В 2022 году завершили курирование проекта по продвижению медицинской клиники, который позволил за 6 мес. 2022 года увеличить выручку в 3,5 раза, и сократить затраты на привлечение клиента на 47%. В этом материале всё о проделанной работе, нюансах, ошибках и решениях, принёсших результат.

О проекте: 

Я познакомился с представителями клиники случайно на «PROЕКЦИИ БУДУЩЕГО» в Сочи. Проблема заказчика заключалась в высоких постоянных затратах на привлечение новых клиентов, за счет которых они обеспечивали постоянную загрузку клиники. Клиника с 2011 года сформировала большую клиентскую базу пациентов, все необходимое для стимулирования повторных обращений. Руководители клиники опасались использовать данные, так как стимулирование повторных покупок может вызвать спорную реакцию пациентов, цель которых не проходить лечения на постоянной основе, а вылечиться и забыть о проблеме.

Клиника предоставляет широкий спектр медицинских услуг, таких как:
- ультразвуковая диагностика;
- кабинеты узких специалистов;
- отделение амбулаторной хирургии;
- дневной стационар;
- отделение физиотерапии;
- лаборатория;
- процедурный кабинет.

В небольших частных клиниках принято разграничивать прием высококвалифицированных специалистов по определенным дням, например, вторникам, что приводит к большой потере потенциальных клиентов, не готовых ждать. В нашем проекте клиника удерживала специалистов, обеспечивая ежедневной работой, при этом испытывала сложности в равномерной загрузке персонала.

Наша задача заключалась в разработке решений по повышению двух показателей: росту спроса на услуги в соответствии с уровнем загрузки и оптимизации ресурсов, направленных на привлечение клиентов. 

«Сколько вешать в граммах?»:

Над привлечением клиентов в компании работают:
- специалисты по маркетингу и рекламе, настраивают работу всех каналов коммуникаций компании (Call-центр, консультантов в регистратуре, рекламу);
- специалисты по продажам, привлекают и обслуживают корпоративных клиентов.

KPI один на всю команду – план продаж. Это решение напомнило мне сюжет из старого рекламного ролика «Билайн», отражающего важность посекундной тарификации.

Квалификация коммерческих команд в бизнесе редко нацелена на высокую самоорганизацию и поиск оптимальных способов выполнения общего плана. Наш пример не исключение, выполнение плановых показателей в некоторые месяцы срывалось.

Увеличение трех показателей: среднего чека, частоты покупок и глубины ассортимента на 20% приведет к росту продаж на 40%, но в команде стремятся обеспечить выполнение плана только за счет привлечения новых клиентов. Это простой пример отражает необходимость щепетильней относиться к аналитике продаж и выявлению потенциала роста. Тот случай, когда «Точность никогда не бывает лишней!».

Разбиваем работу на 4 этапа:
1. Аудит и картирование бизнес-процессов;
2. Аналитика продаж и сегментация постоянных клиентов по уровню спроса;
3. Настройка автоматической RFM-сегментации;
4. Настройка триггерных цепочек в каналах коммуникации и рекламы.

Шинкуем на части:

Клиника обладает данными о клиентах открывающие огромные возможности по прогнозированию и управлению спросом. Диагнозы позволяют определить список потенциальных услуг для пациентов на несколько лет вперед. 

На основании приобретенных услуг можно определить весь курс лечения и список услуг, купленных у конкурентов.

Статистика повторных обращений лояльных пациентов с одним и тем же диагнозом позволяет спрогнозировать реальную потребность клиентов, и периоды её возникновения. Соответственно, отсутствие обращений сигнализирует о возможном уходе пациента к конкурентам. 

Зная состав семьи пациентов, оцениваем, всеми потенциальными услугами клиники пользуется семья или нет. Например, мама проходила обследование и посещала отделение амбулаторной хирургии, делала несложную операцию, а её шестилетний сын проходил обследование у окулиста. Но никто из членов семьи не посещал терапевта или педиатра по вопросам ОРЗ, вероятность возникновения потребности в которых выше. 

К терапевту приходит пациент с проблемой здоровья, на основании жалобы пациента терапевт направляет его на дополнительные обследования, на основании анализов направляет к узкому специалисту. Такие решения терапевт принимает на основании собственной компетенции. В клинике не существовало прописанных алгоритмов для врачей в зависимости от причин обращения, пришлось формировать их с нуля.

