10 tehokasta käyttäytymissegmentointimenetelmää asiakkaiden ymmärtämiseksi

Ostokäyttäytymisen segmentit verkkokauppaesimerkki

Toisessa toisessa uudenaikaisessa lähestymiskulttuurissa hyödynnetään digitaalisessa käyttäytymisessä esiintyviä malleja, jotta voidaan ymmärtää, miten eri tavoin erilaiset asiakkaat suhtautuvat ostoprosessiin, jotta voidaan tunnistaa tärkeimmät esteet, jotka markkinoijien on poistettava ostopolulta.

Tätä voidaan lähestyä monin eri tavoin yrityksestäsi riippuen. Lacie Larschan kertoi hiljattain julkaistussa artikkelissa esimerkkejä tästä menetelmästä verkkokaupassa. Hän luonnehtii ostajat kuuteen eri käyttäytymissegmenttiin ja niitä vastaaviin ostajapersooniin muodostamalla implisiittisiä olettamuksia heidän verkkovuorovaikutuksensa perusteella:

• ”Hintatietoinen” ostaja on halpojen tarjousten metsästäjä, joka etsii halvinta mahdollista hintaa.
• ”Älykäs” ostaja on perusteellinen, huolellinen tutkija, joka haluaa ymmärtää jokaisen monimutkaisen tekijän, ennen kuin sitoutuu mihinkään yksittäiseen.
• ”Riskiä välttelevä” ostaja on varovainen, taloudellisesti huolellinen ostaja, joka kamppailee painaakseen liipaisimesta ostokseen ilman asianmukaista vakuutusta, kuten hyvää ja vaivatonta palautusoikeutta.

Jos voit oppia näin paljon siitä, miten erilaiset asiakkaat lähestyvät ostopäätöstä vain yhdestä kanavasta saadun käyttäytymistiedon avulla yhden verkko-istunnon aikana, kuvittele, kuinka paljon enemmän voisit saada selville, jos käyttäisit asiakaskäyttäytymistietoja, jotka kattavat vuorovaikutuksen kaikissa kanavissa pidemmän ajanjakson aikana.

Haetut edut

Mitä ensisijaisia etuja eri asiakkaat etsivät ostopäätöksen aikana?

Asiakkaiden tutkiessa tuotetta tai palvelua heidän käyttäytymisensä voi paljastaa arvokkaita oivalluksia siitä, mitkä hyödyt, piirteet, arvot, käyttötapaukset tai ongelmat ovat tärkeimpiä ostopäätökseen vaikuttavia motivaatiotekijöitä.

Kun asiakas antaa yhdelle tai useammalle hyödylle paljon suuremman arvon kuin muille, nämä ensisijaisesti haetut hyödyt ovat ratkaisevia motivaatiotekijöitä, jotka ohjaavat kyseisen asiakkaan ostopäätöstä.

Yksinkertainen esimerkki on kuluttajat, jotka ostavat hammastahnaa eri syistä:

1. valkaisutarkoituksiin
2. herkät hampaat
3. maku
4. hinta

Tämä B2C-hammastahnaa koskeva esimerkki soveltuu lähes mihin tahansa yritykseen millä tahansa toimialalla. B2B-ohjelmistojen kohdalla haluttuja hyötyjä voivat olla tietyt ominaisuudet tai valmiudet, helppokäyttöisyys, nopeuteen tai tarkkuuteen liittyvät hyödyt tai keskeiset integraatiot muiden työkalujen kanssa.

Kaksi potentiaalista asiakasta voivat näyttää identtisiltä demografisilta tai yrityskohtaisilta ominaisuuksiltaan tai asiakaspersoonan näkökulmasta, mutta heillä voi olla hyvin erilaiset arvot sen suhteen, mitkä hyödyt ja ominaisuudet ovat kummallekin kaikkein tärkeimpiä ja mitkä vähiten tärkeitä.

Jos sinulla on neljä asiakasta, jotka kaikki etsivät erilaista ensisijaista etua, ja lähetät heille kaikille viestiä samasta edusta, menetät 75 prosenttia viestinnästäsi ohi päämäärän ja tuhlaat 75 prosenttia ajasta ja budjetista.

