За что компания платит, когда вводит программу
Программа лояльности покупает три разные вещи, и путаница между ними — источник большинства неудачных запусков.
Первое — дополнительные покупки от тех, кто иначе не купил бы или купил бы реже. Ради этого программы и заводят.
Второе — данные. Карта или аккаунт связывает разрозненные чеки в историю одного человека, и без этой связи не работает ни сегментация, ни расчёт пожизненной ценности. Компании, торгующие без идентификации покупателя, часто вводят программу именно за этим, а прирост оборота считают приятным дополнением.
Третье — отказ от ухода. Накопленное создаёт издержку перехода: уходя, клиент теряет заработанное. Издержка эта хрупкая — она равна ровно разнице в условиях и исчезает, как только у соседа условия лучше.
Проблема в том, что платит компания за все три вещи одинаково — скидкой, — а получает часто только вторую. Данные достаются гарантированно, дополнительные покупки не гарантированы никак. Поэтому решение о запуске стоит принимать, ответив на прямой вопрос: если бы программа дала только данные и ноль прироста оборота, вы бы всё равно её ввели? Утвердительный ответ означает, что вы покупаете инфраструктуру и цена вам известна. Отрицательный требует расчёта из следующего раздела.
Арифметика, которую считают после запуска, а надо до
Числа условные, значение имеет пропорция.
Средний чек — 5 000 у. е., маржинальность — 30 %, вклад одной покупки — 1 500 у. е. Клиенты совершают тысячу покупок в месяц, суммарный вклад — 1 500 000 у. е. Программа возвращает 5 % от чека баллами, которые в итоге списываются. Вклад покупки падает до 1 250 у. е.
Если число покупок не изменилось, суммарный вклад станет 1 250 000 у. е. — потеря 250 000. Чтобы вернуться к исходному уровню, нужны дополнительные покупки: 250 000 разделить на 1 250 даёт двести покупок. То есть плюс 20 % к обороту только для выхода в ноль.
Пропорция здесь важнее самих чисел. При скидке в 5 % и марже 30 % требуемый прирост — двадцать процентов, а не пять: скидка достаётся всем покупкам, а прирост появляется только у части клиентов. Чем ниже маржинальность, тем страшнее соотношение — при марже 15 % та же пятипроцентная скидка требует уже пятидесятипроцентного прироста.
Отсюда два практических вывода. Программа с плоской скидкой на весь ассортимент почти всегда убыточна при низкой марже — считать нужно до, а не после. И второй: выгоднее платить не за факт покупки, а за изменение поведения — за возврат после паузы, за переход в более дорогую категорию, за покупку в непиковый период. Тогда скидка достаётся не всем, а только тем, чьё поведение действительно изменилось. Как считается сам вклад и что относить к переменным расходам — в материале о юнит-экономике.
Механики и чем каждая расплачивается
| Механика | Что стимулирует | Чем расплачивается | Когда оправдана |
|---|---|---|---|
| Скидка постоянному клиенту | Ничего конкретного, снижает цену для лояльных | Прямой вычет из вклада каждой сделки | Когда цель — удержать цену ниже конкурента, а не изменить поведение |
| Накопительные баллы | Возврат за следующей покупкой | Обязательство по несписанному, расходы на учёт | Частые покупки, короткий интервал возврата |
| Уровни и статусы | Рост частоты ради удержания уровня | Скидка растёт у тех, кто и так покупает больше всех | Широкий разброс частоты внутри базы |
| Кэшбэк на внутренний счёт | Возврат именно к вам, а не куда-то ещё | То же обязательство плюс ощущение «своих денег» | Ассортимент, в котором есть что купить повторно |
| Платная подписка на условия | Предоплаченную привязанность и отбор | Обязательство обслуживать по льготной цене весь срок | Высокая частота и предсказуемый ассортимент |
| Нематериальные привилегии | Предпочтение без скидки | Нагрузку на процессы и людей | Почти всегда стоит попробовать раньше денежных механик |
Последняя строка требует пояснения, потому что противоречит привычке. Приоритетная запись, ранний доступ к новинке, персональный контакт, продлённый срок возврата, отдельная линия поддержки — всё это не режет вклад сделки. Расход тут другой: время сотрудников и сложность процесса. Он тоже реален, но он не масштабируется линейно с оборотом, а скидка масштабируется.
Механики с уровнями заслуживают отдельной осторожности. Они устроены так, что наибольшую скидку получают клиенты с наибольшей частотой — то есть те, чьё поведение менять не нужно. Прирост при этом ожидается от тех, кто до уровня не дотягивает и с большой вероятностью не дотянет. Проверять такие схемы стоит по срезам: сколько клиентов реально перешло между уровнями за период и сколько застряло у нижней границы; техника среза — в материале о когортном анализе.
Как программа сжигает маржу незаметно
Убыток редко приходит одной строкой. Он собирается из мелких утечек, каждая из которых по отдельности выглядит терпимо.
Оборот вырос, прибыль не изменилась или упала. Скидка распространилась на покупки, которые состоялись бы и так, а прирост пришёл в основном от снижения цены, а не от новых визитов. Посчитайте вклад на покупку до и после запуска и сравните не выручку, а суммарный вклад; если он не вырос, программа перераспределяет деньги из вашего кармана в карман тех же клиентов.
Накопленные баллы списываются волной в одном месяце. Обязательство учитывалось в момент списания, а не начисления, поэтому месяцы до волны выглядели прибыльнее, чем были. Ведите оценку начисленного и несписанного как отдельную величину рядом с выручкой; правило сгорания задавайте на старте, а не вводите задним числом — введённое задним числом вызывает больше недовольства, чем стоило само обязательство.
Клиенты ждут акции и не покупают между ними. Программа научила базу, что полная цена — это цена для невнимательных. Отвязывайте выгоду от календаря и привязывайте к поведению: к возврату после паузы, к сумме периода, к составу корзины. Сопутствующий эффект на средний чек виден по среднему чеку в разрезе участников и остальных.
Участников много, повторные покупки не выросли. В программу вступили те, кто и без неё покупал регулярно, — это отбор, а не эффект. Сравнение участников с неучастниками здесь ничего не измеряет; нужен параллельный запуск на случайно выбранных группах, механика — в материале об A/B-тестах.
Пятый способ сжечь маржу не помещается в таблицу симптомов, потому что не проявляется вовсе: программа занимает место, которое могли занять другие решения. Пока команда обслуживает баллы, она не занимается ни возвратом ушедших, ни первыми днями новых клиентов, а там отдача часто выше и точно дешевле.
Что считать, чтобы понять, работает ли она
Число участников и число выданных карт не измеряют ничего — это счётчик активности отдела, а не результата.
Считать нужно четыре вещи. Первая — суммарный вклад до и после запуска, именно вклад, а не оборот; выручка при работающей скидке растёт почти всегда. Вторая — стоимость программы полностью: списанные баллы плюс несписанное обязательство плюс расходы на учёт и коммуникации. Третья — удержание когорт, вошедших до и после запуска, на одинаковом сроке жизни. Четвёртая — доля ушедших среди участников в сравнении с сопоставимой группой, а не с базой в целом.
Отдельно стоит посмотреть, что произошло с привлечением. Программа иногда работает как аргумент при первой покупке, и тогда часть её стоимости логично относить к привлечению, а не к удержанию. Если этого не сделать, программа выглядит дороже, чем есть, а реклама — дешевле. Ошибка в таком разнесении не остаётся внутри отчёта по программе: решение, куда добавлять деньги, принимают по предельной цене нового и сохранённого клиента, и перекошенная статья искажает обе стороны сравнения привлечения с удержанием.
Данные для всех четырёх чисел живут в CRM-системе, а не в сервисе рассылок и не в кассовой программе. Пока чеки не связаны с человеком, посчитать эффект нечем — и это, кстати, аргумент за то, чтобы первую версию программы сделать максимально дешёвой: её задача на первом этапе не увеличить оборот, а научиться узнавать покупателя.
Границы: где программу заводить не нужно
Редкая покупка. Мебель, ремонт, крупная техника, обучение — интервал между покупками измеряется годами, накопленное забывается, обязательство висит. Здесь работают гарантия, сервис и рекомендация, а не баллы.
Низкая маржинальность. Арифметика из второго раздела при марже ниже двадцати процентов требует прироста, который в реальности не встречается. Программа возможна, но только нематериальная.
Выбор диктуется не вами. Если решение о покупке принимает не тот, кто платит, или продукт покупается по чужому списку требований, привилегии адресату безразличны.
Продукт слабее конкурентов. Программа откладывает уход, но не отменяет его, а отложенный уход обходится дороже: клиент успевает накопить обязательство и уходит вместе с ним. Сначала причины ухода, потом привилегии.
Нет способа спросить участников. Программа требует обратной связи о том, что именно в ней ценно, иначе её улучшают наугад. Минимум — короткий вопрос после эпизода взаимодействия; какой именно спрашивать, разобрано в материалах об индексе удовлетворённости и об NPS, а канал доставки вопроса — в разборе рассылок.
Спорное место
Я утверждаю, что скидочные механики почти всегда переоценены, а нематериальные недооценены, и вижу, где это утверждение слабое.
Нематериальные привилегии не масштабируются. Приоритетная линия поддержки для сотни клиентов — приятная деталь, для десятков тысяч — отдельная служба с расписанием и наймом. В какой-то момент расход на них перестаёт быть меньше скидки, только теперь он ещё и постоянный, от него нельзя отказаться в плохой квартал одним решением. Скидка в этом смысле честнее: она пропорциональна обороту и выключается мгновенно. Если без денежной механики не обойтись, выбор между прямой скидкой и начислением на будущие покупки зависит от того, что нужно получить, — первую покупку или возврат, — и эта развилка посчитана в сравнении скидки с бонусом.
Второе возражение против себя серьёзнее. Вся арифметика второго раздела считает эффект программы на существующих клиентах, а часть её эффекта приходится на тех, кто не пришёл бы вовсе. Этот вклад посчитать почти невозможно: он проявляется в момент выбора между вами и соседом, о котором вы никогда не узнаете. Если он велик, мои расчёты систематически занижают отдачу, и программы выглядят хуже, чем есть.
Признаю и границу собственного рецепта про случайное распределение групп. Он методически верен и организационно почти неисполним: объяснить, почему одна половина базы получает привилегии, а другая нет, тяжело, а обнаружение этого клиентами обходится дороже полученного знания. Практический компромисс — запускать программу на одной территории, одном канале продаж или одной категории и держать остальное без изменений достаточно долго, чтобы разница успела проявиться. Это хуже честного эксперимента и заметно лучше, чем сравнивать участников с неучастниками, — а именно так эффект программ лояльности измеряют чаще всего.
Частые вопросы
С какого объёма базы имеет смысл заводить программу лояльности?
Что лучше — баллы или прямая скидка?
Как учитывать несгоревшие баллы?
Можно ли измерить эффект программы честно?
Программа лояльности удерживает клиента от ухода к конкуренту?