Che cos'è l'analisi della segmentazione dei clienti?

I dati raccolti da Google Analytics sono un buon punto di partenza, ma esistono molti altri strumenti per poter ottenere informazioni più utili per l'analisi interna (customer base) e per gli utenti anonimi (guest). Ecco alcuni dei KPI più importanti relativi agli algoritmi di classificazione e solitamente utilizzati nella Business Intelligence per capire la rilevanza dei segmenti in termini di ampiezza e valore.

Di seguito ho raggruppato i principali KPI relativi ai comportamenti dei clienti che generalmente vengono mappati per creare diversi tipi di cluster di clienti.

Metriche di acquisto dei clienti

Il comportamento d'acquisto definisce chiaramente tutto ciò che riguarda le preferenze dirette di un cliente, che sono la vera espressione di ciò che i clienti vogliono.

• Valore medio dell'ordine
• La data del primo acquisto
• LTV - Il valore del fatturato totale dei loro acquisti
• Numero di ordini effettuati
• Articoli acquistati
• Tempo medio dell'ultimo ordine

Navigazione Metriche dei clienti

Tutto ciò che riguarda gli interessi d'acquisto, cioè le preferenze indirette, è mappato nei seguenti punti.

• Tempo trascorso dall'interazione con l'ultimo contenuto o prodotto
• Prodotti che hanno visto più di una volta
• Frequenza media (ordine medio in un intervallo di tempo)
• Tempo medio trascorso in una categoria specifica o nella pagina del prodotto
• Media della frequenza di rimbalzo
• Numero di pagine per sessione

Analisi demografica dei clienti

Le metriche e le dimensioni demografiche sono utilizzate per comprendere la composizione dei segmenti, inerente alle preferenze dirette e indirette: 

• Località (Città, Regioni, Nazioni, ecc.)
• Interessi diretti
• Categoria interessi di affinità
• Fasce di età

In che modo l'analisi RFM aiuta a segmentare e convertire meglio i clienti?

Creando una segmentazione basata sulle preferenze dirette è possibile individuare determinati comportamenti dei nostri clienti, identificandoli:

• tutto ciò che piace e non piace alla nostra clientela
• quante volte in un anno acquistano lo stesso prodotto
• come è composto il loro carrello della spesa

Queste informazioni ci permettono di fare un importante passo avanti: anticipare la volontà dei clienti e spingerli a un comportamento inespresso fornendo loro i contenuti o i prodotti giusti.

Inoltre, utilizzando il machine learning è possibile fare previsioni sulla probabilità del prossimo acquisto o ricreare una nuova segmentazione utilizzando algoritmi più interessanti come quello di K-Means.

L'algoritmo RFM ci permette di raggruppare in 11 cluster (raggruppamenti mutuamente esclusivi), evitando sovrapposizioni e analizzando l'espressione delle preferenze dirette dei clienti: Ricorrenza, Frequenza e Monetario.

A cosa serve l'RFM?

Questo algoritmo viene utilizzato sia per acquisire nuovi clienti che per fidelizzare quelli esistenti.

È possibile rispondere a domande di analisi interne ed esterne:

• Analisi interna: risponde a tutte le domande relative alle attività di retention e nurturing;
• Analisi esterna: riguarda esclusivamente le strategie e le tattiche di acquisizione di nuovi clienti.

ANALISI INTERNA

Quali sono i cluster di clienti che determinano i miei ricavi?

Sono rappresentati da quei gruppi che acquistano ripetutamente (frequenza), che costituiscono un valore d'ordine medio più alto (rispetto agli altri) e con quantità possibilmente più elevate.

In questi cluster si applicano strategie di fidelizzazione per continuare a mantenere un contatto continuo e attivo.

Cosa acquistano i clienti più fedeli?

La risposta va cercata nei gruppi di clienti che hanno sostanzialmente una frequenza di acquisto media verso l'alto e nell'ordinamento in base al numero di volte che hanno acquistato per ogni articolo in ordine decrescente.

Quali clienti stanno per andarsene? Quanto valgono in termini di fatturato?

Sono rappresentati da gruppi che vengono generalmente definiti "Can't Lose Them": non hanno più espresso preferenze dirette (acquisto) rispetto a quelli che sono da considerarsi attivi.

PRO TIPS: creando un "drill-down" su una dimensione di navigazione (preferenze indirette) è possibile capire se un cliente non acquista per un motivo specifico, che potrebbe essere: nuovo design e difficoltà di acquisto, nuovo merchandising non in linea con le sue preferenze, ecc.

ANALISI ESTERNA

Come è possibile acquisire clienti che hanno maggiori probabilità di essere interessati ai miei prodotti?

Ordinando in ordine decrescente le quantità acquistate per ogni singola SKU e utilizzando una dimensione che funge da strato dati - l'analisi RFM - è possibile capire quale tipo di cluster preferisce quali prodotti.

Utilizzando i migliori cluster, si creano pubblici lookalike per acquisire nuovi clienti sfruttando l'intelligenza artificiale e gli algoritmi di Big G e Facebook. Questi algoritmi consentono di creare un pubblico simile a quello inviato tramite un file CSV, dove sono presenti informazioni come nome, cognome, LTV (Lifetime Value) ed email.

In questo modo, diamo istruzioni alla piattaforma di marketing affinché ci fornisca un pubblico pertinente a ciò che abbiamo importato.

Come acquisire clienti che acquistano più frequentemente?

Spesso è necessario acquisire clienti che hanno una frequenza di acquisto superiore alla norma, pur non guidando il fatturato, sono importanti per altri motivi di trazione del fatturato.

La segmentazione effettuata da RFM può essere rappresentata in molti altri modi, consentendo un'analisi più dettagliata.

Contando il numero di clienti presenti in ogni singola tripla (rappresenta i punteggi relativi a Recency, Frequency e Monetary), possiamo definire comportamenti di acquisto molto più dettagliati e raggruppare quelli più in linea con le nostre esigenze.

CONSIGLI PRO - Utilizzando semplici combinazioni (combinatoria) possiamo mostrare in modo efficiente contenuti o prodotti a ogni gruppo di clienti che hanno comportamenti simili per valutarne l'efficacia.

‍

‍