Ymmärtämällä kunkin asiakkaan käyttäytymistä, kun he ovat vuorovaikutuksessa tuotemerkkisi kanssa ajan mittaan, voit ryhmitellä asiakkaat segmentteihin heidän haluamiensa hyötyjen perusteella ja personoida markkinointisi sen mukaisesti kullekin segmentille.

Customer Journey Stage

Missä matkan vaiheessa uusi tai olemassa oleva asiakas on tällä hetkellä?

Käyttäytymissegmenttien rakentaminen asiakaspolun vaiheen mukaan mahdollistaa viestinnän kohdentamisen ja kokemusten personoimisen konversion lisäämiseksi jokaisessa vaiheessa. Lisäksi se auttaa sinua löytämään vaiheet, joissa asiakkaat eivät etene, jotta voit tunnistaa suurimmat esteet ja parannusmahdollisuudet.

Mutta asiakkaidesi segmentointi matkan vaiheiden mukaan ei ole helppoa.

Yleinen harhaluulo on se, että yksittäinen asiakaskäyttäytyminen tai -vuorovaikutus riittäisi osoittamaan tarkasti, missä matkan vaiheessa asiakas parhaillaan on.

”Tämä potentiaalinen asiakas katsoi tätä sisältöä tai napsautti tätä mainosta, joten se tarkoittaa, että hän on ____________ -vaiheessa.”

Useimmissa tapauksissa yksi tai kaksi käyttäytymisdatapistettä ei riitä tunnistamaan tarkasti asiakkaan tämänhetkistä matkavaihetta.

Asiakkaat, jotka ovat kaikissa eri vaiheissa, ovat vuorovaikutuksessa ja sitoutuvat sisältöön ja kokemuksiin, jotka on suunniteltu kaikille eri vaiheille, kaikissa eri kanavissa, kaikkina eri aikoina, eikä missään tietyssä järjestyksessä.

Tehokkain tapa määrittää tarkasti asiakkaan nykyinen matkavaihe on hyödyntää kaikkia asiakkaan käyttäytymisdatoja eri kanavissa ja kosketuspisteissä, jotta voit rakentaa painotettuja algoritmeja, jotka perustuvat käyttäytymismalleihin ajan myötä.

Tässä kaaviossa näkyy yksittäisen potentiaalisen asiakkaan käyttäytyminen neljäntoista edellisen päivän aikana. Tämä potentiaalinen asiakas on asiakasmatkan harkintavaiheessa, mutta hänen käyttäytymisensä tapahtuu täysin satunnaisessa järjestyksessä eikä se tapahdu lineaarisesti vaiheesta toiseen. Tämä on paljon realistisempi kuva siitä, miltä asiakkaan käyttäytyminen voi näyttää tietyn ajanjakson aikana, kun hän on vuorovaikutuksessa tuotemerkin kanssa.

Jos yrittäisit yhden tai kahden käyttäytymisen perusteella tunnistaa, missä vaiheessa tämä potentiaalinen asiakas on, tekisit helposti väärän oletuksen. Jos tekisit arvion esimerkiksi yhden kahdesta ensimmäisestä käyttäytymisestä perusteella, vaikuttaa siltä, että potentiaalinen asiakas on tietoisuus- tai koulutusvaiheessa. Mutta painottamalla käyttäytymismalleja historiallisten mallien perusteella laadittujen algoritmien avulla voit nähdä, kuinka paljon selvemmäksi tulee, että harkinta on todennäköisimmin tämän potentiaalisen asiakkaan tämänhetkinen matkavaihe.

Älä myöskään tee sitä virhettä, että oletat asiakkaiden siirtyvän luonnollisesti matkansa seuraavaan vaiheeseen ajan myötä.

Jos sinulla on vuositilausliiketoimintaa ja oletat, että asiakas on vuoden aikana siirtynyt hyväksymisvaiheesta säilyttämisvaiheeseen, saatat kokea ikävän herätyksen, kun on uusimisen aika. Jälleen kerran käyttäytymistiedot ovat ainoa tapa saada totuus selville tai ainakin mahdollisimman lähelle sitä.

