Profil klienta

To jest prawdopodobnie najczęściej spotykany sposób segmentacji klientów. Jego zastosowanie nie wiąże się z użyciem żadnej skomplikowanej technologii. Ten typ segmentacji opiera się o informacje zapisane w kartotece klienta w systemie, takie jak wiek, płeć czy miejsce zamieszkania. Jej zastosowanie jest niestety bardzo ograniczone, ponieważ może objąć tylko zarejestrowanych klientów (za wyjątkiem geolokalizacji, która może bazować na adresie IP).

Cykl życia klienta

Segmentacja klientów w oparciu o tzw. cykl życia klienta (eng. customer lifecycle segmentation) bazuje na obserwacji, że każdy klient sklepu internetowego, począwszy od swojej pierwszej w nim wizyty, ewoluuje, przemieszczając się (oczywiście wirtualnie) się pomiędzy kolejnymi szczeblami cyklu życia. Szczeble te można np. zdefiniować następująco:

1.       Pierwsza wizyta

2.       Powracający użytkownik

3.       Zarejestrowany użytkownik

4.       Dokonał pierwszego zakupu w przeciągu ostatnich X miesięcy

5.       Dokonał n-tego zakupu w przeciągu ostatnich X miesięcy

6.       Klient nieaktywny (nie dokonał żadnego zakupu od X miesięcy)

7.       Klient odzyskany – dokonał kolejnego zakupu po okresie nieaktywności

Na każdym etapie swojego cyklu życia klient wymaga innego rodzaju motywatorów i zachęt. Zaczynamy od przekonania klienta do zarejestrowania się w serwisie (najczęściej przy okazji dokonywania pierwszej transakcji), potem do powrotu i dokonania kolejnej transakcji itd. Dla wielu e-detalistów umiejętność remarketingu klientów (zachęcania do powrotu i dokonania kolejnej transakcji) jest kluczowym wyzwaniem, ponieważ koszty pozyskania każdego nowego klienta są wyższe, niż średnia marża z pierwszego zamówienia.

Każdy ze sklepów powinien spróbować opracować własne kryteria klasyfikacji klienta do danego segmentu cyklu życia, a następnie w oparciu o nie budować dalsze scenariusze działań, których elementem może być kierowanie do klientów personalizowanej treści reklamowej.

Przykład

Przykładem wyzwalanych automatycznie działań, sterowanych segmentacją opartą o cykl życia klienta mogą być:

• wysłanie maila z podziękowaniem za rejestrację i dodatkowo kuponem rabatowym, jeżeli w przeciągu 14 dni od zarejestrowania się w naszym sklepie klient nie dokonał żadnego zakupu.
• wysłanie maila do klienta, który dokonał drugiego kolejnego zakupu w przeciągu 12 miesięcy, z podziękowaniem za okazane zaufanie i lojalność oraz z informacją o wygenerowaniu wirtualnej karty stałego klienta, gwarantującej 10% zniżkę na kolejne zakupy

Zachowania klienta

Analiza wcześniejszych zachowań klienta jest najlepszym dostępnym dla sprzedawcy źródłem wiedzy, pozwalającym przewidywać jego przyszłe działania. Dzięki nowoczesnym technologiom możliwe jest bardzo dokładne śledzenie aktywności klientów sklepu internetowego. Oprócz danych o zakupionych produktach, rejestrować możemy także informacje o produktach oglądanych, poszukiwanych (poprzez frazy wpisywane w wyszukiwarce), klikniętych linkach w newsletterze, czy aktywnościach społecznościowych (napisanie albo skomentowanie recenzji, wystawienie oceny produktowi).

Do segmentacji klientów w oparciu o ich zachowania służy analiza RFM (ang. Recency, Frequency, Monetary value). Zastosowanie analizy RFM w e-commerce najczęściej polega na przypisaniu klientów do segmentów bazujących na częstotliwości (Frequency) odwiedzin lub dokonywania zakupów, niedawności (Recency) dokonania ostatnich odwiedzin lub zakupu i łącznej wartości dokonanych zakupów (Monetary value). System informatyczny następnie obserwuje zmiany w profilu danego klienta i na podstawie tych zmian potrafi przewidywać, jakie mogą być następne działania klienta.

