Целевая аудитория доставки еды
В России в 2018 году произошло событие, которое изменило отношение к доставке еды: средний чек на доставку готовых блюд сравнялся со средним чеком в ресторане. По данным исследования, проведенного аналитической компанией Nielsen, сумма среднего заказа составила 1250 руб, а в «классическом» общепите – 1240 руб. Многие компании быстро открыли отделы доставки, наняли курьеров, подключились к агрегаторам и запустили рекламу онлайн. И столкнулись с тем, что при продвижении доставки домой или в офис не работают стратегии, подходящие офлайн-общепиту. У аудитории этого сервиса другие потребности, мотивация и ожидания.
Ещё один значимый рывок в развитии сектора доставки еды произошёл во время эпидемии коронавируса. До карантина, несмотря на примерно одинаковый средний чек, заказы готовых блюд занимали гораздо меньшую долю рынка, чем офлайн-рестораны. Однако в 2020 году дистанционное обслуживание стало единственным способом удержать клиентов и выжить, поэтому курьеры появились даже в заведениях, никогда не планировавших отправку заказов курьерами. Ограничения давно сняты, но пока они действовали, в нише появилось много новых игроков, а значит — конкуренция выросла в разы. Поэтому в секторе доставки еды жизненно важно понимать свою ЦА, её мотивацию и привычки.
Зачем нужна сегментация аудитории
Клиентура заведений, отправляющих заказы курьерами, неоднородна. У одной группы покупателей в приоритете скорость, у второй — стоимость доступных блюд, у третьей — гастрономические качества. Выделить сегменты аудитории, с которыми будет рентабельно работать, имеет смысл ещё на стадии открытия службы доставки при ресторане или отдельного курьерского сервиса. Это поможет продумать логистику, правильно выбрать зону охвата, продумать конкурентоспособное предложение и ценовую политику.
Знать потребности и поведенческие особенности потенциальных клиентов важно и для создания эффективной рекламной кампании. Позиционируя сервис доставки, необходимо понимать не только основные, но и скрытые покупательские мотивы. Один клиент закажет пиццу для снятия стресса, а другой — для экономии времени или чтобы не носить тяжелые пакеты. Понимая, какие факторы влияют на решение о покупке, можно построить продвижение с правильным акцентом на скидках, оперативности выполнения заказа, свежести и качестве продуктов, особенном вкусе. Разделение ЦА на сегменты показывает не только интересы каждой группы потребителей, но и какие аргументы использовать для стимулирования заказов.
Одна из главных ошибок в маркетинге — это принятие решений на основе интуитивных предположений и опыта (иногда — довольно ограниченного) отдельных сотрудников. Избежать этой ошибки помогает работа с объективными сведениями о потребительском поведении: анализ спроса и сегментация аудитории на базе данных о транзакциях, интернет-активности, динамике продаж.
Как сегментировать ЦА доставки еды
Для сегментации покупателей, заказывающих готовые блюда на дом, используют следующие критерии:
Категория клиентов (семейные пары, одинокие люди, сторонники здорового образа жизни, спортсмены и т.д.).
Время заказов (днем в обеденный перерыв или во время перемены между парами в ВУЗе, вечером после работы, в выходные, только по праздникам). В будни у доставщиков самое активное время — с 12:00 до 14:00, а по выходным и праздничным дням— с 19:00 до 20:00. Сезонные изменения также влияют на спрос, так летом доставка снижается на 20%. В районах с офисами наибольший спрос на доставку приходится на обед.
Геолокация (спальные районы города, предприятия, офисы, спортивные клубы и т.д.).
Сценарий заказа. Он зависит от статуса и привычек покупателя: например, семейные пары чаще заказывают еду вечером или в выходные, потому что не успевают готовить дома. Студенты и офисные работники пользуются доставкой регулярно, поэтому для них важен бюджет, а ещё — пунктуальность курьера, ведь из-за задержки заказчик рискует пропустить обеденный перерыв и остаться голодным.
Уровень доходов. У людей с низкой зарплатой доставка еды — это скорее способ побаловать себя, а пользователи с высоким доходом заказывают готовые блюда, чтобы не тратить время на готовку.
Возраст покупателя. Различия в предпочтениях между поколениями становятся все более заметными в сфере дистанционного обслуживания. Поколение X, которому сейчас от 40 до 60 лет, предпочитает заказывать еду по телефону, а миллениалы и поколение Z (люди младше 40 лет) не любят общаться по телефону и предпочитают использовать приложения или форму на сайте.
Подход: эмоциональный или логический. В случае спонтанных покупок важно убедительно показать картинку продукта, его возможности, а также выбрать время для рекламы, когда потребитель начинает чувствовать голод. Если же покупатель склонен принимать решения рационально, стоит подкрепить предложение логическими объяснениями и отзывами клиентов.
Часто при изучении потребностей клиентов используют опросы, но они дают поверхностные результаты. Для создания качественной рекламы понадобятся дополнительные источники информации: анализ статистики запросов в поисковых системах, изучение комментариев в сообществах, интервью с клиентами, отзывы покупателей, анализ сайтов конкурентов.
Пожалуй, самую эффективную информацию о ЦА даёт предиктивная аналитика. Это машинный анализ информации о разных аспектах покупательского поведения, по итогам которого математический алгоритм строит прогноз будущих показателей спроса среди разных групп потребителей. Нейросеть сравнивает данные о сумме и составе покупок, времени заказов, возрасте и других характеристиках заказчика, действующих акциях и скидках, сезонных и других факторах. Для максимально точного портрета аудитории можно использовать множество предикторов — характеристик, по которым клиентская база делится на группы. Машинный алгоритм находит пересечения между действиями разных сегментов ЦА и прогнозирует, каким будет спрос на услуги доставки в будущем, от чего он зависит, может ли компания на него повлиять.
Так работает, например, модель прогнозирования спроса от Platforma — маркетплейса инструментов на основе Big Data. Главное достоинство сервиса — легальный доступ к огромному массиву анонимизированной информации о транзакциях, онлайн-активности и других особенностях поведения миллионов потребителей. Обезличенные сведения Platforma получает в рамках межотраслевых партнёрских проектов от телекоммуникационных и финансовых гигантов. Машинный алгоритм обрабатывает всю собранную информацию, выявляет схожие паттерны в покупательском поведении и помогает разделить аудиторию на сегменты.