Hledání a tvorba cílových skupin úskalí a problémy segmentace zákazníků Pavel Korec
Cíle segmentace
k obrázku Jaký je hlavní úkol a cíl segmentace? Jaká očekávání máme a proč k segmentaci přistupujeme? Možná se odpověď zdá být jednoduchá, ale mezi řadou důvodů existují i takové, které si odporují. Ve finále může segmentace přinést růst, či udržení výnosů, anebo nemusí. Vydáte-li se cestou nákladného projektu a obhájíte-li ho značnými úsporami, pak dost možná nebudete mít dost peněz na inteligentní kampaně a s vysokým zacílením budete zákazníkům posílat strohé informace a nabídky přitištěné na fakturách, nebo výpisech účtu.
Paradox Nemůžeme všechny cíle splnit současně
systematický přístup
otevřené schéma
více segmentací
a zda jsme segmentaci vytvořili vhodně, zjistíme až na jejím konci.
k obrázku Samozřejmě to není pravdě absolutně, protože mnohé můžeme předvídat a modelovat. Respektujme však to, že máme před sebou mnoho neznámých a řadu konfliktů mezi nimiž je třeba najít kompromis. Určitě nám v segmentaci pomůže systematický přístup. A i když jsme jeho pravidla slyšeli mnohokrát, stojí za to si ho opět připomenout, vzít vážně. Je důležité, ponechat si tvorbu segmentů a možnost jejich oprav otevřenou. Třetí možností je vytvořit více segmentačních rovin. Nesmíme to přehánět, neboť tím se může stát segmentace komplikovanou. Mezi segmenty je někdy možné najít vazby.
Segmentace jako součást kampaně či projekt? Zákazníky můžeme segmentovat pro jedno jediné využití v rámci kampaně a můžeme v rámci CRM systému realizovat nákladný projekt. (výzkumy, kampaně, produkty…)
Zákazníky také můžeme v krajních případech segmentovat automaticky za pomoci matematických metod – například jako ty, kteří jsou vhodní pro oslovení – aniž bychom o nich cokoli jiného věděli / anebo je můžeme řadit do samostatných skupin pomocí papíru a hlavy.
Častá praxe Příležitostně definované segmenty slouží při přípravě kampaně pro vyhledání vhodné skupiny pro komunikaci. Dále se s nimi nepracuje.
Stálé segmenty slouží k analýzám a reportům a při tvorbě produktů, ale nejsou pomůckou v komunikaci, protože jsou v kreativě těžko uchopitelné. Anebo jsou využívány ve špatně zacílené komunikaci.
Segmenty jsou statické. A tak uniká cenná informace o tom, odkud zákazníci přicházejí a kam jdou.
Cíle segmentace - příklad Obchodní požadavky Ušetřit neefektivně vynakládané náklady Zvýšit prodej v nabídce produktů vybraným skupinám Marketingové požadavky Segmentovaná komunikace s ohledem na hodnotu zákazníka a komunikaci Segmentační cíle – identifikovat skupinu zákazníků,
na které nebudeme komunikovat pomocí DM Top, VIP na které budeme komunikovat pro udržení jejich loajality kterou je třeba aktivovat pro MGM marketing pro cílenou kreativní komunikaci pro měření pro potřeby marketingu pro loajalitní program …
Segmentace jako příležitost Existují případy, kdy je vhodné oslovit a nebo oslovovat zákazníky určité specifické skupiny zvlášť?
Přestože pomalu spějeme k systematickému přístupu, stojí za to ještě zmínit, že dost možná současně vaše data obsahují informace o skupině zákazníků, které stojí za to oslovovat nesystematicky a zvlášť. Buď proto, že velmi dobře reagují na nabídky. Nebo proto, že jsou zvláštní něčím, na co lze velmi dobře připravit kreativní DM. A nebo jejich oslovení souvisí s nějakou událostí.
