Кейс i.com и «Спортмастер» с Digital Brand Day: как превратить данные в эффективные тактические решения для mobile

Клиент

«Спортмастер» — магазин спортивной продукции со своей цифровой платформой, которая служит проводником для клиентов в мир спорта. Бренд предлагает нетоварные сервисы: онлайн-тренировки, лайв-трансляции подбор образов от стилистов и другие.

Собственная модель атрибуции позволяет клиенту контролировать данные и аналитику. С ее помощью спортивный бренд самостоятельно видит и анализирует данные. Также разработка обеспечивает прозрачную оценку взаимодействия между органическим и платным трафиком.

Методология расчета атрибуции:

• Использование сессий для расчета атрибуции.
• Перераспределение трафика между источниками по уникальным правилам.
• Ограничения по окну атрибуции, основанные на внутренних исследованиях.

Целевая аудитория

• Семьи с детьми,
• Молодые женщины,
• Спортстильная молодежь.

Цели

• User Acquisition (привлечение пользователей),
• Re-engagement (повторное вовлечение клиентов).

Задача

Нарастить объем продаж и установок приложения.

Реализация

Креативная коммуникация и маркетинг для ЦА

Использовали личный стиль общения, особенно с молодежной аудиторией:

• следили за трендами;
• создавали подборки образов;
• применяли сленг для близости к аудитории, где это было релевантно;
• экспериментировали с дизайном для свежести коммуникаций.

Семьи с детьми. Делали акцент на эксклюзивные торговые марки и собственные бренды.

• Использовали бренды Columbia, Northland и другие.
• Подчеркнули историю брендов и ассоциацию с природой.

Женская аудитория. Сфокусировались на собственных торговых марках и культовых брендах.

• Новый бренд для йоги и фитнеса — Sensana.
• Рекомендовали Puma, Adidas, Nike.

Молодежь. Работали с культовыми и популярными у молодых ребят брендами.

• Основные бренды: New Balance, Nike, Adidas.
• Дополнительные: Fila, Kappa и подобные.

Настраивали таргетинг на каждый сегмент по:

• Интересам.
• Ключевым запросам.
• Look-alike (сегмент пользователей, похожих на целевую аудиторию).
• CDP* для формирования аудиторных сегментов.
• Ретаргетингу по событиям (помогает решать задачи от удержания до апселлинга).

Сегментировали ретаргетинг для электронной коммерции:

• Собирали логи поведения пользователей.
• Анализировали касания с экраном, события и время на каждом этапе.
• Определяли сегменты с потенциально высокой эффективностью.

Анализ конверсионных сегментов в мобильном приложении

Обращались к горячим конверсионным сегментам. Они показывали высокий перформанс, но были ограниченными в объемах:

• совершение покупок;
• добавление товаров в корзину;
• выбор товаров.

Вопрос масштабирования возник при анализе данных. Первые шаги включали действия с большим объемом, но низким перформансом:

• исследование простых сценариев на верхнем уровне воронки;
• анализ действий пользователей (просмотр карточек и выбор размера).

Обращение к логам данных мобильного приложения «Спортмастер» позволило:

• анализировать каждое касание экрана;
• определять гипотезы для формирования новых конверсионных сегментов.

Заметили, что чем больше карточек товаров просматривает пользователь, тем выше его увлеченность и вероятность покупки.

• Ось X: количество просмотренных карточек товаров.
• Ось Y: конверсии, сессии и пользователи.

Увидели прямую корреляцию: больше просмотров — выше конверсионность.

Анализ конверсии пользователей при просмотре карточек товаров

Влияние количества просмотренных карточек

С увеличением числа просмотренных карточек товаров наблюдали снижение количества пользователей. Однако высокая конверсия сохранилась, что важно для работы с этим сегментом.

Гипотеза о длительности просмотра

Данные показывали, что чем больше времени пользователь тратит на просмотр, тем более осознанным становится его выбор, что приводит к увеличению вероятности покупки.

• Ось X — время просмотра, ось Y — конверсия.
• С полутора минут наблюдается заметный рост конверсии.
• С семи минут количество пользователей сокращается, и конверсия становится менее стабильной.

Механика тестирования сегментов

Масштабировали перформанс-отдачу User Acquisition с помощью рекламных идентификаторов пользователей, полученных в результате установки приложения. Провели сегментацию по микроконверсиям.

Использовали метод АВ-тестирования. Для проверки гипотез сформировали два сегмента: с высокой и низкой конверсией на основе графиков.

Результаты

Гипотеза о среднем времени просмотра карточки товаров не оказалась успешной. ДРР превысил бенчмарки, а конверсия в покупку снизилась.

Гипотеза, основанная на объеме просмотренных карточек товаров, успешно увеличила объем продаж на 15% при сохранении целевых показателей.

Планы

Команда планирует и далее разрабатывать сегменты на основе логов и пересечения данных CDP и MMP**. Также протестируют новую функцию — Full Stream Attribution.

* СDP (Customer Data Platform — система, собирающая информацию о клиенте из разных каналов и объединяющая данные в единый профиль).

** MMP (Minimum Marketable Product — система, которая помогает приложениям измерять эффективность кампаний по разным каналам).