Przykład

Wzrost częstotliwości odwiedzin po dłuższym okresie nieaktywności prawdopodobnie oznacza, że klient planuje kolejny zakup, co w połączeniu z informacjami o kategoriach produktów, które przegląda, można wykorzystać do zaproponowania mu specjalnej promocji, jako zachęty do podjęcia ostatecznej decyzji i zakupu w naszym sklepie, zamiast u konkurencji.

Preferowany kanał kontaktu

Nowoczesny konsument wykorzystuje w procesie zakupowym jednocześnie wiele kanałów i punktów styku ze sprzedawcą – strona internetowa, gazetka promocyjna, e-mail, połączenie z contact center, strona dla urządzeń mobilnych, a także kanał tradycyjny, czyli odwiedziny w salonie sprzedaży. W Wielkiej Brytanii już w przypadku ponad 50% zakupów non-food używane są przynajmniej dwa kanały kontaktu. Świadomość preferencji klienta co do wykorzystywanych metod interakcji ze sprzedawcą stwarza dodatkowe możliwości docierania do niego metodą przez niego akceptowaną i najbardziej w jego przypadku skuteczną. Nie ma bowiem większego sensu dzwonienie z ofertą specjalną do klienta, który zdecydowanie preferuje komunikację drogą e-mailową i będzie bardziej skłonny do dokonania zakupu na podstawie informacji z otrzymywanego regularnie newslettera.

Preferowany styl komunikacji

Dla tych, którzy do perfekcji opanowali powyższe metody, mogę jeszcze polecić jedną z najbardziej wysublimowanych technik segmentacji, która bierze pod uwagę wrażliwość klienta na charakter komunikacji kierowanej do niego. Np. możemy w naszej bazie danych rozróżniać klientów, którzy preferują wyważone, racjonalne argumenty poparte wynikami badań od takich, którzy są bardziej podatni na mocne, bazujące na emocjach przekazy, zachęcające do szybkiego, impulsowego zakupu.

Case study

Zrzut 1: Strona główna sklepu internetowego Tesco.com

Sklep internetowy Tesco (Tesco.com) jest liderem e-commerce w branży artykułów spożywczych w Wielkiej Brytanii. W Tesco.com stosuje się segmentację klientów w oparciu o analizę RFM. Na podstawie wieloletnich doświadczeń wyznaczono 6 głównych segmentów klientów, które następnie dzielone są na mniejsze podsegmenty w celu targetowania komunikacji marketingowej. Te 6 głównych segmentów nazwane zostało:

• ‘Logged-on’ – klient nowo-zarejestrowany
• ‘Cautionary’ – klient zarejestrowany, odwiedza sklep, ale nic nie kupuje
• ‘Developing’ – klient zarejestrowany, dokonał pierwszego zakupu
• ‘Established’ – klient dokonał minimum 3 zakupów
• ‘Dedicated’ – klient regularnie dokonujący zakupów (lojalny)
• ‘Logged-off’- klient, który od dłuższego czasu nic nie kupił

Tesco.com następnie wykorzystuje silnik marketing precyzyjnego, który automatycznie podejmuje zaprogramowane działania w stosunku do określonych klientów, na podstawie ich klasyfikacji do segmentu i podsegmentu. Przykładowo:

Wyzwalacz 1: Klient rejestruje się, ale nie dokonuje zakupu
Automatyczna Reakcja 1: 2 dni po dokonaniu rejestracji wysłanie e-maila z propozycją pomocy telefonicznej i zniżką 5£ na pierwsze zakupy

Wyzwalacz 2: Klient dokonuje pierwszego zakupu
Automatyczna Reakcja 1: Natychmiastowe potwierdzenie przyjęcia zamówienia
Automatyczna reakcja 2: 5 dni po zrealizowaniu zamówienia wysłanie e-maila z linkiem do ankiety oceniającej zadowolenie z obsługi ze strony osoby kompletującej zamówienie i dostawcy.
Automatyczna Reakcja 3: 5 dni po zrealizowaniu zamówienia wysłanie e-maila z poradami na temat używania witryny Tesco.com oraz rabatem 5£ na kolejne zakupy
Automatyczna Reakcja 4: Raz na dwa tygodnie wysłanie alertu e-mail z personalizowanymi ofertami specjalnymi (na podstawie historii zakupów)

Źródło: na podstawie case study zamieszczonego w książce Dave’a Chaffey „E-business and E-commerce Management”, Prentice Hall, wydanie IV z 2009 r.

