กลุ่มเป้าหมายเชิงคาดการณ์

การแบ่งกลุ่มแบบดั้งเดิมจัดกลุ่มลูกค้าตามอายุ เพศ หรือสถานที่ตั้ง ส่วนการแบ่งกลุ่มเชิงคาดการณ์จะจัดกลุ่มตามพฤติกรรมในอนาคตที่มีแนวโน้มจะเกิดขึ้น

คำถามเปลี่ยนจาก "ลูกค้ารายนี้เป็นใคร" เป็น "ลูกค้ารายนี้จะทำอะไรต่อไป" มุมมองที่มุ่งไปข้างหน้านี้ทำให้การแบ่งกลุ่มเชิงคาดการณ์นำไปใช้ในการตลาดได้จริงมากยิ่งขึ้น

การให้คะแนน RFM จัดอันดับลูกค้าตามสามด้าน ได้แก่ ความใหม่ของการซื้อครั้งล่าสุด ความถี่ในการซื้อ และมูลค่าการใช้จ่าย

โดยปกติแต่ละด้านจะให้คะแนนตั้งแต่ 1 ถึง 5 ตามกลุ่มห้าอันดับเท่า ๆ กัน ทำให้ได้รหัสอย่าง R5 F5 M5 สำหรับลูกค้าที่ดีที่สุดของคุณ RFM คือรากฐานแบบดั้งเดิมที่ตีความได้ง่ายของการแบ่งกลุ่มตามพฤติกรรม

รหัส RFM ดิบจะมีประโยชน์เมื่อจับคู่กับชื่อกลุ่มที่สื่อถึงการดำเนินการบางอย่าง

ลูกค้ากลุ่มผู้นำซื้อสินค้าเป็นประจำและเพิ่งซื้อไม่นาน ลูกค้ากลุ่มเสี่ยงเคยซื้อสินค้าจำนวนมากแต่เงียบหายไป ลูกค้าใหม่เพิ่งซื้อสินค้าแต่ซื้อเพียงครั้งเดียว ชื่อแต่ละกลุ่มจึงบ่งบอกแคมเปญที่แตกต่างกัน

เมื่อคาดการณ์ LTV เป็นรายลูกค้าแล้ว ก็สามารถแบ่งลูกค้าเป็นระดับมูลค่า เช่น แพลทินัม ทอง เงิน และทองแดง

วิธีนี้ช่วยจัดสรรงบประมาณเพื่อรักษาลูกค้าไปยังจุดที่ให้ผลตอบแทน ลูกค้า 20% แรกมักสร้างกำไรส่วนใหญ่ ดังนั้นการรักษาลูกค้ากลุ่มนี้ไว้จึงเป็นเรื่องสำคัญ

แบบจำลองการเลิกใช้บริการจะกำหนดความน่าจะเป็นที่ลูกค้าซึ่งใช้งานอยู่แต่ละรายจะเลิกใช้บริการในช่วงเวลาถัดไป การนำความเสี่ยงนี้มารวมกับมูลค่าที่คาดการณ์จะสร้างตาราง 2x2 ที่มีประสิทธิภาพ

ลูกค้ามูลค่าสูงที่มีความเสี่ยงสูงคือกลุ่มเร่งด่วนที่ควรช่วยรักษาไว้ ส่วนลูกค้ามูลค่าต่ำที่มีความเสี่ยงสูงอาจไม่คุ้มค่ากับการใช้งบประมาณเพื่อรักษาลูกค้าเลย

แบบจำลองแนวโน้มจะคาดการณ์ความเป็นไปได้ของการกระทำเฉพาะอย่างในอนาคต เช่น การซื้อครั้งถัดไป การยอมรับข้อเสนอขายเพิ่ม หรือการซื้อสินค้าข้ามหมวดหมู่

การกำหนดเป้าหมายเฉพาะลูกค้าที่มีค่าแนวโน้มสูงกว่าเกณฑ์จะเพิ่มประสิทธิภาพของแคมเปญ เพราะช่วยหยุดการใช้จ่ายกับผู้ที่ไม่น่าจะเปลี่ยนเป็นลูกค้าไม่ว่าจะยื่นข้อเสนอใดก็ตาม

วิธีการแบบไม่อาศัยข้อมูลกำกับดูแล เช่น วิธีเค-มีนส์ จะจัดกลุ่มลูกค้าตามความคล้ายคลึงกันของคุณลักษณะหลายด้านพร้อมกัน ทำให้พบกลุ่มที่ไม่ได้กำหนดไว้ล่วงหน้า

