Поделиться
«Фитбейс» разработал «умную» систему лояльности для фитнес-клубов и студий
Стартап «Фитбейс», разработчик экосистемы сервисов для фитнес-индустрии, запустил систему анализа поведения клиентов на основе технологии искусственного интеллекта. Это первый в России «умный» алгоритм, позволяющий фитнес-клубам использовать геймификацию для увеличения ключевых показателей бизнеса. Об этом CNews сообщили представители «Фитбейс».
Сервисами «Фитбейс» пользуется больше 600 фитнес-клубов и студий в России и других странах. В 2021 г. стартап получил грант Фонда поддержки инноваций на разработку искусственного интеллекта для фитнес-индустрии в размере 20 млн руб. Один из ИИ-проектов, реализованный с помощью гранта, — система лояльности, основанная на сегментации клиентов.
Команда «Фитбейс» проанализировала поведение 2 млн посетителей больше 500 клубов и выявила закономерности, которые влияют на продление абонементов, продажи дополнительных услуг и уровень лояльности клиентов. В рамках исследования специалисты проверили больше 450 гипотез и на основе подтвержденных данных построили математическую модель потребления фитнес-услуг.
Аналитики «Фитбейс» обнаружили, что чем чаще клиент посещает клуб и чем больше тратит на его услуги, тем выше вероятность продления абонемента. Этот вывод лег в основу «умной» системы лояльности: она анализирует поведение клиентов и поощряет их зарабатывать баллы за целевые действия — тренировки и расходы. Количество набранных баллов определяет место клиента в общем рейтинге, который отображается в мобильном приложении клуба.
«Программа лояльности — это геймификация общения фитнес-студии со своими клиентами. Крупные компании давно используют элементы игры для увеличения жизненного цикла клиента и стимулирования дополнительных продаж. Этот подход хорошо работает и в спортивной индустрии. Клиенты, которые участвуют в программе лояльности, чувствуют себя более связанными со студией, их уровень удовлетворенности повышается, что приводит к повторным продажам и увеличению процента продлений», — отметил Василий Суворов, основатель «Фитбейс».
Алгоритм делит посетителей конкретного фитнес-клуба или студии на пять сегментов по уровню их лояльности. При этом модель ориентируется на показатели клуба, а не усредненные данные по рынку.
В высшую «лигу» попадают наиболее лояльные клиенты, которые чаще других посещают тренировки и тратят на услуги больше, чем в среднем по клубу. Это амбассадоры бренда. В каждой следующей группе — те, кто ходит реже и тратит меньше. В последней группе — редкие гости зала, которые не склонны пользоваться его платными возможностями. Самообучаемая модель ежемесячно пересматривает количество баллов, которые начисляются за каждое целевое действие, в зависимости от поведения клиентов и средних показателей за прошлый период. Такая сегментация позволяет управляющим и маркетологам более точно выбирать способы поощрения клиентов.
«Различные группы посетителей фитнес-клубов, которые выделяет наша система, нужно стимулировать по-разному, — сказала Анастасия Гулянина, директор по развитию «Фитбейс». — Например, клиенты из высшей лиги — наиболее лояльные. Наше исследование показало, что они чаще всего готовы продлить абонемент без скидки и других материальных поощрений. Но они очень ценят нематериальные, но эксклюзивные бонусы — приглашение на закрытое мероприятие, знаки отличия, участие в медиа-активностях клуба. Клиенты из пятой группы — в зоне риска, у них самая низкая вероятность продления абонемента. Их можно мотивировать скидкой или другими материальными опциями, например, возможностью длительной заморозки абонемента».
«Умная» система лояльности запущена в режиме бета-тестирования, ею уже могут воспользоваться действующие и новые пользователи экосистемы «Фитбейс». В дальнейшем алгоритм сможет рекомендовать клубам конкретные поощрения, способные повлиять на лояльность клиентов из каждого сегмента.
Рекомендательная система на основе искусственного интеллекта в будущем сможет подсказывать и другие управленческие решения. Например, как оптимизировать расписание тренировок или изменить цены на услуги. Рекомендации будут формироваться с помощью дерева решений на основе анализа показателей и поведения клиентов конкретного клуба.
Короткая ссылка
