Trochę więcej o danych i segmentacjach [wideo]

Segmentacji nie da się po prostu "wykryć": trzeba ją stale badać, aby móc określać jej stabilność i długotrwałe trendy. Czym jest segmentacja i po co ją robić - pisze Piotr Nogal, CXO Bluecloud Interactive.

Segmentacja to nauka wykorzystywania psychologii, socjologii i demografii w celu lepszego zrozumienia konsumentów. To proces polegający na selekcji konsumentów przez reklamodawców w celu określenia docelowej grupy odbiorczej, która w największym stopniu jest zainteresowana reklamowanym produktem.

Kiedy odnosimy się do „big data”, marketingu opartego na danych, mówimy o danych, które dotyczą przede wszystkim ludzi, naszych konsumentów. Z jednej strony instytucje międzynarodowe nieustannie opracowują nowe prawo dotyczące ochrony danych osobowych, a z drugiej - firmy technologiczne nieustannie wymyślają nowe sposoby na zbieranie tych danych i przetwarzanie ich w celu jeszcze bardziej skutecznego działania w sprzedaży. Pracując na danych, niezwykle ważna jest znajomość prawa i tego, co można zrobić, o co prosić użytkownika Internetu czy naszego klienta, a także jak potem dane, które on nam przekazuje, wykorzystać w celach marketingowych. Musimy wiedzieć, jak przetworzyć te dane, aby wyciągnąć z nich jeszcze więcej informacji o naszych grupach celowych (insights), jak je wykorzystać we współpracy z sieciami reklamowymi (DSP), czy jak zachęcić do kolejnych zakupów (lojalność).

 „Przygotowania pilotażowej wersji TGS trwały ponad rok, w kilkunastu falach zbadano blisko 40 tysięcy osób, do narzędzia dodawano i odejmowano setki pytań, a w pracach uczestniczyły aż dwie firmy – badawcza i strategiczna. Ale ten wysiłek się opłaca. Bez danych segmentacyjnych i psychograficznego definiowania grup docelowych zbudowanie skutecznej, nieoczywistej (w rozwiniętych gospodarkach rynkowych wszystkie nowe, skuteczne strategie są z konieczności nieoczywiste!) jest praktycznie niemożliwe.” - czytałem na stronach Stratosfery, gdy uczyłem się strategii marketingowej. Minęło 15 lat i temat jest wciąż aktualny, choć nie wszyscy tak twierdzą. Nie wszyscy wciąż mamy przekonanie, m.in. za sprawą pana B. Sharpa, że segmentacje mają sens.

Jego teoria sprowadza się do mniej więcej takiego podsumowania: konkurujące ze sobą marki sprzedają do tych samych konsumentów – profile ludzi konsumujących daną markę różnią się między sobą, ale każda konkurująca marka charakteryzuje się podobnym zróżnicowaniem. Wg jego wyznawców marketingowych, po kilku latach obserwacji zachowania konsumpcyjnego naszych klientów, wszelkie odchylenia zakupowe (wielkość koszyka zakupowego) i tak wyrównują się (regresja do średniej). Kwestionuje on też podwaliny koncepcji CLV ( Customer Lifetime Value), segmentującej klientów wg ich oczekiwanej „dożywotniej” wartości transakcyjnej, ponieważ w długim okresie statystyczna wartość klienta dążyć będzie do średniej dla marki. Innymi słowy, nie ma sensu segmentować, ponieważ np. grupa lojalnych konsumentów i tak po latach wyrówna do średniej całej grupy celowej w wielkości zakupów przy danej marce.

W tych wszystkich rozważaniach warto pamiętać o jednym: większość badań w XX w. i początku XXI w., które padły u podstaw rozwoju nauki marketingowej, opierały się na wywiadach (np. FGI, IDI), ankietach (np. CAWI), rozmowach czy obserwacjach ludzi, którzy wiedzieli, że są obserwowani. Zawsze zachodziła relacja, w której człowiek ma świadomość tego, że przedstawia swój punkt widzenia w danej sprawie lub też pisze/mówi o sobie. W tej sytuacji zachodzi tzw. „kolorowanie rzeczywistości”. O badaniach ankietowych oraz innych badaniach opartych na deklaracjach konsumenta wypowiedział się też Stephens-Davidowitz Seth w swojej książce „Wszyscy kłamią” (bestseller „New York Timesa” i „Wall Street Journal”, Książka Roku według „The Economist” i „Business Insider”), gdzie dobitnie obnażył wszelkie badania psychologiczne oparte na deklaracjach i wywiadach. Twierdzi w niej, że znaczna część z tego, co dotychczas myśleliśmy o ludziach na podstawie XX-wiecznych badań (nie tylko marketingowych), to fałsz. Powód? Ludzie kłamią – w kwestionariuszach i rozmowach. Okłamują przyjaciół, małżonków, lekarzy i samych siebie. I myślę, że to okłamywanie samego siebie leży u podstaw błędu wszelkich badań fokusowych.

