О компании и задаче
ВсеИнструменты.ру - крупный онлайн-магазин товаров для дома, дачи, строительства и ремонта, основанный в 2006 году. База email-подписчиков компании насчитывает около 1,9 миллиона человек, и эффективная работа с ней напрямую влияет на коммерческие показатели.
Команда маркетинга поставила перед собой две взаимосвязанных задачи: повысить вовлеченность подписчиков (open rate, click rate) и при этом сократить долю отписок. Дополнительным приоритетом было снижение ручной нагрузки на аналитиков, которые тратили по 3-3,5 часа на подготовку каждого сегмента вручную.
Как сегментировали базу раньше
До внедрения автоматизации разбивку аудитории по интересам и предпочтениям выполнял аналитик вручную. Специалист анализировал историю покупок и просмотров каждого клиента, строил сегменты и передавал их маркетологам. Этот процесс занимал несколько часов и требовал участия квалифицированного сотрудника при каждой рассылке.
Логика сегментации при этом была простой: нужно определить, какие товары клиент покупал или просматривал чаще всего, и затем отправить ему релевантное предложение. Однако делать это в нужном масштабе и с нужной скоростью вручную становилось всё сложнее по мере роста базы.
Автосегментация на основе вычисляемых полей
Решением стало подключение инструмента автоматической сегментации на основе вычисляемых полей в CDP-платформе. Механизм работает так: каждую ночь система автоматически анализирует историю заказов и просмотров каждого подписчика и определяет его любимую товарную категорию.
Например, если клиент дважды покупал стройматериалы и трижды - электроинструменты, система фиксирует «Инструменты» как приоритетную категорию и учитывает это при следующей отправке. В результате подписчик получает предложение, соответствующее его реальным интересам, а не усреднённый массовый контент.
Антон Каретников, старший маркетолог «ВсеИнструменты.ру», рассказывает о начале проекта:
Менеджер платформы знала о нашей проблеме и предложила поучаствовать в доработке и протестировать автоматическую сегментацию на основе вычисляемых полей. Мы хотели делить клиентов по двум признакам: наиболее часто покупаемая категория или подкатегория товаров, и категория, которую клиент просматривал чаще всего. За несколько дней нам настроили нужные дополнительные поля в клиентском профиле.
Вычисляемые поля поддерживают разные типы данных для сегментации:
- Категория или подкатегория, которую клиент покупал чаще всего
- Категория или подкатегория, которую клиент просматривал чаще всего
- Конкретные продукты, которые клиент заказывает или изучает наиболее регулярно
Важный нюанс: клиентская база «ВсеИнструменты.ру» распределяется неравномерно. У 74% подписчиков заполнено поле по истории покупок, у 17% - по просмотрам. Это соотношение учли при формировании тестовых групп.
Методика тестирования с контрольной группой
Вычисляемые поля в первую очередь протестировали на партнерских рассылках - письмах совместно с брендами-партнерами магазина.
В качестве ключевых метрик выбрали open rate, click rate и unsubscribe rate. От ориентации на конверсию в заказ или выручку с письма сознательно отказались: с учетом длинного цикла принятия решения о покупке ждать статистически значимых данных пришлось бы около трех месяцев. За такой срок сложно достоверно установить, что именно конкретное письмо повлияло на совершение заказа. Прокси-метрики, напротив, позволяют быстро оценить релевантность и качество коммуникации.
Выборка для тестов составила 1,9 млн email-подписчиков. Каждый тест проводился на всей базе с разбивкой на группы по типу заполненного вычисляемого поля и контрольную группу без персонализации. Статистическая значимость результатов - 95%.
Тест 1: рассылка по сварочным аппаратам Inforce
В первом тесте продвигались сварочные аппараты бренда Inforce. Тестовую группу составляли только те подписчики, у которых в вычисляемом поле стояла категория «Сварка» - по покупкам или по просмотрам. Контрольная группа получала ту же рассылку, но без сегментации по интересам.
По итогам теста тестовая группа показала статистически значимое превосходство по всем трем метрикам: open rate был выше на 1,5 п. п., click rate - на 4,8 п. п., а unsubscribe rate снизился на 0,1 п. п. по сравнению с контрольной группой.
Итоговые результаты и экономический эффект
Дмитрий Комиссаров, руководитель департамента интернет-рекламы «ВсеИнструменты.ру», так комментирует итоги:
Когда мы внедрили автосегментацию по интересам, эффект оценивали по прокси-метрикам: open rate, click rate, unsubscribe rate. Их прирост измеряли при помощи теста с контрольной группой. Участники тестовой группы получали персонализированные письма, соответствующие их интересам, и реагировали на них заметно активнее.
Помимо роста метрик рассылок, внедрение автосегментации дало измеримый операционный эффект: команда маркетинга стала экономить до 3,5 часов рабочего времени аналитика при подготовке каждой рассылки. Теперь сегментация базы выполняется автоматически, без ручного участия специалиста.
Что даёт персонализация по товарным интересам
Кейс «ВсеИнструменты.ру» наглядно показывает, что даже базовый уровень персонализации - подбор аудитории по любимой товарной категории - даёт измеримый прирост вовлеченности. При масштабе в 1,9 млн подписчиков даже рост open rate на 1,5 п. п. означает десятки тысяч дополнительных открытий с каждой рассылки.
Персонализация по интересам работает по нескольким причинам:
- Релевантность контента. Подписчик видит предложение, соответствующее его реальным потребностям, а не случайный набор товаров.
- Снижение «усталости от рассылок». Когда письмо воспринимается как полезное, а не как шум, отписки сокращаются.
- Высокая скорость получения результата. Прокси-метрики (открытия, клики) фиксируются уже через день-два после отправки, что позволяет быстро итерировать.
Применимость подхода
Описанная механика применима к любому интернет-магазину с широким ассортиментом и накопленной историей поведения пользователей. Ключевые условия успеха:
- Наличие данных о покупках и просмотрах в едином профиле клиента
- Инструмент автоматического расчета предпочтений (вычисляемые поля или аналогичная механика)
- Возможность динамической сегментации аудитории при отправке рассылок
- Тестирование с контрольной группой для корректной оценки эффекта
Без контрольной группы результаты сложно интерпретировать: рост open rate может объясняться изменением темы письма, временем отправки или сезонностью. Изолированное тестирование сегментации позволяет получить чистую оценку именно этого фактора.
Выводы
Автоматическая сегментация по товарным интересам в «ВсеИнструменты.ру» подтвердила свою эффективность на выборке в 1,9 млн подписчиков. Рост open rate составил от 1,5 п. п., click rate - от 4,8 п. п., unsubscribe rate снизился. Одновременно команда сократила трудозатраты на подготовку рассылок на 3,5 часа за итерацию.
Оригинальный кейс опубликован на CDP-платформа Journal.