Podobne techniki stosuje jeden z naszych klientów, firma Euro RTV AGD, właściciel sklepu Euro.com.pl. Pomijając wiadomości związane z finalizacją transakcji, już 14 dni po większym zakupie w sklepie Euro otrzymasz pierwszego personalizowanego maila, z ofertą drobnych akcesoriów do kupionego produktu. Po 6 miesiącach – kolejnego, ze specjalną zachętą do powrotu i kupienia tym razem czegoś poważniejszego.

Marketing precyzyjny w e-commerce

Warto pamiętać, że wdrażanie technik segmentacji i personalizacji oferty kosztuje. Można wymyślać bardzo finezyjne scenariusze, ale jeżeli technologia nie wspiera łatwej ich implementacji i szybkiego testowania ich biznesowej skuteczności, to może się okazać, że nasze decyzje będą nie tylko nietrafione, ale także drogie w implementacji.

Bogate możliwości w zakresie automatycznej segmentacji i personalizacji oferują dopiero platformy e-commerce klasy Enterprise, takie jak system IBM WebSphere Commerce, który został wielokrotnie uznany za firmy badające rynek (Gartner, Forrester Research) za najlepsze i najbardziej dojrzałe rozwiązanie do „robienia e-commerce” na świecie. Rynkowym wyróżnikiem IBM WebSphere Commerce jest wbudowany w rozwiązanie silnik marketingu precyzyjnego, oddający użytkownikowi biznesowemu pełną kontrolę nad „programowaniem” scenariuszy interakcji sklepu z klientem. Realizowane jest to poprzez funkcjonalność tzw. story-board’ów, na których za pomocą przeciągania i łączenia ze sobą elementów, takich jak wyzwalacze i akcje, e-marketer może „narysować” scenariusz personalizacji zawartości strony w zależności od przynależności klienta do danego segmentu lub jego pochodzenia (źródła ruchu).

Zrzut 2: Przykładowy scenariusz dialogu interaktywnego stworzony z wykorzystaniem Management Center systemu IBM WebSphere Commerce

System pozwala także budować tzw. dialogi interaktywne, czyli scenariusze automatycznej reakcji systemu na wystąpienie określonego zdarzenia wywołanego zachowaniem on-line klienta sklepu. System może w tym przypadku brać pod uwagę historię zakupów, historię przeglądania, historię wyszukiwania, zawartość koszyka, czas braku aktywności ze strony klienta itp. Dzięki Contium rozwiązanie IBM WebSphere Commerce jest już dostępne na rynku polskim, także w modelu płatności za usługę (SaaS).

Piotr Wrzalik

Poniżej odpowiedzi do pytań, które zadaliście nam w trakcie webinarium:

Pyt 1. Czy banner z przykładu 2 będzie się pojawiał tylko po wpisaniu frazy, czy w trakcie całej sesji klienta.

Odp: Jeżeli na podstawie fraz wpisanych w wyszukiwarce przypiszemy klienta do określonego segmentu marketingowego i utworzymy dla niego banner, wtedy będzie się on pojawiał w czasie całej sesji oraz także po każdym powrocie klienta do naszego sklepu.

Pyt. 2. Czy dostęp do profilu i danych o zamówieniach wymaga logowania użytkownika do sklepu, czy można sięgnąć do tych danych na podstawie cookies?

Odp: W prezentowanym przykładzie, decyzją naszego klienta, użytkownik musiał się wcześniej zalogować, jednak możemy także wykorzystać rozpoznawanie użytkownika na podstawie cookies (autologowanie), zależnie od implementacji.

Pyt. 3. Czy nasz system można integrować z różnymi silnikami sklepowymi

Odp: W zakresie samego search-engine – tak, więcej info tutaj:
http://www.contium.pl/technologie,unity-search-engine.xml
W zakresie targetowania behawioralnego – obecnie nie, ale myślimy o tym.

Pyt. 4. Czy targetowanie geograficzne wg danych z profilu czy po IP

Odp: Dotychczas robiliśmy to tylko po danych z profilu, ale jesteśmy w stanie wykorzystać zewnętrzną bazę IP.

