Превращаем бизнес в систему, используя инженерный подход основанный на данных.
Кейс: Расчет стоимости клиента (CAC)
Как мы внедрили расширенную атрибуцию CAC и перестали обманывать себя средними цифрами
/ Введение
В маркетинге есть одна опасная ловушка — Blended CAC (средняя стоимость привлечения клиента).
Когда вы просто делите весь бюджет на всех клиентов, вы видите «красивую» цифру, но не понимаете, что происходит "под капотом".
В этом кейсе мы разберем, как коммерческая компания перешла от плоских расчетов к модели расширенной атрибуции, учитывающей «время дозревания» клиента и стоимость его «дожима» до покупки, а так же влияние маркетинга на повторные продажи.
Когда вы просто делите весь бюджет на всех клиентов, вы видите «красивую» цифру, но не понимаете, что происходит "под капотом".
В этом кейсе мы разберем, как коммерческая компания перешла от плоских расчетов к модели расширенной атрибуции, учитывающей «время дозревания» клиента и стоимость его «дожима» до покупки, а так же влияние маркетинга на повторные продажи.
/ Проблема: «Слепая зона» в 30 дней и «страшные» цифры
“Слепая зона”, это период от регистрации до первой покупки. Человеку нужно какое то время для знакомства с продуктом и достичь “aha-момента”, чтобы решиться на покупку.
По нормальному период берется шире, от первого контакта с сайтом до первой покупки. Регистрация, это всего лишь одна из контрольных точек, через которые мы ведем лида к оплате. Но в нашем случае, отслеживания незарегистрированных пользователей не велось, поэтому мы решили отталкиваться от регистрации.
Для расчета мы взяли всех пользователей за все время (период в 5 лет) и посчитали по каждому юзеру количество дней от регистрации до первой покупки. Из расчета убрали всех, кто купил в день регистрации. Такие пользователи скорее всего были знакомы с продуктом и знали, что покупают. Некоторые из продуктов можно скачать демо-версии без регистрации и пробовать локально, на своем ПК.
Расчет был по среднему медианному значению.
percentile_cont(0.5) within group(order by case when days_to_pay != 0 then days_to_pay end)
В нашем случае получилось, что в среднем нужно 30 дней юзеру, чтобы прийти к покупке. Соответственно бюджет на привлечение/регистрации мы берем из прошлого месяца.
Мы разделили затраты. Стоимость первичного привлечения (регистрации) мы берем из прошлого месяца (n-30), а стоимость «дожима» до покупки из текущего.
Было бы ошибкой считать расходы на маркетинг и регистрации в одном месяце, игнорируя цикл принятия решения.
Если мы запишем все расходы на февраль, мы получим искаженную картину.
- Клиент видит рекламу и регистрируется в январе.
- Клиент «думает», получает рассылки и ретаргетинг, и покупает в феврале.
Если мы запишем все расходы на февраль, мы получим искаженную картину.
Наше решение: Модель n-30
Вторая ошибка, это пытаться окупить весь рекламный бюджет только за счет первой покупки нового клиента.
Второй пункт часто приводит маркетологов в ужас: если сложить стоимость привлечения и стоимость ретаргетинга, CAC (стоимость клиента) может быть сильно завышен.
Но бюджет на ретаргетинг в рассматриваемый период не ограничивается только первыми покупками. В эту рекламную кампанию “залетают” и повторные покупки. Об этом подробнее ниже.
/ Разделяем понятия: Что такое «Дожим»?
Чтобы расчет был точным, мы разделили «маркетинговый дожим» и «операционный дожим».
В нашей модели CAC 1.1 (самый дорогой клиент) — это человек, который собрал «тройной чек»: мы заплатили за его регистрацию, потом заплатили за его ретаргетинг, и сверху наложились расходы на работу отдела продаж.
- Маркетинговый / рекламный дожим (Retargeting): Это платные кампании в соцсетях или поиске, которые «догоняют» пользователя.
- Операционный дожим (Sales Expenses): Это расходы на продажи (CRM-рассылки, контент, работа менеджеров, телефония).
В нашей модели CAC 1.1 (самый дорогой клиент) — это человек, который собрал «тройной чек»: мы заплатили за его регистрацию, потом заплатили за его ретаргетинг, и сверху наложились расходы на работу отдела продаж.
/ Повторные покупки (LTV)
Рекламный бюджет работает не только на новичков.
