KTO ZBIERA PUNKTY? TD Fashion Pulse, Warszawa, Kwiecień 2016

Transkrypt

1 KTO ZBIERA PUNKTY? TD Fashion Pulse, Warszawa, Kwiecień 2016

2 PAYBACK? To te punkty za tankowanie na BP 2

3 PAYBACK? To te punkty za faktury Orange 3

4 PAYBACK? To te punkty za zakupy w Empiku 4

5 PAYBACK to te punkty u blisko 600 partnerów i 7000 POS'ów GŁÓWNI PARTNERZY: OFICJALNI PARTNERZY: SKLEPY INTERNETOWE: ZAKUPY ONLINE ZACZYNAJ NA PAYBACK.PL MOJE MIASTO PAYBACK: KATEGORIE GASTRONOMIA SPORT I AKTYWNOŚCI NOCLEGI I PODRÓŻE ZDROWIE I URODA KULTURA I ROZRYWKA INNE 5

6 Prosty mechanizm Zbieranie punktów u wielu partnerów za pomocą jednej karty Płatność punktami u wybranych partnerów Programu i wymiana punktów na nagrody 6

7 Ogromne oddziaływanie 16,9 mln 7,0 mln użytych kart aktywnych klientów w ostatnich 12m 104 mln 63 mld 65 mln transakcji z użyciem karty PAYBACK w 2015 roku zebranych punktów o łącznej wartości 630 mln zł wartość punktów wymienionych na nagrody w Programie 63% Penetracja Programu wśród gospodarstw domowych w 10 największych miastach w Polsce 7 50% wspomagana świadomość marki PAYBACK 48x Uczestnicy Programu korzystają średnio z partnerów PAYBACK 3 średnio tyle razy używana jest karta PAYBACK w ciągu roku

8 To kto zbiera punkty? 8

9 Profil Uczestnika Programu PAYBACK 49% mężczyzn, 51% kobiet Średnia wieku 41 lat 2,7 osób w gospodarstwie domowym Mediana deklarowanych zarobków na poziomie między 2000 a 3000 PLN Kilka milionów rekordów w bazie ( , nr telefonu, poczta) 9

10 To kto zbiera punkty w sklepach online? 10

11 Profil kupujących w sklepach online Na podstawie ankiety przeprowadzonej wśród Uczestników PAYBACK aktywnych w e-sklepach 46% użytkowników deklaruje, że korzysta z AdBlock'a 56% użytkowników robi zakupy w sklepach z odzieżą i obuwiem (najpopularniejsza kategoria) Prawie 70% użytkowników robi zakupy co najmniej kilka razy w miesiącu 72% użytkowników deklaruje wykształcenie wyższe 40% mieszka w miastach powyżej 300 tys. mieszkańców Prawie 74% jest w wieku od 25 do 44 lat 59% kobiet, 41% mężczyzn 11

12 Czy ta grupa jest jednorodna? 12

13 Częstotliwość Segmentacja RFV - w oparciu o dane transakcyjne Średnia wartość zamówienia Prezentowcy Wysokie koszyki Niskie koszyki VIP Niskie koszyki Prezentowcy Wysokie koszyki VIP 13

14 Segmentacja RFV roczna wartość klienta Niskie koszyki Prezentowcy Wysokie koszyki VIP 2 276,6 100,0 97,7 693,7 Niskie koszyki Prezentowcy Wysokie koszyki VIP 14

15 Segmentacja RFV najpopularniejsze kategorie sklepów Niskie koszyki Prezentowcy Wysokie koszyki VIP jedzenie zakupy grupowe książki jedzenie zdrowie i uroda moda elektronika moda wszystko 15

16 Segmentacja RFV płeć aktywnych Niskie koszyki Prezentowcy Wysokie koszyki VIP 56,6 43,4 43,1 56,9 50,2 49,8 39,9 60,1 Niskie koszyki Prezentowcy Wysokie koszyki VIP 16 Mężczyźni Kobiety

17 Segmentacja RFV wiek aktywnych Niskie koszyki Prezentowcy Wysokie koszyki VIP 28,8 44,3 41,6 30,2 41,1 35,6 40,7 37,8 17,3 12,8 9,8 10,8 11,4 6,3 6,8 4,6 4,5 4,5 4,6 2,6 0,7 1,1 1,1 0,9 Niskie koszyki Prezentowcy Wysokie koszyki VIP

18 Segmentacja RFV status zawodowy aktywnych Niskie koszyki Prezentowcy Wysokie koszyki VIP 38,7 45,3 46,2 50,5 24,3 10,9 6,0 13,0 4,9 2,2 13,5 8,2 11,3 12,9 5,6 3,2 15,5 9,9 11,3 5,4 2,7 9,1 16,3 10,5 7,7 3,1 4,6 7,3 Niskie koszyki Prezentowcy Wysokie koszyki VIP Manager Self employed Office worker Manual worker Housewife Not employed Student 18

