ルール、方法、ヒント、解析など、実際に機能するCAのポートレートを作成します

CityLifeのビジネスアナリストであるAnastasia Nikonorovaは、Netologブログで、対象となる視聴者の肖像を作成した経験と、主な間違いの例と分析を共有しました。



マーケティングの主な目的は、顧客を引き付けて維持することであると一般に受け入れられています。 そして、ほとんどのマーケティング専門家が直面する主な質問は、どのツールを選択すべきかではなく、顧客のニーズをどのように判断し、顧客を拒否できないように顧客を正しくセグメント化するかです。







現代のマーケティングでターゲットオーディエンスを決定する主な方法は、セグメンテーションです。 セグメンテーションは、指定されたパラメーターに従ってクライアントをグループに分割することです。

オーディエンスをセグメント化する理由

まず、クライアントが誰であるか、ニーズが何であるかを理解し、これに基づいて会社を正しく配置します。



第二に、各顧客との相互作用のユニークなメカニズムを構築するために、オファーから購入への変換と全体的な顧客ロイヤルティを高めます。



クライアントが興味を持っている可能性のある何かをクライアントに提供すると、このオファーで購入したかどうかに関係なく、ブランドと会社に対する忠誠心が高まります。



ウェブサイトビルダーによると、ターゲットを絞ったメールを受信したユーザーの44％が、含まれているオファーで少なくとも1回購入しました。

平均して、セグメンテーションによりオープン率が14.69％増加し、クリック率が60％増加します。

調査中、調査対象のマーケティング担当者の52％が、電子メールニュースレターでデータベースをセグメント化する必要があると答えました。個々のオファーは、ブロードキャストの18倍の収益をもたらすからです。

セグメント化するデータ

ほとんどの場合、現在の顧客ベースはセグメント化されています。 ただし、新しいビジネスを作成する場合やデータ収集が不足している場合は、既存または潜在的な顧客の調査に基づいてセグメンテーションを実行できます。



調査データは、消費者行動の分析に劣る定性的な研究方法としてのみ認識されています。 実際、両方のタイプの分析（調査と購入履歴に基づく）は、目標が異なるため、ビジネスで等しく使用する必要があります。



調査結果の分析は、ビジネスタスクの優先順位付け、消費者とのコミュニケーションベクトルの作成、コミュニケーション戦略の調整に使用されます。 購入履歴の分析-広告キャンペーンを作成し、ロイヤリティおよびゲーミフィケーションプログラムの仕組みを構築し、マーケティングの焦点を変更します。



たとえば、プロのアナリストであっても（心理学をさらに勉強していない場合のみ）、クライアントが本当に必要としていることをクライアント自身よりもよく理解することはできません。



はい、購入に関するデータは、顧客が去り、平均請求額が減少していることを示すことができますが、これがなぜ起こっているのか、消費者が何を失っているのかを理解するには、フィードバックの助けが必要です。



調査を実施する際、行動の心理的側面がエラーを引き起こす可能性があることを考慮することが重要です。 まず、あなたはその人の意見に興味があるので、彼はあなたに感謝しようとし、あなたに潜在的に喜ばれる答えを与えようとします。 第二に、質問の誤った定式化またはあなたの視点を確認するあなた自身の傾向によって、結果が大きく影響を受ける可能性があります。

調査を実施するための重要な原則

1. あなたの製品または競合他社の類似製品の使用経験がある顧客にインタビューします。
2. 自由回答形式の質問をします。 たとえば、「100、200、または300ルーブルを支払うのですか？」または「この製品に対して500ルーブルを支払うのですか？」の代わりに、「この製品にいくら支払うか？」などです。 そうでない場合、「アンカー効果」がトリガーされ、回答時に指定された量から人が撃退されます。
3. 質問がクライアントの問題や痛みに関連している場合は、どのように解決するか尋ねます。 答えが「ノーウェイ」である場合、この問題の優先度はインタビュー対象者が説明するほど高くありません。
4. 一般化を避けます。 「どのくらいの頻度でサービスを使用しますか？」という文言の代わりに、「月に何回サービスを使用しますか？」を使用します。
5. クライアントの前向きな姿勢を確認するには、ここで特定のアクションを実行するように頼みます。ソーシャルネットワークのグループに登録し、製品の代金を支払い、連絡先を残します。 彼がこれを行う準備ができていない場合、彼は本当に将来製品を購入する可能性は低いです。
6. 明確な質問をする。 クライアントが示された問題に頻繁に遭遇すると言った場合、最後にいつ問題に遭遇したかを尋ねます。その後、答えが変わる場合があります。

