لیوایز فقط یک برند پوشاک نیست؛ یکی از شناخته‌شده‌ترین نام‌ها در تاریخ مد و خرده‌فروشی است. برندی که بیش از ۱۷۰ سال سابقه دارد و برای خیلی از مشتریان، با کیفیت، دوام و سبک زندگی گره خورده است. اما حتی برندی در این ابعاد هم با یک چالش مهم روبه‌روست: چطور می‌توان رابطه با مشتری را بعد از خرید اول ادامه داد و او را به خرید دوباره برگرداند؟
در نمونه‌کاوی لیوایز برزیل، مسئله اصلی همین بود. این برند دیتابیس بزرگی از مشتریان داشت، اما می‌خواست ارتباط با آن‌ها را شخصی‌تر، دقیق‌تر و قابل‌اندازه‌گیری‌تر کند. لیوایز برزیل حدود ۵۰۰ هزار مخاطب فعال در دیتابیس خود داشت و به دنبال راهی بود تا وفاداری مشتری، نرخ بازگشت و خرید تکراری را افزایش دهد.
چالش لیوایز چه بود؟
لیوایز برزیل با چند چالش هم‌زمان روبه‌رو بود: اجرای کمپین‌های شخصی‌سازی‌شده در مقیاس بالا، اتصال داده‌های آنلاین و آفلاین، محدودیت منابع تیمی و نیاز به شناخت بهتر رفتار مشتریان.
را از دست ندهید:مطالب جذاب
قبل از تغییر رویکرد، ارتباطات بازاریابی بیشتر به شکل ارسال‌های عمومی انجام می‌شد. یعنی پیام‌ها برای گروه‌های بزرگی از مخاطبان ارسال می‌شدند، بدون اینکه رفتار خرید، علاقه‌مندی محصولی، بازدید سایت یا مرحله حضور مشتری در مسیر خرید به اندازه کافی در تصمیم‌گیری دخیل باشد.
این مدل برای برندی مثل لیوایز یک محدودیت جدی ایجاد می‌کرد. چون مشتریان این برند شبیه هم نبودند. بعضی مشتریان وفادار بودند و مدل‌های محبوب خودشان را می‌شناختند. بعضی فقط از سایت بازدید کرده بودند. بعضی محصولی را به سبد خرید اضافه کرده اما خرید را کامل نکرده بودند. بعضی منتظر موجود شدن یا کاهش قیمت یک محصول بودند. بنابراین یک پیام یکسان برای همه، نمی‌توانست بهترین نتیجه را بسازد.
لیوایز چطور مسیر را تغییر داد؟
نقطه تغییر برای لیوایز، استفاده بهتر از داده‌های مشتری بود. این برند تلاش کرد داده‌های رفتاری، محصولی و فروش را کنار هم قرار دهد تا تصویر دقیق‌تری از مشتریان به دست بیاورد. در کیس اصلی، به سه لایه مهم داده اشاره شده است: داده رفتاری، داده محصول و داده فروش.
این داده‌ها به لیوایز کمک کردند بفهمد مشتریان چه محصولاتی را می‌بینند، چه چیزهایی می‌خرند، کجا خرید را رها می‌کنند و چه زمانی احتمال بازگشت یا خرید دوباره دارند. به‌جای اینکه کمپین‌ها فقط بر اساس تقویم فروش یا تخفیف اجرا شوند، رفتار واقعی مشتری به نقطه شروع ارتباط تبدیل شد.
این دقیقاً همان جایی است که مارکتینگ اتومیشن از «ارسال پیام» فراتر می‌رود. برند فقط پیام نمی‌فرستد؛ بلکه بر اساس رفتار مشتری تصمیم می‌گیرد چه پیامی، در چه زمانی و از چه کانالی ارسال شود.
تاکتیک‌هایی که به خرید تکراری کمک کردند
لیوایز برای افزایش تعامل و خرید تکراری، چند سناریوی مهم را اجرا کرد. از جمله پیام خوشامدگویی، یادآوری بازدید رهاشده، سبد خرید رهاشده، موجود شدن دوباره محصول و کاهش قیمت. این تاکتیک‌ها در کیس اصلی به‌عنوان اقدام‌های کلیدی برای بهبود Retention و Repurchase معرفی شده‌اند.
سناریوی خوشامدگویی کمک می‌کند رابطه با مشتری از همان اولین تعامل درست شروع شود. وقتی کاربر ایمیل یا شماره موبایل خود را در اختیار برند می‌گذارد، اولین پیام می‌تواند نقش مهمی در شکل‌گیری اعتماد و علاقه اولیه داشته باشد.
سناریوی بازدید رهاشده برای کاربرانی کاربرد دارد که محصولی را دیده‌اند اما وارد مرحله خرید نشده‌اند. این گروه علاقه نشان داده‌اند، اما به یک یادآوری، پیشنهاد بهتر یا انگیزه بیشتر نیاز دارند.
سبد خرید رهاشده هم یکی از مهم‌ترین فرصت‌های درآمدی برای فروشگاه‌های آنلاین است. کاربر محصول را انتخاب کرده، اما خرید را کامل نکرده است. ارسال پیام درست در این مرحله می‌تواند بخشی از فروش از دست‌رفته را برگرداند.
پیام‌های «موجود شد» و «کاهش قیمت» هم به نیاز واقعی مشتری نزدیک‌اند. اگر مشتری قبلاً به محصولی علاقه نشان داده، اطلاع‌رسانی درباره موجود شدن یا تغییر قیمت آن می‌تواند هم تجربه بهتری بسازد، هم احتمال خرید را بالا ببرد.
