Od lat marketerzy polegają na ręcznej segmentacji, aby poprawić swoje kampanie. To solidne podejście, które pomaga radzić sobie z podstawowymi problemami. Jednak ma to swoje poważne wady, gdyż pochłania czas i oferuje niewystarczającą dokładność. Przyjrzyjmy się praktycznym przykładom i jak możemy się poprawić stosując segmentację predykcyjną.
Ręczna segmentacja w prawdziwym życiu
Poznaj Boba, młodszego marketera w sklepie ecommerce. Zadaniem Boba jest wyciągnięcie jak najwięcej z listy klientów sklepu. Poprzednia osoba popełniła błędy, więc to do Boba należy wprowadzenie ulepszeń.
Bob uzyskuje dostęp do pełnej listy z tysiącami klientów. Wśród nich jest osoba, która dokonała zakupu raz 5 lat temu, klient, który okazjonalnie kupuje tanią rzecz, osoba dokonująca dużych zakupów od czasu do czasu, oraz klient VIP, który kupuje dużo i często.
Bob spodziewa się, że niektóre osoby z listy są gotowe na kolejny zakup właśnie teraz. Jednakże, dla większości nie będzie to istotne, bez względu na to, jak dobra jest jego oferta czy tekst reklamowy.
Bob decyduje się wysłać swoją pierwszą kampanię SMS do całej listy naraz. Kiedy w końcu otrzymuje wyniki, nie wyglądają one dobrze. Okazuje się, że sklep stracił 926 dolarów na tej kampanii. Jeśli Bob chce utrzymać swoją pracę, musi upewnić się, że to się nie powtórzy.
Wysyłanie wiadomości do wszystkich z listy nie jest najlepszą strategią. Może to irytować osoby, które nie są jeszcze gotowe na zakup, a straty przewyższają potencjalne korzyści. Jak w naszym przykładzie, może to być bardzo kosztowne—do poziomu straty.
Teraz Bob nauczył się lekcji i wybiera zawężenie listy odbiorców.
Wie, że osoby, które dokonały ostatnio zakupów, mają większe prawdopodobieństwo, aby kupić ponownie. Skupia się na grupie osób, które coś kupiły w ciągu ostatnich 90 dni. Tym razem wyniki wyglądają o wiele lepiej dla Boba. Wygląda na to, że Bob zachowa swoją pracę.
Zwróć uwagę!
Ręczna segmentacja ma ograniczenia, które zmniejszają jej skuteczność, w tym:
- Zakłócenia z powodu przestarzałych danych: Korzystanie z przestarzałych informacji o klientach prowadzi do nieprecyzyjnych celów.
- Błędy ludzkie: Błędy są nieuniknione w procesach ręcznych, wpływając na dokładność segmentacji.
- Trudności w skalowaniu: W miarę rozrastania się listy klientów, utrzymanie ręcznej segmentacji staje się coraz trudniejsze.
Teraz Bob zastanawia się, co powinien zrobić dalej. Jak powinien podejść do swoich przyszłych kampanii?
Jak marketerzy sami siebie oszukują, odpowiadając na niewłaściwe pytanie
Od dekad marketerzy próbują odpowiedzieć na jedno pytanie: jakie kryteria segmentacji przyniosą najlepsze wyniki? W przypadku Boba dylematem jest, czy okres 90 dni jest najlepszą opcją.
Może jednak pójść dalej i zapytać: co jeśli wybierze okres 45 dni? Czy poprawi to ROMI czy pogorszy?
Czy powinien spróbować innego kierunku? Czy okres 120 dni wciąż byłby opłacalny?
Tyle pytań... a nadal nie ma tego właściwego. W tym momencie Bob powinien zastanowić się, jakie cele powinien sobie obrać. Istnieją trzy główne cele, które może chcieć osiągnąć w swoich kampaniach:
- Maksymalizować zysk z kampanii.
- Maksymalizować przychody, minimalizując straty.
- Maksymalizować zasięg, nawet jeśli wiąże się to z operacyjną stratą.
Tak to wygląda, gdy zostanie przedstawione na wykresie:
Aby uniknąć zgadywania kryteriów segmentacji i zacząć działać w kierunku konkretnych celów, powinniśmy zwrócić się ku predyktywnej segmentacji.
Predyktywna segmentacja jako odpowiedź na pytania marketerów
Zamiast dzielić listę klientów według liczby dni od ostatniego zakupu (lub częstotliwości, lub innej pośredniej miary), Bob powinien skupić się na kryteriach bezpośrednio związanych z pożądanymi wynikami.
Prawdopodobieństwo zakupu to miara, którą Bob powinien wybrać jako pierwszą. Pomaga ocenić każdego klienta i uszeregować go w oparciu o to, jak prawdopodobne jest, że ponownie kupi po interakcji z firmą. Jednak metody manualne nie są w stanie tego obsłużyć; dlatego potrzebujemy bardziej zaawansowanych narzędzi.
Modelowanie predyktywne opiera się na sieciach neuronowych i danych klientów, aby tworzyć dokładne prognozy przyszłych zachowań. Zamiast operować na pośrednich miarach, pozwala nam pracować z głównymi wydarzeniami konwersji – zakupem, odejściem, porzuceniem koszyka, subskrypcją, itp.