Systematický přístup Cíle segmentace Audit dat Definování klíčových charakteristik Analýza jednorozměrných dat
Analýza vícerozměrných dat Vlastní segmentace
Abychom se dobrali nějakých výsledků, potřebujeme systematický přístup, jakým od obchodních cílů dojdeme k účinné segmentaci. Vyžaduje to jak značnou dávku preciznosti, tak tvůrčí přístup v hledání toho podstatného o co nám jde. V žádném případě nejde o rutinní činnost.
Audit dat Pravděpodobně více než rok hledáte, intenzivněji než kdykoli předtím, možnosti snižování nákladů. A téma růstu výnosů je pro řadu společností velice citlivé. Přitom většina má nezanedbatelný potenciál v informacích o svých zákaznících. Na prahu krize řada analytiků očekávala, že vzroste využití DM. Bylo by zajímavé se ptát, proč se tak v mnoha případech nestalo?
Nevyužitý potenciál Jednou z odpovědí je, že se často nezměnil přístup společností k informacím o vlastních zákaznících. Aby se to stalo, musela by se i nějak změnit firemní kultura v oblasti marketingu.
Nevyužitý potenciál Druhý důvod je velice osobní. Máme problém rozlišovat mezi zákazníky a necháváme se ovlivňovat osobním postojem. Když jde o to snížit náklady na tisk, vyrábíme staré-mladé oboupohlavní jedince. Třetí důvod vidím v tom, že chceme splnit současně příliš mnoho požadavků, jako v pohádce Chytrá horákyně: "Dobře tedy, když je tvá dcera tak chytrá, ať přijde zítra ke mně, ale ať to není ani ve dne ani v noci, ani ustrojená ani nahá, ani pěšky ani na voze." Zapomínání na různost pohlaví má v direct marketingu ještě víc než v reklamě ten důvod, že podléháme společenským trendům, které se snaží rozdíly potlačit.
Konkrétní příklad, jaký známe… Žena, 24 let Nereaguje na nabídky finančních produktů Nevyužívá elektronické bankovnictví Bydlí v obci do 500 obyvatel Není zaměstnaná Produkty: kreditní karta s rámcem 30 000 Kč, 5 měsíců bez pohybu na účtu Nemá mobilní telefon Závěr: vyřadit z nabídek finančních produktů
Ve skutečnosti: Má spořící účty, životní pojištění a příjmy z majetku, ale u jiného finančního ústavu Studuje v Praze, bydlí u přítele, poštu si nechává přeposílat Vlastní Nokii 8800 V současné době se zdržuje na Novém Zélandě.
Jak měla být data popsána: Žena, 24 let Nereaguje na nabídky finančních produktů naší banky Nevyužívá elektronické bankovnictví naší banky Máme 5 let starý záznam o sídle v obci do 500 obyvatel Nemáme záznam, že je zaměstnaná Produkty: kreditní karta s rámcem 30 000 Kč, 5 měsíců bez pohybu na účtu Nemáme číslo mobilního telefonu Závěr: získlat další informace v rámci ATM nabídky
Neuvěřitelná otázka Znovu a znovu stojíte před rozhodnutím rozšířit klientský kmen. Máte na vybranou: Oslovit cílovou skupinu, která často používá podobné produkty, ale je jimi ve značné míře saturovaná.
A nebo oslovit cílovou skupinu, kterou produkty nezajímají a současně není dotčena konkurencí.
Co o klientech známe? - příklad Především: Jmeno Prijmeni Pohlavi Adresu Produkty Objem prodeje Datum narozeni Prvním krokem, který bychom měli udělat, je vytvoření souhrnu dat, které používáme. Druhým krokem je rozšíření o ty, které můžeme použít, i když v tuto chvíli nevíme jak. Třetím krokem mohou být již interpretace cílových skupin.
Ale také: Zakaznik od roku Historie nakupovani Reakce na kampane Reakce na souteze Jediny klient z rodiny? Narozeniny slavi dne Lokalita kde bydli O co mel zajem Jak se zmenil zajem Jak reaguje na ATM Kdy dostava vyplatu Komunikacni kanaly vzuzil Vyjadril spokojenost ATM Vyjadril nespokojenost Reklamoval Nechce DM nabidky
A s čím pracujeme? Především: Jmeno Prijmeni Pohlavi Adresu Produkty Objem prodeje Datum narozeni Prvním krokem, který bychom měli udělat, je vytvoření souhrnu dat, které používáme. Druhým krokem je rozšíření o ty, které můžeme použít, i když v tuto chvíli nevíme jak. Třetím krokem mohou být již interpretace cílových skupin.
