Resum webinar: Customer Segmentation

El passat dimecres, 21 d'octubre, el nostre Head of Data Strategy & Insights Borja Martín va realitzar el webinar Customer Segmentation durant el qual va explicar en què consisteix el concepte i va mostrar un exemple pràctic del seu ús a través de l'eina Bismart Customer Segmentation.

webinar customer segmentation c

Si no hi vas poder assistir o vols tornar a veure la retransmissió, a continuació pots veure el vídeo complet:

 

 

També pots llegir un resum de la sessió:

La segmentació és un eix troncal dins de l'estratègia de clients. La segmentació de clients permet conèixer quins són els col·lectius de valor que governen l'interès i centren la nostra acció i als quals, per tant, ens hem de dirigir. És un pas posterior a la definició de les buyer personas i a l'anàlisi i definició de mercat, i anterior al posicionament de la solució i de les estratègies go-to-market.

Segons el Borja, la segmentació de clients s'ha d'abordar de la manera més estratègica possible, a través d'una mirada que ens dugui a connectar millor amb la nostra audiència. L'objectiu de segmentar ha de ser ajudar-nos a connectar amb l'audiència, entendre-la millor i aconseguir conversió.

 

Què significa segmentar?

Essencialment, segmentar és classificar el nostre mercat una vegada ha estat definit i estructurar-lo en parts o col·lectius. El fet de segmentar comporta conèixer millor cada un dels nostres clients. Pel que fa a la presa de decisions, i sobretot en l'àmbit digital, la segmentació ens permet diferenciar-nos quan la realitzem nosaltres mateixos sobre la nostra cartera de clients i no ens limitem a utilitzar les segmentacions de Google o Amazon, per exemple.

 

Per a què serveix?

Per establir prioritats i decidir on centro els meus esforços i definir millor les accions cap al mercat per saber quines m'impulsaran cap al segment que m'interessa. També ens apropa al client i podrem escoltar-lo més, tenir millor feedback i col·locar-lo al centre de la nostra estratègia. A més, podem optimitzar l'experiència dels clients, la qual cosa ens permet diferenciar-nos de la competència i identificar noves oportunitats de negoci. Podrem veure quins punts no estem cobrint prou bé, què és rellevant ara que abans no ho era i detectar punts de dolor.

 

Com ha evolucionat?

Fa temps, en segmentar, teníem 2 variables principals: dades sociodemogràfiques i dades d'ús de dispositius o geogràfiques. Ara, a aquestes s'hi sumen dades comportamentals, transaccionals, de marketing automation, ús de canals, dades situacionals, dades del patró de navegació, dades del customer journey, de la relació amb el servei d'atenció al client... Ja no podem limitar-nos a considerar un sol perfil de client pensant que el comprendrem sabent el seu sexe, la seva edat i on viu. Ara hem d'entendre que el client canvia i evoluciona, que té necessitats diferents segons el moment, o que a través de la seva pròpia experiència en relació amb el nostre producte o servei podem veure matisos del seu comportament que són interessants. Les cares dels clients són múltiples i és important entendre-les i integrar-les dins dels models de segmentació perquè es converteixin en millors ofertes, millor escolta, millor adaptació al llenguatge que utilitza... en definitiva, diferenciació.

 

Com fem servir les dades per segmentar?

Les principals premisses a tenir en compte des del punt de vista de les dades són:

  1. Analitzar la informació disponible
  2. Integrar la informació
  3. Fer-la operativa
  4. Completar-la o enriquir-la
Quin és el model que treballem a Bismart?

Existeixen moltes formes de segmentar. Nosaltres utilitzem una segmentació avançada que pivota sobre un model transaccional i un model enriquit de clústers a partir de RFM (Recencia, Freqüència, Monetary).

 

Com funciona?

El model funciona a Microsoft Power BI. Compta amb diverses àrees en les quals es realitzen diferents anàlisis. 

Durant aquesta part de la sessió, el Borja va mostrar les diverses pantalles del model. En primer lloc, va fer la demostració de l'anàlisi a partir de l'ABC de clients. Aquesta és una de les maneres més de realitzar aquesta anàlisi més senzilles, descriptives, classificatòries i basades en variables més de negoci. 

En el model es pot segmentar per RFM. RFM són les sigles de Recency, Frequency y Monetary. Recency o recencia, és l'última vegada que el client es va relacionar amb la meva marca. En l'exemple d'hotels que va fer servir el Borja, es refereix a l'última vegada que el client va estar-se en un dels meus hotels. Frecuency es refereix, com el seu nom indica, a la freqüència amb la qual el client consumeix la meva marca. En el cas de la demostració és la quantitat de nits que el client ha passat a l'hotel. Monetary és la despesa que realitza el client.

Si no hi ha gaire recencia, significa que no hi ha clients que venen habitualment, sinó que es tracta d'un hotel de tipus vacacional. Un hotel de ciutat més orientat a clients de negocis, tindria una recencia més elevada, ja que els clients s'hi estan regularment per feina, per exemple. Si s'analitza des del punt de vista Monetary, podem veure un gràfic que mostra com es reparteixen els clients per temporada o per franja de despesa i visualitzar una anàlisi detallada segons el tipus de client i franja de despesa, a més de quantes estances hi ha hagut segons el període temporal. 

Com va mostrar el Borja, a l'anàlisi es pot definir temporada alta o baixa, nacionalitat del client, freqüència del segment, etc. 

A partir del RFM, podem fer una anàlisi comparativa. Per exemple, es pot comparar la recencia de la temporada alta i baixa segons el període de temps o afegir criteris de temporada, de data, de canals, un hotel concret, etc. 

La següent pantalla és Customer Types Matrix i consisteix en una matriu amb dues variables principals que ja hem vist anteriorment: recencia i freqüència. A partir d'aquí, seleccionem als clients en funció del seu comportament basant-nos en aquestes dues variables i podem veure les característiques de cada segment. A continuació, podem veure un gràfic de les característiques de cada segment. Els hem classificat en clústers: oci, esport, negoci, esdeveniments, gastronomia, etc. Amb aquesta informació hauríem de prendre decisions informades, com poden ser, en aquest exemple, reactivar clients adormits o incentivar als clients regulars. 

A la pantalla Market Segment Matrix veiem com es comporten els clústers. És una anàlisi a la inversa de l'anterior. Dins de cada clúster, podem veure quins tipus de clients hi ha. 

L'anàlisi Reservation Clusters mosra, des del punt de vista de reserves, quantes se'n fan per avançat i de quants dies és aquest avanç. A més a més, podem comparar-los segons la data de la realització de la reserva o segons la nacionalitat dels clients.

A continuació, el Borja va mostrar la pantalla Clústers d'estances, en la qual veiem quina és la mitjana de clients per estança, quant consumeix cada tipus de client a l'hotel, com distribueixen la seva estança (habitacions dobles, tipus de pensió, etc.) i l'evolució de la despesa a través del temps.

Finalment, arribem als KPIs, que són mètriques afegides a l'anàlisi, com per exemple, quants clients són nous, quants clients s'han perdut, quines despeses de marketing tenim, el cost d'adquisició de cada client, el cost mitjà d'adquisició, churn, etc., tot comparat amb el període anterior que determinem. També podem conèixer com evoluciona aquesta informació. Tots els gràfics d'aquest model són navegables i es poden definir diversos criteris per visualitzar-los.

DEIXA EL TU COMENTARI