10 effektive metoder til adfærdssegmentering for at forstå dine kunder

Af Gary DeAsi

Det er godt at vide, hvem dine kunder er, men det er endnu bedre at vide, hvordan de opfører sig.
-Jon Miller

Kundesegmentering har altid været vigtig. Men nu hvor orkestreringen af rejser, der afspejler en kundes samlede oplevelse, snarere end deres seneste interaktion inden for et siloed touchpoint, er en integreret del af virksomhedens succes i dag, er effektiv segmentering et absolut must.

Men ifølge en nyere Forrester-rapport siger kun 33 % af de virksomheder, der bruger kundesegmentering, at de finder den væsentligt effektiv. Ifølge rapporten er hovedårsagen til, at virksomhederne fejler, at de stadig bruger traditionelle kundesegmenteringstilgange uden at udnytte bredden af kundedata og avancerede analyseteknikker, der er tilgængelige i dag.

Med andre ord bruger de ikke en moderne adfærdssegmenteringstilgang.

I dette indlæg vil jeg bringe dig ajour med en dybdegående oversigt over 10 forskellige tilgange til adfærdsmæssig segmentering, der kan bruges til bedre at forstå dine kunder og deres mål for at maksimere rejsens succes og opnå forretningsmæssige resultater.

Hvad er adfærdsmæssig segmentering?

Traditionelle tilgange til segmentering fokuserede primært på, hvem kunderne er, og segmenter var baseret på demografiske attributter såsom køn eller alder og firmografiske attributter såsom virksomhedsstørrelse eller branche. Men som jeg diskuterede i mit tidligere indlæg om data om kundeadfærd, er det ikke længere nok blot at forstå, hvem dine kunder er.

Adfærdssegmentering handler om at forstå kunderne ikke blot ud fra, hvem de er, men ud fra, hvad de gør, ved hjælp af indsigt, der stammer fra kundernes handlinger.

Adfærdssegmentering er en form for kundesegmentering, der er baseret på adfærdsmønstre, som kunderne viser, når de interagerer med en virksomhed/et mærke eller træffer en købsbeslutning. Den giver virksomheder mulighed for at opdele kunderne i grupper i henhold til deres viden om, holdning til, brug af eller reaktion på et produkt, en tjeneste eller et brand.

Målet er at identificere kundesegmenter, der gør det muligt at forstå, hvordan man kan imødekomme en gruppe kunders særlige behov eller ønsker, opdage muligheder for at optimere deres kunderejser og kvantificere deres potentielle værdi for din virksomhed.

Hvorfor segmentere kunderne efter adfærd?

Her er fire hovedfordele ved at gruppere kunderne i forskellige segmenter baseret på deres adfærd:

1. Personalisering. Forstå, hvordan forskellige grupper af kunder skal målrettes med forskellige tilbud på de mest hensigtsmæssige tidspunkter gennem deres foretrukne kanaler for effektivt at hjælpe dem frem mod vellykkede resultater i deres rejse.
2. Forudsigelse. Brug historiske adfærdsmønstre til at forudsige og påvirke fremtidige kundeadfærd og -resultater.
3. Prioritering. Træf smartere beslutninger om, hvordan du bedst fordeler tid, budget og ressourcer ved at identificere kundesegmenter og initiativer af høj værdi med den største potentielle forretningseffekt.
4. Ydelse. Overvåg vækstmønstre og ændringer i vigtige kundesegmenter over tid for at måle forretningssundheden og følge resultaterne i forhold til målene. På et højt niveau betyder dette, at man skal kvantificere kundesegmenternes størrelse og værdi og følge, hvordan “positive” og “negative” segmenter vokser eller skrumper over tid.

10 kraftfulde adfærdssegmenteringsmetoder, du kan bruge til bedre at forstå dine kunder

Traditionelt set placerer de fleste eksperter sig omkring seks primære typer adfærdssegmentering.