Pyt. 5. Jak wygląda zwrot z inwestycji w nasz system

Odp: Model zwrotu z inwestycji zależy od obecnych parametrów biznesowych sklepu internetowego. Jesteśmy w stanie opracować dla Państwa model ROI w oparciu o aktualne parametry Państwa sklepu (liczba zamówień, wartość średniego zamówienia, konwersja, liczba zamówień z produktami cross-sell/up-sell) oraz osiągane efekty w dotychczasowych naszych wdrożeniach. Zapraszamy do kontaktu z nami.

Zapraszamy do dyskusji z nami w komentarzach.

W natłoku codziennej informacji coraz trudniej dotrzeć przedsiębiorcy do swoich klientów bez wydawania znaczących pieniędzy. Tak jak do muchy nie strzelamy z karabinu maszynowego, tak i w biznesie staramy się optymalizować dobierane, do osiągnięcia naszego celu, środki. Aby nie marnować „amunicji”, reklamodawcy szukają „zbiorowisk” swoich klientów. A mogą to robić np. poprzez umieszczenie oferty na wybranych pod tym kątem portalach tematycznych, korzystając z reklamy kontekstowej w wyszukiwarkach, docierając tylko do grup zamieszkujących określony obszar.

Wyróżniamy więc targetowanie kontekstowe, geograficzne, ale także demograficzne, czasowe (ograniczenie emisji do konkretnych godzin), techniczne (np. użytkownicy korzystający z łączy szerokopasmowych, określonej rozdzielczości) itd. Czy szukanie miejsc, gdzie mogą przebywać nasi potencjalni klienci, to jedyny sposób dotarcia do nich?

Pokochajmy reklamy

Filozofia targetowania behawioralnego (TB) opiera się na analizowaniu zachowań użytkowników internetu i dopasowywaniu wyłącznie na tej podstawie treści, reklam czy produktów. Co prawda można również w to włączyć jeszcze analizę danych demograficznych, ale wtedy będziemy mieli do czynienia z tzw. predykcyjnym targetowaniem behawioralnym (o czym w dalszej części). „Czyste” TB, czy predykcyjne TB jest, jak na razie, chyba najbardziej precyzyjnym narzędziem dotarcia do wybranej grupy docelowej. W konsekwencji nasi odbiorcy oglądają to, co naprawdę ich interesuje. Ta cecha jest też jednym z argumentów podnoszonych przez zwolenników TB. Odwrotnie niż w „tradycyjnym” targetowaniu, w przypadku TB, to oferta (czyt. produkt, reklama, treść) podąża za użytkownikiem. W ten sposób mogę oglądać dajmy na to portal Papilot.pl, a będę widział reklamę pianki do golenia dla mężczyzn. W sklepie sportowym mogę oglądać kurtki dla Pań, a reklamy produktów będą dotyczyć butów do piłki nożnej itd.

Czego możemy się dowiedzieć o niezarejestrowanych użytkownikach naszego sklepu internetowego?

Załóżmy, że jestem właścicielem sklepu z odzieżą sportową. Po przeanalizowaniu kategorii produktowych, po których użytkownik „chodzi” mogę dowiedzieć się o jego ulubionych dyscyplinach sportowych, preferowanych markach produktów, prawdopodobnej płci (jeżeli kategorie produktowe są tak podzielone). Analizując kryteria wyszukiwania, mogę zbadać wrażliwość cenową mojej „ofiary”. Po zmapowaniu adresów IP, mogę dowiedzieć się, z dokładnością co do kraju i miasta, gdzie mój użytkownik aktualnie przebywa (oczywiście jest tutaj pewien margines błędu).

Co więcej, jeżeli użytkownik jest zarejestrowany?