Käyttö

Miten usein (ja kuinka paljon) asiakkaat käyttävät tuotetta tai palvelua? Miten he käyttävät sitä?

Tuotteen tai palvelun käyttö on toinen yleinen tapa segmentoida asiakkaita käyttäytymisen mukaan, joka perustuu siihen, kuinka usein asiakas ostaa tuotteesta tai palvelusta tai on vuorovaikutuksessa sen kanssa.

Miten usein asiakkaat matkustavat Airbnb:n kanssa? Kuinka usein asiakkaat ostavat tuotteita Amazonista?

B2B SaaS-yritykselle, kuinka usein asiakkaat kirjautuvat sisään ja käyttävät ohjelmistoasi? Kuinka paljon aikaa he käyttävät? Miten he käyttävät sitä? Mitä ominaisuuksia he käyttävät? Kuinka moni käyttäjä samalta tililtä tai samasta yrityksestä käyttää sitä?

Käyttökäyttäytyminen voi olla vahva ennakoiva indikaattori uskollisuudesta tai vaihtuvuudesta ja siten elinkaariarvosta.

Äskettäin julkaisemassani artikkelissa How to Use Customer Behavior Data to Drive Revenue (Kuinka käyttää asiakaskäyttäytymistietoja liikevaihdon kasvattamiseen) kerroin esimerkin siitä, kuinka Netflix hyödyntää asiakaskäyttäytymistietoja käyttäjien kuukausittaisen sisällönkulutuksen perusteella käyttäytymissegmenttien luomiseen, minkä ansiosta Netflix saattoi viime kädessä pienentää vaihtuvuusprosenttiaan ja kasvattaa asiakkaidensa elinikäistä lisäarvoa niin, että johtajat ovat arvioineet, että se tuo säästöjä yritykselle miljardi dollaria joka vuosi.

Tämä Netflixin käyttötapaus on hyvä esimerkki määrään perustuvasta käytön segmentoinnista.

Käytön määrään tai tiheyteen perustuvat segmentit

• Suurkäyttäjät (tai ”superkäyttäjät”) ovat asiakkaita, jotka käyttävät ratkaisusi käyttöön eniten aikaa ja/tai ostavat sitä eniten. Nämä ovat yleensä innokkaimpia ja sitoutuneimpia asiakkaitasi, jotka voivat myös usein luottaa tuotteeseesi/palveluusi eniten.
• Keskimääräiset tai keskivertokäyttäjät ovat asiakkaita, jotka käyttävät tai ostavat puoliksi säännöllisesti, mutta eivät kovin usein. Usein nämä voivat olla aika- tai tapahtumapohjaisia.
• Kevyet käyttäjät ovat asiakkaita, jotka käyttävät tai ostavat paljon vähemmän suhteessa muihin asiakkaisiin. Liiketoiminnastasi riippuen tämä voi tarkoittaa jopa kertakäyttäjiä, mutta jälleen kerran se riippuu suhteellisesta käytöstä muuhun asiakaskuntaasi nähden.

Nämä käyttöön perustuvat käyttäytymissegmentit ovat korvaamattomia, kun halutaan ymmärtää, miksi tietyntyyppisistä asiakkaista tulee raskaita tai kevyitä käyttäjiä. Segmentoimalla tällä tavoin voit testata erilaisia toimia ja lähestymistapoja lisätäksesi nykyisten asiakkaiden käyttöä ja houkutellaksesi lisää uusia asiakkaita, joilla on suurempi todennäköisyys noudattaa samoja käyttökäyttäytymismalleja kuin suurkäyttäjilläsi.

Ajan mittaan on ratkaisevan tärkeää seurata muutoksia asiakkaiden käyttökäyttäytymisessä. Näin voit tunnistaa ongelmia ja mahdollisuuksia sekä kokonaistasolla (liiketoiminnan kokonaistuloksen arvioimiseksi) että yksittäisten asiakkaiden tasolla (esimerkiksi sen tunnistamiseksi, onko asiakas mahdollisesti suuressa riskissä vaihtaa asiakasta).

