Ключевые ошибки в реактивации игроков и работе с non-depositorsОпытом делится наш постоянный гость
Николай Головатский, фаундер ANALYTIX — независимого консалтинга с экспертизой в iGaming. Передаю слово ↓
Реактивацию в большинстве компаний строят как один рубильник: игрок пропал на N дней — отправляем бонус, ждем возврата. Логика простая, поэтому она почти никогда не работает так, как хочется. Давайте разбираться, почему привычный подход дает сбой и как на самом деле возвращать аудиторию.
⚡️
Ошибка № 1: все non-depositors в одной кучеОбычно под этот ярлык попадают все подряд:
— человек, который зарегистрировался пять минут назад и ещё ничего не успел сделать;
— игрок, который не прошёл верификацию и завис на этом шаге;
— тот, кто пытался внести депозит, но у него не получилось технически;
— тот, кто зашёл, поиграл, получил неудачный первый опыт и не вернулся;
— зевака, который ничего не собирался вносить, а просто смотрел продукт из любопытства;
— бонусхантер, прекрасно понимающий, что он делает.
Это шесть разных людей с шестью разными причинами оттока. А получают они зачастую одно и то же письмо с одинаковым оффером. Человеку, застрявшему на верификации, бонус не поможет — ему нужна помощь с документами. Тому, у кого не прошел платёж, нужно решить проблему с оплатой, а не предлагать увеличенный бонус на несуществующий депозит. Тем, кто просто присматривался, бонус в лоб покажется навязчивым и оттолкнёт ещё сильнее.
Разная причина требует разной коммуникации. Точка отсчёта здесь — не сам факт «не внёс депозит», а причина, почему это не произошло. Достичь этого можно через грамотную сегментацию: чем точнее отправляется оффер, тем выше шанс реактивировать игрока.
Сегментировать нужно не только по сроку жизни, общей ценности и другим стандартным признакам, но и по самому главному — причине оттока. Делать это можно вручную, например, через RFM-анализ, но эффективнее — через алгоритмы ML.
⚡️
Ошибка № 2: начинать реактивацию после оттокаВторая деталь логически вытекает из первой и касается самого подхода к удержанию. Логика «игрок перестал играть — запускаем CRM» в принципе неверная. Реактивация на самом деле начинается ещё до оттока — на этапе устранения самой причины, из-за которой игрок вообще решил уйти. Это может быть:
— слишком долгая регистрация;
— неудобная касса;
— welcome-бонус, который не подошёл или показался непонятным;
— отсутствие игры, которая бы зацепила;
— слишком много обязательных шагов до первого реального действия в продукте.
Отток в этом смысле не разовое событие, а результат нескольких мелких разочарований, накопленных ранее. Поэтому лучшая реактивация — это устранённая проблема до того, как она успела довести человека до оттока. Сколько бонусов ни давай на выходе, это не компенсирует то, что было испорчено на входе.
Работать нужно с причиной, а не с симптомом, и здесь есть конкретный практический шаг: поставить аналитике задачу провести исследование churn-спотов на продукте. Пусть команда покажет точные зоны, точки и сценарии, после которых большинство пользователей уходят. Дальше начинайте прицельно работать именно с этими местами, а не с оттоком вообще.
⚡️
Обе ошибки выше — частностиГлавный смысл глубже: реактивация обязательно должна сопровождаться аналитикой, иначе она не будет эффективной. Можно сегментировать базу сколь угодно тонко, придумать десять офферов под шесть причин оттока. Но вы никогда не узнаете, работает это или нет, если не считаете эффективность каждой отдельной коммуникации. Казалось бы, говорю очевидные вещи. Если бы все так делали, этого абзаца не было бы.
— Сколько игроков конкретно эта рассылка вернула?
— Сколько денег она принесла?
— Окупилась ли она вообще с учётом стоимости бонуса и работы команды?
Без ответов на эти вопросы CRM-отдел может месяцами исправно отправлять письма, раздавать фриспины и показывать красивую активность в отчётах. На деле вы просто сжигаете бюджет: часть этих игроков вернулась бы и без коммуникации, а часть не вернётся при любом оффере.
Разница между «вернулся сам» и «вернулся благодаря кампании» видна только через контрольные группы и нормальный A/B-тест. Сравнение «было / стало» здесь не работает. Нужна ML-сегментация, нужен ML-прогноз оттока, который заранее подсвечивает тех, кто в зоне риска.
🎲 Подписывайтесь на Highroller и на телеграм-канал Николая Головатского
