ניתוח מסעות לקוח – Customer Journey Analysis

ניתוח מסעות לקוח – Customer Journey Analysis

מחזור חיי הלקוחות  (Customer life cycle) עוקב אחר שלבי החיים של הלקוחות משלב רכישת הלקוח דרך הקניה הראשונה דרך ביצוע קניות נוספות ועד נטישת הלקוח. מעקב זה עוזר לעסק לקבוע את סדרי העדיפויות בתקצוב פעילויות שיווקיות, ועוזר בקבלת החלטות שיווקיות  עם יעד ברור ומוגדר המחויב לKPIS של הארגון.

מאחר שמחזור החיים של הלקוח מורכב מחמישה שלבים נפרדים (reach, acquisition, conversion, retention, and churn), חשוב למצוא פתרון לניהול קשרי לקוחות הכולל בדיקות ואופטימיזציה  של הפרסום , ה-Customer Journy,  וכל נגיעה  ונגיעה בלקוח. ע"י סגמנטציה  (segmentation)  של נתוני הלקוחות ניתן להתאים כל מסר והצעה ללקוח בהתאם לשלב בו הוא נמצא.

מחזור החיים של הלקוח בעולמות ה-Online:

( ניתן גם להוסיף עוד שלבים בהתאם לארגון והמוצר אבל לרוב אלו מספקים)

  1. Reach –  שלב זה כרוך בהשגת תשומת הלב של לקוחות פוטנציאליים  ויכלול טקטיקות שיווקיות כגון חיפוש בתשלום (Paid seach), שיווק מדיה חברתית (Social Media) , באנרים, שלטי חוצות וכדומה וזאת על מנת למשוך את תשומת הלב של הלקוחות שלך,
  2. Acquisition-  סטטיסטיקת מקור הגעת הלקוח, אשר יכול להיות מקור ההפניה או ביטוי שחיפשו. פתרון ניתוח האינטרנט שלך מספק מדידה זו, המאפשרת הערכה של מבקרים. בכך הוא כולל את מדידת ההמרה.
  3. Conversion – ההמרה היא יותר מרק מכירה. ליתר דיוק, המשווקים צריכים לחשוב על המרה כהשלמה מוצלחת של פעילויות ספציפיות על ידי המבקרים. הדבר יכול לכלול הורדת אפליקציה או מסמך, קניה של מוצר  או שירות ,  הרשמה לניוזלטר שבועי  וכד'.
  4. Retention – שלב זה הוא לא רק לדעת איך לשמור על הלקוחות, אבל גם לדעת לבצע מכירות  up-sell ו cross-sell למוצרים ושירותים רלוונטיים, הבטחת שיעור Retention גבוה מחייב מעקב ובקרה אחר הפעולות של לקוחות חוזרים. ע"י כך אפשר להגיב באופן אופטימלי  ומהיר לצרכים שלהם.
  5. Churn –  השלב החמישי של שיווק מחזור החיים של הלקוח הוא מניעת  נטישה והחזרת נוטשים ( לפעמים מפרקים את סעיף זה לשתיים). לקוח שעוזב קשה להחזיר אך העובדה שיש בארגון הרבה מידע על לקוח זה מעלה את הסיכוי להחזרה לעומת הבאת לקוח חדש ובכך הערוץ השיווקי של החזרת לקוחות הוא בעל ROI גבוה .

על מנת לדעת איך לפעול בכל אחד משלבים אלו נהוג לבצע סגמנטציה של הלקוחות עפ"י מדדים שונים כדי לקבוע מהם ההצעות שיש להציע ללקוח זה. דוגמה לסגמנטצית לקוחות  המשתמשת באלגוריתם Clustering KMEANS  על מספר מדדים שחושבו לכל לקוח: זמן פעיל במערכת ( עד שבוע, שבוע – חודש, חודש – חודשיים, חודשיים+), ערך הפקדות (לא הפקיד, הפקיד עד 100$, הפקיד בין 101-1000$, 1000$+), פעילות אחרונה ( שבוע אחרון, חודש אחרון ללא שבוע אחרון, לפני יותר מחודש).

ניתן לעדכן טבלה כל יום בנתונים המעודכנים לכל הלקוחות ולעדכן את הסגמנטים פעם בשבוע. אנחנו השתמשנו ב- Azure ML  שם מאוד קל להשתמש  ב-K-means אבל באותה מידה היה אפשר להשתמש נניח ב-KNN ואז היה צריך להשתמש בחבילות של R ו-Python  מתוך חבילות ה-Machine learning   שיש ב-Cortana.

התוצאה היא 6 סגמנטים של לקוחות ( בחרנו 6 יכולנו יותר או פחות סגמנטים לפי הצורך והערך המוסך שזה מביא)  שלאחר מחקר  רואים כי הם : חדשים לחלוטין, חדשים ערך לקוח נמוך, חדשים  ערך לקוח  בינוני -גבוה , ותיקים  ערך נמוך, ותיקים ערך בינוני-גבוה ונוטשים שלא היו פעילים הרבה זמן.

דוגמה לשימוש בסגמנטציה בשיווק מבוסס מחזור חיי לקוח :

המטרה היא להעביר את הלקוח בין הסגמנטים כדי למקסם את ההחזר ממנו ולהביא ל-LTV גבוה יותר. ע"י הצעות שיווקיות מתאימות ניתן להעביר לקוחות בין הסגמנטים.  לדוגמא – מלקוח חדש ערך נמוך ללקוח חדש ערך בינוני -גבוה  או מלקוח נוטש  ללקוח חדש ( אך עם ותק מסוים והיסטוריה).

לסיכום ניתן להגיד ששימוש בסגמנטצית לקוח עם הכלים הטכנולוגיים הזמינים בשוק בשילוב עם מחשבה שיווקיות וקבלת החלטות מבוססות נתונים יכולה הביא לתועלות רבות  ולהעלות את ערך הלקוח. שילוב של חשיבה זאת בתכנון ה- Customer Jorney  יכול גם למקסם את ההחזר מכל לקוח.

מעניין אתכם להרחיב בנושא ולבדוק כיצד ניתן ליישם אצלכם? לפגישת ייעוץ חינם .

שלום דינור, Senior data scientist

צביקה ירון, סמנכ"ל מכירות

דטה קיוב.