем небольшая часть распределялась по другим регионам Российской Федерации.

2. Проблема

Основная проблема, которую озвучил заказчик — незнание и непонимание своих точек роста. Конкуренция на рынке усиливалась, поставщики ставили планы по продажам, прибыльность бизнеса снижалась. В таком случае полумерами не обошлось бы.Нужно было создать целостную систему маркетинга и сбыта. Однако эта работа заняла бы несколько месяцев, а в некоторых случаев и пару лет. А сезон продаж начинался уже через месяц. Поэтому было принято решение найти быстрые рычаги увеличения продаж здесь и сейчас.Для контрольной группы были взяты твердотопливные котлы одного отечественного производителя.

Компания-заказчик как раз являлась одним из ключевых дистрибьюторов этих котлов и имела значительные товарные запасы и преференции. Результаты оценивались именно по продажам этой продукции.Проект нами оценивался как достаточно рискованный, поскольку в такой консервативной компании изменения в продажах могли наступить далеко не сразу. Был риск не оправдать ожидания заказчика и завершить работу на негативной ноте. Но мы все-таки поверили в проект.

3. Задача

За июль-декабрь 2016 года этих котлов было продано на 20 664 602 ₽.

Формулировка задачи:

Увеличить продажи за июль-декабрь 2017 года на 10% в сравнении с аналогичным периодом прошлого года.

То есть продажи должны составить — 22 731 062 ₽

4. Что было сделано

1.1 Разработана система по анализу рекламы и продаж

Мы решили сначала очень детально проанализировать текущие продажи и маркетинг. Для этого мы выгрузили и обработали данные по всем продажам из 1С за последние 7 лет.

Получилась настоящая Big data — 1 500 000 строк.

Данные по контекстной рекламе мы также выгрузили из разных рекламных аккаунтов Яндекс Директа.

Для анализа данных мы выбрали BI-систему QlikSense и облачное решение QlikCloud от корпорации Qlik (США). Система предоставляет только оболочку для реализации своей собственной аналитической базы. Мы с нуля выстроили целый набор дашбордов, сводных таблиц и аналитических диаграмм.

Вот как это выглядело:

Теперь мы смогли в рамках одного окна анализировать клиентов, поставщиков, ассортимент, динамику продаж и географию отгрузок. Все продажи у нас были на кончиках пальцев. Клиентская база и ассортимент принимали более системный вид. Кстати, как позже выяснилось, ни одна из конкурирующих компаний в Санкт-Петербурге не имела в своем распоряжении такой системы Big data. Хотя возможности этого инструмента огромны.

В течение нескольких секунд можно было узнать:

• Какие клиенты представляют наибольшую ценность, а от каких лучше отказаться
• Какие товары наиболее прибыльные и какие имеют наибольшие темпы продаж
• В какие регионы продавать выгодно, а в какие нецелесообразно
• Какие рекламные кампании эффективны, а какие надо немедленно останавливать
• Какие менеджеры — настоящие профессионалы, а каких следует уволить
• Сколько клиентов компания теряет каждый месяц и сколько приходит новых
• и многое другое

Стоящая перед нами задача вынуждала действовать быстро и максимально точно. Мы искали тот самый рычаг и, как нам казалось, его нашли.

Было выявлено, что в 2016 году продажи контрольной продукции по Санкт-Петербургу и Ленинградской области составили 47,9%. В Москву и Московскую область — 24,7%. На регионы пришлось только 27,4%

В то же время расходы на рекламу в Санкт-Петербурге и Ленинградской области составляли 55%. По Москве и Московской области — 39%. На продвижение в регионы тратилось около 6% от общего бюджета по целевым твердотопливным котлам.Какие выводы мы сделали на основе этих данных?

1. Спрос на эти котлы в провинции есть. Там практически нет конкурентов.
2. Продукция востребована во всех регионах России. Ее заказывают даже из Сибири и Дальнего Востока.
3. В регионах есть продажи даже с минимальными затратами на рекламу.

Мы сформулировали гипотезу – продажи в регионах увеличатся при интенсивной маркетинговой кампании.