نتیجه چه شد؟
نتایج این تغییر برای لیوایز قابل توجه بود. طبق داده‌های کیس اصلی، بیش از ۳۰٪ از درآمد آنلاین لیوایز برزیل در شش ماه اول اجرای این رویکرد، به اتوماسیون‌ها نسبت داده شد. همچنین این برند ۳۲٪ رشد درآمد، ۷٪ افزایش میانگین ارزش سفارش در ۵ ماه و بیش از ۱۵ هزار مشتری درگیر با تاکتیک‌های خرید تکراری و تعامل را تجربه کرد.
این اعداد نشان می‌دهد وقتی داده مشتری درست استفاده شود، کمپین‌ها فقط باعث افزایش ارسال نمی‌شوند؛ می‌توانند روی درآمد، خرید تکراری و ارزش سفارش هم اثر بگذارند.
نکته مهم‌تر این است که لیوایز این تغییر را با یک تیم چابک و منابع محدود پیش برد. یعنی موفقیت مارکتینگ اتومیشن فقط به بزرگ بودن تیم وابسته نیست؛ به این بستگی دارد که داده، ابزار و سناریوها چقدر درست کنار هم قرار بگیرند.
درس لیوایز برای کسبوکارهای ایرانی
تجربه لیوایز برای کسبوکارهای ایرانی هم کاملاً قابل استفاده است. بسیاری از فروشگاه‌های آنلاین، اپلیکیشن‌ها، برندهای خرده‌فروشی و کسبوکارهای خدماتی، امروز داده زیادی از مشتریان خود دارند. اما مسئله این است که این داده‌ها همیشه به کمپین‌های دقیق و قابل اجرا تبدیل نمی‌شوند.
اولین درس این کیس این است که همه مشتری‌ها نباید پیام یکسان بگیرند. کاربر تازه‌وارد، مشتری وفادار، مشتری غیرفعال، بازدیدکننده محصول، رهاکننده سبد خرید و مشتری منتظر تخفیف، هرکدام نیاز متفاوتی دارند.
درس دوم این است که خرید تکراری اتفاقی ساخته نمی‌شود. برند باید بعد از خرید اول، مسیر ارتباطی مشخصی با مشتری داشته باشد؛ از پیام تشکر و راهنمایی گرفته تا پیشنهاد خرید بعدی، یادآوری محصول، اطلاع‌رسانی موجودی و پیشنهادهای مرتبط.
درس سوم این است که تخفیف تنها راه بازگرداندن مشتری نیست. اگر برند بتواند علاقه‌مندی، رفتار و زمان مناسب را تشخیص دهد، می‌تواند با پیام‌های مرتبط‌تری مشتری را به خرید نزدیک کند، بدون اینکه همیشه به کاهش قیمت وابسته باشد.
زبلاین چطور می‌تواند به کسبوکارهای ایرانی کمک کند؟
زبلاین برای همین نوع چالش‌ها طراحی شده است؛ اینکه کسب‌وکارها بتوانند داده مشتری را به ارتباط هدفمند، خودکار و قابل‌اندازه‌گیری تبدیل کنند.
با زبلاین، کسب‌وکارها می‌توانند کاربران را بر اساس رفتار، سابقه خرید، تعامل، علاقه‌مندی یا مرحله حضور در مسیر مشتری سگمنت‌بندی کنند. برای مثال، می‌توان گروه‌هایی مثل کاربران تازه‌وارد، مشتریان وفادار، مشتریان غیرفعال، کاربران دارای سبد خرید رهاشده یا کسانی که چند بار از یک محصول بازدید کرده‌اند را جدا کرد.
بعد از سگمنت‌بندی، می‌توان برای هر گروه Journey مناسب ساخت. مثلاً برای کاربر تازه‌وارد مسیر خوشامدگویی طراحی شود، برای سبد خرید رهاشده پیام یادآوری ارسال شود، برای مشتری غیرفعال کمپین بازگشت اجرا شود و برای مشتری وفادار پیشنهاد اختصاصی در نظر گرفته شود.
زبلاین همچنین امکان اجرای کمپین در کانال‌هایی مثل ایمیل، پیامک، وب‌پوش و اپ‌پوش را فراهم می‌کند. اما مزیت اصلی فقط تعدد کانال‌ها نیست؛ مهم این است که این کانال‌ها در یک مسیر هماهنگ استفاده شوند. یعنی پیام‌ها پراکنده نباشند و هر ارتباط، ادامه منطقی رفتار قبلی مشتری باشد.
برای آشنایی بیشتر با قابلیت‌ها و امکانات زبلاین، درخواست دمو ثبت کنید.
نمونه‌کاوی‌های بیشتر در بلاگ زبلاین
اگر به بررسی نمونه‌های واقعی مارکتینگ اتومیشن در برندهای بزرگ علاقه‌مندید، پیشنهاد می‌کنیم نمونه‌کاوی‌های دیگر بلاگ زبلاین را هم بخوانید. در این مقالات می‌بینید برندهایی مثل نایکی، برگر کینگ و پیتزا هات چطور با استفاده از داده مشتری، سگمنت‌بندی، کمپین‌های چرخه عمر و پیام‌رسانی هدفمند، ارتباط با مشتریانشان را هوشمندتر کرده‌اند.
مطالعه این نمونه‌ها کمک می‌کند بهتر ببینیم مارکتینگ اتومیشن فقط مخصوص برندهای جهانی نیست؛ بلکه منطق آن برای کسبوکارهای ایرانی هم قابل اجراست. از بازگرداندن مشتریان غیرفعال گرفته تا افزایش خرید تکراری، شخصی‌سازی پیام‌ها و تحلیل اثر واقعی کمپین‌ها، هر کدام از این کیس‌ها می‌توانند ایده‌ای کاربردی برای طراحی کمپین‌های بعدی شما باشند.