กลุ่มที่ได้อาจเผยให้เห็นกลุ่มนักล่าดีลช่วงสุดสัปดาห์ หรือกลุ่มผู้รับผลิตภัณฑ์ระดับพรีเมียมในช่วงแรก ข้อแลกเปลี่ยนคือความสามารถในการตีความ เพราะต้องวิเคราะห์ลักษณะและตั้งชื่อกลุ่มก่อนจึงจะนำไปใช้ดำเนินการได้

คุณลักษณะเชิงคาดการณ์ที่ดีไม่ได้จำกัดอยู่แค่ประวัติการซื้อ การมีส่วนร่วมกับจดหมายอิเล็กทรอนิกส์ รายการติดต่อฝ่ายสนับสนุน ความถี่ในการเข้าใช้แอป และระยะห่างระหว่างคำสั่งซื้อ ล้วนเป็นสัญญาณของพฤติกรรมในอนาคต

ช่วงห่างระหว่างเวลาที่คาดว่าจะซื้อกับเวลาที่ซื้อจริงซึ่งขยายกว้างขึ้น เป็นสัญญาณเตือนล่วงหน้าที่ชัดเจนที่สุดอย่างหนึ่งของการเลิกใช้บริการ และมักปรากฏก่อนลูกค้าจะหยุดใช้งานอย่างเป็นทางการหลายสัปดาห์

ลูกค้าเปลี่ยนกลุ่มอยู่ตลอดเวลา ลูกค้ากลุ่มผู้นำที่หยุดซื้อจะกลายเป็นลูกค้ากลุ่มเสี่ยงได้ ส่วนลูกค้าใหม่ก็สามารถเลื่อนขึ้นสู่ระดับทองได้

ต้องคำนวณกลุ่มเชิงคาดการณ์ใหม่อย่างสม่ำเสมอ ซึ่งมักทำทุกวันหรือทุกสัปดาห์ กลุ่มที่หยุดนิ่งตั้งแต่วันที่สมัครจะล้าสมัยอย่างรวดเร็วและทำให้ส่งข้อความที่ไม่เกี่ยวข้อง

กลุ่มจะมีประโยชน์ก็ต่อเมื่อมีพฤติกรรมแตกต่างจากกลุ่มอื่น ตรวจสอบว่าลูกค้าที่คาดว่าจะมี LTV สูงสร้างรายได้เพิ่มขึ้นจริงเมื่อเวลาผ่านไป

กราฟการยกระดับผลลัพธ์และกลุ่มกันไว้ช่วยยืนยันว่าแบบจำลองแยกลูกค้าได้อย่างมีความหมาย หรือเพียงจัดเรียงค่าเฉลี่ยใหม่เท่านั้น กลุ่มที่แยกได้ไม่ดีทำให้เสียความพยายามในการกำหนดเป้าหมาย

กลุ่มเชิงคาดการณ์แต่ละกลุ่มควรเชื่อมโยงกับการตอบสนองทางการตลาดที่ชัดเจน เช่น กระบวนการดึงลูกค้ากลุ่มเสี่ยงกลับมา โปรแกรม VIP สำหรับลูกค้าระดับแพลทินัม และชุดข้อความเริ่มต้นใช้งานสำหรับลูกค้าใหม่

หากไม่มีการเชื่อมโยงดังกล่าว การแบ่งกลุ่มก็เป็นเพียงการวิเคราะห์เท่านั้น บทเรียนถัดไปจะเปลี่ยนการคาดการณ์เหล่านี้ให้เป็นแคมเปญและการตัดสินใจด้านงบประมาณที่เป็นรูปธรรม

ระบุกลุ่มที่เร่งด่วนที่สุดสำหรับการดำเนินการ

การแบ่งกลุ่มเชิงคาดการณ์จัดกลุ่มลูกค้าตามพฤติกรรมในอนาคต โดยใช้ RFM ระดับ LTV ที่คาดการณ์ ความเสี่ยงการเลิกใช้บริการ คะแนนแนวโน้ม และการจัดกลุ่ม

คุณลักษณะที่ดีและการคำนวณใหม่อย่างสม่ำเสมอช่วยให้กลุ่มแม่นยำ การตรวจสอบยืนยันผลลัพธ์ส่วนเพิ่มที่เกิดขึ้นจริง และทุกกลุ่มต้องเชื่อมโยงกับการดำเนินการ บทเรียนถัดไปเราจะนำการคาดการณ์เหล่านี้ไปใช้