Сеть «МебельХаус» — омниканальная CRM для 8 магазинов
01 Проблема
Каждый из 8 магазинов сети «МебельХаус» работал в своей системе учёта: где-то Excel, где-то самописная CRM, а где-то просто бумажные журналы. Клиент, купивший кухню в одном салоне и пришедший за диваном в другой, воспринимался как новый. Интернет-магазин существовал отдельно от офлайна — история онлайн-покупок не попадала к консультантам в зале. Маркетинг не мог сегментировать базу и проводить персонализированные акции. Руководство сети не имело единой картины продаж по всем точкам.
Цели проекта
- Объединить 8 магазинов и интернет-магазин в единую CRM
- Создать единый профиль клиента с полной историей покупок
- Настроить кросс-продажи между категориями товаров
- Обеспечить единую аналитику и управление по всей сети
02 Решение
Внедрили Битрикс24 как единую платформу для всей сети: CRM, коммуникации, задачи и аналитика в одном месте. Каждый магазин работает в своей воронке, но клиентская база единая. Интеграция с интернет-магазином обеспечила бесшовный omnichannel-опыт для покупателей.
Аудит и унификация процессов по сети
Посетили все 8 магазинов, изучили существующие процессы и выявили лучшие практики. На основе этого разработали единый стандарт работы с клиентом: от первого визита до послепродажного сервиса. Стандарт стал основой для настройки CRM.
Создание единой клиентской базы
Собрали данные из всех 8 систем, провели дедупликацию по телефону и email. Из 35 000 записей осталось 22 000 уникальных клиентов. Обогатили профили историей покупок, предпочтениями по стилю и бюджету.
Интеграция с интернет-магазином на 1С-Битрикс
Настроили синхронизацию заказов, корзин и wishlist-ов с CRM. Консультант в зале видит, что клиент смотрел на сайте, и может продолжить диалог с учётом онлайн-интересов. Брошенные корзины автоматически передаются менеджеру ближайшего магазина.
Система кросс-продаж и рекомендаций
Разработали матрицу сопутствующих товаров: кухня → бытовая техника, диван → текстиль, спальня → матрас + постельное бельё. При открытии карточки клиента менеджер видит персональные рекомендации на основе предыдущих покупок и интересов.
Развёртывание по сети
Запускали по 2 магазина в неделю. В каждом проводили однодневный тренинг, назначали ответственного за CRM из числа сотрудников. Первую неделю после запуска наш консультант работал на точке для оперативного решения вопросов.
Интеграции
03 Сложности и как мы их решили
Хаотичное качество данных в старых системах
Данные из некоторых магазинов были крайне низкого качества: дубликаты, ошибки в телефонах, клиенты без имени. Разработали алгоритм fuzzy-matching для объединения дублей и автоматической нормализации телефонных номеров. Ручная проверка потребовалась только для 5% записей.
Разная бизнес-логика в магазинах разного формата
Два магазина были шоурумами (только заказ), остальные — с наличием товара. Создали два шаблона воронки с разными этапами, но единой карточкой клиента. Автоматизации адаптируются под тип точки продаж.
Медленный интернет в ТЦ
В двух торговых центрах интернет был нестабильным, что мешало работе облачной CRM. Организовали резервный канал через мобильный интернет и настроили оффлайн-режим в мобильном приложении для критичных операций.
04 Результаты
Впервые за 10 лет работы сети мы видим единую картину: кто наши клиенты, что они покупают и как часто возвращаются. Кросс-продажи между категориями выросли на 30% — раньше этот потенциал просто терялся.
Хотите такой же результат?
Расскажите о задаче — подберём решение и покажем релевантный опыт
Обсудить проект