(Kilde)

Mens disse seks “klassiske” typer af adfærdssegmentering alle stadig er meget relevante i dag, har de også udviklet sig til at få nye betydninger, anvendelser og brugssituationer.

I dette indlæg vil vi undersøge både de “traditionelle” og “moderne” fortolkninger af hver type, samtidig med at vi også foretager nogle nye tilføjelser til listen for at medtage nogle interessante nye måder, som nogle af vores kunder og partnere bruger adfærdssegmentering på i dag.

De 10 adfærdssegmenteringsmetoder er:

(Klik for at springe til de enkelte afsnit)

1. Købsadfærd
2. Søgt udbytte
3. Stadie i kunderejsen
4. Anvendelse
5. Anledning eller tidspunkt
6. Kundetilfredshed
7. Kundeloyalitet
8. Interesse
9. Engagement-niveau
10. Brugerstatus

Et par vigtige ting at huske på, før vi går i dybden:

• Denne liste udelukker IKKE hinanden.
• Måden, du går til at definere segmenter og bruge forskellige adfærdssegmenteringstyper, kan variere meget afhængigt af din virksomhed.
• En eller flere af disse segmenteringsmetoder kan bruges samtidig eller kombineres med andre typer segmenter.

Købsadfærd

Hvordan opfører kunderne sig forskelligt i løbet af vejen til køb?

Købsadfærdsbaseret segmentering handler om at identificere tendenser i, hvordan forskellige kunder opfører sig i løbet af processen med at træffe en købsbeslutning.

Købsadfærd kan hjælpe os med at forstå:

• Hvordan forskellige kunder griber købsbeslutningen an
• Kompleksiteten og sværhedsgraden af købsprocessen
• Den rolle kunden spiller i købsprocessen
• Vigtige barrierer på vejen til køb
• Hvilken adfærd der er mest og mindst forudsigelig for, at en kunde foretager et køb

Prediktive adfærdssegmenter

Gennem udnyttelse af maskinlæringsfunktioner til at analysere kundeadfærd gennem hele kunderejsen og identificere mønstre over tid, opbygger virksomheder nu prædiktive segmenter baseret på sandsynligheden for, at forskellige kunder foretager et specifikt køb.

Der er to almindelige måder at bruge tidligere adfærd til at forudsige fremtidige resultater på:

• 1. Udnyttelse af tidligere køb til at forudsige fremtidige køb
  2. Udnyttelse af adfærd langs vejen-tilkøb for at forudsige sandsynligheden for at gennemføre et køb

Implicitte segmenter baseret på digital adfærd

En anden moderne tilgang bruger mønstre i digital adfærd til at forstå de mange forskellige måder, hvorpå forskellige kunder griber købsprocessen an, med henblik på at identificere de vigtigste hindringer, som marketingfolk skal fjerne fra vejen til køb.

Der er en række forskellige måder at gribe dette an på, afhængigt af din virksomhed. Lacie Larschan delte nogle eCommerce-eksempler på denne metode i en nylig artikel. Hun karakteriserer købere i seks forskellige adfærdssegmenter med tilsvarende køberpersonligheder ved at danne implicitte antagelser baseret på deres online-interaktioner:

• Den “prisbevidste” køber er en “bargain hunter”, der leder efter den lavest mulige pris.
• Den “kloge” køber er en grundig, omhyggelig forsker, der ønsker at forstå hver eneste indviklede faktor, før han eller hun beslutter sig for en enkelt.
• Den “risikovillige” køber er en forsigtig, økonomisk forsigtig shopper, der har svært ved at trykke på aftrækkeren for et køb uden den rette forsikring, f.eks. en god, problemfri returret.
• Den “behovssikrede” køber er en shopper, der har brug for bekræftelse på, at produktet er populært og bakkes op af påstande fra ligesindede.
• “Jeg køber det senere” er en shopper, der ikke har travlt.
• Den “overbevisende” køber er en impulskøber, der er meget modtagelig for krydssalgstilbud.

