การแบ่งส่วนลูกค้า: RFM ส่วนบุคคล และความภักดี

กำไร:

• ความสามารถในการกำหนดและตีความ RFM (ความใหม่-ความถี่-การเงิน) และส่วนพฤติกรรมด้วยการสนับสนุนปัญญาประดิษฐ์
• ความสามารถในการสร้างการสื่อสารส่วนบุคคลและร่างข้อเสนอความภักดีสำหรับแต่ละส่วนงาน
• ความสามารถในการสังเกตการเลือกปฏิบัติ การรักษาความลับ และการจำกัดความยินยอมอย่างชัดเจนในการแบ่งส่วนและการปรับเปลี่ยนส่วนบุคคล

ลูกค้าทุกคนไม่เหมือนกัน บางคนมาทุกสัปดาห์และใช้จ่ายเป็นจำนวนมาก บ้างมาครั้งเดียวแล้วหายไป บางคนเคยภักดีแต่ไม่หยุดยั้งอีกต่อไป การส่งข้อความเดียวกันและข้อเสนอเดียวกันให้กับทุกคนถือเป็นการเสียเงินและไม่ได้ผลลัพธ์ การแบ่งส่วนลูกค้าคือการแบ่งลูกค้าออกเป็นกลุ่มที่มีความหมายและสร้างแนวทางที่เหมาะสมสำหรับแต่ละกลุ่ม ในหน่วยนี้ คุณจะใช้ปัญญาประดิษฐ์เป็นตัวช่วยในการแยกส่วนต่างๆ ออกจากข้อมูลลูกค้า และสร้างร่างการสื่อสารที่เหมาะสมสำหรับแต่ละส่วน ขีดจำกัดที่สำคัญ: การแบ่งส่วนให้อำนาจ แต่อำนาจนี้ไม่ควรแปลเป็นการเลือกปฏิบัติและการบุกรุกความเป็นส่วนตัว

การแบ่งส่วน: เป็นกระบวนการแบ่งลูกค้าออกเป็นกลุ่มตามความคล้ายคลึงกันของพฤติกรรม ค่านิยม หรือความต้องการ

การปรับเปลี่ยนในแบบของคุณ: มอบเนื้อหา ข้อเสนอ หรือประสบการณ์ที่เหมาะสมกับความสนใจและความต้องการของพวกเขาแก่แต่ละส่วน (หรือบุคคล)

RFM: การแบ่งส่วนที่เป็นประโยชน์มากที่สุด

วิธีการขายปลีกที่ใช้มากที่สุดคือ RFM โดยจะดูสัญญาณง่ายๆ 3 ประการ:

• R (ความใหม่): ลูกค้าซื้อของครั้งสุดท้ายเมื่อไหร่? ล่าสุด = ใช้งานมากขึ้น
• F (Frequency): เขาชอปปิ้งกี่ครั้งในช่วงหนึ่ง? สูง = เชื่อมต่อมากขึ้น
• M (การเงิน): เขาใช้ไปทั้งหมดเท่าไหร่? สูง = มีคุณค่ามากขึ้น

ลูกค้าแต่ละรายจะได้รับคะแนนในสามมิตินี้ (เช่น 1-5) และคะแนนรวมกันจะกำหนดกลุ่ม Yapay zeka bu skorlamayı ve ส่วนadlandırmayıhızlıca yapar

ส่วน

โปรไฟล์ RFFM

แนวทาง

แชมเปียน

สูง R, F, M

รางวัล สิทธิ์เข้าถึงก่อนใคร สร้างทูต

ลูกค้าประจำ

F สูง กลาง M

ข้อได้เปรียบในการขายต่อและความภักดี

ผู้ที่มีความเสี่ยง

R ต่ำ เดิมมี F/M สูง

แคมเปญชนะกลับ

ลูกค้าใหม่

R สูง F ต่ำ

Hoş geldin akışı, ikinci alışverişi teşvik

บรรดาผู้ที่หลับใหล

R ต่ำ F ต่ำ

การแจ้งเตือนหรือการลดค่าใช้จ่ายต่ำ

เคล็ดลับ: อย่าส่งส่วนลดให้ทุกคน ส่วนลดการแข่งขันชิงแชมป์คือการสูญเสียมาร์จิ้น (ซึ่งก็น่าจะได้รับอยู่แล้ว) บันทึกส่วนลดสำหรับส่วนที่มีความเสี่ยงและไม่มีการเคลื่อนไหวจริง