19 Segmentacja RFV wynagrodzenie aktywnych Niskie koszyki Prezentowcy Wysokie koszyki VIP 28,4 23,1 22,0 28,0 26,8 23,5 25,4 24,5 30,7 24,4 25,0 33,9 15,8 10,6 11,6 10,1 10,4 9,0 8,6 8,1 Niskie koszyki Prezentowcy Wysokie koszyki VIP PLN PLN PLN PLN 4500+PLN 19

20 Ankieta wśród aktywnych klientów Niskie koszyki Prezentowcy Wysokie koszyki VIP Zebraliśmy 3307 wypełnionych ankiet 20

21 Ankieta wśród aktywnych klientów Niskie koszyki Prezentowcy Wysokie koszyki VIP Czy korzysta Pan/i z programów blokujących wyświetlanie reklam (np. AdBlock)? Jak często robi Pan/i zakupy przez Internet? Która oferta jest według Pana/i najbardziej atrakcyjna? Jak często chciałby/aby Pan/i otrzymywać informacje o ofertach sklepów online PAYBACK? 21

22 Etap 3 burza mózgów 22

23 Cele dla grup Niskie koszyki Prezentowcy Wysokie koszyki VIP Zwiększenie zaangażowania Zwiększenie średniego koszyka X-sell z innymi sklepami Zwiększenie liczby transakcji Zwiększenie zaangażowania Edukacja o sklepach Obniżenie poziomu churn Zwiększenie transakcyjności Spalanie punktów Zwiększenie świadomości Zaangażowanie w promocje Obniżenie poziomu Churn Utrzymanie aktywności Spalanie punktów X-sell do innych kategorii 23

24 Jak tę wiedzę wykorzystać? - przykład Niskie koszyki Charakterystyka grupy: jedzenie, zakupy grupowe, książki nadreprezentacja studentów nadreprezentacja osób pon. 25 roku życia tylko 50% zbiera punkty promocyjne Narzędzia: Facebook Custom Audience Aplikacja mobilna PAYBACK Czas: weekend, wieczory Oferta: Groupon, PizzaPortal.pl, Moje Miasto PAYBACK Komunikacja Gastrofaza z PAYBACK 24

25 Powiedz mi coś czego nie wiem 25

26 Co wpływa na efektywność segmentacji? Niskie koszyki Prezentowcy Wysokie koszyki VIP 190 sklepów internetowych Koncentracja na akwizycji klienta Skupianie się na ostatnim etapie lejka Brak danych pretransakcyjnych 26

27 Co wpływa na efektywność segmentacji? Awareness Interest Desire Action Działania zasięgowe TEGO brakuje w naszej współpracy Tu działa PAYBACK Na tym etapie działa segmentacja 27

28 Po co? 28

29 W jakich obszarach można spodziewać się efektów? Zwiększenie zaangażowania klientów Zwiększenie wartości klienta Zmniejszenie liczby uciekających klientów Zwiększenie x-ussage Oszczędności marketingowe Wyższa efektywność działań marketingowych Większa satysfakcja klienta Lepsze wykorzystanie narzędzi marketingowych 29

30 Skąd o tym wszystkim wiemy? 30

31 Kompleksowa wiedza o konsumencie pozwala łączyć i analizować dane o shopperze z wielu różnych źródeł Dane transakcyjne zachowania zakupowe u różnych Partnerów Dane z kampanii wysłane oferty i reakcja na nie Baza danych PAYBACK Dane rejestracyjne dane kontaktowe, gosp. domowe, dochód itd. Dane z kontaktów Infolinia, zamówienia nagród Dane geograficzne populacja, siła zakupowa, catchment areas Dane zewnętrzne matchowanie baz, segmentacje partnerów, dane koszykowe 31 Dane webowe PAYBACK na poziomie użytkownika, a nie ciastka, odwiedzane podstrony, kategorie, czas wizyty, etc.

32 PAYBACK dociera do swoich klientów przez wielokanałową platformę komunikacyjną ONLINE OFFLINE MOBILE Online WWW Wysyłka papierowa Mobile Mobile apps 32 Presentation label - change over INSERT in HEADER AND FOOTER

33 I co z tego? 33

34 I co z tego? co oni wiedzą, czego ja nie wiem, a chciał(a)bym wiedzieć o swoich klientach? jak działam na poszczególnych segmentach? czy wyróżniam w ogóle segmenty? jak mogę wykorzystać cashback/loyalty do zwiększania aktywności swoich klientów? 34

35 THANK YOU! Michał Szydłowski Key Account Manager tel: Loyalty Partner Polska Sp. z o.o. SkyLight Building ul. Złota Warszawa 35