Hvis du kan lære så meget om, hvordan forskellige kunder nærmer sig en købsbeslutning gennem adfærdsdata fra blot en enkelt kanal inden for en enkelt web-session, så forestil dig, hvor meget mere du kan opdage ved hjælp af data om kundeadfærd, der omfatter interaktioner på tværs af alle kanaler over en længere periode.

Søgte fordele

Hvilke primære fordele søger forskellige kunder i forbindelse med en købsbeslutning?

Når kunderne undersøger et produkt eller en tjeneste, kan deres adfærd afsløre værdifuld indsigt i, hvilke fordele, funktioner, værdier, brugstilfælde eller problemer der er de vigtigste motiverende faktorer, der påvirker deres købsbeslutning.

Når en kunde lægger meget større vægt på en eller flere fordele end de andre, er disse primære fordele, der søges, de definerende motiverende faktorer, der driver købsbeslutningen for den pågældende kunde.

Et simpelt eksempel er forbrugere, der køber tandpasta af forskellige årsager:

1. Videre hvidtningsformål
2. Sensitive tænder
3. Smag
4. Pris

Dette B2C-tandpastaeksempel kan gælde for stort set alle virksomheder i alle brancher. For B2B-software kan de fordele, der søges, være specifikke funktioner eller muligheder, brugervenlighed, hastigheds- eller nøjagtighedsrelaterede fordele eller vigtige integrationer med andre værktøjer.

To potentielle kunder kan se identiske ud med hensyn til deres demografiske eller firmografiske træk eller ud fra et kundepersona-synspunkt, men de kan have meget forskellige værdier med hensyn til, hvilke fordele og funktioner der er mest og mindst vigtige for dem hver især.

Hvis du har fire kunder, der alle søger en anden primær fordel, og du sender budskaber til dem alle om den samme fordel, så rammer du ved siden af målet med 75 % af din kommunikation og spilder 75 % af din tid og dit budget.

Gennem at forstå hver enkelt kundes adfærd, som de interagerer med dit brand over tid, kan du gruppere kunderne i segmenter baseret på deres ønskede fordele og tilpasse din markedsføring i overensstemmelse hermed for hvert segment.

Customer Journey Stage

Hvilket stadie af rejsen befinder en ny eller eksisterende kunde sig i øjeblikket i?

Med opbygning af adfærdssegmenter efter stadie af kunderejsen kan du tilpasse kommunikationen og tilpasse oplevelser for at øge konverteringen i hvert stadie. Desuden hjælper det dig med at opdage stadier, hvor kunderne ikke gør fremskridt, så du kan identificere de største hindringer og muligheder for forbedringer.

Men det er ikke let at segmentere dine kunder efter rejsestadiet.

En almindelig misforståelse er, at en enkelt kundeadfærd eller interaktion er nok til præcist at fastslå, hvilket rejsestadium en kunde befinder sig i øjeblikket.

“Denne kunde har set dette indhold eller klikket på denne annonce, så det betyder, at de befinder sig i ____________-stadiet”

I de fleste tilfælde er et eller to adfærdsmæssige datapunkter ikke nok til præcist at identificere en kundes aktuelle rejsestadium.

Kunder i alle forskellige stadier interagerer og engagerer sig i indhold og oplevelser, der er designet til alle forskellige stadier, på tværs af alle forskellige kanaler, på alle forskellige tidspunkter og uden nogen bestemt rækkefølge.

Den mest effektive måde at bestemme en kundes aktuelle rejsestadium præcist på er ved at udnytte alle en kundes adfærdsdata på tværs af kanaler og berøringspunkter, så du kan opbygge vægtede algoritmer baseret på adfærdsmønstre over tid.

