Компания
О комапнии
olga@epoch8.co
Контакты
Кейсы

Предсказание эффективности рекламных кампаний для FORMEL Skin

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

Бизнес-модель FORMEL Skin

  1. Клиент обращается за консультацией к врачу через сайт.
  2. Проблемы с кожей могут быть разными: акне, розацея, пигментные пятна и другие.
  3. Клиент записывается на удаленную консультацию.
  4. 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.
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:

  • 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.
Маркетинговая аналитика