Если мы делим весь бюджет ретаргетинга только, например, на 10 новых клиентов, стоимость одного юнита получается заоблачной. Но реальность такова:
Если мы делим весь бюджет ретаргетинга только, например, на 10 новых клиентов, стоимость одного юнита получается заоблачной. Но реальность такова:
- Реклама «догоняет» и тех, кто уже покупал раньше.
- CRM-рассылки и контент стимулируют повторные заказы.
- Повторный клиент обходится нам дешевле, но он тоже потребляет ресурс маркетинга.
Решение: Мы изменили знаменатель. Теперь при расчете удельной стоимости (Unit Cost) мы делим бюджет на общее количество транзакций, на которые повлиял маркетинг (новые + повторные).
Результат: Стоимость за одно целевое действие упала до адекватных значений. Экономика сходится за счет жизненного цикла клиента (LTV).
Результат: Стоимость за одно целевое действие упала до адекватных значений. Экономика сходится за счет жизненного цикла клиента (LTV).
/ Сегментация «Пути клиента»
Техническая вставка: Как это реализовано в Google Таблицах
Мы добавили в таблицу блок «Повторные покупки по каналам», чтобы корректно распределить нагрузку бюджета.
1. Расчет расширенного CAC
Теперь формула учитывает, что рекламный бюджет «размазывается» на большую массу заказов.
Excel
= SUMPRODUCT (Цены_с_учетом_всех_транзакций; Доли_сегментов)
Excel
= SUMPRODUCT (Цены_с_учетом_всех_транзакций; Доли_сегментов)
2. Структура сегментов (1.1 - 1.4)
/ FAQ: Ответы на вопросы
Почему бюджет на дожим в расчете на одного человека такой высокий?
Потому что купивших всегда меньше, чем зарегистрировавшихся. Бюджет ретаргетинга делится на узкую воронку «платных оплат», поэтому удельный вес (Unit) этого этапа значителен. Но это компенсируется высокой конверсией в повторные продажи.
Потому что купивших всегда меньше, чем зарегистрировавшихся. Бюджет ретаргетинга делится на узкую воронку «платных оплат», поэтому удельный вес (Unit) этого этапа значителен. Но это компенсируется высокой конверсией в повторные продажи.
Как учитывать расходы на отдел продаж (Sales Expenses) для органики?
Мы не считаем их нулевыми. Для «органиков» мы закладываем базовый кост (поддержка платформы, авто-рассылки). А для «платных» клиентов — повышенный, так как их активнее ведут продажи.
Мы не считаем их нулевыми. Для «органиков» мы закладываем базовый кост (поддержка платформы, авто-рассылки). А для «платных» клиентов — повышенный, так как их активнее ведут продажи.
Не слишком ли сложно так дробить данные?
Сложно, пока не увидишь первый отчет. Это дает понимание: «платный» трафик не убыточен, он — топливо, которое запускает маховик повторных продаж. Без этого понимания вы рискуете отключить работающие каналы просто потому, что их CAC первого касания кажется слишком высоким.
Сложно, пока не увидишь первый отчет. Это дает понимание: «платный» трафик не убыточен, он — топливо, которое запускает маховик повторных продаж. Без этого понимания вы рискуете отключить работающие каналы просто потому, что их CAC первого касания кажется слишком высоким.
/ Итог кейса
Переход на расширенную атрибуцию с учетом повторных покупок позволил нам:
Главный вывод: Считайте не только новых клиентов, но и транзакции. Рекламный бюджет, это инвестиция в базу, которая будет приносить деньги снова и снова.
- Перестать бояться платного трафика. Мы увидели его реальную окупаемость в долгосроке.
- Уточнить нагрузку на отдел продаж. Мы поняли, сколько реально стоит «дожим» разного типа клиентов.
- Свести экономику. Теперь Blended CAC, это не случайное число, а управляемый показатель, учитывающий все нюансы пути клиента.
Главный вывод: Считайте не только новых клиентов, но и транзакции. Рекламный бюджет, это инвестиция в базу, которая будет приносить деньги снова и снова.
/ ПОЛУЧИТЕ КОНСУЛЬТАЦИЮ
Узнайте как бизнес-аналитика может оптимизировать ваш бизнес.
Нажимая на кнопку, вы соглашаетесь с политикой конфиденциальности.