分割方法

この記事では、実際にはほとんど役に立たない市場セグメンテーションの標準的な方法から離れようとし、ロイヤルティプログラムの戦略を作成するために私たち自身が使用する方法のみを説明しました。



セグメンテーションはExcelで実行することもでき、より複雑な分析と大量のデータのために、機械学習法、Python、R、Scala言語、ジュリアなどを使用して人気を得ることができます。

セグメンテーションには、静的データと動的データに基づく2つの主要なタイプがあります。

静的データ-アクションに依存せず、変更しない、またはほとんど変更しないユーザーの基準。 静的セグメンテーションの指標には、性別、年齢、地理的データが含まれます。



動的インジケータとは、RFMクラスタリング、平均チェックサイズ、購入頻度など、他のユーザーに対するユーザーの行動に基づいて形成されるものです。 行動に基づいて形成されるセグメントの境界は動的であり、新規購入ごとに変化します。

セグメンテーションウォークスルー

1.セグメンテーションの目的を定義します。

• 誰がセグメンテーション結果を使用するか。
  
  
• 彼らは何のために使用されます。
  
  

2.セグメンテーション方法の1つを選択するか、独自の計算アルゴリズムを作成します。



3.必要なデータを理解します。

• 顧客ベースのどの部分を使用するか（アクティブな顧客、N回購入した顧客、特定の製品を購入した、モバイルアプリケーションをインストールした、すべての顧客）。
  
  
• 期間を選択してください。
  
  
• 計算に必要な指標を収集します。
  
  

4.データの処理と準備：

• データを1つの一貫した配列に収集します。1行は1観測、1列は1変数です。
  
  
• データのエラーをチェックしてクリアします（空または無効な値を削除します）。
  
  
• 各パラメーターの排出を削除します。
  
  
  
  -標準偏差を計算します。 平均値との有意差は、サンプルに外れ値があることを示しています。
  
  -中央値の計算-昇順または降順でソートされたデータセットの中央にある値。 メンバーの数が奇数の場合、中央の2つのメンバーの合計を2で割った値を取ります。
  
  -四分位の上限と下限を計算します-それを超える値（それぞれ上と下）は値の25％です;
  
  -四分位の上部（下部）境界と四分位間距離に1.5を掛けた合計（差）の上にあるものはすべて異常値です。
  
  

量的データなどの調査データはセグメント化できますが、最初に処理する必要があると上記で述べました。

• アンケートの確認：個人的にアンケートを実施せず、外部委託するか、メールでアンケートを送信する場合、最初に確認することは、記入の質と回答の欠落です。
  
  
• デジタル化：すべてのアンケートを電子形式に変換して分析を続行し、エラーを修正し、未解決の質問に対する回答を統一された文言に含める必要があります。
  
  
• データクリーニング-この段階で、欠損値がないかどうかデータを再確認する必要があります。値は指定された制限を超えます。 エラーのあるアンケートは、分析から完全に除外する必要があります。
  
  

別の質問は、正確なデータを取得するためにインタビューするクライアントの数です。 オプションの1つは、これに標準の計算機を使用して値を計算し、検索で「サンプルサイズ」と入力することです。 しかし、実際にはそれほど単純ではありません。そのような計算機を使用すると、1つの質問だけでサンプルサイズを見つけることができ、2つの可能な答えしかありません。 ただし、ほとんどの場合、アンケートではより多くのデータを収集します。



計算に使用される標準的な統計式がありますが、答えがどの範囲であるかを既に知っていることを前提としています。



明らかに、より多くの人々がインタビューされるほど、結果はより正確になります。 サンプルは実際には一般人口に弱く依存しており、5000人または500万人の顧客がいる可能性がありますが、同じ数のパラメーターでは、同じ数の回答者にインタビューする必要があります。



それでは、いくつかのセグメンテーション手法を見てみましょう。

RFM分析

RFM分析は、3つの指標の分析です。

• 最新性-クライアントの最後のアクション（購入、個人アカウントでの承認、電子メールリストのオープンなど）の処方として計算されるアクティビティのインジケータ。
  
  
• 頻度-クライアントの購入（その他のアクション）の回数。
  
  
• 通貨-ライフタイムバリュー、つまりクライアントのライフバリューは、購入または利益の合計に等しくなります。
  
  

多くの場合、RFM分析を実行するとき、各パラメーターのクライアントは最小値から最大値まで等間隔でグループに分割されます。 たとえば、最後の購入の期限は最大1週間、最大2週間、最大3週間です。