Для формирования алгоритмов и проведение сегментации потребовалась плотная работа с медицинскими специалистами из разных областей. Изучив аналитику обращений, мы составили вопросы, направленные на выявление причинно-следственных связей, провели 43 интервью, потратив 6 180 часов.

Это была самая сложная часть проекта, не все специалисты легко переключаются с медицинских терминов на обиходные. Сотрудники медицинских центров видели процессы по-разному, а маркетологам не хватало достаточно компетенций для проверки корректности ответов. Полученную карту мы несколько раз пересматривали и корректировали. Один раз столкнулись с активным спором между медицинскими работниками, о вариантах действий при возникновении проблем у пациента.

В итоге «убили сразу двух зайцев», настроили эффективную сегментацию и создали удобные оцифрованные маршруты для врачей.

Наводим порядок: 

Оцифровав карты движения пациентов в зависимости от диагноза, приступили к привязыванию каждой клиентской карточки к маршруту, для получения релевантной статистики. На этом этапе столкнулись с беспрецедентной проблемой не релевантных данных в самих карточках, о которой мы не знали на старте проекта.

При проведении первичного аудита директор клиники и маркетологи сообщили нам, что все личные карты клиентов содержать информацию в строгом соответствии с единым стандартом, и продемонстрировали примеры, соответствующие данному утверждению. Однако в процессе интеграции выяснилось, что такие карточки начали заводить только 5 месяцев назад и их доля в общей клиентской базе не более 5%.

Большая часть клиентских карт содержит хаотичную информацию, например, наименование диагноза, причина обращения и даже перечень оплаченных услуг записаны по-разному, на усмотрении специалиста. Быстро свести эти данные невозможно. Но и «выкинуть» 95% клиентов из статистики не имело никакого смысла.

Для решения проблемы, мы выгрузили все нерелевантные данные в Excel, создали группы по ключевым словам. Затем все группы анализировали с медицинскими специалистами вручную, так как по многим совпадающим словам предполагалась разная запись. По итогам проделанной работы совместно с IT специалистами привели 94% всех данных к единому стандарту и «смахнули капельки пота со лба».

Проведенная сегментация позволила выявить ряд проблем, с которыми не работала команда клиники:
- Более 70% покупателей сложных услуг, например, артроскопии коленного сустава, никогда не покупали в клинике базовые услуги.
- Более 60% покупателей медицинских анализов, никогда не приобретали консультации специалистов клиники, анализы пациентам назначали врачи из других клиник.
- Низкий уровень лояльности. Только 21% клиентов проходили все этапы лечения и анализов;
- Команда клиники не занималась формированием лояльности семьи, спрос на услуги распределен неравномерно. Клиенты относятся к клинике не как к долгосрочному партнеру, а как «ларьку у дома» для быстрого удовлетворения ограниченного количества потребностей.
- Клиника не контролирует результаты лечения в домашних условиях, 63% пациентов длительного лечения не возвращаются.

Для лучшего понимания отношения клиентов клиники, мы связались с некоторыми клиентами, ранее проходившими обследование. Разберем ответ мамы шестилетнего ребенка, который проходил обследование у окулиста:

Мама записалась к окулисту, потому что заметила, что ребенок плохо видит мелкие детали и рисунки в книгах. По итогам обследования врач выписал очки на один год, и назначил лечение на две недели на специальных аппаратах. После лечения ребенок просто носил очки без назначения предварительных исследований. В итоге на семейном совете, через 7 месяцев родители решили снять очки с ребенка и больше не носить, так как им показалось что зрение, улучшилось.

Пример отражает две проблемы: отсутствие триггеров, стимулирующих клиента возвращаться в клинику, а соответственно не до получения потенциального дохода, и отсутствие удовлетворенности клиента. Клиент так и не понял, решил ли он проблему ребенка.

Разобравшись в причинах возникновения упущенного спроса переходим к разработке бизнес-процессов, корректировке KPI и автоматизации.

На схеме я отразил ключевые параметры привлечения клиентов, на которые необходимо ориентироваться отделу продаж и маркетинга:

Основываясь на данной концепции, добавляем в KPI отдела продаж и маркетинга: средний чек, глубину ассортимента и частоту покупок. Решение стимулирует развивать продажи постоянным клиентам, привлечение которых заказчику обходиться в 3 раза дешевле по сравнению с новыми. В медицинской отрасли к вопросам стимулирования повторных продаж необходимо подходить с осторожностью. Эту проблемы мы решаем при помощи автоматизации, которая подсказывает, когда и какому клиенту релевантнее всего сделать дополнительное предложение.
RFM – сегментация позволяет разделить покупателей, на тех, кто имеет потенциал к повторной покупке, и тех, кто не имеет:
R - количество дней между сделками;
F - количество покупок;
M - доход с одного клиента на одну сделку.