1.2 Кардинально перестроили контекстную рекламу

Мы детально проанализировали рекламную активность в каждом из 86 регионов Российской Федерации. Подавляющее большинство конкурентов показывались по примитивным ключевым фразам. Их рекламные объявления были шаблонными и в большинстве случаев не указывали на доставку в конкретный регион. Все ограничивалось этим – Доставка из Москвы или Доставка из Санкт-Петербурга.Что сделали:

• настроили Яндекс Директ на каждый регион в отдельности
• для каждого крупного населенного пункта (с населением более 300 тысяч человек) создали отдельные объявления с геотаргетингом в заголовке. То есть при запросе купить котел твердотопливный, например, пользователь из Нижнего Тагила видел объявления, в заголовке которого было указано бесплатная доставка по Нижнему Тагилу. Кликабельность таких объявлений варьировалась от 8 до 17% (среднее — 11%). В этом случае наши объявления выгодно отличались и привлекали нужное внимание целевой аудитории.
• Переход с каждого объявления фиксировали по utm-меткам, которые включали в себя регион посетителя. В зависимости от этого пересчитывались цены на сайте. Чем дальше от Санкт-Петербурга, тем выше стоимость котла и комплектующих (с учетом доставки). Зато никаких дополнительных переплат не было и доставка осуществлялась прямо до двери. При этом отпускная цена все равно оставалась ниже других компаний.
• Детально проработали семантическое ядро. Показывались по брендовым запросам, по запросам конкурирующих марок и общим информационным запросам.

Что получилось по итогу:

81 – рекламная кампания

837 – групп объявлений

10 044 – объявлений

28 458 – ключевых фраз

Все вышеперечисленные мероприятия мы реализовали за 30 календарных дней. К началу сезона компания была готова. Все последующие 6 месяцев мы следили за продажами и трафиком буквально ежедневно: оптимизировали рекламные кампании, анализировали отгрузки, дорабатывали сайт и обсуждали качество лидов вместе с менеджерами по продажам.

5. Результаты

В начале января 2018 года мы подвели итоги проекта.

20 664 602 ₽ – продажи за июль-декабрь 2016

31 996 895 ₽ – продажи за июль-декабрь 2017

+55% – рост продаж Вместо заявленного плана в 22 731 062 р. (+10%) продажи выросли почти в полтора раза.

Рост продаж в Москву был вполне логичным. Многие компании, испытывающие потребность в оборудовании, фактически находятся в регионах, но заказывают через головные офисы и холдинги в Москве.Снижение продаж в Санкт-Петербурге было единственным упущением, которое было следствием роста заказов из других регионов. У менеджеров физически не хватало времени на качественную проработку и встречи с местными компаниями. Это урок, который мы и заказчик вынесли по завершению проекта. Работа над ошибками была проведена, и на сезон 2018 поставлен план по продажам в Санкт-Петербурге.

Отгрузки региональным компаниям выросли на 170% и фактически обеспечили целевой прирост продаж. Если в 2016 году компания поставила котельное оборудование в 24 региона, то в 2017 – в 40 регионов. Теперь это, в буквальном смысле, от Калининграда (отгрузки в 2017 году – 602 379 р.) до Камчатки (отгрузки в 2017 году – 145 600 р.).

Теперь распределение выручки по регионам выглядело так:

Общий ROMI за время нашей работы (июль-декабрь 2017 г.) составил 2204%. То есть на каждый вложенный в рекламу рубль вернулось 23 рубля. Это был один из самых высоких показателей рентабельности среди наших проектов.

Заказчик остался доволен работой. План был перевыполнен — рост продаж составил +55% вместо планируемых +10%.

Дальнейшая работа по проекту в самом разгаре. Теперь мы ведем сразу несколько рекламных каналов и продвигаем весь ассортимент.

6. Выводы

1. Продвигать продукцию в интернете (и в Яндекс Директе особенно) целесообразно практически для всех компаний. Даже если вы работаете на B2B рынке или продаете котлы в Горно-Алтайске. При профессиональном подходе рентабельность эти инвестиций будет положительной.
2. Успех рекламных кампаний определяется не только объемом рекламного бюджета, количеством ключевых фраз или объявлениями. Важно в объявлениях транслировать ту ценность предложения, которая нужна потребителям. Например, что доставка будет по городу, в котором проживает клиент.
3. Данные по продажам и клиентам — это ключевой капитал любой компании. Этот массив информации позволит сделать правильные выводы и совершить рывок в прибыли. Однако эта информация должна быть должным образом структурирована и обработана в соответствующих системах по бизнес-аналитике.

Источник - https://datmark.ru/case-boilers-and-big-data