ส่วนพฤติกรรม

นอกเหนือจาก RFM แล้ว พฤติกรรมยังกำหนดกลุ่มต่างๆ อีกด้วย: หมวดหมู่ที่ต้องการ (ซื้อเฉพาะผลิตภัณฑ์สำหรับเด็ก), ช่องทาง (ออนไลน์เท่านั้น), ความอ่อนไหวด้านราคา (ซื้อลดราคาอยู่เสมอ), ฤดูกาล ปัญญาประดิษฐ์สามารถแยกรูปแบบเหล่านี้ออกจากข้อมูลและแนะนำกลุ่มต่างๆ เช่น "นักล่าราคา" "ผู้ซื้อระดับพรีเมียม" "นักช้อปช่วงสุดสัปดาห์"

ข้อจำกัดของการปรับเปลี่ยนในแบบของคุณ: จริยธรรมและความเป็นส่วนตัว

การแบ่งส่วนมีประสิทธิภาพ แต่อย่าข้ามสามบรรทัด:

• ไม่มีการเลือกปฏิบัติ: ส่วนดังกล่าวไม่สามารถอยู่บนพื้นฐานของลักษณะที่ได้รับการคุ้มครอง (ชาติพันธุ์ ศาสนา สุขภาพ รสนิยมทางเพศ) การอนุมานทางอ้อมจากพวกเขา (เช่น การประมาณเชื้อชาติด้วยรหัสไปรษณีย์) ก็มีความเสี่ยงเช่นกัน
• ความยินยอมโดยชัดแจ้ง: โดยทั่วไปจะต้องได้รับความยินยอมโดยชัดแจ้งจากลูกค้าในการส่งข้อความอิเล็กทรอนิกส์เชิงพาณิชย์ (SMS, อีเมล) หากไม่ได้รับความยินยอม การส่งถือเป็นความเสี่ยงทางกฎหมายและชื่อเสียง
• การลดขนาดข้อมูล: ใช้ข้อมูลน้อยที่สุดที่จำเป็นในการสร้างเซ็กเมนต์ อยู่ห่างจากข้อมูลที่ละเอียดอ่อน

ข้อควรระวัง: การกำหนดเป้าหมายตามเหตุการณ์ในชีวิตที่มีความละเอียดอ่อน เช่น "ลูกค้ารายนี้อาจตั้งครรภ์ มาแนะนำผลิตภัณฑ์สำหรับเด็กกันดีกว่า" อาจรบกวนลูกค้าและสร้างการรับรู้ถึงการละเมิดความเป็นส่วนตัว ระมัดระวังอย่างมากกับการกำหนดเป้าหมายแบบอนุมาน

การแบ่งส่วนทีละขั้นตอน

1. เตรียมข้อมูลที่ไม่ระบุตัวตน: รหัสลูกค้า (ไม่ใช่ชื่อ), วันที่ซื้อสินค้าล่าสุด, จำนวนการซื้อ, การใช้จ่ายทั้งหมด, หมวดหมู่ ลบตัวระบุส่วนบุคคล
2. คะแนน RFM: มีคะแนนปัญญาประดิษฐ์ 1-5 ในมิติ R, F, M
3. ส่วนชื่อ: เชื่อมโยงชุดคะแนนเข้าเป็นกลุ่มที่มีความหมาย
4. แผนที่การดำเนินการ: ร่างเป้าหมาย ข้อเสนอ และข้อความสำหรับแต่ละส่วน
5. กรองความยินยอมและจริยธรรม: ส่งให้กับลูกค้าที่ยินยอมเท่านั้น ลบการกำหนดเป้าหมายที่เลือกปฏิบัติ และวัดผล