Sieci neuronowe analizują ogromne ilości danych z przeszłości, aby tworzyć prognozy. W przeciwieństwie do metod manualnych, które często obejmują ograniczone przedziały czasowe, AI potrafi analizować dane z miesięcy lub nawet lat i znajdować podobieństwa między klientami. Pomaga to identyfikować wzorce, które są nieoczywiste dla ludzi, zwłaszcza przy dużych zbiorach danych.
Innym wskaźnikiem, który Bob uzna za użyteczny, jest Recall. Odbicie Wskaźnik Recall odzwierciedla, jak dobrze model obejmuje wszystkich potencjalnych nabywców w wybranym segmencie.
Jeśli Twoim celem jest dotarcie do jak największej liczby potencjalnych klientów, nawet jeśli obejmuje to niektóre osoby, które nie są gotowe do zakupu, wybierz wyższą wartość recall (np. 70-80). Alternatywnie, jeśli chcesz się skupić na bardzo ukierunkowanej grupie prawdopodobnych nabywców w celu zmniejszenia kosztów i poprawy wskaźników konwersji, ustaw niższą wartość recall (np. 50-60).
Aby to lepiej zrozumieć, przyjrzyjmy się przykładowi: Mamy listę 100 000 klientów, z 1 000 przewidywanych jako gotowych do zakupu. Jeśli ustawimy wartość recall na 80, kończymy z segmentem liczącym 60 000 osób. Oznacza to, że 80% naszych przewidywanych kupujących (800 z 1 000) zostało uwzględnionych w tym segmencie.
Jeżeli zamiast tego ustawimy wartość recall na 55, system wygeneruje mniejszy segment z 25 000 klientów. Spośród nich 550 (55% całkowitej liczby naszych przewidywanych kupujących) jest bardzo prawdopodobne, że pozytywnie zareaguje na naszą kampanię.
Pamiętaj, że w kontekście predyktywnej segmentacji, czułość działa odwrotnie proporcjonalnie do dokładności. Mniejsze wartości recall skutkują bardziej precyzyjnymi i opłacalnymi segmentami. Zazwyczaj, recall wynoszący 80 może oznaczać 99 nie-kupujących na każdego kupującego, podczas gdy recall wynoszący 55 będzie miał tylko 97 nie-kupujących na każdego kupującego.
Uzbrojony w model predyktywny i jasny cel marketingowy, Bob postanawia przeprowadzić kampanię. Jego celem jest maksymalizacja przychodów, więc ustawia recall na 80.
Te wyniki okazują się dokładnie takie, jakie Bob zawsze chciał uzyskać. Jego przychody są wysokie, bez żadnych strat. Zadowolony z wyników, postanawia spróbować innego podejścia — teraz chce, aby jego kampania maksymalizowała rentowność biznesu. Ustawia recall na 55 i wysyła kolejną kampanię.
Tym razem Bob osiąga jeszcze lepsze wyniki. Wysłał tylko połowę liczby wiadomości w porównaniu do poprzedniej kampanii, a jego zysk jest najwyższy spośród wszystkich kampanii, które dotąd przeprowadził. Z takimi wynikami, Bob nie tylko może utrzymać swoją pracę, ale także otrzymać awans!
Łącząc wszystkie wyniki w jednym obrazie, Bob uzyskuje następujący widok:
Jak Możesz Wdrożyć Predyktywną Segmentację z Yespo
Jak widzimy, predyktywna segmentacja może być potężnym narzędziem dla marketera, umożliwiającym nowe poziomy dokładności segmentacji.
To jest osiągane poprzez dogłębną i wszechstronną analizę istniejących danych. Bez względu na to, jak dobry jest marketer, istnieje zbyt wiele zmiennych, które człowiek może wziąć pod uwagę.
W międzyczasie, algorytmy uczenia maszynowego mogą analizować ogromne ilości danych i dostarczać praktyczne wnioski.
Podsumowanie
Wdrażając przewidywalną segmentację w swojej firmie, możesz zyskać niezastąpioną pomoc w:
- Prognozowaniu wyników swoich kampanii: Wyeliminuj domysły i przewiduj swoje wyniki, zanim wyślesz pierwszą wiadomość.
- Angażowaniu tylko tych klientów, którzy są gotowi, aby Cię usłyszeć: Dotrzyj do zainteresowanych klientów, redukując jednocześnie irytację u tych, którzy nie są jeszcze gotowi do działania, co prowadzi do lepszego doświadczenia klienta i niższych wskaźników rezygnacji.
- Lepszym alokowaniu budżetów marketingowych. Inwestuj pieniądze w kampanie przynoszące wyniki i eliminuj marnowanie budżetu na działania metodą prób i błędów.
Jeśli zastanawiasz się, jak zacząć z przewidywalną segmentacją w swojej firmie, nasze CDP Yespo oferuje wygodny sposób na to. Twoim zadaniem jest połączenie źródeł danych; resztą zajmie się Yespo.
Jeśli chcesz spróbować samodzielnie i zobaczyć wyniki, wypełnij poniższy formularz, a nasz zespół się z Tobą skontaktuje.