Ale také: Zakaznik od roku Historie nakupovani Reakce na kampane Reakce na souteze Jediny klient z rodiny? Narozeniny slavi dne Lokalita kde bydli O co mel zajem Jak se zmenil zajem Jak reaguje na ATM Kdy dostava vyplatu Komunikacni kanaly vzuzil Vyjadril spokojenost ATM Vyjadril nespokojenost Reklamoval Nechce DM nabidky
Průměrný příběh Podíl na trhu 40% Průměrná cena na zákazníka byla 5.000 Kč Průměrná cena na trhu 4.000 Kč Průměrný zisk na zákazníka 1.000 Kč. Firma předčila konkurenci kvalitou, ale bariérou byla vyšší cena. Bylo rozhodnuto zásadně ušetřit na provozu a marketingu a cenu snížit na 4.000Kč.
Výsledek: přibylo 5% zákazníků a výnosy klesly o 20%.
Protože marketing pracoval s průměrnými hodnotami a průměrnými zákazníky.
Hlavní důvodem loajality byla blízkost provozovny. Výnosových bylo jen 40% zákazníků ti s největšími výnosy odešli.
Nespokojme se ani se statistickými průměry Aritmetický průměr • jedna anorektička a jedna bulimička nedávají dohromady zdravou osobu • extrémy průměr posunují • chyba se výrazně projevuje .. (65 535 let
Medián • nalevo ti co mají méně a je jich stejně jako těch co mají více • není ovlivněn extrémy a méně šíří chybu • vhodný i pro malý počet
Kvantil, Kvartil, • Kvantil - kolik procent dosáhne minimálně jakého obratu • Kvartil 4 stejné části Q1 a poslední Q3. Rozpětí Q3-Q2 • Decil – desetiny, Percentil – po procentech
Na Google najdete medián věku (střední věk) ve 2 tisících případech ale průměrný věk ve 100 000 odkazech.
Příklad: Rozdíl mezi průměrem a mediánem ukazuje následující obrázek počtu zákazníků. V tuto chvíli nás zajímá průměrný věk.
počet zákazníků podle věku medián aritmetický průměr
80
počet zákazníků v tis.
70 60
50 40 30
20 10 -
18
23
28
33
38
43
48 53 věk
58
63
68
73
78
83
Další chyba Nyní uděláme další vážnou chybu – budeme počítat s responsí k průměrnému věku, který jsme před chvílí zjistili. Je to lepší, než počítat s průměrnou responsí všech zákazníků a můžeme mít dobrý pocit, jak přesná čísla získáváme!? Opak je v tomto případě pravdou.
12% 10%
Response podle věku nebo jiný údaj ve skutečnosti použijeme průměrné hodnoty medián aritmetický průměr
8% 6% 4% 2% 0% 18 22 26 30 34 38 42 46 50 54 58 62 66 70 74 78
Response vyjde dvojnásobná. Ale ani použití mediánu by nebylo správné a výsledek by byl zase jiný. Slouží jen jako ukázka, jak se při výpočtech stane že nám pak v praxi nevyjde. Budeme-li mít štěstí, dopustíme se chyby daleko větší.
Obvyklé vlastnosti dat Málo plných informací o všech zákaznících
Důsledek: Nesegmentujeme komunikaci
Hodně různých informací o různých zákaznících napříč zamýšlenými segmenty
Průnik kritérií vhodné z hlediska potřeb a produktu
vhodné z hlediska ceny
vhodné z hlediska komunikace
Při volbě segmentů které oslovíme, hraje velikou roli budget a složitost komunikace. Často se lze setkat s názorem, že nemá cenu komunikovat na malé segmenty. Je to komplikované a složité. Myslím, že podaří-li se najít vhodný kreativní způsob, jak takovou skupinu oslovit, může se vyplatit. Problém je v tom, že často jednáme v nedostatku času, segmenty jsou stanoveny předem a po kreativní části není možnost je většinou měnit.
