Как собрали контур лояльности, доставки и аналитики для сети правильного питания

Контекст

Сетевой магазин правильного питания. В 2020 году обратились с запросом на создание стратегии увеличения онлайн-продаж через систему лояльности в фирменном приложении. На входе — отсутствие системы мотивации клиентов и автоматизации кластера доставки.

Что было не так

• Отсутствие системы мотивации и лояльности клиентов.
• Кластер доставки не был автоматизирован.
• Не было данных о поведении и корзине для прогноза продаж.

Что сделали

Система лояльности в приложении

Разработали систему лояльности от концепции до ввода в эксплуатацию в фирменном приложении.

Автоматизация доставки

Переработали UI/UX приложения для нативной ориентации пользователя. Разработали внутренние системы приоритизации заказов по формированию и доставке, а также распределения заказов (геолокация клиента — магазин). Подключили умные уведомления (СМС, push) и интеграцию курьерских сервисов — Яндекс Такси и иные системы доставки.

Аналитика MPSTATS + DMP/DSP

В рамках работ по внедрению аналитики интегрировали разработанные DMP и DSP платформы с сервисом MPSTATS. БД содержит историю покупок каждого пользователя с изменением продуктовой корзины во времени, поведенческими факторами и стоимостью корзины. Это дало основу для прогноза продаж и стратегии продвижения.

Что получили на выходе

• MPSTATS + DMP/DSP — собрана БД истории покупок и поведенческих факторов для прогноза продаж.
• Лояльность + доставка — система мотивации и автоматизированный кластер доставки сведены в единый контур.

Что изменилось системно

• Система лояльности в приложении как рабочий контур.
• Автоматизированный кластер доставки с приоритизацией и распределением заказов.
• БД истории покупок и поведенческих факторов для прогноза продаж.

CTA

Обсудить похожую задачу