(Lähde)

Käsin poimittua liittyvää sisältöä: How to Reduce Churn with Customer Journey Analytics

Käytön laatuun perustuvat segmentit

Vaikka käytön määrä ja tiheys voivat toki olla arvokkaita käyttäytymissegmenttejä, korkea käyttö ei aina merkitse suurinta tuotettua arvoa sekä asiakkaalle että viime kädessä liiketoiminnallesi

SaaS-asiakkaalla voi esimerkiksi olla valtavasti tuotekäyttökäyttäytymistä, mutta todellisuudessa asiat eivät olekaan niin ruusuilla tanssimassa, kuin miltä ne näyttävät pintapuolisesti. Ehkä hän:

1. ei käytä tuotetta niin tehokkaasti kuin voisi,
2. käyttää vain murto-osaa ratkaisun tärkeimmistä ominaisuuksista tai ominaisuuksista,
3. käyttää tuotetta nyt vain siksi, että hänen on pakko, mutta on tyytymätön ja aikoo vaihtaa kilpailijaan pitkällä tähtäimellä.

Kaikkiin kolmeen esimerkkiin liittyy, että käytön paljous ei kuvasta sitä arvoa, jonka asiakas todellisuudessa saa.

Vaikka tämä asiakas saattaakin täyttää ”suurkäyttäjäsegmentin” kriteerit, todellisuudessa hän ei saa tarpeeksi arvoa, ja hänellä on todennäköisesti suuri riski vaihtaa palvelua tulevaisuudessa (ellei jo ole.)

Tilaisuuteen tai ajoitukseen perustuva

Milloin asiakkaat todennäköisimmin tekevät ostoksen tai sitoutuvat brändiin?

Perinteisesti tilaisuuteen ja ajoitukseen perustuvilla käyttäytymissegmenteillä viitataan sekä yleismaailmallisiin että henkilökohtaisiin tilaisuuksiin.

• Yleismaailmalliset tilaisuudet koskevat suurinta osaa asiakkaistasi tai kohderyhmästäsi. Juhlapyhät ja kausitapahtumat ovat tyypillinen esimerkki, jolloin kuluttajat tekevät todennäköisemmin tiettyjä ostoksia juhlapyhien aikaan tai tiettyinä vuodenaikoina.
• Toistuvat-henkilökohtaiset tilaisuudet ovat yksittäisen asiakkaan ostokäyttäytymismalleja, jotka toistuvat johdonmukaisesti tietyn ajanjakson aikana, ja ne voivat vaihdella vuotuisista tilaisuuksista, kuten syntymäpäivistä, merkkipäivistä tai lomamatkoista, kuukausittaisista ostoksista, kuten työmatkoista, tai jopa päivittäisistä rituaaleista, kuten pysähtymisestä kahville matkalla töihin joka aamu.
• Harvinaiset-henkilökohtaiset tilaisuudet liittyvät myös yksittäisiin asiakkaisiin, mutta ne ovat epäsäännöllisempiä ja spontaanimpia ja siten vaikeammin ennakoitavissa, kuten osallistuminen ystävän häihin.

Vaikka näitä voi olla hyvin vaikea ennustaa, se on kuitenkin mahdollista (saatat muistaa muutaman vuoden takaiset otsikot, joissa Target käytti tunnetusti myyntipisteen tietoja saadakseen selville, milloin se voi markkinoida vaippoja ja muita vauvatuotteita naisille perustuen siihen, milloin he olivat aiemmin ostaneet raskaustestejä. )

Segmenttien kohdentaminen vuorokaudenajan, viikonpäivän jne. mukaan

Toinen nykyaikaisempi ajoitukseen perustuvan käyttäytymissegmentoinnin sovellus liittyy ajankohtiin, jolloin asiakkaalla on suurempi taipumus sitoutua tuotemerkkiin tai olla vastaanottavaisempi tarjouksille.