Dette diagram viser en individuel potentiel kundes adfærd i løbet af en periode på de foregående fjorten dage. Denne potentielle kunde befinder sig i overvejelsesfasen i kunderejsen, men hans adfærd sker i en fuldstændig tilfældig rækkefølge og ikke lineært fra fase til fase. Dette er et langt mere realistisk billede af, hvordan kundernes adfærd kan se ud i en given tidsramme, når de interagerer med et brand.

Hvis du skulle forsøge at identificere, hvilken rejsefase denne potentielle kunde befandt sig i på baggrund af en eller to af adfærdsmønstrene, kunne du let komme til at foretage en forkert antagelse. Hvis du f.eks. vurderede det ud fra en af de to første adfærdsformer, så ser det ud til, at kundeemnerne befinder sig i bevidstheds- eller uddannelsesfasen. Men ved at vægte adfærdsmønstrene ved hjælp af algoritmer, der er opbygget ud fra historiske mønstre, kan du se, hvordan det bliver meget tydeligere, at overvejelse er det mest sandsynlige nuværende rejsestadium for denne kunde.

Gør heller ikke den fejl at antage, at kunderne bare naturligt vil gå over til det næste stadium i deres rejse, efterhånden som tiden går.

Hvis du har en virksomhed med årlige abonnementer, og du antager, at en kunde har bevæget sig fra adoptions- til fastholdelsesfasen i løbet af året, kan du få en brat opvågnen, når det er tid til fornyelse. Endnu en gang er adfærdsdata den eneste måde at få sandheden, eller i det mindste så tæt på den som muligt.

Brug

Hvor ofte (og hvor meget) bruger kunderne dit produkt eller din tjeneste? Hvordan bruger de det?

Brug af produkter eller tjenester er en anden almindelig måde at segmentere kunderne efter adfærd på, baseret på den hyppighed, hvormed en kunde køber fra eller interagerer med et produkt eller en tjeneste.

Hvor ofte rejser kunderne med Airbnb? Hvor ofte køber kunderne produkter fra Amazon?

Hvor ofte logger kunderne faktisk ind og bruger din software, hvis du er en B2B SaaS-virksomhed? Hvor meget tid bruger de? Hvordan bruger de det? Hvilke funktioner bruger de? Hvor mange brugere fra den samme konto eller virksomhed bruger det?

Brugsadfærd kan være en stærk prædiktiv indikator for loyalitet eller churn og dermed livstidsværdi.

I et nyligt indlæg, How to Use Customer Behavior Data to Drive Revenue, delte jeg et eksempel på, hvordan Netflix udnytter kundebrugsdata til at opbygge adfærdssegmenter baseret på brugernes månedlige indholdsforbrug, hvilket i sidste ende gjorde det muligt for dem at reducere deres churn rate og øge kundernes livstidsværdi til et punkt, hvor ledelsen anslår, at virksomheden sparer 1 milliard dollars hvert år.

Denne Netflix-brugscase er et godt eksempel på mængdebaseret brugssegmentering.

Segmenter baseret på mængde eller hyppighed af brug

• Heavy Users (eller “Super Users”) er kunder, der bruger mest tid på at bruge din løsning og/eller køber hyppigst. Det er ofte dine mest ivrige og engagerede kunder, som også ofte er mest afhængige af dit produkt/din tjeneste.
• Gennemsnitlige eller mellemstore brugere er kunder, som bruger eller køber halvt regelmæssigt, men ikke særlig ofte. Ofte kan de være tids- eller begivenhedsbaserede.
• Lette brugere er kunder, der bruger eller køber meget mindre i forhold til andre kunder. Afhængigt af din virksomhed kan dette endda betyde engangsbrugere, men igen afhænger det af den relative brug i forhold til resten af din kundebase.

Disse brugsbaserede adfærdssegmenter er uvurderlige til at forstå, hvorfor visse typer af kunder bliver tunge eller lette brugere. Ved at segmentere på denne måde kan du teste forskellige handlinger og tilgange for at øge brugen fra eksisterende kunder og tiltrække flere nye kunder med større sandsynlighed for at følge de samme brugsadfærdsmønstre som dine superbrugere.