平均値と標準偏差の和と差を計算することでクラスターの境界を決定し、r2f2m2クラスターで最大数のユーザーを取得します。



RFM分析のフレームワークのインデックス1および3は、さまざまな行動をとる例外的な顧客にとって典型的なものです。 そのため、r1m3クラスター（fの任意の値）の顧客は、以前は会社にとって利益を上げていたが、購入を停止した顧客であり、その理由は調査を使用して決定する必要があります。



r3f3m1クラスターは、顧客が忠実であると同時にLTV（金銭）を増やす可能性がありますが、同時に少量の購入も行います。 この状況では、顧客にNルーブルの量の購入の割引を提供するか、購入履歴に基づいて関連製品を推奨する必要があります。



RFMセグメンテーションを使用すると、顧客ベース全体に電子メールを送信するよりもはるかに効果的な顧客対話ポリシーを構築できます。 この分析には、クライアント、Excel、および30分間の作業に必要なインジケーターが必要です。

クラスター分析

クラスター分析の目的は、同様のパラメーターに従ってクライアントをグループにまとめることです。 最も一般的な分析の視覚化方法は階層ツリーであり、各連続レベルは差の縮小要因です。



ほとんどの場合、クラスター分析の種類の1つであるk-meansを使用します。



分析アルゴリズムは次のとおりです。



クラスタリングコンポーネントを分割するクラスター数kを割り当てます。 数kは手動で設定するか（ツリークラスタリングに基づいてクラスター数を決定するのが便利です）、または機械学習を使用して最適値として計算されます。

その後、k個の任意の点がクラスターの中心によって割り当てられ、指定された中心とクラスタリング内の他のすべての点との間の距離が測定されます。 クラスターへのポイントの所属は、k中心の1つへの最小距離を決定することにより決定されます。



次のステップは、新しい中心の選択です。それらの座標は、クラスター内のポイントの座標の平均値に等しくなります。 この場合も、ポイントはkクラスターに分散され、クラスター内の距離値が繰り返されるまで操作が繰り返されます。これは、最適な分割が達成されたことを意味します。



クラスターが形成された後、クラスター内のポイントがどのパラメーターによって最も似ているか、つまり、ユーザーの行動のどの特徴が体系的であるかを理解する必要があります。 それらを迅速に決定するためのライフハックの1つは、値が選択されたインジケーターの各クライアントのインジケーターであるボックスプロット（口ひげのあるボックス）の構築です。 サンプル値の最小範囲に即座に到達します。



例として、「選択の可変性」および「プロモーションへの参加頻度」というインデックスの顧客の類似性により、クラスターが形成されていることがわかります。これは、行動の明るい特徴です。 このグループは、アプリケーションの新しい機能をテストし、フィードバックを収集するためのターゲットです。 このグループは、プロモーションと新製品の導入に関心があります。



この分析は、収集された大量のデータに基づいて実行され、結果はターゲットを絞ったキャンペーンに使用されます。 実際には、クラスターへの分割は月ごとに根本​​的に異なる可能性があるため、セグメンテーションの結果にはテストが必要であることがわかりました。



また、このタイプのセグメンテーションは、調査の分析に使用できます。 ただし、テキストデータを数値インデックスに変換することは困難であるため、特に調査対象の数千人について話している場合は、「重要度/品質/サイズを評価する... 1〜5」の形式で質問することをお勧めします。



同様に、銀行顧客の調査も実施しました。 当初、聴衆は銀行のさまざまな製品のユーザーに分かれていました。 製品ごとに、選択要因の重要性に関する独自の質問が定式化され、回答者は各要因に対して1〜5の評価を行うように求められました。







デビットカード所有者：

• 経済的-要因「年間メンテナンスコスト」に最高の評価が与えられました。
  
  
• 振替にカードを使用する-他の銀行のカードへの振替の手数料の額は重要です。
  
  
• コンフォーマスト-要因の重要性を「ブランドの評判」と「レビュー」の5段階中5段階で評価し、「サービスコスト」を4段階で評価しました。
  
  

定期的に現金決済取引を行う法人：

• 小規模な起業家-選択の主な要因は、「口座開設の費用」、「銀行のインターネットサービスへの接続と使用の利便性」、「有利なサービス料金」です。
  
  
• 大きなトランシェを持つ法人-最も重要なのは、現金取引の確立された制限と、銀行の信頼性と評判です。
  
  