Käyttäytymismallit yksittäisten asiakkaiden mieltymyksissä lukea sähköpostia, selata sosiaalisia verkostoja, tutkia tuotteita ja kuluttaa sisältöä ovat kaikki esimerkkejä, joita voidaan hyödyntää markkinoijien auttamiseksi ymmärtämään, mitkä ovat parhaita päiviä ja aikoja kohdistaa tarjouksia eri asiakkaille.

Netflix, Dominos, Open Table ja Hotel Tonight lähettävät minulle sähköposteja perjantaisin useammin kuin muina viikonpäivinä. Miksi? Sisältö, pizzatoimitus ja viime hetken ravintola- ja hotellivaraukset ovat kaikki asioita, joita kulutan tai ostan todennäköisemmin viikonloppuna.

Segmentit edellisestä ostosta tai toimenpiteestä kuluneen ajan mukaan

Toinen aikaperusteinen lähestymistapa on ennustaa, milloin asiakkaat todennäköisimmin tekevät ostoksen sen perusteella, kuinka paljon aikaa edellisestä ostosta tai toimenpiteestä on kulunut.

Esimerkiksi asiakas voi olla paljon todennäköisempi ostamaan uudelleen viikkojen tai kuukausien kuluessa ensimmäisestä ostosta, tai päinvastoin, paljon epätodennäköisempi tekemään up-sell- tai cross-sell-ostoksen ennen kuin ensimmäisestä ostosta tai uusimisesta on kulunut tietty aika. Edellä mainittu Targetin raskaustesti-tapaus olisi toinen esimerkki tästä.

Asiakastyytyväisyys

Miten tyytyväisiä asiakkaasi oikeasti ovat?

NPS®-kyselyt ja muut vastaavat asiakaspalautemekanismit ovat toki arvokkaita menetelmiä, jotka auttavat asiakastyytyväisyyden mittaamisessa, mutta pelkästään niihin ei voi luottaa.

Tässä on kolme syytä, miksi:

1. Tyypillisesti vain murto-osa asiakkaista osallistuu kyselyihin.
2. Olitpa sitten toteuttamassa kyselyitä vuosittain, puolivuosittain, neljännesvuosittain tai jopa kuukausittain tai viikoittain, tiedonkeruupisteiden väliin jää huomattavan pitkä aika, jolloin voit olla pimennossa pidempiä ajanjaksoja, joiden aikana asiakastyytyväisyys voi muuttua rajusti.
3. Kuten Swati Sahai huomautti äskettäisessä asiakaskokemuksen mittaamista käsittelevässä kirjoituksessaan, pelkkään NPS:ään luottaminen asiakaskokemuksen mittarina on tehoton lähestymistapa, koska se ei kuvasta tarkasti asiakkaiden muuttuvia tarpeita ja kokemuksia asiakaspolun eri vaiheissa.

Asiakaskäyttäytyminen voi olla paljon tarkempi ja luotettavampi lähde tyytyväisyyden mittaamiseen, erityisesti sellaisten tietojen avulla, jotka voidaan kerätä ja päivittää reaaliaikaisesti ja asiakaspolun jokaisessa vaiheessa.

On käytettävissä monia tietolähteitä, joiden avulla voidaan hyödyntää asiakaskäyttäytymistä, jotta voidaan mitata asiakkaan todellista tyytyväisyyttä milloinkin. Todisteita negatiivisista asiakaskokemuksista löytyy monista paikoista, ja ne voidaan havaita monien eri kanavien, järjestelmien ja työkalujen kautta koko organisaatiossasi. Sama pätee tietenkin myös myönteisiin asiakaskokemuksiin.

Puhelinkeskukset, tukiportaalit, neuvontafoorumit, laskutus- ja CRM-järjestelmät sekä sosiaalinen media ovat vain muutamia esimerkkejä pitkästä luettelosta, jossa näitä tietoja voi olla.

