💼 Кейс: как поведенческие модели подняли продление подписок на 22%
На прошлой неделе я рассказала про один из кейсов с работы. Сегодня расскажу про кейс с консалтинга.
Моя задача была банальной: пользователи продлеваются хуже, чем хотелось бы. Команда попробовала уже несколько разных стратегий, ничего не дало результата, так что привлекли стороннюю точку зрения.
О продукте:
Это сервис, являющийся аналогом OnlyFans, но именно сервис, а не платформа. Создан одним из крупных Европейских OF-агентств.
Посмотрев данные, мы с командой пришли к выводу, что надо работать с тем, что есть.
Взяли в работу три поведенческих сигнала, которые у платформы уже лежали мёртвым грузом:
🤩 вовлечённость в чатах — как часто и охотно человек переписывается с автором контента;
🤩 покупки внутри чата — ритм и объём трат на контент/PPV/рассылки, что приходят ему от авторов;
🤩 retention — сколько пльзователь на платформе и как он продлевается.
Из этих трёх сигналов получилась простая модель. Она показывает кто из подписчиков остывает и вот-вот уйдёт.
Теперь надо было решить, что делать с этими данными.
Что делать с прогнозом:
1️⃣ Реагировать на сигнал.
Например, мы переделали систему пушей и рассылок, сделав фиксацию на поведение пользователя: пропал из чата на N дней, перестал открывать PPV, затух ритм покупок. На примере рассылок: триггером рассылок стало изменение поведения пользователя, а не определённое число/инфоповод. Конечно, тематические рассылки остались, но упор стал именно на те, что срабатывают на поведение пользователя.
2️⃣ Сегментация аудитории.
Мы изменили способ сегментации аудитории, ориентируясь на поведение пользователя и разработав для каждой группы свою стратегию:
🔥 Горячие (активны + покупают). Тут принцип: работает — не трогай. Максимум аккуратный апселл.
⬇️ Остывающие (активность падает). Таким надо возвращать вовлечённость: личное сообщение, больше контакта, только потом работа на продажу.
🌙 Спящие (были активны, но теперь молчат) — win-back с конкретным крючком.
3️⃣ Скидка. Но только там, где аналитика говорит «уйдёт без скидки».
Не надо рассылать промо по всей базе пользавотелей.
4️⃣ Прогрев перед списанием подписки.
За несколько дней до продления пользователю подсвечиваем ценность и анонсируем что ждёт его в будущем.
Результат.
На том проекте за две недели относительно базы продление выросло на 22%, LTV подтянулся следом.
Тут не было ничего сложного. Надо было лишь посмотреть на имеющиеся данные и придумать, как на них отреагировать.
Всё это легко можно переложить на работу со своими пользователями 😏
🤩 Обсудить пост можно в комментариях.
💌 Пообщаться с автором в DM-канала или боте: @pecetsbot
@contentaboutcontent
@contentaboutcontent
@contentaboutcontent
На прошлой неделе я рассказала про один из кейсов с работы. Сегодня расскажу про кейс с консалтинга.
Моя задача была банальной: пользователи продлеваются хуже, чем хотелось бы. Команда попробовала уже несколько разных стратегий, ничего не дало результата, так что привлекли стороннюю точку зрения.
О продукте:
Это сервис, являющийся аналогом OnlyFans, но именно сервис, а не платформа. Создан одним из крупных Европейских OF-агентств.
Посмотрев данные, мы с командой пришли к выводу, что надо работать с тем, что есть.
Взяли в работу три поведенческих сигнала, которые у платформы уже лежали мёртвым грузом:
🤩 вовлечённость в чатах — как часто и охотно человек переписывается с автором контента;
🤩 покупки внутри чата — ритм и объём трат на контент/PPV/рассылки, что приходят ему от авторов;
🤩 retention — сколько пльзователь на платформе и как он продлевается.
Из этих трёх сигналов получилась простая модель. Она показывает кто из подписчиков остывает и вот-вот уйдёт.
Теперь надо было решить, что делать с этими данными.
Что делать с прогнозом:
1️⃣ Реагировать на сигнал.
Например, мы переделали систему пушей и рассылок, сделав фиксацию на поведение пользователя: пропал из чата на N дней, перестал открывать PPV, затух ритм покупок. На примере рассылок: триггером рассылок стало изменение поведения пользователя, а не определённое число/инфоповод. Конечно, тематические рассылки остались, но упор стал именно на те, что срабатывают на поведение пользователя.
2️⃣ Сегментация аудитории.
Мы изменили способ сегментации аудитории, ориентируясь на поведение пользователя и разработав для каждой группы свою стратегию:
🔥 Горячие (активны + покупают). Тут принцип: работает — не трогай. Максимум аккуратный апселл.
⬇️ Остывающие (активность падает). Таким надо возвращать вовлечённость: личное сообщение, больше контакта, только потом работа на продажу.
🌙 Спящие (были активны, но теперь молчат) — win-back с конкретным крючком.
3️⃣ Скидка. Но только там, где аналитика говорит «уйдёт без скидки».
Не надо рассылать промо по всей базе пользавотелей.
4️⃣ Прогрев перед списанием подписки.
За несколько дней до продления пользователю подсвечиваем ценность и анонсируем что ждёт его в будущем.
Результат.
На том проекте за две недели относительно базы продление выросло на 22%, LTV подтянулся следом.
Тут не было ничего сложного. Надо было лишь посмотреть на имеющиеся данные и придумать, как на них отреагировать.
Всё это легко можно переложить на работу со своими пользователями 😏
🤩 Обсудить пост можно в комментариях.
💌 Пообщаться с автором в DM-канала или боте: @pecetsbot
@contentaboutcontent
@contentaboutcontent
@contentaboutcontent