連想ルール分析

連想ルールの分析（マーケットバスケットの分析）は、購入商品の安定した組み合わせを見つけるために使用される分析です。 その計算には多くのアルゴリズムがありますが、最初のアルゴリズムであるAISは1993年に開発されました。 分析には、購入データベースが必要です。各購入には一意の識別子（多くの場合、チェック番号がこの役割を果たします）とそれに含まれるポジションが必要です。



これらのケースで、FMCGセグメントのメンバーではない会社に何をすべきですか？ 小切手番号の代わりに、一意のクライアントIDを使用して、独自のビジネスで使用することを提案します。 したがって、購入履歴に関する顧客の行動の安定したパターンを計算し、それに基づいて推奨システムを構築します。



3,000人がAviasalesで、1,000人が予約で購入したとしましょう。 AviasalesとBookingの両方で購入した顧客は500人あり、顧客ベースは5,000人です。



これらのデータに基づいて、信頼ルールとサポートルールの2つの指標が計算されます。



サポート -トランザクションの総数のうち、両方のパートナーとのトランザクションを完了した顧客の割合、つまり10％。



信頼性 （通信強度とも呼ばれます）-両方のパートナーとのトランザクションの数のうち、それぞれのパートナーとのトランザクションを個別に完了した顧客の割合。



ご存知のとおり、信頼性には2つの意味があります。予約の場合はAviasalesの場合は50％、16.7％です。 これは、顧客が予約で購入してからAviasalesで購入する可能性が高いことを意味します。



マーケティングにどのように適用しますか？ 顧客向けのプロモーションを作成すると、予約を促進します。それは、顧客がAviasalesで購入する可能性が高くなるためです。 また、自動郵送を設定することもできます。予約で購入すると、クライアントは次のAviasales購入のプロモーションコードを割引付きで期間限定で送信されます。 収益化の別の方法として、これらの2つのパートナーの組み合わせをコンボセットの形式で導入する方法があります。コンボセットを購入すると、キャッシュバックの総額が増加します。

オーディエンスセグメンテーションの大きな間違い

方法のすべてのアクセス可能性と理解可能性と、ターゲットオーディエンスをセグメント化する方法により、多くのマーケティングスペシャリストはこの作業中にミスを犯します。 そのうちの約7つについて以下で説明します。

クライアントの性別特性のみに基づく

私の意見では、これはセグメンテーション中に起こりうる最大の間違いであり、消費者の年齢と性別のみに基づいて結論を出すことです。 人口統計指標とユーザーの行動の相関関係を見つけることはめったにありません。 唯一の関連する例は、私たち自身の聴衆の行動のパターンを識別する際に得られました。 特定の年齢と性別の顧客の総数に対する年齢と性別で取引を行う顧客の割合を考慮しました。この割合は35歳から女性で数倍減少し、男性では減少はそれほど大きくありませんでした。 これに基づいて、LamodaとAliexpressでのオンライン購入に関する教育ビデオを作成することが決定されました。



実際、このエラーが頻繁に発生します。 顧客の1人である食品小売チェーン、同僚と私は分析トレーニングを実施しました。 文字通り一見して、私は「ジェネレーションY」を紹介され、似たような店に惹きつけられてプロモーションに参加し始めることができるかについて質問しました。 同僚が私の年齢と性別に基づいている場合、おそらく私は人気のあるテレビ番組のヒーローと一緒にプロモーションを提供しました。 しかし、その後、この形式の店舗が閉鎖されたときに帰宅し、時間を節約するために、オンラインストアを介して自宅への商品の配送を注文しました。 これに基づいて、配達地点の1つで家に帰る途中で手に入れることができる既製の商品セットを提供すべきでした。

データを処理しない

誤った値または重要な値を含むデータは、セグメンテーションによる重大なエラーにつながる可能性があります。 たとえば、RFM分析の前に排出量が除外されない場合、クラスターの境界は広すぎます。 したがって、r2f2m2クラスター内のクライアントの数は現実に対応せず、作業用のキーセグメントを選択することはできません。

期間と地理を制限しないでください

顧客の行動に影響を与える外部要因を考慮せずにセグメンテーションを行うと、結果がバラバラになったり、不正確になったりする場合があります。 たとえば、首都と地域の居住者に関するデータの全体を分析することは不可能です。生活水準と賃金に違いがあるため、モスクワでは地域の高い平均チェックが平均の範囲内になる可能性があります。 同様に、5年間のデータ収集中に、品揃えマトリックスはおそらく大幅に調整され、経済状況も変化しました。これは、1つの配列で同等の表現が不可能であることを示しています。

