Наш клиент FORMEL Skin — сервис подписки, предлагающий консультации врачей и косметику с индивидуальными рецептами для людей с проблемной кожей.

Бизнес-модель FORMEL Skin
- Клиент обращается за консультацией к врачу через сайт.
- Проблемы с кожей могут быть разными: акне, розацея, пигментные пятна и другие.
- Клиент записывается на удаленную консультацию.
- Врач проводит видеоконсультацию, осматривает кожу, задаёт вопросы, при необходимости назначает анализы и выписывает лечение.
Лечение осуществляется на ежемесячной основе.
Каждый месяц FORMEL Skin отправляет клиенту набор косметики, подобранный врачом специально для него.
Особенности маркетинга FORMEL Skin
- Крупные бюджеты: ежемесячные затраты на маркетинг составляют от 20 до 50 тысяч евро.
- Масштабные кампании: каждый месяц запускаются сотни рекламных кампаний.
- Длительный клиентский цикл: срок взаимодействия с клиентом (lifetime) может достигать двух лет.
- Различия в LTV: продолжительность и доход от клиента (LTV) зависят от аудитории и канала привлечения. Например, клиенты 18–25 лет с выраженными кожными проблемами остаются в системе значительно дольше и, соответственно, платят больше.
- Отложенные покупки: многие кампании работают с промо-кодами, которые клиенты активируют даже после завершения кампании.
Основная проблема сервиса подписки — высокие затраты на рекламу, которые долго окупаются.
Задача маркетолога: максимально быстро оценить эффективность запущенной кампании, не дожидаясь нескольких месяцев.
Решение: разработка удобного и информативного отчета для маркетолога.
Процесс
Шаг 1. Строим сквозную аналитику для рекламных кампаний.
Мы собираем данные о затратах и кликах из всех рекламных кабинетов и связываем их с пользовательскими покупками на сайте.
Мы собираем данные о затратах и кликах из всех рекламных кабинетов и связываем их с пользовательскими покупками на сайте.
Шаг 2. Создаем основной маркетинговый отчет, который позволяет:
- увидеть затраты на каждую кампанию;
- определить количество платящих пользователей, привлеченных кампанией;
- рассчитать стоимость привлечения одного пользователя (Cost Per User);
- измерить средний Lifetime Value (LTV) пользователя — доход, который он принес за весь период.

Шаг 3. Оцениваем эффективность рекламных кампаний.
Мы считаем рекламную кампанию эффективной, если доход от привлеченного пользователя превышает затраты на его привлечение:
Формула оценки эффективности:
Мы считаем рекламную кампанию эффективной, если доход от привлеченного пользователя превышает затраты на его привлечение:
- Если пользователь заплатил в 2 раза больше затрат на привлечение, кампания считается прибыльной.
- Если доход меньше затрат, кампания убыточная.
Формула оценки эффективности:
- LTV/CPU < 1 — кампания убыточная.
- LTV/CPU > 1 — кампания эффективная.
- LTV/CPU > 2 — кампания прибыльная.

Проблема в том, что окончательный LTV пользователя становится известен только через 1,5–2 года, поскольку клиенты совершают регулярные платежи. Однако маркетологам важно оценить эффективность кампании как можно раньше — желательно сразу после первой покупки пользователя.
Решение: На помощь приходит машинное обучение, которое позволяет прогнозировать LTV на ранних этапах взаимодействия с клиентом.
Шаг 4. Обучаем ML модель предсказывать LTV.

Мы используем данные о фактическом LTV и времени жизни каждого пользователя на проекте для обучения ML-модели:
- дату рождения;
- возраст;
- возрастную группу;
- пол;
- цель лечения;
- статус лечения;
- наличие беременности или кормления грудью
- планирование беременности;
- наличие аллергии;
- наличие других медицинских симптомов.
- диагноз;
- сложность диагноза;
- продолжительность лечения;
- user name;
- план лечения;
- дата первой оплаты;
- дата последней оплаты;
- оплаты постоянные или клиент разово попробовал;
- NPS (насколько готов рекомендовать сервис другим людям);
- UTM (из какого канала пришел и т.д.).
После чего модель анализирует параметры нового пользователя, совершившего первую покупку, и прогнозирует его LTV.
Добавляем информацию о прогнозе LTV в основной маркетинговый отчет.

Как это работает:
- Как только пользователь, привлеченный рекламной кампанией, совершает первую покупку, система прогнозирует его LTV. Это позволяет определить, окупятся ли затраты на его привлечение.
- С каждой последующей покупкой прогноз уточняется, что дает маркетологам более точные данные для оценки эффективности кампании.
РЕЗУЛЬТАТ
С первой покупки:
- Понимаем прибыльность конкретной рекламной кампании.
- Предсказываем LTV клиента.
- Оцениваем эффективность каждого канала рекламы.