กรณีขนาดเล็ก

กรณีที่ 1 — ข้อเสนอที่ถูกต้องไปยังกลุ่มที่เหมาะสม: เครือเครื่องสำอางส่ง SMS ส่วนลด 15% สม่ำเสมอให้กับลูกค้า 40,000 รายต่อเดือน เมื่อแบ่งกลุ่มด้วย RFM ปัญญาประดิษฐ์ "แชมป์เปี้ยน" (8,500 คน) ก็ได้รับอย่างสม่ำเสมอ ส่วนลดถูกส่งไปยังผู้ที่มีความเสี่ยงเพียง 6,200 คน และสิทธิ์การเข้าถึงก่อนใคร + คะแนนจะถูกส่งไปยังแชมเปี้ยน แม้ว่าต้นทุนแคมเปญจะลดลง 30% แต่จำนวนลูกค้าที่มีความเสี่ยงที่กลับมาก็เพิ่มขึ้น 18%

กรณีที่ 2 — ชนะใจลูกค้า: ร้านขายของชำออนไลน์ย้ายลูกค้าประจำ 3,100 รายที่ไม่ได้ซื้อสินค้ามานานกว่า 90 วันมาอยู่ในกลุ่มที่ "มีความเสี่ยง" AI สร้างร่างข้อความส่วนบุคคล “เราคิดถึงคุณ + จัดส่งฟรีจากหมวดหมู่ที่คุณได้รับในอดีต” ถูกส่งไปยังคน 2,400 ด้วยความยินยอม 410 คนซื้อสินค้าอีกครั้งภายใน 6 สัปดาห์

กรณีที่ 3 — ข้อผิดพลาดและการแก้ไขทางจริยธรรม: ร้านค้าต้องการใช้ข้อมูลพื้นที่ใกล้เคียงเมื่อขอกลุ่มที่มี "ศักยภาพในการใช้จ่ายสูง" จากปัญญาประดิษฐ์ ผู้รับผิดชอบตระหนักดีว่าสิ่งนี้ก่อให้เกิดการเลือกปฏิบัติทางอ้อมและความเสี่ยงด้านความเป็นส่วนตัว และอิงจากพฤติกรรมการช็อปปิ้งที่เกิดขึ้นจริงมากกว่าในบริเวณใกล้เคียง ส่วนนี้ทั้งยุติธรรมและแม่นยำยิ่งขึ้น

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

จัดกลุ่มลูกค้าของฉัน

ข้อมูลไหน ตรรกะไหน จุดประสงค์ไหนยังไม่ชัดเจน

พรอมต์อันทรงพลัง:

บทบาทของคุณ: ผู้เชี่ยวชาญด้าน CRM และการแบ่งส่วน ข้อมูล: ด้านล่างนี้คือตารางลูกค้าที่ไม่ระบุตัวตน (รหัสลูกค้า, จำนวนวันช้อปปิ้งล่าสุด, จำนวนการซื้อใน 12 เดือน, การใช้จ่ายทั้งหมด, หมวดหมู่ที่ซื้อมากที่สุด) ไม่มีข้อมูลส่วนบุคคล ภารกิจ: (1) แบ่งลูกค้าออกเป็น 5 ส่วนโดยใช้ตรรกะ RFM และตั้งชื่อแต่ละส่วน (2) ระบุขนาดโดยประมาณของแต่ละส่วน (3) ข้อเสนอแนะการดำเนินการหนึ่งประโยคสำหรับแต่ละส่วน กฎ: ใช้เฉพาะข้อมูลเชิงพฤติกรรมในข้อมูล ห้ามทำการอนุมานโดยเลือกปฏิบัติจากเขต ชื่อ หรือประชากรศาสตร์ ข้อมูล: [วาง]

เทมเพลตพร้อมท์ที่คัดลอกได้

1) การแบ่งส่วน RFM

ให้คะแนนข้อมูลลูกค้าที่ไม่ระบุชื่อต่อไปนี้ด้วยตรรกะ RFM (1-5 สำหรับ R, F, M) และแบ่งออกเป็นเซ็กเมนต์ที่มีความหมาย ระบุขนาดและคำอธิบายของแต่ละส่วน นำเสนอในรูปแบบตาราง ข้อมูล: [วาง]

2) ร่างการสื่อสารตามส่วนงาน

เขียน SMS ส่วนตัวและร่างอีเมลสำหรับเซ็กเมนต์: [คำอธิบายเซ็กเมนต์] โทนสีเหมาะกับแบรนด์ของเรา [โทนเสียง] ข้อเสนอ [ข้อเสนอ] แนะนำชื่อที่แตกต่างกันสองชื่อ อย่าใช้คำกล่าวอ้างที่ทำให้เข้าใจผิด ความยาวสูงสุด 40 คำ

