Büyük Veri ile Müşteri Segmentasyonu nasıl olur? (Customer Segmentation)

Source: https://www.kayako.com/blog/assets/Kayako-Customer-Retention-Strategies.png

Şirketler için mevcuttaki ürün kullanıcılarını devam ettirmek, yeni kullanıcılar/müşteriler bulmaktan çoğu zaman daha az maliyetlidir. Frederick Reichheld (Net Tavsiye Skor’u bulan kişi) çalışmalarında gösteriyor ki kullanıcılarınızı elde tutma oranını %5 arttırırsanız, şirketinizin karlılığığını %5 ile %95 arasında arttırabilirsiniz.

Bu bahsedilen kullanıcı devamlılığını arttırmak için de kullanıcılarınızla iletişime geçmek üzere bazı stratejiler oluşturmanız gerekir. eğer kullanıcılarınızı (bunu yazının her yerinde müşterileriniz olarak da düşünebilirsiniz.) doğru anlayıp analiz edebildiyseniz, potansiyel olarak kullanıcınız olabilecek diğer kişileri de markanıza çekebilirsiniz.

Bu çalışmanın da ilk aşaması kullanıcılarınızı anlamakla başlıyor.

Neden bu ürünü kullanıyor, ne zaman kullanıyor, ne sıklıkla kullanıyor, neden başka ürünü kullanmıyor da sizinkini kullanıyor??? gibi gibi bir çok sorunun cevaplarını kullanıcılarınızdan aldığınızda ve ya gözlemlediğinizde göreceksiniz ki kullanıcılar arasında çok büyük farklılıklar var.

Herkesin şuanda sık sık konuştuğu “kişiselleştirilmiş müşteri deneyimi” de bu farklılıkları bilmek ve anlamaktan geçiyor.

Peki bu gruplamaları nasıl yaratabiliriz?

kullanıcılarınızdan elde ettiğiniz bilgiler ve istemlerinizdeki datalar ile bazı gruplamalar yapmanız mümkün. bu yazının geri kalanında bazı ayrıştırmalardan bahsedeceğim ve bunlardan “segmentasyon” olarak bahsediyor olacağım.

Şirketiniz ve ürününüz için değerli olan kullanıcıları ayırt etmek için kullabilirsiniz, unutmayın ki en iyi pazarlama kişilerin birbirine önermesi ile olan pazarlamadır. Örneğin kullanıcılarınızdan öyle kişiler bulabilirsiniz ki, onları etkilediğinizde arkasından 100 kişi daha sürekleyebilir. Bu sebeple 100 farklı kişiyi ikna etmek yerine sadece 1 kişiyi ikna etmeniz yeterli olabilir. Tabi bu sadece kişinin çevresi ile alakalı bir konu değildir, değer kavramı sizin şirketiniz ve önceliklerinize göre değişebilir.

Örneğin; bankaların kartlarını Premium, Gold, Silver olarak müşterilerine göre gruplandırıyor olması değer bazlı segmentasyondur. Premium müşterilerin banka şubelerine gittiklerinde sıra beklemeden işlemlerini gerçekleştirmeleri, değere göre oluşturdukları stratejiden kaynaklanıyor.

Adı üstünde, müşterileri davranışlarına göre segmentasyon yapmaktır. Davranışlarına göre ürün önermek veya ürünü davranışlarına göre kişiselleştirmelerine olanak sağlamak bunun en önemli çıktılarıdır. Örneğin; indirim takibi yapan müşteriler, fiyat farkı gözetmeyen müşteriler birbirinden ayrışabilir ve onlarla farklı iletişimler kurabilirsiniz. Aynı şekilde, gezmeyi seven ve gününün büyük çoğunluğunu dışarıda geçiren kişiler ile evcimen kişilerin de alışveriş tercihleri farklılaşabilir. Hangi davranışların sizin markanız ve ya ürününüz için önemli olabileceği konusunda iyi araştırma yapmak gerekir.

Diğerlerine göre açıklaması ve farkedilmesi biraz daha zor bir segmentasyon çeşididir. Çünkü bazen kullanıcılar bu eğilimlerini size spesifik olarak gösteremeyebilirler ve hatta kendileri bile farkında olmayabilir. Örnek vermek gerekirse, sizden bahsedelim.. geçen ay çoğu yerde indirimi olduğu için yeni bir kredi kartına başvurdunuz ve ilk kullanmaya başladığınız hafta sık sık kullandınız. İkinci hafta biraz daha az kullandınız çünkü şehir dışına çıkmanız gerekti. Bundan 2 hafta sonra kredi kartını kullanmayı unutmaya başkaladınız ve 2 ay sonra da bir bakmışsınız kart sadece öylesine cüzdanınızda duruyor. Aslında sizin fark etmediğiniz şey ürünü bırakmaya başladığınız an, ama firmalar kullanma sıklığınızı, kullandığınız yerleri vb. analiz ederek sizin eğiliminizi anlayabilir ve buna göre aksiyon alabilir. (“churn prediction”). Bu tarz segmentasyonlarda kişilere belli bir puan atanarak onların ne kadar olasılıkla hangı davranışı gösterdikleri ve ya gösterebilecekleri analiz edilebilir.

Diğer segmentasyon çeşitlerine göre daha alışık olduğunuz ve bilgilerin daha ney olarak ayrıldığı bir ayrıştırma yöntemi. Kullanıcıların yaşı, eğitim durumu, medeni durumu, geliri seviyesi, lokasyonu vb. bilgileri kullanarak sınıflandırılmasıdır. Örneğin, kiralık ev arayan kişilere öneride bulunan bir uygulama hizmeti veriyorsanız; evli ve çocuklu ailelere, evinin yakında parkı olan evleri, 70 yaşından büyük kişilere daha az merdiven çıkacakları bir ev önermek daha uygun olabilir.

Bunun gibi bir çok farklı yöntem olabilir ve bunlardan sadece birini seçmek zorunda değilsiniz. Bahsedilen tüm yöntemlerden sizin için önemli olanlarını ele alarak oluşturacağınız yeni bir yöntem kullanmanız da mümkün.

Data Science and all related topics..