Det er afgørende at overvåge ændringer i kundernes brugsadfærd over tid. På den måde kan du identificere problemer og muligheder på både et aggregeret niveau (for at måle den samlede forretningsydelse) og på individuelt kundeniveau (for at identificere, om en kunde f.eks. kan være i høj risiko for at blive skiftet ud).

(Kilde)

Håndplukket relateret indhold: Sådan reducerer du churn med Customer Journey Analytics

Segmenter baseret på kvalitet af brug

Mens kvantitet og hyppighed af brug bestemt kan være værdifulde adfærdssegmenter, er høj brug ikke altid ensbetydende med den mest leverede værdi, både for kunden og i sidste ende for din virksomhed

For eksempel kan en SaaS-kunde have en masse produktbrugsadfærd, men i virkeligheden er tingene måske ikke så pæn, som de ser ud på overfladen. Måske bruger de:

1. ikke produktet så effektivt, som de kunne,
2. kun udnytter kun en brøkdel af de vigtigste funktioner eller muligheder i løsningen,
3. kun bruger produktet nu, fordi de er nødt til det, men er utilfredse og ønsker at skifte til en konkurrent på lang sigt.

I alle tre eksempler afspejler mængden af brug ikke den værdi, de rent faktisk modtager.

Selv om denne kunde måske opfylder kriterierne for et “heavy user”-segment, får de i virkeligheden ikke nok værdi og vil sandsynligvis have en høj risiko for at skifte i fremtiden (hvis ikke allerede).

Occasions- eller tidsbaseret

Hvornår er kunderne mest tilbøjelige til at foretage et køb eller engagere sig i et brand?

Traditionelt refererer lejligheds- og tidsbaserede adfærdssegmenter til både universelle og personlige lejligheder.

• Universelle lejligheder gælder for størstedelen af dine kunder eller din målgruppe. Helligdage og sæsonbestemte begivenheder er et typisk eksempel, hvor forbrugerne er mere tilbøjelige til at foretage visse køb omkring højtiden eller på bestemte tidspunkter af året.
• Tilbagevendende personlige lejligheder er købsmønstre for en individuel kunde, der gentager sig konsekvent over en periode, hvilket kan være alt fra årlige lejligheder som fødselsdage, jubilæer eller ferier, månedlige køb som forretningsrejser eller endda daglige ritualer som at stoppe op for en kop kaffe på vej til arbejde hver morgen.
• Sjældne-personlige lejligheder er også relateret til individuelle kunder, men er mere uregelmæssige og spontane og dermed vanskeligere at forudsige, f.eks. at deltage i en vens bryllup.

Selv om disse kan være meget vanskelige at forudsige, er det dog muligt (du husker måske overskrifterne fra for et par år siden, hvor Target som bekendt brugte point-of-sale-data til at finde ud af, hvornår de skulle markedsføre bleer og andre babyprodukter til kvinder baseret på, hvornår de tidligere havde købt graviditetstests. )

Targeting Segments by Time of Day of Day, Day of Week etc.

En anden mere moderne anvendelse af tidsbaseret adfærdssegmentering har at gøre med tidspunkter, hvor en kunde har større tilbøjelighed til at engagere sig i et brand eller være mere modtagelig over for tilbud.

Adfærdsmønstre i individuelle kunders præferencer for at læse e-mails, surfe på sociale netværk, undersøge produkter og forbruge indhold er alle eksempler, der kan udnyttes til at hjælpe marketingfolk med at forstå de bedste dage og tidspunkter til at målrette forskellige kunder med tilbud.

Netflix, Dominos, Open Table og Hotel Tonight sender mig alle e-mails om fredagen mere end nogen anden dag i ugen. Hvorfor? Indhold, pizza-levering og sidste øjebliks restaurant- og hotelreservationer er alle ting, som jeg er mere tilbøjelig til at forbruge eller købe i weekenden.

