הקדמה – מהי סגמנטציה של משתמשים (User-Segmentation)
סגמנטציה של משתמשים (User-Segmentation) היא אחד המונחים הנפוצים בעולם השיווק כיום.
זאת, מאחר ולכל מוצר – ממוקד ככל שיהיה – ייתכנו מספר אופנים של שימוש.
כל סוג שימוש כזה רלוונטי עבור קהל מסוים או מספר קהלים שונים (User-Segments).
בוא ניקח לדוגמה חברות תעופה.
כפי שרובנו מכירים, בטיסות סדירות קיימות באותו המטוס מספר מחלקות:
תיירים, תיירים פרימיום, עסקים, ובחלק מהחברות גם מחלקה ראשונה.
כך, אותו השירות – של תעבורה מנקודה א' לנקודה ב' – מפולח למספר תתי שירותים.
כל אחד מתתי השירותים האלה כולל רכיבים שונים ורמות מחיר שונות.
אם נצלול יותר לעומק, מחלקת תיירים מאופיינת בתכנון של הנסיעה (ורכישה של הכרטיס) זמן רב מראש עם רגישות גבוהה למחיר;
ולעומת זאת, מחלקת עסקים מאופיינת בצורך של הרגע האחרון ורגישות נמוכה יותר למחיר.
באותו האופן, גם במוצר תוכנה קיימים צרכים שונים. כמה דוגמאות:
- פרילנסרים מול עסקים של מספר עובדים (שירותי חשבוניות או CRM)
- שחקנים חובבים מול גיימרים
- באפליקציות של נסיעה ברכב: נסיעות מזדמנות מול נסיעות עבודה שוטפות
מאחר וכל סוג משתמשים מציג צורך אחר וייחודי, זיהוי של הסגמנטים (User-Segmentation) במוצר הוא מהדברים החשובים יותר במיזם.
זאת, מאחר והוא למעשה עוזר לנו להבין היכן הביזנס נמצא.
ולאחר שזיהינו את המוקד של הביזנס, ואת הצורך המדויק שלו – נוכל למקד את המאמצים השיווקיים/ תפעוליים בצמיחה סביבו.
אז איך מזהים את הסגמנטים של המשתמשים?
קיימות 3 רמות לזיהוי הסגמנטים, כאשר כל אחת מאופיינת ע"י רמת העומק של הפילוח, וכנובע מכך גם רמת הביסוס על נתוני השימוש.
רמה ראשונה – סגמנטציה עסקית (Business Oriented User-Segmentation)
הרמה הבסיסית היא פילוח ברמת על של המשתמשים.
המטרה כאן היא למדוד את ה-User Acquisition Funnel ואת רמת השימוש במוצר בכל סגמנט, ולייעל את השיפורים במוצר בהתאם.
הפילוח הזה מתבצע בעזרת היגיון עסקי פשוט, וכולל 4 שלבים עיקריים:
- זיהוי ראשוני של 1-3 פלחי משתמשים ( User Segments ).
- הגדרה גסה של המאפיינים הטכניים שלהם.
- זיהוי של הסגמנטים בעולם הדיגיטל לפי המאפיינים הטכניים (לדוגמה: מציאת סטודנטים בפייסבוק דרך קבוצות של סטודנטים).
- תיקוף הנכונות של הסגמנטים לאורך זמן.
לרוב, גישה זו היא ברירת המחדל בתחילת הפעילות, מאחר וגם אין מספיק Data וגם מספיק ידע לגבי המוצר על מנת להבין מה בדיוק משתמשים עושים איתו.
בשלב הזה, למרות שאין עדיין מספיק Data, עדיין קריטי להבין כיצד מודדים את השימוש בכל User Segment .
בשביל לעשות את זה יש להבין כיצד מזהים כל אחד מהסגמנטים, ולהטמיע את המדידה בכלי האנליטיקס.
קיימות מספר דרכים לזהות את המימדים היוצרים את התכונות הייחודיות של כל סגמנט:
- נתוני דפדפן – מערכת הפעלה, מסך, סוג מכשיר (Mobile\Desktop\Tablet) וכיו"ב.
-
מקור תנועה – מקור התנועה מעיד בחלק גדול מהמקרים על סוג המשתמשים. לדוגמה: בלוגים טכנולוגיים אשר תנועה מהם תהיה מבודלת למדי מול תנועה אורגנית.
לרוב, ממומש או באמצעות ה-Browser או באמצעות UTM Links .
- נתוני Social – תחומי עניין, קבוצות, חברים וכיו"ב.
- נתונים מה-Mobile – אנשי קשר, אפליקציות אחרות מותקנות וכיו"ב.
-
נתונים מהמוצר/אתר – אפשר להוסיף באתר ניתובים שונים לפי סוג המשתמש – בהתבסס על הבחירות שלו. הבחירות אפשרויות באמצעות כפתורים, טפסים וכיו"ב.
לדוגמה: משכיר או שוכר דירה, פרטי/בעל עסק וכיו"ב.
כאמור, בשלב הזה עדיין אין לנו מספיק מידע על מנת לבצע פילוח מעמיק, ולכן ההגדרה והזיהוי יתבססו לרוב על חוקים עסקיים פשוטים.