Segmentoimalla asiakkaasi ensin tyytyväisyyden mukaan – kuten kaikessa segmentoinnissa – voit päättää kullekin segmentille sopivat toimet ja määrittää ja priorisoida ne sitten niiden potentiaalisen liiketaloudellisen vaikutuksen mukaan.

korkea tyytyväisyyssegmentti	matala tyytyväisyyssegmentti
Kohdista up-sell- tai cross-sell-mahdollisuuksia Kertaa referenssejä tai tapaustutkimuksia Kelpaa kanta-asiakasohjelmaan Analysoi tämän segmentin asiakkaita, jotta voit tunnistaa malleja, jotka saattavat johtaa korkeaan tyytyväisyyteen	Torju up-sell, ristiinmyyntiä ja muita myynninedistämistarjouksia Kohdennetaan säilyttämiskampanjalla Priorisoidaan asiakaspalvelun tai menestystiimin henkilökohtaista yhteydenottoa Analysoidaan tämän segmentin asiakkaita, jotta voidaan tunnistaa mahdollisia perimmäisiä syitä alhaiseen tyytyväisyyteen

Segmentoimalla asiakkaat tyytyväisyyden mukaan voit määrittää vastauksia esimerkiksi seuraaviin kysymyksiin:
Mitkä asiakkaistasi ovat eniten ja mitkä vähiten tyytyväisiä tiettynä ajankohtana?

Millä tekijöillä on suurin vaikutus asiakastyytyväisyyteen?

Asiakkaiden uskollisuus

Keitä ovat uskollisimmat asiakkaasi? Miten voit maksimoida heidän arvonsa ja löytää lisää heidän kaltaisiaan asiakkaita?

(Lähde)

Kanta-asiakkaasi ovat arvokkain omaisuuserä mille tahansa yritykselle (luultavasti sen työntekijöitä lukuun ottamatta.) Heidän säilyttämisensä on halvempaa, heidän elinkaariarvonsa on yleensä korkein, ja mikä tärkeintä, heistä voi tulla suurimpia brändisi puolestapuhujia, mikä on jokaisen asiakassuhteen perimmäinen tavoite.

Käyttäytymistietojen avulla asiakkaat voidaan segmentoida heidän uskollisuustasonsa mukaan, mikä auttaa sinua tunnistamaan uskollisimmat asiakkaasi ja ymmärtämään heidän tarpeensa, jotta voit varmistaa, että tyydytät heidät.

Lojaalit asiakkaat voivat olla täydellisiä ehdokkaita ohjelmiin, jotka tarjoavat erityiskohtelua ja etuoikeuksia, kuten eksklusiivisia palkitsemisohjelmia, joilla vaalitaan ja lujitetaan asiakassuhdetta ja kannustetaan jatkamaan tulevaa liiketoimintaa.

Muutamia klassisia B2C-esimerkkejä tällaisista ohjelmista ovat lentoyhtiöiden kanta-asiakasohjelmat, ”platina”-luottokorttiasiakkaat tai etuoikeutetut vieraat hotelleissa ja kasinoissa.

Kanta-asiakkaista saatavien tulojen maksimoimisen lisäksi on monia muita potentiaalisia etuja, jotka voivat kasvattaa suhteen elinikäistä arvoa, kuten suosittelut, suositukset, suosittelut ja suosittelut, osallistuminen tapaustutkimuksiin, tuotepalautteen antaminen ja mikä tärkeintä, positiivisen suusanallisen tiedon jakaminen vertaisryhmille.

Käyttämällä asiakasuskollisuuteen liittyvää käyttäytymissegmentointia saat arvokkaita vastauksia tärkeisiin kysymyksiin, kuten:

Mitkä ovat ne keskeiset tekijät ja käyttäytymismallit asiakaspolun varrella, jotka vievät kanta-asiakkuuteen?

Mitkä asiakkaat ovat parhaita ehdokkaita kanta-asiakas- tai kannatusohjelmiin?

Miten voit pitää uskollisimmat asiakkaasi tyytyväisinä ja maksimoida heistä saamasi arvon?

Kiinnostus

Mistä erilaiset asiakkaat ovat kiinnostuneita?

Asiakkaidesi henkilökohtaisten ja ammatillisten kiinnostuksen kohteiden ymmärtäminen on avainasemassa yksilöllistämisen, asiakkaiden sitouttamisen ja arvon tuottamisen kannalta.