Co můžeme dělat? klientský kmen, celá báze dat
ne
komunikovat
fázově - DM
followup
response 1,2% response 4,3%
levně
response 0,7%
NÁKLADY
blacklist
Dvě varování na opačném konci spektra Nesystematická práce s daty
Nevyužitý potenciál dat Dílčí účinná komunikace
CRM systém a událostmi řízený marketing
Perfektně zacílená zásilka Formální obsah
Chybná interpretace Častou chybou při segmentaci zákazníků je vylučování negací. Stále musíme být v kontaktu s vypovídací hodnotou dat. Zjistili jsme, že někteří zákazníci vlastní telefon Nokia. Současně to neznamená, že ostatní Nokii nevlastní, ale že nevíme zda ji vlastní a nebo ne. V segmentačních databázích je proto třeba udržovat tři stavy:
ano ne nevíme
k předchozímu Problémem je, že při sběru dat nebývá popis v polích databází dostatečně přesný. Vždy je třeba vědět, co znamená záporná hodnota. Nebyl zákazník osloven? A nebo byl osloven dříve, než se tento údaj začal sledovat. Někdy musíme mít 4 stavy – nevíme a nevyplněno (nevíme, zda nevíme). V databázi vyřešíme samostatným sloupcem, Microsoft Excel nás možná svádí k použití jednoho.
Chybná interpretace Známe-li konkrétní informace o části báze, můžeme se někdy pokusit data extrapolovat. Zda extrapolace má smysl zjistíme ověřením u kontrolního vzorku dat nebo nových dat. V takovém případě potřebujeme pro identifikaci ještě jeden příznak
ano spíše ano ne
extrapolace
nevíme
Předsudky Abychom se dobrali nějakého výsledku, potřebujeme si stanovovat cíle a pracovat s předpoklady. Současně naše předpoklady ovlivňují analýzu, interpretace a závěry. Příklad: Banka má velké množství konzervativních a nákladných klientů. Bord zvažoval jít proti této movitější klientele Tak úkoloval marketing.
A byla by to chyba, protože tito konzervativní klienti sice brání k přechodu na efektivnější produkty, ale ve své nenáročnosti a neochotě a množství a loajalitě tvořili nejvýnosovější segment.
Co potřebujeme?
Přesné popisy dat k databázím – co, co znamená
Uvážlivé indexování a interpretování
Precizní převádění z databází do Excelu a mezi listy Excelu
Response Dalším rizikem je nepřiměřený nárok na účinnost segmentace.
k obrázku Zvyšovat účinnost kampaní při snižujících se nákladech je od určitého okamžiku nemožný úkol. Je to, jako byste chtěli popřít první zákon termodynamiky, který říká, že energie v uzavřené soustavě nemůže samovolně vznikat, ani zanikat. Jestliže se snižováním ztrát ubíráte energii, začíná být marketingové čerpadlo citlivé na jakékoli jiné nepředvídané zádrhele a může se zastavit. Některé aspekty marketingu a reklamy mají tu vlastnost, že je lze přetížit. Přetížit můžete třeba věrnostní program. V nepřiměřených nárocích na zákazníky, co všechno musí udělat aby získali vysněný incentiv. Důležité je omezovat ztráty. Měli bychom proto dbát o jedno: nevytvářet systém, který je příliš komplikovaný. Co je komplikované, je nejen těžko realizovatelné technicky, ale nikdo to nepochopí a nebude podporovat. Komplikovaný zákazník je pro vaše kolegy z oddělení reklamací, vývoje produktů, IT, plánování, financí a řady dalších neuchopitelný. Nedokážou ho mít rádi a možná mu budu házet klacky pod nohy. Komplikovaný zákaznický segment nepopíšete v briefu, nevysvětlíte agentuře a nepochopí ho kreativec.