לדוגמה: עסקים קטנים, סטודנטים, תיירים וכיו"ב.
השימוש העיקרי של הסגמנטים יהיה לצרכי שיווק – הבאת תנועה כמה שיותר רלוונטית, ומדידה שלה לצורך למידה ושיפור.
לכן, קריטי להגדיר KPIs בנפרד עבור כל סגמנט.
בנוסף, הסגמנטים יוכלו גם למקד אותנו איזה דאטה לאסוף על מנת לדייק את הפילוח בעתיד.
רמה שניה – סגמנטציה התנהגותית בסיסית (Basic Behavioral Segmentation)
הרמה הקודמת נגעה בעיקר לפרופיל המבקר במוצר, כלומר – מבוססת על מידע של המשתמש לפני הצטרפותו למוצר.
כעת, לאחר שהתחלנו לצבור נתונים רלוונטיים לגבי השימוש במוצר, נוכל להתחיל להבין מה בדיוק משתמשים עושים בו.
המטרה כאן היא לדייק עוד יותר את הפרופיל של המשתמשים שזיהינו קודם לכן, על מנת לשפר את תהליכי ה-User Acquisition.
לדוגמה: נניח שיש לנו סופרמרקט וירטואלי.
ננסה להבין איזה אחוז מהמשתמשים רוכשים ירקות, מוצרי חלב, אורגני, ללא גלוטן, חטיפים וכיו"ב – לפי המוצרים שנבחרו.
הרמה השניה כוללת ניתוח Top Down של פעולות במוצר, בעיקר לפי פיצ'רים בהם נעשה שימוש.
להלן תהליך יחסית פשוט, אשר יאפשר לך להתחיל לבצע סגמנטציה התנהגותית בסיסית:
- תחילה, נגדיר מספר פעולות עיקריות במוצר (כולל properties\attributes הנשמרים עם כל פעולה).
- ננסה להתמקד ב-5-10 פעולות מרכזיות.
-
עבור כל פעולה, נוציא מכלי האנליטיקס מטריקות רלוונטיות. לדוגמה:
- כמות פעולות בטווח זמן מסוים (לדוגמה: שבועיים).
- כמות משתמשים
- אחוז המשתמשים שביצעו כל פעולה.
- ממוצע פעולות למשתמש.
- כל מטריקה אחרת שיש לך חשד לגביה שהיא מהותית לקביעת הסגמנטים.
- נייצא את הטבלה שקיבלנו (מדדי שימוש בכל פעולה) לאקסל;
לאחר מכן נתחיל לחפש ערכים חריגים (גבוהים/נמוכים) במטריקות – ביחס ליתר התאים.
רמה שלישית – אלגוריתמים של סגמנטציה התנהגותית (Behavioral Segmentation Algorithms)
השלב האחרון בתהליך הוא דיוק הפרופיל של המשתמשים עם שיטות מעולמות ה-Predictive Analytics וה-Machine Learning.
כאן, כבר נבצע ניתוח מעמיק של מאפייני השימוש במוצר, וננסה לזהות קבוצות מוגדרות של משתמשים.
ברוב המקרים נעשה שימוש באלגוריתמים מסוג K-means או Hierarchal Clustering.
כך, נוכל לזהות מקבצים של 'נקודות עבודה' של המשתמשים, או צירופים מעניינים של מוצרים.
הנה כמה דוגמאות:
- צירופים מעניינים של מוצרים (כן, הדוגמה הקלאסית מלפני 20 שנה של אבא שהולך לקנות חיתולים מאוחר בלילה, וקונה בירה…)
- משתמשים שרוכשים רק מוצרי דליקטס (ממרחים, גבינות יקרות וכיו"ב).
- בעלי משפחה ו/או הורים לתינוקות.
- נשים בהיריון (עוד דוגמה קלאסית – של אבא לבת מתבגרת, שנחרד לגלות שחנות כלבו שלחה לה קופונים לנשים בהיריון; הם כמובן צדקו…)
ועוד שלל אפשרויות.
בשונה מהרמות הקודמות, הרמה הזו מחייבת מומחיות.
זאת, מאחר והיא כוללת גם הבנה עסקית, גם עבודת נתונים מסיבית וגם ידע מתודולוגי נרחב במודלים אנליטיים.
לכן, היא תהפוך לרוב לרלוונטית רק כאשר כבר נאספו מספיק נתונים – לרוב החל משלב ההיערכות להתרחבות (Scale).
תהליך הסגמנטציה אינו מסתיים גם לאחר שהגענו לשלב השלישי, אלא מתחדד עוד ועוד לאורך זמן.
בטווח הארוך, כאשר נצברה כמות גדולה של נתונים, יתאפשר ליצור סגמנטים ברזולוציה מאוד גבוהה.
שלב זה מוכר לרובנו גם בשם Personalization , וזה רק עניין של זמן עד שיתווסף לבלוג מאמר ייעודי בנושא…
יש לך עדיין התלבטויות בקשר לסגמנטים במוצר שלך?
אפשר להגיב, לשתף בהתלבטות או בכל שאלה אחרת במייל כאן: