Автоматический анализ лояльности
посетителей
Крайнюю актуальность в настоящее время приобретает не только привлечение новых посетителей, но и их последующее удержание. Но встает вопрос — как оценить лояльность?
Программы лояльности, построенные на использовании карт, могут давать подобную статистику, но они охватывают только часть покупателей, о лояльности которых уже известно, и совершенно не учитывают посетителей, поэтому не дают полной картины. А в большинстве торговых центров и вовсе не предусмотрено карт лояльности.
У Rstat есть решение, позволяющее автоматически собирать данные о лояльности посетителей. Это решение принципиально отличается от статистики по картам лояльности и анкетированию.
MAC-адрес — это уникальный идентификатор, присваиваемый каждой единице сетевого оборудования. Конечно, такой способ сбора данных не даст полной картины, но зато не ранжирует посетителей и покупателей, поэтому выборка получается более представительной. Для считывания mac-адреса посетители не обязательно должны быть подключены к какой-либо сети, идентификация в большинстве случаев возможна просто при включенном WiFi на мобильном устройстве.
Кстати, собираемые таким образом данные не попадают под Федеральный закон РФ от 27 июля 2006 года № 152-ФЗ «О персональных данных», так как данные содержат в себе только уникальные идентификаторы мобильных устройств без привязки к владельцам.
Отчеты, получаемые при автоматической оценке лояльности
| Тип отчета | Описание, практическое применение |
| Соотношение посетителей |
Выделяются три категории: • новые посетители (mac-адреса, определенные впервые), • вернувшиеся (mac-адреса, которые уже были определены), • посетители без WiFi (сопоставление WiFi-статистики с данными, полученными от сенсоров подсчета посетителей). Данный отчет максимально интересен по прошествии некоторого времени, когда накапливается база данных mac-адресов посетителей. Данное соотношение служит для оценки репрезентативности выборки. |
| Динамика возвращений |
Отчет, показывающий, растет или уменьшается количество вернувшихся посетителей. Прекрасно подходит для оценки проведенных рекламных акций.
Пример 1: была проведена смс-рассылка посетителям, оставившим ранее свои контактные данные. Появление всплеска возвратов свидетельствует от интересности предложения для целевой аудитории. Пример 2: проведена уличная акция по раздаче флаеров с целью расширения группы охвата аудитории. В таком случае об успешности рекламной акции свидетельствует всплеск новых посетителей. |
| Количество возвращений | Сегментирование посетителей по группам в зависимости от частоты возвратов. Для каждого типа магазинов, как и для разных классов ТРЦ, нормальными будут являться разные количества возвращений, ведь продуктовые магазины люди посещают намного чаще ювелирных магазинов. Выявление нормального для каждого объекта количества возвратов позволяет в дальнейшем планировать мероприятия по удержанию лояльных клиентов и оценивать их результативность. |
| Среднее проведенное время, анализ по данным WiFi | Показатель для оценки интересности объекта для посетителей. Чем больше времени люди проводят внутри, тем больше данный объект соответствует ожиданиям посетителей и тем больше их потребностей может удовлетворить, что в конечном итоге влияет на величину среднего чека. |