Interintressipohjainen käyttäytymissegmentointi voi olla ratkaisevassa asemassa tarjottaessa yksilöllisiä kokemuksia, jotka pitävät asiakkaat sitoutuneina ja palaavat uudelleen. Tämä pätee riippumatta siitä, onko tavoitteena lisätä tuotteiden käyttöä, kohdentaa asiakkaille ristiin- tai lisämyyntitarjouksia tai tarjota oikeaa sisältöä ja viestintää asiakkaiden hoitamiseksi ja auttaa heitä siirtymään ostopolulla tai kannatuspolulla.

Netflix, Amazon ja Spotify käyttävät suosittelumoottoreita, jotka ehdottavat sisältöä ja tuotteita täysin asiakkaiden käyttäytymiseen liittyvien kiinnostuksen kohteiden perusteella.

Yksi kiinnostuksen kohteiden käyttäytymisen suurista eduista on kyky yhdistää tietyt kiinnostuksen kohteet implisiittisesti toisiin potentiaalisiin kiinnostuksen kohteisiin.

Siten joka kerta, kun kaappaat asiakkaan kiinnostuskäyttäytymisen, et ainoastaan painota asiakkaan kiinnostuksen tasoa tiettyä aihetta kohtaan, vaan myös moninkertaistat niiden potentiaalisten lisäharrastusten/aiheiden määrän, jotka saattaisivat olla tehokkaita kyseisen asiakkaan houkuttelemiseksi.

Koneellinen oppiminen voi auttaa skaalaamaan prosessia. Kun yhä useammat asiakkaat sitoutuvat ja ovat vuorovaikutuksessa keskenään, kiinnostukseen perustuvia käyttäytymismalleja, jotka voidaan löytää, päätellä ja punnita ajan mittaan, tulee olemaan yhä enemmän.

Sitoutumistaso

Miten sitoutuneita asiakkaasi ovat? Ketkä ovat sitoutuneimpia ja vähiten sitoutuneita asiakkaitasi?

Aiemmin tässä artikkelissa puhuin käyttöpohjaisesta käyttäytymissegmentoinnista, joka liittyy erityisesti asiakkaiden vuorovaikutukseen tuotteesi tai palvelusi kanssa. Vaikka asiakkaiden segmentointi sitoutumistason mukaan voi sisältää käytön, se kattaa myös laajemman kirjon asiakkaiden vuorovaikutusta tuotemerkkisi kanssa, mikä voi olla yhtä arvokasta asiakassuhteen vahvuuden arvioinnissa.

Miten määrittelet ”sitoutumisen”, riippuu yrityksestäsi ja tehtävästäsi, mutta uskon, että voimme kaikki olla yhtä mieltä siitä, että yleisesti ottaen sitoutuminen on hyvä asia.

Jos asiakkaalla on myönteisiä kokemuksia brändistäsi ja sen seurauksena hän on halukas olemaan vuorovaikutuksessa useammin ja viettämään enemmän aikaa brändisi kanssa, tämä on yleensä hyvä merkki siitä, että myönteisiä tuloksia seuraa.

Mitä enemmän aikaa asiakas viettää vuorovaikutuksessa brändisi kanssa ja mitä enemmän hänellä on myönteisiä kokemuksia, sitä todennäköisemmin:

• Luottamus kasvaa.
• Positiivinen käsitys brändistä kehittyy.
• Heidän brändisuhteensa vahvistuu.
• He harkitsevat ostoksen tekemistä.

Engagment on arvokas mittari sekä ostoa edeltävillä että oston jälkeisillä asiakaspolun osa-alueilla.

Voit esimerkiksi käyttää sitoutumiseen perustuvaa segmentointia ymmärtääksesi, kuinka sitoutuneita eri potentiaaliset asiakkaat ovat ostoa edeltävässä suppilossasi tai kuinka aktiivisia nykyiset asiakkaat ovat käyttäjäyhteisössäsi.

Voit mitata sitoutumista yksittäisen asiakkaan/kontaktin tasolla, koko yrityksen tai tilin tasolla tai molemmilla. Kummassakin tapauksessa asiakkaidesi segmentointi heidän sitoutumistasonsa mukaan on erittäin arvokasta sen ymmärtämiseksi, mitkä asiakkaat ovat eniten ja mitkä vähiten sitoutuneita brändiisi tiettynä ajankohtana ja miksi, ja mikä tärkeintä, sen selvittämiseksi, mitä aiot tehdä asialle.