Подробнее, о том, как работает RFM-сегментация я рассказывал в своем Telegram-канале, поэтому не буду заострять внимание. Проведя такую сегментацию по всей клиентской базе, разрабатываем следующие решения:
1. Запускаем мероприятия по усилению частоты и качества обслуживания “лучших” и “средних” клиентов, снижение потерь.
2. “Будим” клиентов с высоким LTV, но не покупавшим услуги длительное время за счет стимулирующих мероприятий, либо выяснения причин ухода и снятия возражений;
3. Не тратим ресурсы на “худших” клиентов с низким LTV.

Прописав маршруты по всем выставленным активностям пациента формируем в CRM-автоматические триггеры.

Клиент во время первичного обращения в регистратуре выбирает наиболее удобный вариант для коммуникации: WhatsApp, СМС или E-mail. Дополнительным средством коммуникации всегда является номер телефона. Клиент находится на домашнем лечении после посещения клиники, система автоматически отправляет ему сообщения с вопросами о состоянии здоровья. Робот может предложить несколько вариантов ответа, оставить комментарии или записать клиента на дополнительный прием. Если у клиента возникают вопросы медицинского характера, его сообщение адресуется лечащему врачу, который принимает решение по ситуации.

Врач не может закрыть прием в CRM, если лечение пациента не завершено. Он должен записать клиента на дополнительную консультацию по результатам лечения, чтобы убедиться, что результат действительно достигнут. Если лечение требует привлечение нескольких специалистов, то клиент сразу получает маршрутную карту и даты записи к нескольким специалистам, CRM-система при помощи рассылок будет ему об этом напоминать.

Для увеличения спроса на менее востребованные услуги разделяем клиентскую базу на сегменты и подсегменты. Для каждого подсегмента разрабатываем сценарии рассылок в зависимости от поведения клиентов. Если клиент интересовался услугой и ушёл без покупки, отправляем ему персонализированное предложение, которое складывается из нескольких показателей: ФИО, история покупок, предпочтения по цене.

Для «среднего клиента» по данным RFM-сегментации определяем комфортную и целевую частоту покупок на услуги с регулярным спросом, разрабатывая мероприятия по плавному сокращению срока. «Лучших» клиентов стимулируем возвращаться к покупке за счет программы лояльности и дополнительных подарков. Каждый «лучший» клиент имеет предел своего уровня потребности. Таких клиентов стимулируем привести друга, получив дополнительные бонусы или подарок. «Худших» клиентов стараемся разбудить, направив наиболее релевантное предложение согласно истории предыдущих покупок, плюс небольшой подарок в виде бонусов.

К результату:

Через 6 месяцев после внедрения мы провели оценку уровня удовлетворенности клиентов, показатель вырос с 6,7 до 9,4 (оценка проводилась по 10-ти бальной шкале). Ключевая причина роста - развитие взаимоотношения с клиентами на протяжении лечебного курса.

Доля продаж постоянным клиентам выросла до 90%, за счет увеличения глубины ассортимента в 5,5 раз, роста среднего чека на 36%. Клиенты, ранее приобретающие «точечные» услуги, начали чаще приобретать полный комплекс в одной клинике. Вырос спрос на базовые услуги, например, массаж, консультацию терапевта, общие анализы. Учитывая, что стоимость привлечения постоянных клиентов в 3 раза ниже стоимости привлечения новых, мы сократили средние затраты на привлечения одного пациента на 47%.

В результате реализации проекта клиника увеличила продажи в 3,5 раза за 6 месяцев 2022 год, к аналогичному периоду 2021 года, исключительно за счет постоянных клиентов. Наша команда уже реализовывала подобные проекты для fashion-индустрии, производителей мебели, крупных оптовых продавцов строительных материалов, автозапчастей, детских игрушек и др. отраслей, но опыт реализации проекта в медицинской отрасли стал для нас особенно ценным из-за специфики рынка и особому подходу во взаимоотношениях с клиентами. Я благодарен нашему партнеру за доверие и буду рад помочь другим медицинским учреждениям.