Сегментация как способ получить максимум из маркетинга

«Наша целевая аудитория – это молодые специалисты, в возрасте 22-30 лет, проживающие в Киеве и городах-миллионниках с доходом средний+». Примерно так начинается описание большинства маркетинговых стратегий, а сами стратегии похожи друг на друга, как близнецы. Молодые специалисты могут сменяться на молодых мам или жителей новостроек, или владельцев автомобилей, но структура и суть обычно не меняется.

Создается впечатление, что цель таких описаний – не хорошо узнать своего потребителя и предложить ему нужный продукт в нужное время и в правильном месте, а облегчить задачу СММщика для таргетированной рекламы. Или бывает еще печальнее. Предприниматель пытается создать универсальный продукт, подходящий для всех, а в результате получается безликое «нечто», никому не интересное и теряющееся на фоне конкурентов. Такой подход похож на лотерею: может сработать, а может и «съесть» ограниченный маркетинговый бюджет.

Грамотная сегментация потребителей должна отвечать не только на вопрос «Кто?», а также на вопросы «Зачем?» и «Почему?»

На эти вопросы, как правило, помогают отвечать психографические и поведенческие методы сегментации. На самом деле, в них нет ничего нового и крупные бренды активно пользуются ими уже не один десяток лет. Используя их, можно копнуть поглубже и выяснить, что, оказывается, возрастной диапазон вашей аудитории не ограничивается стереотипными 22-30 лет, а на десяток лет шире. Правда, его тоже надо разделить на пару сегментов с разными каналами и месседжами в рекламе, зато, к примеру, в более старшей группе конкуренция ниже, а платежеспособность повыше.

Главная задача — ответить на вопрос: зачем люди покупают/используют продукт. Мы все используем те или иные продукты, чтобы удовлетворять свои потребности. При этом один и тот же продукт можно использовать для разных целей. В ресторан можно ходить, чтобы поесть, а можно – чтобы провести деловую встречу. Кто-то сидит в соцсетях для общения, а кто-то по работе. Понимание этого и лежит в основе сегментации по искомым выгодам. Методика универсальна и подходит к абсолютному большинству как онлайн, так и оффлайн-продуктов.

Рассмотрим ее процесс на примере общеизвестного и всем понятного товара, скажем, кроссовок. Их потребителей можно разделить на две основные группы: покупающие кроссовки на каждый день и покупающие обувь для занятий спортом. Эти две группы, в последствии делятся на более мелкие сегменты. Так, те, кто носит кроссовки каждый день, могут это делать, руководствуясь либо модой, либо удобством и простотой. А выбор модели тех, кто ищет кроссовки для тренировок будет, в первую очередь, основан на виде спорта. Это совсем упрощенный подход, но уже из него понятно, что ультрамодные модели нужно продвигать на страничках фешн-блоггеров, а беговые — таргетировать на любителей марафонов. И, по большому счету, не важно в каком возрастном диапазоне они находятся, являются ли молодыми специалистами или студентами. Актуальными также останутся критерии пола, уровня дохода и география ваших продаж.

А как же быть с онлайн-продуктом? Здесь открывается огромное поле для экспериментов и комбинаций многочисленных методов. Ваши юзеры пользуются продуктом дома, на работе или в дороге? Очевидно, что во всех трех ситуациях модели поведения и потребности будут разными. Я уже не говорю, что ожидания по дизайну интерфейса любого онлайн продукта могут различаться среди пользователей устройств с различными платформами, юзеров разного пола и возраста и даже проживающих в разных регионах и странах. Вспомните дизайн японских приложений и сайтов. Нам, европейским пользователям, он, как правило, кажется странным. Впрочем, то же самое можно сказать и о восприятии европейского дизайна жителями Азии.

Или A/В тестирование. Зачастую, выигрывает то предложение, которое стало более эффективным в целом по выборке. Я же предлагаю сравнивать его эффективность и в разрезе стандартных сегментов вашей аудитории. Вполне возможно, что для какой-то группы ваших потребителей более эффективным окажется именно проигравшее предложение. Каков выход? Правильно. Запустить оба, но с четким таргетингом по отдельным группам.

Уже на этих простых примерах можно увидеть явные преимущества качественной сегментации потребителей. А сейчас в арсенале маркетолога появляются инструменты Big data, AI и предиктивной аналитики. И благодаря им возможности найти «своего» клиента и предложить именно то, что ему нужно, становятся поистине безграничными. Если раньше поведенческие методы сегментации были ограничены небольшим количеством параметров и использовались, в основном, представителями ритейла и сферы услуг, то сейчас сферы применения, равно, как и количество переменных и их комбинаций становятся бесконечными.

Рассмотрим как это делает The Weather Channel. Многочисленные потребительские привычки своих трех миллионов пользователей они сопоставляют с климатическими и погодными условиями. Благодаря полученным инсайтам, пользователи из местности с влажным климатом, к примеру, могут увидеть рекламу нового средства для укладки волос, помогающего сохранить прическу в сырую погоду.

В более привычных сферах инструменты Big Data также активно применяются. British Airways объединила информацию своей программы лояльности с анализом поведения клиентов в сети. Благодаря этому, им удалось сделать свои предложения более таргетированными, что в целом улучшило их эффективность и клиентский опыт. А American Express в своей программе лояльности использует 115 переменных, что позволяет им вычислить 24% аккаунтов, которые закроются в ближайшие четыре месяца.

Если же наряду с современными технологиями использовать классические инструменты сегментации рынка, то результатом их синергии будет наиболее эффективное решение бизнес-задач. Примером тому может послужить стратегия Spotify. В основе их маркетинговой стратегии лежит таргетинг аудитории в соответствии с теорией поколений, широко применяемой оффлайновыми маркетологами. Сервис Spotify ориентирован, в первую очередь, на миллениалов, рожденных в период между 1984 и 2000 годами. Знания особенностей этого сегмента, в целом, достаточно, для реализаций первой маркетинговой задачи сервиса – увеличения количества активных пользователей. Но, с учетом того, что около 90% дохода сервис получает от платной подписки, у бизнеса возникает вторая задача: рост числа премиум-пользователей.

Для этого Spotify использует Big Data с целью микросегментации и поведенческой аналитики пользователей. Анализируя данные из профилей, плейлистов и прослушанных треков, Spotify не просто формирует рекомендации для пользователей. Оперируя данными миллионов профилей и десятками переменных, сервис предлагает релевантный контент даже новым и малоактивным пользователям, не имеющим большой истории прослушивания. В результате, количество премиум-подписчиков Spotify за три года выросло более, чем в 8 раз, а их доля в суммарной аудитории увеличилась с 25% до 35%.

В классическом маркетинге все стремятся к тому, чтобы потребитель считал продукт или бренд предназначенным именно для него или для таких людей, как он. Современные маркетинговые инструменты позволяют быстро и эффективно достичь этой цели.

Автор: Анастасия Белоус, Chief Strategy Officer в компании Thync.