ML Model for FORMEL Skin

Превью проекта

О компании

Картинка

FORMEL Skin — это сервис подписки на консультации докторов и косметику по индивидуальным рецептам для людей с проблемной кожей.

Превью проекта

Бизнес-модель FORMEL Skin

  • Количественное исследование интерфейса сайта и аудит поведения пользователей.
  • Интервью с бизнес-заказчиками и проектирование.
  • Две дизайн-концепции и выбор дизайн-макета.
  • Консультирование команды клиента на этапе верстки.

Ежемесячное лечение

Каждый месяц FORMEL Skin высылают наборы косметики по рецепту врача специально под клиента. Сервис стоит 49 € в месяц.

Особенности маркетинга FORMEL Skin

  • Большие маркетинговые бюджеты (20-50К евро в месяц).
  • Каждый месяц запускаются сотни кампаний.
  • Очень длинный Lifetime-период у клиентов (до 2-х лет).
  • Lifetime и LTV сильно отличаются в зависимости от клиента и канала привлечения (например, когорта людей 18-25 лет с сильными проблемами с кожей платит гораздо дольше).
  • У многих кампаний есть отложенные покупки, так как используются промокоды, которые могут быть активированы после окончания кампании.

Проблема

Основная проблема для сервиса по подписке — на рекламу тратится много денег, и эти затраты окупаются долго.

Задача маркетолога

Оценить, эффективна ли запущенная кампания как можно быстрее, а не через несколько месяцев.

Решение

Создаем рабочий отчет для маркетолога

Шаг 1

Строим сквозную аналитику по рекламным кампаниям. Собираем данные о затратах и кликах из всех рекламных кабинетов и связываем эти данные с покупками пользователя на сайте.

Шаг 2

Создаем основной маркетинговый отчет.

В этом отчете по каждой кампании видим:



  • сколько денег потратили на эту кампанию;
  • сколько платящих пользователей эта кампания привлекла;
  • сколько стоил каждый привлечённый пользователь (Cost Per User);
  • отклик на вакансию;
  • просмотр телефона работодателя.
Превью проекта

Оценка кампаний 2021−04 апреля прошлого года по состоянию на февраль 2022 года — видно, что есть кампании которые уже окупились (зеленые), а некоторые остались убыточными.

Шаг 3

Рассчитываем эффективность рекламных кампаний


Мы считаем рекламную кампанию эффективной, если пользователь нам заплатил больше денег, чем мы потратили на его привлечение.
Если пользователь заплатил в 2 раза больше денег, чем мы потратили, то это кампания прибыльная.


Если пользователь заплатил меньше, чем мы потратили, то кампания убыточная.

Превью проекта

Проблема в том, что финальный LTV пользователя мы узнаем только через полтора-два года, потому что пользователи платят каждый месяц длительное время.

А маркетологу нужно понимать эффективность кампании существенно быстрее, в идеале с первой покупки пользователя.

В этом месте приходит на помощь ML.

Шаг 4

Обучаем ML-модель предсказывать LTV

Превью проекта

Для каждого пользователя мы знаем его фактический LTV и время жизни на проекте.

На основании этих данных обучаем ML-модель, которая предсказывает LTV, исходя из параметров нового пользователя, который совершил первую покупку.


Добавляем информацию о прогнозе LTV в основной маркетинговый отчет.

Превью проекта

Как только первый пользователь, пришедший по рекламной кампании, совершил хотя бы одну покупку, мы предсказываем его LTV и, соответственно, узнаем, окупятся ли затраты на его привлечение.

Со 2-й и последующих покупок предсказание уточняется.

Результат

  • Понимаем прибыльность конкретной рекламной кампании.
  • Предсказываем LTV клиента.
  • Оцениваем эффективность каждого канала рекламы с первого клика пользователя.

Do you like it? Share it on social networks

Get in touch

Would you like to say hello or find out more information?

Let's talk
+7 495 981-01-85 + Become a customer
Services Cases Content-hub