3) แคมเปญ Winback

ร่างข้อความตอบแทนสำหรับลูกค้าเก่าที่ไม่ได้ซื้อสินค้ามานานกว่า 90 วัน เสนอสิ่งจูงใจที่มีต้นทุนต่ำตามการตั้งค่าหมวดหมู่ที่ผ่านมา ให้ 3 แนวทางที่แตกต่างกัน

4) การตรวจสอบด้านจริยธรรม/ความยินยอม

ตรวจสอบแผนการกำหนดเป้าหมายต่อไปนี้: มีการเลือกปฏิบัติตามลักษณะที่ได้รับการคุ้มครอง การอนุมานเหตุการณ์ในชีวิตที่ละเอียดอ่อน การส่งโดยไม่ได้รับความยินยอม หรือการใช้ข้อมูลส่วนบุคคลโดยไม่จำเป็นหรือไม่? ระบุความเสี่ยงและเสนอทางเลือกอื่น แผน: [วาง]

ข้อผิดพลาดทั่วไป

• ข้อความเดียวกันถึงทุกคน: การสื่อสารแบบแบ่งส่วนเป็นการสิ้นเปลืองเงินและความสนใจ
• ส่วนลดที่ไม่จำเป็นสำหรับแชมเปี้ยนชิพ: ส่วนลดให้กับลูกค้าที่จะซื้อไปแล้วถือเป็นการสูญเสียส่วนต่าง
• การส่งโดยไม่ได้รับความยินยอม: ต้องได้รับความยินยอมอย่างชัดเจนสำหรับ SMS/อีเมล
• แบ่งตามลักษณะที่ได้รับการคุ้มครอง: การเลือกปฏิบัติ; การอนุมานทางอ้อมก็มีความเสี่ยงเช่นกัน
• การกำหนดเป้าหมายเหตุการณ์ในชีวิตที่ละเอียดอ่อน: สร้างการรับรู้ถึงการละเมิดความเป็นส่วนตัว
• กำหนดเซ็กเมนต์ครั้งเดียวแล้วลืมไปได้เลย: พฤติกรรมของลูกค้าเปลี่ยนไป อัปเดตเป็นประจำ

โดยสรุป

การแบ่งส่วนเป็นวิธีการสร้างแนวทางที่ถูกต้องให้กับลูกค้าที่เหมาะสม RFM เป็นการเริ่มต้นที่ใช้งานได้จริงที่สุด AI เร่งความเร็วในการให้คะแนน การตั้งชื่อกลุ่ม และการร่างข้อความ แต่ข้อจำกัดของการยินยอมอย่างชัดแจ้ง การลดขนาดข้อมูล และการไม่เลือกปฏิบัตินั้นไม่สามารถต่อรองได้ การปรับเปลี่ยนในแบบของคุณโดยอาศัยข้อมูลพฤติกรรม หลีกเลี่ยงการรบกวนที่ละเอียดอ่อน

งานสมัคร

สร้างตารางจากข้อมูลลูกค้าที่ไม่ระบุตัวตนของคุณ (รหัสลูกค้า การซื้อครั้งล่าสุด ความถี่ การใช้จ่าย หมวดหมู่) แยก 5 ส่วนด้วย "1) การแบ่งส่วน RFM" สร้าง "2) ร่างการสื่อสารตามส่วน" สำหรับส่วนที่มีคุณค่าและเสี่ยงที่สุด ใส่แผนของคุณผ่าน "4) การตรวจสอบจริยธรรม/ความยินยอม"

รายการตรวจสอบ

• [ ] ฉันไม่เปิดเผยข้อมูลลูกค้า
• [ ] ฉันสร้างส่วนที่มีความหมายด้วย RFM
• [ ] ฉันได้แยกข้อเสนอและข้อความที่เหมาะสมสำหรับแต่ละส่วนออกแล้ว
• [ ] ฉันวางแผนที่จะส่งให้กับลูกค้าที่ยินยอมเท่านั้น
• [ ] ฉันได้หลีกเลี่ยงทรัพย์สินที่ได้รับการคุ้มครองและการอนุมานที่ละเอียดอ่อน
• [ ] ฉันวางแผนที่จะอัปเดตส่วนต่างๆ เป็นประจำ