Kde je ukrytý potenciál? Jaké otázky si položit? Rozdíly mezi zákazníky dle produktů Co je signifikantní pro loajalitu Jaká je cenová citlivost Jací zákazníci jsou ztrátoví? Muži vs ženy Svobodní vs. ženatí Kde jsou věrní zákazníci a kde přecházející? Jak přecházejí mezi segmenty? Kteří se aktivují, kteří usínají? Jak se mění aktivita během měsíce, roku, více let?
Profilace dat základní data
Audit dat rozšíření označení validity
interpretace
brainstorming
Kladení otázek selekce
hierarchizace
co víme
Hledání insightu co chceme vědět
jak se k tomu dostaneme
uvnitř souboru dat
srovnání charakteristik přizpůsobení dat
s výzkumy a populací
• Výzkumy CATI, TGI, NRS, FRS … • Sociologické studie • Data ČSU a oborových organizací • Geomarketing • Vlastní letmé výzkumy
Analýza jednorozměrných dat Informace, že mezi zákazníky máte 23% konzervativních spořivých a 27% lehkomyslných neznamená sama o sobě vůbec nic. Dost možná byla segmentační kritéria nastavena tak, aby skupiny byly stejně velké. Potřebujeme data porovnat s jinými. Zajímá nás, že mezi majiteli produktu jsou nadprůměrně zastoupeni lehkověrní úvěráři a ne, jak někdo někdy definoval parametry cílové skupiny. Příklady: Obrat CS se všemi (vlastními) zákazníky Podíl na trhu zákazníka CS1 ku podílu zákazníka CS2 Závislost loajality na obratu, délce, četnosti předchozích nákupů Užívání internetu vs. bonita zákazníka Náklady na získání zákazníka u CS vs. zákaznická hodnota
Analýza vícerozměrných dat Faktorová analýza. • Hledá co nejmenší počet faktorů ovlivňujících určité chování, postoje, nebo členství ve skupině. Klastrová analýza • Vytváří specifické skupiny. Buď v předem daném počtu a nebo hiararchicky.
Korespondenční analýza • Identifikuje a kvantifikuje působení vztahů mezi daty, příčinné souvislosti a odlišnosti skupin zákazníků a jejich vztahů.
k předchozímu Matematické metody nezpůsobí, že marketér pozná jak funguje jeho trh „uvnitř“. A protože na čísla se dá spolehnout, není třeba hledat dál. Porozumění trhu a zákaznickým skupinám je kriticky významné. Marketéři a matematici musí velmi intenzivně hledat společnou řeč. Stává se, že z výsledků analýz je použita jen část pozitivně vypovídající o marketingovém potenciálu zákazníků, zatímco negativní zprávy nejsou brány na zřetel. Je třeba si vytvářet znovu a znovu představy a hypotézy, jak trh funguje a ověřovat si je jak na matematických modelech, tak ve výzkumech a v pilotních kampaních.
Jak na to?
Základem dobré segmentace jsou kvalitní východiska. Potřebujeme získat odpovědi na otázky, které nejvíce ovlivní výsledek. Je to jako zkusmo řešit složitou rovnici o mnoha proměnných. Můžeme na to jít systemicky a představit si, jak bude náš model vypadat až bude hotový. Nebo formulovat mnoho otázek a malovat mezi nimi souvislosti. Jít inverzně odpředu (od kýženého výsledku) a současně od auditu dat a doufat, že se někde protneme.
Segmentovaný marketing Potřebujeme soustavně držet následující pohledy (je jich mnohem víc).
marketéra
zákazníka
produkty a jejich parametry
potřeby
segmentovaná komunikace
bariéry, motivátory, incentivy, percepce, kanály, životní styl
cenotvorba
cenová citlivost
ziskovost
zákaznická hodnota
Komplexní problém Při volbě segmentů je vždy důležité mít na zřeteli cíl segmentace. To především znamená volit segmentační proměnné s ohledem na jejich využitelnost při komunikaci a tvorbě produktů. Abychom dosáhli využitelnosti pro jiné cíle, museli bychom možná jít ke kompromisům a ztratit ze zřetele jak jednoduchost a pochopitelnost segmentů, tak jejich množství. Často je proto výhodnější vytvořit více segmentačních rovin pro různá využití.