Segmenter efter den tid, der er gået siden et tidligere køb eller en tidligere handling

En anden tidsbaseret tilgang er at forudsige, hvornår kunderne er mest tilbøjelige til at foretage et køb på baggrund af den tid, der er gået siden et tidligere køb eller en tidligere handling.

For eksempel kan en kunde være meget mere tilbøjelig til at købe igen inden for ugerne eller månederne efter et første køb, eller omvendt meget mindre tilbøjelig til at foretage et up-sell- eller cross-sell-køb, før der er gået et vist tidsrum siden et første køb eller en fornyelse. Den førnævnte Target-sag om graviditetstests ville være et andet eksempel på dette.

Kundetilfredshed

Hvor tilfredse er dine kunder, VIRKELIGT?

NPS®-undersøgelser og andre lignende kundefeedbackmekanismer er helt sikkert værdifulde metoder til at hjælpe med at måle kundetilfredsheden, men du kan ikke stole på dem alene.

Her er tre grunde hertil:

1. Typisk deltager kun en brøkdel af kunderne.
2. Hvorvidt du gennemfører undersøgelser årligt, halvårligt, kvartalsvis eller endda månedligt eller ugentligt, efterlader dette en betydelig mængde tid mellem dataindsamlingspunkterne, hvilket efterlader dig i uvished i længere perioder, hvor en kundes tilfredshedsniveau kan ændre sig drastisk.
3. Som Swati Sahai påpegede i sit nylige indlæg om, hvordan man måler kundeoplevelsen, er det en ineffektiv tilgang udelukkende at stole på NPS som et mål for kundeoplevelsen, fordi det ikke nøjagtigt afspejler kundernes skiftende behov og oplevelser på forskellige stadier af kunderejsen.

En kundes adfærd kan være en langt mere præcis og pålidelig kilde til måling af tilfredshed, især med data, der kan opfanges og opdateres i realtid og på alle stadier af kunderejsen.

Der er mange datakilder til rådighed, hvorigennem kundens adfærd kan aftastes for at måle en kundes sande tilfredshed på et givent tidspunkt. Bevis for negative kundeoplevelser kan findes mange steder og opdages gennem mange forskellige kanaler, systemer og værktøjer på tværs af din organisation. Det samme gælder naturligvis for positive kundeoplevelser.

Callcentre, supportportaler, hjælpefora, fakturerings- og CRM-systemer og sociale medier er blot nogle få ud af en lang række eksempler på, hvor disse data kan findes.

Gennem først at segmentere dine kunder efter tilfredshed – som med al segmentering – kan du beslutte dig for et passende sæt af handlinger for hvert segment og derefter kvantificere og prioritere dem efter deres potentielle forretningsmæssige betydning.

Segment med høj tilfredshed	Segment med lav tilfredshed
Target med up-sell eller cross-sælge muligheder Søge efter referencer eller casestudier Er berettiget til loyalitetsprogram Analysere kunderne i dette segment for at identificere mønstre, der kan føre til høj tilfredshed	Suppe fra op-salg, krydssalg og andre salgsfremmende tilbud Target med fastholdelseskampagne Prioriter personlig henvendelse fra kundeservice eller succesteam Analyse kunder i dette segment for at identificere potentielle grundlæggende årsager til lav tilfredshed

Gennem at segmentere dine kunder efter tilfredshed kan du bestemme svarene på spørgsmål som f.eks:
Hvilke af dine kunder er mest og mindst tilfredse på et givent tidspunkt?

Hvilke faktorer har den største indflydelse på kundetilfredsheden?

Kundetroskab

Hvem er dine mest loyale kunder? Hvordan kan du maksimere deres værdi og finde flere kunder som dem?