Jeżeli użytkownik jest zarejestrowany, to mogę przeanalizować jego historię zakupów. Wówczas będę mógł dotrzeć np. do użytkowników, którzy kupili buty narciarskie i sprzedać im specjalne skarpety używane przy uprawianiu tej dyscypliny, na które właśnie mam zamiar zrobić promocję. Przy czym nie będę tego robił na karcie produktów, w zakładce z produktami komplementarnymi. Mogę to zrobić równie dobrze na stronie głównej sklepu, lub w koncie klienta, zaraz po jego zalogowaniu. Mogę też emitować bannery, motywujące użytkowników do osiągnięcia odpowiedniego progu sprzedaży, po przekroczeniu którego dostaną kartę rabatową. Także w tym wypadku nie muszę czekać, aż użytkownik zaloguje się, bo dane o jego historii zakupów będą zapisane w jego profilu i powiązane z cookies. Wystarczy zatem, że user wejdzie na dowolną stronę mojego sklepu, a od razu będzie widział np. double billboard z reklamą programu lojalnościowego.

Co targetować w sklepie internetowym?

Możemy targetować praktycznie wszystko (włącznie z layoutem sklepu, zmieniającym się w zależności od grupy docelowej). W praktyce najczęściej wykorzystywane będzie targetowanie reklam i produktów.

Czy to jest legalne?

Nie będę wnikał w kwestie prawne i etyczne związane z ochroną danych osobowych. Ten temat budzi wiele emocji i na razie nie będę się tym zajmował. Wspomnę tylko, że pamiętać należy o anonimowości danych w profilu, czyli usunięciu wszelkich informacji umożliwiających zidentyfikowanie osoby fizycznej takich jak np. imię, nazwisko, adres zamieszkania itd. Sporne jest też stwierdzenie, czy adres IP jest daną osobową, dlatego na wszelki wypadek dobrze jest usunąć go z profilu.

Budowanie profili w oparciu o dane historyczne

Jeżeli oprzemy budowanie profili użytkowników o dane historyczne, to taki system nie będzie w stanie odgadnąć naszych aktualnych intencji, dla których szukamy informacji w sieci. Przykładowo, jeżeli kupiłem jakiś produkt FMCG (Fast Moving Consumer Goods ) np. wodę po goleniu, to serwowanie mi reklam podobnych produktów podczas mojego codziennego przeglądu prasy online przez kolejny tydzień nie ma żadnego sensu. Mnie już ten temat zupełnie nie interesuje!

Co innego, jeżeli mam ochotę zmienić samochód. Tutaj szansa „złapania” mnie w odpowiednim momencie przez reklamodawców korzystających systemu TB bazującego na danych historycznych jest znacznie większa. Średni czas jaki mija od momentu podjęcia decyzji, do zakupu czterech kółek wynosi ok. 10 tygodni. Wiadomo, że w tym czasie będę intensywnie przeglądał portale motoryzacyjne, ogłoszeniowe, fora dyskusyjne, wpisywał w różnego rodzaju wyszukiwarki słowa kluczowe związane z moimi poszukiwaniami itd. Na podstawie moich zachowań można zbudować dosyć precyzyjny profil. Jeżeli przed upływem tych 10 tygodni system TB będzie serwował mi reklamy marek samochodów jakie lubię i tak świetnie się składa, że akurat jedna z nich będzie w super promocji to jest duża szansa, że kliknę w taką reklamę. A jeżeli faktycznie będą mieli to czego szukam, to być może zostanę ich klientem.

Budowanie profili w czasie rzeczywistym

Jeżeli chcemy ograniczyć się tylko do targetowania np. naszych kampanii reklamowych na innych portalach, to możemy skorzystać z gotowych rozwiązań. Przykładowo Audience Science oferuje technologię umożliwiającą analizę zachowań internautów i budowanie profili w czasie rzeczywistym. Firma ta podpisała umowę współpracy z rodzimą agencją sieciową w Polsce – Ad-vice. Trochę inne rozwiązanie proponuje obecna również u nas, za pośrednictwem kilku innych agencji sieciowych, Nugg.ad. Ale o tym poniżej.

Predykcyjne targetowanie behawioralne

No dobrze, ale czy sam fakt np. przeglądania przeze mnie ogłoszeń motoryzacyjnych jest wystarczający do zbudowania odpowiednio precyzyjnego profilu? Raczej nie. Bo co z tego, że taki system TB „domyśla się”, że jestem zainteresowany zakupem samochodu. Atakowanie mnie w tym czasie reklamami np. Stealth B7 czy Bugatti Veyron mija się z celem. Przydałaby się wiedza nt. moich możliwości finansowych. I tutaj z pomocą przychodzi nam tzw. predykcyjne targetowanie behawioralne (termin wyjaśniony na dole). Na podstawie odpowiednich modeli statystycznych, mój profil zostaje przyporządkowany do segmentu spełniającego określone kryteria socjo-demograficzne (w tym m.in. dochody). W ten sposób system TB będzie dostarczał adserwerowi informacje, które pozwolą wyemitować mi kreacje z markami samochodów potencjalnie będących w moim zasięgu.

