Кейс hollyshop по ML-сегментации для брошенных сценариев: +18% к валовой прибыли от автоматических рассылок
цели и задачи
Оптимизировать расходы на скидки
клиент
hollyshop - онлайн-ритейлер косметики и товаров для красоты
год
2025
состав работ
В hollyshop применяли классические рассылки по брошенным сценариям: всем пользователям, добавившим товар, но не купившим, уходило 2 письма — напоминание и оффер со скидкой на весь ассортимент.
Иван Жигалин
маркетолог hollyshop
Механика работала, но мы понимали, что ее эффективность далека от максимума. Мы сливали бюджет, давая скидки тем клиентам, которые были готовы купить и без них. Все клиенты получали письма с одинаковыми офферами ― независимо от того, насколько каждый из них был готов к покупке. Компания упускала потенциальную прибыль.
Команда предположила: если разделить аудиторию по готовности к покупке и предлагать скидки только нужным, вырастет конверсия, прибыль и эффективность затрат.
Решение: ML-сегментация с офферами для целевой аудитории
hollyshop совместно с DataGrow и Mindbox-партнером Segmel запустила ML-модель, прогнозирующую вероятность покупки по действиям: просмотренные страницы, время на сайте, интерес к категориям, частота визитов. Модель дает предикт от 1 до 100 и передает в Mindbox для запуска сценариев.
Аудиторию разбивают на группы:
- 0–39: не готовы, оффер не отправляется.
- 40–69: нужен сильный стимул — скидка 15%.
- 70–89: легкий толчок — скидка 10%.
- 90–100: покупают без оффера.
Любовь Боброва
CRM-маркетолог DataGrow
ML-сегментацию вводили поэтапно с двумя тестами. Сначала AB на 3 группы (0–50, 50–80, 80–100), но значимости не хватило. Углубили до 0–10, 10–20 и т.д., выявив кластеры: 0–40 не покупают даже с оффером; 40–80 мотивированы скидкой; 80–100 обходятся без. Для 0–40 контрольную группу убрали после проверки.
Рассылка для тестовой группы сегмента 40–80 ― со скидкой
Рассылка для контрольной группы сегмента 40–80 — без скидки
Результат: +18,48% к валовой прибыли от брошенных рассылок в тестовой группе
Для подтверждения гипотезы провели AB-тест брошенной корзины; одной половине отправили стандартные письма, а другой - с персональным оффером. Результаты показали статистическую значимость:
Иван Жигалин
маркетолог hollyshop
+18,5% к прибыли от рассылок подтверждает курс. Мы не только подняли конверсию, но и оптимизировали скидки — выполнили ключевую бизнес-задачу
Потенциал роста
Будем масштабировать подход:
- Использовать ML-сегментацию во всех пост-сессионных сценариях.
- Попробовать спрогнозировать LTV и восприимчивость к офферам у новых пользователей.
- Экспериментировать с видами офферов внутри рабочих сегментов (40–80).
- Тестировать скидки, подарки, бесплатную доставку для роста среднего чека и конверсии.
DataGrow
агентство CRM-маркетинга