(Kilde)

Dine mest loyale kunder er de mest værdifulde aktiver for enhver virksomhed (vel at mærke med undtagelse af medarbejderne.) De er billigere at fastholde, har normalt den højeste livstidsværdi og vigtigst af alt kan de blive dine største brand advocates; det ultimative mål for ethvert kundeforhold.

Gennem adfærdsdata kan kunderne segmenteres efter deres loyalitetsniveau for at hjælpe dig med at identificere dine mest loyale kunder og forstå deres behov for at sikre, at du tilfredsstiller dem.

Loyale kunder kan være perfekte kandidater til programmer, der tilbyder særbehandling og privilegier som f.eks. eksklusive belønningsprogrammer for at pleje og styrke kundeforholdet og tilskynde til fortsat fremtidig handel.

Et par klassiske B2C-eksempler på sådanne programmer omfatter flyselskabers frequent flier-programmer, “platin”-kreditkortmedlemmer eller foretrukne gæster på hoteller og kasinoer.

Ud over at maksimere indtægterne fra loyale kunder er der mange andre potentielle fordele, der kan øge relationens livstidsværdi, f.eks. henvisninger, referencer, anbefalinger og vidnesbyrd, deltagelse i casestudier, afgivelse af produktfeedback og, vigtigst af alt, deling af positiv mund-til-mund-politik med deres ligesindede.

Brug adfærdssegmentering af kundeloyalitet til at give værdifulde svar på vigtige spørgsmål som:

Hvad er de vigtigste faktorer og adfærdsmønstre langs kunderejsen, der fører til loyalitet?

Hvilke kunder er de bedste kandidater til loyalitets- eller advocate-programmer?

Hvordan kan du holde dine mest loyale kunder tilfredse og maksimere den værdi, du får fra dem?

Interesse

Hvad er forskellige kunder interesserede i?

Forståelse af dine kunders personlige og professionelle interesser er nøglen til personalisering, kundeengagement og levering af værdi.

Interessebaseret adfærdssegmentering kan være medvirkende til at levere personlige oplevelser, der holder kunderne engagerede og kommer tilbage efter mere. Dette gælder uanset om dit mål er at øge produktbrugen, målrette kunderne med tilbud om krydssalg eller mersalg eller levere det rigtige indhold og den rigtige kommunikation for at pleje kunderne og hjælpe dem videre på vejen til køb eller vejen til fortalervirksomhed.

Netflix, Amazon og Spotify bruger anbefalingsmotorer til at foreslå indhold og produkter udelukkende baseret på kundernes adfærdsmæssige interesser.

En af de store fordele ved interesseadfærd er evnen til implicit at forbinde specifikke interesser med andre potentielle relaterede interesser.

Derved vægter du, hver gang du opfanger en kundes interesseadfærd, ikke blot en kundes grad af interesse for et bestemt emne, men du multiplicerer også antallet af yderligere potentielle interesser/emner, der kan være effektive til at engagere den pågældende kunde.

Maskinelæring kan hjælpe med at skalere processen. Efterhånden som et stigende antal kunder engagerer sig og interagerer, vil der være flere interessebaserede adfærdsmønstre at opdage, udlede og vægte over tid.

Engagementniveau

Hvor engagerede er dine kunder? Hvem er dine mest og mindst engagerede kunder?

Tidligere i denne artikel talte jeg om brugsbaseret adfærdssegmentering, som specifikt vedrører kundernes interaktioner med dit produkt eller din tjeneste. Mens segmentering af kunder efter deres engagement kan omfatte brug, omfatter det også et bredere spektrum af kundeinteraktioner med dit brand, som kan være lige så værdifulde til at måle styrken af kunderelationen.

Hvordan du definerer “engagement” vil variere afhængigt af din virksomhed og din rolle, men jeg tror, at vi alle kan blive enige om, at engagement generelt set er godt.

Hvis en kunde har positive oplevelser med dit brand og som følge heraf er villig til at interagere oftere og bruge mere tid på at engagere sig i dit brand, er det normalt et godt tegn på, at der vil følge positive resultater.