Zwiększamy zasięg kampanii

Jak donosi Tomasz Teodorczyk z Nugg.ad w rzeczywistości okazuje się, że predykcyjne targetowanie bahawioralne jest w stanie nie tylko dotrzeć do naszej grupy docelowej, zmniejszając tzw. straty mediowe (wyjaśnienie na dole), ale zrobi to efektywniej. Dotrzemy bowiem do większego procenta naszego targetu, czyli zwiększymy tym samym zasięg kampanii.

Targetowanie behawioralne = oszczędności

Pewnie większości z czytelników znane jest powiedzenie, że połowa wydatków reklamowych idzie w błoto, tylko nie wiadomo która. Dlatego narzędzia zwiększające precyzję naszych działań reklamowych, czy sprzedażowych w większości przypadków będą powodować oszczędności dla firmy (chyba, że koszt wykorzystania narzędzia je przewyższy). Przykładowo, jeżeli jesteśmy właścicielami sklepu ze sprzętem do uprawiania kitesurfingu i chcemy dotrzeć do fanów tego sportu za pośrednictwem portalu, gdzie przy reklamie typu RoS (Run Of Site) udział naszej grupy docelowej wyniesie 30%, a przy wykorzystaniu predykcyjnego TB udział grupy docelowej zwiększy się do 40% , to nawet jeżeli reklama z TB będzie nas kosztowała u wydawcy 20% więcej, to i tak zaoszczędzimy w sumie ok. 10% efektywnego kosztu (effective CPM).

Podsumowanie

Po zapoznaniu się z informacjami zawartymi w artykule, niech każdy z czytelników sam odpowie sobie na pytanie, czy TB jest tylko chwilową modą, czy jednak może skutecznym i nowoczesnym narzędziem w rękach emarketerów.

Czy ktoś z Was korzystał już z TB i może podzielić się swoimi wrażeniami? Czy w Waszym wypadku również odczuliście jakieś pozytywne zmiany po zastosowaniu tej technologii? Może dodacie jakieś ciekawe linki z przykładami takich rozwiązań?

A może zupełnie nie zgadzacie się z tym co napisałem? Tak czy inaczej, czekam z niecierpliwością na komentarze

Słownik:

Predykcyjne targetowanie behawioralne – metodologia, które wzbogaca tradycyjne mierzenie zachowań użytkowników internetu o dane deklaratywne pozyskane z emisji ankiet. Pozwala to na zbudowanie modeli statystycznych zachowań użytkowników i zapobiega powstawaniu efektu tzw. ograniczonego zasięgu, który powstaje, gdy niewielka liczba użytkowników mimo zainteresowania daną tematyką nie klika i nie przegląda związanych z nią treści. (źródło: Raport IAB Polska „Internet 2008″).

Straty mediowe – efekt, który powstaje w sytuacji, gdy kampania jest emitowana w obrębie medium, w którym grupa celowa nie stanowi 100 proc. użytkowników. Różne metody targetowania, np. targetowanie behawioralne, pozwalają w dużym stopniu ograniczyć taką stratę poprzez identyfikację wyłącznie użytkowników będących w danej grupie celowej. (źródło: Raport IAB Polska „Internet 2008″).

Run on site – termin w reklamie internetowej określający emisję reklamy w obrębie danej witryny. W przypadku portalu ogólnotematycznego zakup Run on Site oznacza kampanię nakierowaną głównie na maksymalnie szeroki zasięg, pomijając tematykę serwisu a co za tym idzie specyfikację grupy. Natomiast jeśli wykupuje się kampanię Run on Site na portalu tematycznym, wówczas lokuje sie ją na portalu, którego grupa docelowa jest zgodna z profilem potencjalnego targetu. (źródło: WIKIPEDIA).

Krzysztof Król