Как мы помогли NAOS увеличить выручку CRM-канала на 46%

Собственная клиентская база — это актив, который возвращает покупателей без повторных затрат на привлечение. Но что делать, когда канал уже зрелый, метрики высокие, а стандартные инструменты почти исчерпаны? 

Нужно было не строить CRM с нуля, а найти неочевидные точки роста внутри работающей системы и пробить «стеклянный потолок» показателей крупного международного игрока. Именно такая задача стояла перед командой Out of Cloud (Kokoc Performance, входит в Kokoc Group) в 2025 году. 

Цели и KPI 

Наш клиент — французская косметическая компания NAOS, создатель брендов BIODERMA, Institut Esthederm и Etat Pur. Научно-исследовательская база и производство сосредоточены в Экс-ан-Провансе. Штат превышает 3000 сотрудников, продукция представлена в 130 странах, портфель насчитывает 70 патентов. 

Сотрудничество с Out of Cloud стартовало в 2023 году. К началу активной фазы  (2025 год) проект уже располагал зрелой инфраструктурой — работали триггерные сценарии, базовая сегментация и персонализированные коммуникации. Бренд делал 8-10 регулярных рассылок в месяц на 20+сегментов, применял 70 автоматических сценариев. 

Целью на 2025-й стало нарастить долю CRM-канала в выручке интернет-магазина минимум на 40%. Также отслеживались важные KPI: выручка, средний чек, рост базы и прирост подписчиков. 

Шаг 1. Диагностика и точки роста  

Прежде чем менять что-либо, команда провела детальный аудит структуры доходов CRM-канала за 2024 год. Диагностика охватывала несколько направлений: структуру выручки по сегментам, вклад каждой когорты, карту пути клиента, покрытие базы автосценариями, частоту и релевантность коммуникаций, качество контента.

Мы выявили два сегмента с максимальным потенциалом:

«Новички без заказа» — 64% пользователей, зарегистрировавшихся в 2024 году, не совершили первую покупку. Это огромный незадействованный пул потенциальных клиентов!

«Новички с одним заказом» — этот сегмент уже генерировал 32% всей выручки CRM-канала, при этом оставался почти без системной работы по удержанию.

Еще один важный факт: около 40% дохода от всех автоматических писем давала приветственная цепочка. Мы столкнулись с парадоксальной ситуацией: несмотря на высокую эффективность сценария, 64% новых подписчиков не доходили до оформления первого заказа. Именно модернизация welcome-цепочки стала нашим приоритетом в работе.

Шаг 2. Приветственная цепочка: микросегментация вместо универсального шаблона

До изменений welcome-цепочка работала как единый сценарий для всей аудитории — независимо от того, каким брендом NAOS интересовался пользователь и откуда пришел. Гипотеза была простой: если первый контакт учитывает реальный интерес человека, конверсия вырастет.

Команда разработала отдельные сценарии под каждый бренд, источник регистрации и категорию пользователя. Например, для мам сделали письмо с акцентом на безопасный уход за кожей младенца и матери,  а для аудитории с запросом на акне — подборку специализированных дерматологических средств.

В результате конверсия в первую покупку выросла с 2,76% до 10,81% — не за счет большего количества писем, а благодаря точности первого касания.

Шаг 3. Сценарий после первой покупки 

Для сегмента «новички с одним заказом» мы разработали алгоритм разветвленного сценария, который одновременно решал пять задач.

1. Погружение в программу лояльности.
2. Замер индекса NPS.
3. Профилирование — определение типа кожи.
4. Выдача персонализированных товарных рекомендаций.
5. Прямая мотивация на второй заказ.

Логика маршрутизации зависела от реакции клиента. Покупатели с негативной оценкой переходили в ветку обработки рекламаций. Лояльные получали персональный подбор средств и предложения, релевантные их запросу. 

Такой подход снижал риск оттока на самом уязвимом этапе — сразу после первой покупки.

Шаг 4. Механика сбора данных 

Для обогащения профилей пользователей команда разработала механику под названием «Бьюти-рутина в ритме жизни». Вместо громоздкой формы с десятками вопросов аудитории предложили пройти короткий интерактивный тест, упакованный как сервис по подбору персонального ухода.

UX-логика здесь принципиальна: фокус смещен со сбора данных на заботу о клиенте. Это снижает сопротивление и повышает вовлеченность.

Прогноз конверсии был 2%, по факту мы добились 8%. Объем собранных данных о типах кожи, дерматологических особенностях и предпочтениях вырос на 53%. Эти данные стали топливом для дальнейшей сегментации и персонализации коммуникаций. 

Шаг 5. Персонализированные формы на сайте 

Разрозненные элементы сайта — поп-апы, ин-апы, рекомендательные виджеты — мы интегрировали в единую экосистему персонализации, синхронизированную с CRM-платформой. На проекте развернули около 100 уникальных персонализированных форм.

Каждая форма решала одну из четырех задач: сбор новых контактов, получение дополнительных поведенческих данных, реактивация пользователей и предложение им товаров с учетом персональных интересов и потребностей.

Таким образом онлайн-поведение на сайте и офлайн-данные начали работать в связке. Каждый визит пополнял профиль пользователя и уточнял логику дальнейших коммуникаций. 

Шаг 6. Массовые рассылки: приоритизация и динамический контент

Проблема каннибализации трафика между триггерными и массовыми кампаниями решилась через строгое правило приоритета: если пользователь получил триггерное письмо, любая массовая рассылка автоматически сдвигалась на следующий день. Это снизило отток и улучшило репутацию домена. Open Rate доотправок стабилизировался на уровне 22%.

Параллельно в письма внедрили блоки с динамическим контентом — товары адаптировались под историю покупок конкретного пользователя. Конверсия таких блоков составила 0,36% против 0,04% у стандартных промо-вставок. 

Ситуативный маркетинг тоже сработал. Воскресная рассылка, привязанная к церемонии «Оскар», показала Open Rate 23,58% — это на 7,86 п.п. выше среднего по каналу. 

Итоговые результаты 2025 года

Системная пересборка логики коммуникаций, микросегментация на всех этапах клиентского пути и ставка на гиперперсонализацию дали рост по всем ключевым метрикам.

Наибольший прирост показала доля автоматических писем в структуре выручки — +61%. Это прямое подтверждение того, что ставка на развитие триггерных сценариев была сделана верно.

Полина Загребина, руководитель направления CRM и программ лояльности NAOS, и Илья Кузнецов, CRM-менеджер, отметили, что такой результат стал возможен благодаря тесному тандему команды NAOS и Out of Cloud (Kokoc Performance). 

Над проектом работали специалисты Out of Cloud (Kokoc Performance): аккаунт-менеджер Полина Бичелева, ведущий менеджер по клиентской стратегии Виктория Окунева, младший менеджер по клиентской стратегии Егор Ставер, контент-маркетолог Валерия Тумайкина, руководитель группы технической поддержки Анна Мещерякова.

Специалисты не ограничивались внедрением отдельных инициатив — на каждом этапе анализировали результаты, проверяли гипотезы и сообща выстраивали CRM в качестве полноценного драйвера роста бизнеса.