Alla on esimerkki Engagiolta, johtavalta asiakkuusmarkkinointialustalta, joka pitää sitoutumista yhtenä ”viidestä suuresta” ABM-mittaristaan. Engagion ohjelmiston avulla käyttäjät voivat mitata käyttäytymiseen liittyvää sitoutumista minuutteina kunkin yksittäisen roolin osalta potentiaalisella tilillä sekä kunkin tilin osalta kokonaisuutena:

(Lähde)

Käyttäjän status

Käyttäjän status on toinen tapa luokitella käyttäytymistieteellisesti eri asiakkaat sen mukaan, mikä on heidän suhteensa liiketoimintaasi.

Alhaalla on muutamia yleisimpiä esimerkkejä käyttäjän statuksesta:

• Ei-käyttäjät
• Prospektiivit
• Ensimmäiset ostajat
• Säännölliset käyttäjät
• Defektorit (entiset asiakkaat, jotka ovat vaihtaneet kilpailijaan)

Mutta on olemassa monia erilaisia mahdollisia käyttäjän statuksia, joita sinulla voi olla yrityksestäsi riippuen.

Esimerkiksi yrityksellä, jolla on free to pro -malli tai ilmainen kokeilumalli, voi olla status ”freemium-käyttäjille” tai ”ilmaisen kokeilun” käyttäjille.

Hyödynnä oikeaa teknologiaa

Loppujen lopuksi, ilman oikeaa teknologiaa on nykyään uskomattoman vaikeaa (melkeinpä mahdotonta) onnistua todella hyvin käyttäytymissegmentoinnissa.

Google-analytiikka, Google Adwordsin ja Facebookin kaltaiset mainosalustat ja markkinoinnin automaatiojärjestelmät ovat kaikki esimerkkejä työkaluista, joita voit (ja sinun pitäisi) hyödyntää asiakkaiden analysoinnissa, segmentoinnissa ja kohdentamisessa käyttäytymisen perusteella.

Näillä työkaluilla voidaan kuitenkin saavuttaa vain murto-osa tässä postauksessa käsitellystä arvosta ja mahdollisuuksista. Ne eivät tarjoa sinulle kanavienvälisiä matkatietoja, joita tarvitset kattavien käyttäytymissegmenttien rakentamiseen, tai matkapohjaisia oivalluksia, joita tarvitset kunkin asiakkaan kokonaiskokemukseen perustuvien toimien orkestrointiin.

Customer journey orchestration -ohjelmiston avulla voit parantaa personointipäätöksiä jokaisessa kosketuspisteessäsi ja tarjota saumattoman kokemuksen jokaiselle asiakkaalle. Hienostuneiden ratkaisujen avulla voit aktivoida uusia tai päivittää olemassa olevia yleisöjä, jotka on määritelty asiakkaan ominaisuuksien ja käyttäytymisen perusteella. Hyödyntämällä alustaa, joka priorisoi matkoja siiloutuneiden kanavien vuorovaikutustapahtumien sijaan, voit auttaa yritystäsi tarjoamaan asiakkaille parhaan mahdollisen kokemuksen heidän ainutlaatuisten tavoitteidensa ja tarpeidensa perusteella.

Sinun vuorosi

Käyttäytymiseen perustuva segmentointi on tekniikka, jolla asiakkaat voidaan segmentoida heidän käyttäytymisensä perusteella, jotta voit ymmärtää heitä paremmin ja sitouttaa heidät optimaalisemmalla tavalla heidän matkansa varrella.

Käyttämällä edellä kuvattuja kymmentä käyttäytymiseen perustuvaa segmentointimenetelmää voit auttaa asiakkaita saavuttamaan yksilölliset tavoitteensa, maksimoida ROI:n, kasvattaa asiakkaiden elinikäistä arvoa ja rakentaa syvällisempää tietämystä asiakaskunnastasi.