Образовательный центр проводит онлайн курсы и вебинары по направлениям в психологии

Задача

Собирать участников бесплатного-промо курса, на котором в конце продают платный

Бюджет на маркетинг: 1 200 000 рублей
Цель: 20 000 регистраций за две недели
Выручка от проекта в первый месяц: 2 100 000 рублей
Выручка от проекта в первый квартал: 3 150 000 рублей
Выручка от проекта в первое полугодие: 4 200 000 рублей

Этапы решения

  1. Исследование аудитории клиентов аффинити индексом и нахождение отличительных атрибутов для таргетинга.
  2. Создание креативов нацеленных на зеркальные нейроны ЦА
  3. Создание рекламных кампаний в Instagram, Vk.com, Facebook, Google, Яндекс, Ok.ru
  4. Разогрев аудитории перед курсом
  5. Внедрение Data Science для анализа результатов

Зеркальные нейроны

Мы отказались от “цыганского” решения использовать фотографию спикера на баннере. Бренд создается при взаимодействии с качественным продуктом, а лицо неизвестного человека в ленте вызывает лишь раздражение и негативную узнаваемость.

В социальных сетях пользователь при просмотре новостной ленты находиться в очень неосознанном состоянии.
Были созданы баннеры направленные на захват внимания и перенос его в нужное психическое состояние при помощи зеркальных нейронов.

{Контраст названия и фотографии, Эмоция – жалость}

Результаты нескольких кампаний в Instagram и Facebook

{Цена регистрации: ∽55 рублей}

facebook ads

Data science

Внедрено отслеживание всех действий участников по Сookie. Полученные данные отправлены в алгоритм машинного обучения (CatBoost).
Цель – определить какие факторы (страницы сайта, события, источники, просмотры видео) повлияли на покупку.

Такие данные могут оптимизировать воронку продаж и даже сделать умный сайт, который будет подстраиваться под опыт пользователя и ему будет предлагаться только правильный контент

Модель машинного обучения научилась предсказывать покупку пользователя с точностью в 76 % (F1 score)

Когортный анализ продаж, LTV и RFM анализ

Когортный анализ

Работа с базой клиентов

Провели когортный анализ для нахождения квартального ARPU и расчета оптимальной цены привлечения клиента с учетом будущих доходов после первой продажи

Сделали RFM анализ для сегментации пользователей по давности, частоте и обьему покупок. Это позволило найти сегменты требующие специального взаимодействия. Например тех кто покупал очень много в прошлом, а сейчас перестал. Полученные сегменты занесли в CRM систему

Проанализировав географию покупателей, было принято решение, которое увеличило выручку следующего проекта на 800 000 рублей в первый месяц.

RFM

RFM 2

CRM

CRM class

Рекомендации