Desto mere tid en kunde bruger på at engagere sig med dit brand og har positive oplevelser, jo mere sandsynligt er det, at:

• Troværdigheden øges.
• Der udvikles en positiv opfattelse af brandet.
• Deres relation til brandet styrkes.
• De overvejer at foretage et køb.

Engagement er en værdifuld måleenhed i både før- og efterkøbsdelen af kunderejsen.

Du kan f.eks. bruge engagementbaseret segmentering til at forstå, hvor engagerede forskellige potentielle kunder er i din før-købstragten, eller hvor aktive eksisterende kunder er i dit brugerfællesskab.

Du kan måle engagement på det individuelle kunde-/kontaktniveau, på det overordnede virksomheds- eller kontoniveau eller begge dele. I begge tilfælde er segmentering af dine kunder efter deres engagement enormt værdifuldt for at forstå, hvilke kunder der er mest og mindst engageret i dit brand på et givent tidspunkt og hvorfor, og vigtigst af alt for at finde ud af, hvad du skal gøre ved det.

Nedenfor er et eksempel fra Engagio, en førende platform for Account-Based Marketing, som betragter engagement som en af sine “Big 5” ABM-indikatorer. Engagios software gør det muligt for brugerne at måle adfærdsmæssigt engagement i minutter for hver enkelt rolle på en prospektkonto samt for hver enkelt konto som helhed:

(Kilde)

Brugerstatus

Brugerstatus er en anden måde at adfærdsmæssigt klassificere forskellige kunder efter deres forhold til din virksomhed.

Nedenfor er nogle af de mest almindelige eksempler på brugerstatus:

• Non-users
• Prospects
• First-time buyers
• Regular users
• Defectors (ex-customers who have switched to a competitor)

Men der er mange forskellige mulige brugerstatuser, du kan have afhængigt af din virksomhed.

For eksempel kan en virksomhed med en free to pro-model eller en gratis prøvemodel have en status for “freemium-brugere” eller “free trial”-brugere.

Nyt den rigtige teknologi

Endeligt er det uden den rigtige teknologi på plads utrolig svært (grænsende til det umulige) at få virkelig succes med adfærdssegmentering i dag.

Google analytics, reklameplatforme som Google Adwords og Facebook og marketingautomatiseringssystemer er alle eksempler på værktøjer, som du kan (og bør) udnytte til at analysere, segmentere og målrette kunder på baggrund af adfærd.

Disse værktøjer kan dog kun levere en brøkdel af den værdi og de muligheder, der er dækket i dette indlæg. De giver dig ikke de cross-channel rejsedata, du har brug for til at opbygge omfattende adfærdssegmenter, eller den rejsedrevne indsigt, du har brug for til at orkestrere handlinger baseret på den enkelte kundes samlede oplevelse.

Software til orkestrering af kunderejsen gør dig i stand til at forbedre personaliseringsbeslutninger på tværs af alle dine kontaktpunkter, så du kan give en problemfri oplevelse til hver enkelt kunde. Sofistikerede løsninger giver dig mulighed for at aktivere nye eller opdatere eksisterende målgrupper, der er defineret ud fra kundens attributter og adfærd. Ved at udnytte en platform, der prioriterer rejser i stedet for interaktioner inden for siloede kanaler, kan din virksomhed levere den bedst mulige oplevelse til kunderne baseret på deres unikke mål og behov.

Det er din tur

Adfærdssegmentering er en teknik til segmentering af kunder efter deres adfærd, så du bedre kan forstå dem og engagere dig med dem på en mere optimal måde langs deres rejser.

Med de ti adfærdssegmenteringsmetoder, der er beskrevet ovenfor, kan du sætte kunderne i stand til at nå deres unikke mål, maksimere ROI, øge kundernes livstidsværdi og opbygge et dybere kendskab til din kundebase.