テストしない

セグメンテーションを行い、各セグメントとの相互作用のメカニズムを熟考することは、すべての作業ではありません。 顧客の反応を監視し、適切なコミュニケーションチャネルを選択し、仮説をテストする必要があります。



私たちはしばしば、ソーシャルネットワーク上でセグメント化されたニュースレターとプロモーション投稿を作成します。 たとえば、経験的に、3か月間購入していない顧客は、返品を目的としたソーシャルネットワーク上の広告を最も頻繁に隠していることがわかりました。 しかし同時に、サブスクリプション料金を更新するためのプロモーションオファーをメールで送信することは、彼らにとって非常に効果的でした。

顧客の行動を考慮しないでください

アナリストがかなり複雑なクラスター分析を実行し、猫の餌の定期的な購入の原則に基づいてクライアントのセグメント（猫の飼い主）を見つけたと想像してください。 彼は喜んで喜んでおり、マーケティングディレクターにこの洞察を提供します。その結果、会社はこれらの顧客にニュースレターを送り、50％割引で新しいプレミアムフィードに対するアクションを行います。 しかし、その結果、文字からリンクへの変換は予想よりも低くなります。 これは、リストを編集するときに、電子メールアナリストが3年間データに基づいて分析を行ったという事実を考慮しておらず、購入者の50％が1年以上購入しなかったという事実によるものです。



最初の段落では、オンライン食料品店の例を挙げました。それはUtkonosでした。 モスクワに住んでいて、私は彼に非常に忠実で、彼らの品揃え、便利な配達時間が好きでした：彼らは3夜でも食べ物を配達することができました。 以前のスケジュールを考えると、非常に便利だったので、少なくとも月に一度は注文をしました。 しかし、4か月間、私はサンクトペテルブルクに住んでおり、彼らはかつて愛されていたUtkonosからSMSメッセージを受信し続けています。 私の平均間隔の4倍の期間にわたる注文の欠如はそれらを気にしません、彼らは郵送に予算を浪費します、そして私は実際に再注文する機会がありません。

セグメンテーションを更新しない

セグメンテーションデータは、他のデータと同様に、古くなっているという特性があります。 そして、この速度はビジネスの特性に依存します。 たとえば、小売の場合、セグメンテーションの関連性の最大期間は1か月です。 最適なソリューションは、自動更新を設定するか、BIダッシュボードを作成して、セグメンテーション結果に影響するインジケーターを定期的に監視することです。 これが不可能な場合は、セグメンテーションを定期的に手動で更新する必要があります。

CAを決定する目的にのみセグメンテーションを使用します

顧客が誰であるかを理解することは間違いなく重要ですが、これはセグメンテーションの唯一のアプリケーションからはほど遠いです。 顧客とのコミュニケーションと、一般的にデータを使用したマーケティングポリシーを構築することが重要です。 さまざまなキーメッセージをさまざまなセグメントに送信する必要があり、さまざまなオファーや製品に関心があります。 これは、ビジネスを大幅に改善する1つの方法です。 それを使用しないと、競争上の優位性を失います。



ターゲットオーディエンスを正しく特定、セグメント化、操作することは、現代のマーケティングスペシャリストの重要なスキルです。 この資料では、セグメンテーションの目標と目的、方法論、分析の種類、セグメンテーションの主な誤りについて検討しました。 この情報を使用して、あなた自身の顧客と専門的に仕事をしてください、そうすればあなたのビジネスの成功は長くかかりません。 頑張って

編集者から

トピックに関するNetologyコース：

• フルタイムコース「 オンラインマーケティングディレクター 」。
  
  
• フルタイムコース「 データサイエンティスト 」。
  
  
• オンラインプログラム「 インターネットマーケティング 」;
  
  
• オンラインプログラム「 ウェブ分析：インターネットスペシャリストを知るために必要なもの 」;
  
  
• オンラインプログラム「 Excel：マーケティング担当者およびアナリスト向けのデータを操作するためのツール 」;
  
  
• オンラインプログラム「 ビッグデータ：大規模なデータセットを扱う基本 」
  
  

無料のクラスとプログラム：

• Google AdWords試験準備プログラム
  
  
• Yandex.Direct：認定プログラムの準備 。
  
  
• レッスン「 現代のブランドを形成する技術 」-2017年2月21日。
  
  
• レッスン「 ビジネスにビッグデータを使用する方法 」-2017年1月17日。