Różnica pomiędzy danymi zbieranymi dotychczas za pomocą instytucji badawczych i ich wachlarza narzędzi badawczych (wyłączając badania etnograficzne) a danymi zbieranymi i przetwarzanymi przez systemy informatyczne i statystyczne (MarTech, AI, social listening, buzz/press monitoring, Geotrapping®, dmp itp. pracujące w trybie 24/7) polega na tym, że te pierwsze, bardzo często opierają się właśnie na deklaracjach konsumentów, a te drugie na realnych działaniach człowieka. To są zakupy, zachowania (w tym konsumpcyjne), miejsce pobytu, zwyczaje on/offline, gdzie najczęściej użytkownik nie wie, że ktoś go bada. S.-D. Seth w swojej książce opisuje teorie na temat ludzi na podstawie tego, co i kiedy wyszukują w Google Search. Zadziwiające jest to, jak wiele informacji o ludziach można wyciągnąć na podstawie tego, co człowiek wpisuje do wyszukiwarki.

Do segmentacji można podejść na różne sposoby, np. opracowując persony, czy tworząc mapy empatii dla różnych grup celowych. Możemy dokonać segmentacji psychologicznej kupujących, którzy będą wtedy podzieleni na różne grupy na podstawie cech osobowościowych, stylu życia lub wartości. Przykładem systemu opartego na pomiarach psychograficznych jest system VALS (wartości i stylów życia, ang. Values and Lifestyles Segmentation). To model motywacji konsumenckiej oparty na wartościach i stylach życia. Jest to nie tylko model motywacji, ale również, tzw. model segmentacyjny, którego celem jest podział badanych populacji (na podstawie badań marketingowych) na podgrupy (tzw. segmenty), charakteryzujące się określonymi przez model motywacjami i potrzebami.
W badaniu VALS podstawą do podziału konsumentów są następujące informacje:
    • postawy i poglądy,
    • hierarchia i wartości,
    • preferencje dotyczące korzystania z mediów (prasa, telewizja, radio),
    • zachowania w czasie wolnym,
    • zachowania konsumenckie,
    • profil osobowości.

Dzięki zgromadzeniu tych informacji od konsumentów możliwa jest do przeprowadzenia dalsza analiza podobieństw odpowiedzi, jakie udzielili konsumenci. Prowadzi ona do wyodrębnienia oraz opisu poszczególnych segmentów konsumentów.

Jednak kompletny obraz grup docelowych obejmuje dodatkowe informacje o naszych klientach, które możemy pozyskać online. Dzięki współczesnej technologii, możemy skoncentrować się na tym, co człowiek realnie robi, bez pytania się go, co on sam o tym myśli lub uważa. Osobiście jestem fanem łączenia tych danych.

Czy przeciętny konsument zdaje sobie sprawę z faktu pobierania danych z jego smartphone’a, kiedy przemieszcza się codziennie po mieście, zdradzając swoje nawyki, zwyczaje, potrzeby? Jeśli widzimy profil użytkownika smartphone’a, który codziennie bywa w przedszkolu, czy możemy założyć, że ów człowiek, poza tym, że może pracować w tym przedszkolu, ma dziecko w wieku 3-6 lat? Wykorzystanie tych danych w kampaniach i targetowanie na tej podstawie określamy mianem Geotrapping®.

Wachlarz możliwości od czasów badań fokusowych mocno się poszerzył. Mogą to być dane behawioralne (dotyczą zachowania np. w Internecie), dane z kampanii, na podstawie odsłon kampanii, dostarczonych e-maili, klików w kreacje reklamowe, odtworzenia materiałów wideo, np. długość materiału, słowa klucze itp. Możemy ponad to łączyć dane z profili i urządzeń, aplikacji i platform, z których korzysta użytkownik. Charakterystyka urządzenia, producent, typ, system operacyjny czy przeglądarka wiele mówią o człowieku. Analizować możemy również zachowania na serwisach zewnętrznych - mogą to być również dane z sensorów w sklepach stacjonarnych (beacony, routery itp.). Jednak przede wszystkim, dzięki technologii i rejestracji zakupów (m.in. za pomocą programów lojalnościowych) możemy pozyskiwać dane transakcyjne i CRM’owe. Na koniec zawsze trzeba pamiętać o Look-alike modeling – targety tworzone z wykorzystaniem data miningu.

Jeszcze ciekawiej robi się w momencie, w którym naszymi danymi zaczną zajmować się roboty. Uczenie maszynowe, które opiera się na algorytmach doskonalących swoje działanie na podstawie wcześniejszych doświadczeń, pozwala nam spojrzeć pierwszy raz na rekomendacje sztucznej inteligencji w zakresie tworzenia odpowiednich komunikatów. Wszystko to w odpowiednim czasie, z odpowiednim produktem do bardzo wąskich i konkretnych segmentów, które z określonym prawdopodobieństwem dokonają zakupu w określonym czasie. Wyniki tego typu działań, szczególnie kiedy patrzymy na skuteczność rachunku prawdopodobieństwa zakupu oraz wszelkich innych estymacji, są fascynujące.

Możecie więcej o tym poczytać w publikacjach naszych kolegów analityków, zajmujących się tą kwestią bezpośrednio w grupie Data Science House, które publikujemy w cyklu „We Love Data, So Let’s Date”. Sam odsyłam wszystkich do krótkiego podsumowania w formie animacji, które po części dotyczy spraw związanych z budowaniem własnym segmentów grup celowych i ścieżek konsumenckich, tzw. consumer journey.

Tekst: Piotr Nogal, CXO Bluecloud Interactive

Komentarze

Prosimy o wypowiadanie się w komentarzach w sposób uprzejmy, z poszanowaniem innych uczestników dyskusji i ich odrębnych stanowisk. Komentując akceptujesz regulamin publikowania komentarzy.