市场营销中有教科书的例子：第二次购买后一个人返回商店的可能性比第一次购买后高得多。 因此，在MoneyMan（ID财务中包含的在线贷款服务）中，第二笔贷款享有30％的折扣，第三笔贷款享有10％的折扣，第四笔仅享有5％的折扣。 通常，在这一点上，客户忠诚度达到最高，他开始习惯使用服务。 我们为90天未使用该服务的客户提供最大的折扣（50％）。 这是我们业务无回报的关键：在没有额外激励措施的情况下，此期间过后，只有1％的所有用户恢复使用该服务。
折扣通常不能很好地发挥作用：许多客户已经购买了产品或服务，其他客户则被较低的折扣所吸引，其他客户则需要更多动力。 周末需要有人打折，薪水之前需要打折，新iPhone机型发布之前需要打折。 但是，通常不以任何方式对折扣的发行进行监管，并且浪费了公司的钱。 同时，他们最多可以吃掉30-40％的营业利润。
以前，在分配折扣时，我们根据社会人口统计学原理（性别，年龄）通过RFM分析（时间，运营频率和客户现金成本）对客户进行了细分。 这些模型已过时，并且显示不相关的结果。 在还款后的第一周，约有40％的借款人获得新贷款。 我们给这些客户比其他客户便宜的折扣。 他们可以完全没有她吗？ 可能吧 但是我们不能肯定地说。 因此，我们建立了一个新的折扣系统
我们做了什么
我们在一定时期内评估了整个借款人群体：他们如何使用折扣，以及他们的规模如何影响付款纪律。 然后，我们将所有新客户划分为六个焦点小组，并测试了多个测试。 每组的折扣从0到75％不等，并研究了转化率。 测试用了两个月。 我们将通过50个参数获得的转换分析转换为数学模型。 该程序基于一系列数据为借款人分配了特殊分数，从而评估了借款人返回服务的倾向。 换句话说，系统本身根据信用历史数据，来自社交网络的信息以及借款人的行为分配了最佳折扣。 我们将系统与市场营销工具相连，设置了直接邮件，邮件列表，推送通知，并将数据传输到支持服务。
现在如何运作
该试验于2017年11月在俄罗斯和哈萨克斯坦的MoneyMan服务中引入。自2018年以来，该模型已在该公司的其他项目（Solva，AmmoPay和Plazo）以及其他国家（乔治亚州，波兰，西班牙，巴西，墨西哥）引入。 新系统通常会分配10％的折扣。 它约占所有新发行量的75％。 超过50％的折扣在所有发行中所占比例不到1.5％。 例如，MoneyMan在研究之前提供的平均折扣为24％。
由于采用了新系统，归还资金占贷款额的份额提高了3.2个百分点。 每月高达24.7％。 回头客数量增长了27％，而客户流的质量却没有下降。 经济影响估计为1.1亿卢布。 到2018年底ID金融集团-到2018年底约400万美元
对那些想要实施这种系统的人的建议- 可以基于开源解决方案来构建这样的系统。
- 注意数据的新鲜度。 借款人的行为在迅速变化，信息变得无关紧要。 开发的系统优先处理最新数据。
- 有关服务内客户行为的信息（财务纪律，贷款金额等）比外部数据（包括来自信用局的历史记录）更为重要。
- 跟踪信息传递的来源：重要的是要有几个。 最有效的仍然是短信和推送通知
- 最好在10:00至15:00之间发送包含新优惠的电子邮件，而客户在15:00至18:00之间对SMS的响应更好
- 有了折扣通知，最好不要分开。 一个人每周收到的邮件不应超过两个
- 如果折扣很大-应该在字母的主题行中显示；如果折扣很小-折扣应该在文本中，并且主题行应该是可单击的