Doporučení Snažme se po celou dobu segmentům rozumět. Segmenty musí být sdělitelné a mít určitý tvar. Co je beztvaré, tomu nelze porozumět, nelze to uchopit. Musí mít jasně definovanou hranici. Podmíněné hranice bývají přesnější, komplikují další práci. Když víte, jaké informace máte k dispozici - stanovte a sepište si cíle a pak hledejte způsob jak k nim dojít. Segmenty musí být identifikovatelné významné odlišné popsatelné Segmentace zákazníků může mít mnoho podob a může vést až k jisté nepodobě. Úkolem této přednášky je podívat se na to, jak dosáhnout aby se zákazníci v segmentech sobě podobali. Jaký ostatně je úkol segmentace?
Jak sdělit co potřebujete? Často se musí marketing domluvit s IT oddělením na výběru dat. Je zde riziko, že to co vypadá jednoznačné, možná někdo, kdo pracuje s daty, pochopí jinak. Je vhodné používat formulář pro IT požadavek. Možná ho rozšířit. Je důležité k požadavkům připsat důvod a co od a sumarizace dat očekáváte. Veďte svoje kolegy či podřízené ke spolupráci. Práce na segmentaci v této chvíli by měla být týmovým úkolem. Provádějte opakovaně kontroly. Řadě neporozumění se vyhnete, pokud s požadavkem předáte prázdnou excelovskou tabulku včetně popisků, nebo ukázkovou kontingenční tabulku.
Jak hrubé segmenty? Čím přesnější je cílená komunikace, tím roste šance, že se se zákazníkem dobře potkáte. Znáte jeho možnosti, víte o jeho potřebách. Současně a paradoxně roste riziko, že se v něčem opravdu zásadním minete, nebo dokonce vzbudíte negativní reakci. Přesto jinou cestou, než inteligentní segmentací a přesným cílením jít nelze. Jde o to - přes všechny informace co o zákaznících víme - respektovat v komunikaci jejich individualitu. Nepodlehnout kouzlu statistických dat.
Tvorba segmentů Začnete třeba tím, že si nakreslíte ideální segmenty Napište si do diagramu, jejich charakteristiky Budou se zákazníci mezi segmenty pohybovat? Nyní pracujte s charakteristikami a vlastnostmi, jak jste je poznali během analýzy. Sepisujte si je do tabulky (v MS Excelu)
Tvorba segmentů Srovnáte si do tabulky řadu poznatků: V čem se odlišují dle analýz Informace o využívání produktů Zákaznická hodnota Základní socio-demografický popis Cenovou citlivost Zkušenosti s responsí Míra loajality a co ji ovlivňuje Hodnoty Potřeby Bariéry Motivátory Spotřebitelský sen a atraktivní incentivy Postoj k reklamě Životní styl
vždy si pak vyznačte , zda se něčím odlišuje od jiných skupin
Verifikace segmentů Abyste si ověřili, že segmenty budou mít význam, vytvořte řadu relevantních grafů. Můžete použít báze dat a definovat proměnné.
Můžete si ověřit skupiny jak z hlediska produktů, obratu, tak response. Uvidíte, co z toho má smysl a budete s tím počítat i do budoucna při uvažování o strategii komunikace.
Ověřujte, ověřujte, ověřujte… Pilotní komunikaci využívejte často. Zejména pokud začleňujete segmenty do CRM systému, nepůjde je možná po nějaký čas měnit. Nebo pokud plánujete nákladnou a významnou kampaň. Je důležité, abyste ověřili funkčnost segmentů ještě předtím, než je začleníte do firemních procesů, nebo kampaň spustíte . Vytvořte si proto pilotní projekty, v nichž s nabídkou oslovíte zákazníky podobně, jako to budete dělat později. Následně si správnost zacílení doplňte u těchto zákazníků telefonicky.
děkuji za pozornost
Underline s.r.o., 3D obrázky Underline s.r.o.
Pavel Korec
[email protected] mobil: 736769470