fbpx

Демографический маркетинг в прошлом веке — настала эра поведенческой персонализации

459 Просмотров

Как хорошо вы знаете своих клиентов? Вопрос относительно прост, не так ли? Ведь это ваши клиенты, которые пользуются вашими продуктами. И все же, многие бренды не знают своего покупателя. Данные о возрасте, местоположении и история покупок есть в любой базе данных. Однако, в отличие от персонализации,  это не дает понимания того, что действительно интересно и нужно человеку за монитором.

Персонализация совершила революцию в электронной коммерции и изменила интернет-магазины до неузнаваемости. После ее появления пользователи стали намного требовательнее к ритейлерам, ожидая более высокого качества сервиса.

Задумка проста донельзя: бренд собирает данные о клиентах и использует их для сегментации аудитории по разным параметрам. Для каждого сегмента создается индивидуальный контент в разных каналах коммуникации. Впрочем, многие компании до сих пор придерживаются традиционного демографического маркетинга, где предложение зависит от пола и возраста. Иногда это полезно, но в 2018 году развивать бренд без персонализации весьма проблематично.

Рассказываем, почему демографический маркетинг безнадежно устарел и как сформировать персонализированное предложение, идущее в ногу со временем.

Демографический маркетинг

Демографический маркетинг стал первым логическим шагом в мире электронной коммерции по направлению к персонализации. Теперь, когда у компании есть возможность найти альтернативу подходу к клиенту по возрасту и полу, пора беспристрастно взглянуть на метод, который использовали многие годы.

Начнем с основ. Традиционно бренды создавали несколько персонажей для сегментации аудитории по демографическим данным, таким как возраст, пол, доход, местонахождение.

Подобный персонаж мог выглядеть так:

  • Имя: Василий
  • Возраст: 21-29
  • Доход: 30-40 тысяч рублей в месяц
  • Пол: Мужской

Для каждого сегмента создавались разные электронные письма. Логично, ведь, к примеру, омолаживающая косметика будет интересна женщинам среднего возраста, у молодых мужчин потребности несколько иные. Однако, полагаясь на демографические данные в электронной коммерции, ритейлер видит своих клиентов словно через матовое стекло: изображение есть, но детали отсутствуют.

На уровень выше: психографическое сегментирование

Для более глубокого понимания покупателя необходимо дополнить свою стратегию персонализации данными, основанными на мотивации покупателей. Ведь причина, по которой люди посещают ваш сайт, гораздо важнее их пола и года рождения.

По данным консалтинговой компании Gartner, к 2020 году прибыль брендов, внедривших персонализацию, на 15% будет выше, чем у компаний, которые этого не сделают.

Кроме того, у демографических персонажей есть существенный минус: они постоянно требуют обновления и создают маркетологам очень много работы. С каждым новым сегментом, который появляется по мере роста бизнеса, требуется создание портрета и “персонализированного” контента для него.

Психографическое сегментирование позволяет оценивать более глубинные причины принятия решений, что делает их более долгосрочными. И в отличие от демографических персон, их количество ограничено разумным пределом, что облегчает работу маркетолога.

Делать меньше для лучшего результата

Мотивационные персонажи по большей части автоматизированы и требуют намного меньше времени и анализа. Тем не менее, эффективность персонализированного контента намного выше, чем у демографического.  

Многие демографические персонажи зачастую имеют схожие мотивы. Получается, что при смещении фокуса с демографии на мотивацию, вы охватываете более крупные сегменты аудитории, но с меньшим количество персонажей. И, тем не менее, ваш контент будет лучше соответствовать потребностям клиента.  

Рассмотрим на примере двух персонажей:

Персонаж: Степан

  • Внештатный фотограф
  • Возраст: 31-45
  • Доход: 30-45 тысяч рублей в месяц
  • Живет в городе
  • Любит Netflix
  • Покупает книги на Amazon

Персонаж: Александр

  • Водитель автобуса
  • Возраст: 25-31
  • Доход: 30-45 тысяч рублей в месяц
  • Живет в пригороде
  • Узнает новости через Twitter
  • Предпочитает покупать аудиокниги онлайн

Если смотреть на Степана и Александра, как на демографических персонажей, то в первую очередь необходимо учитывать возраст и местожительство. Так они попадут в группы, для которых необходим разный контент. Однако, учитывая мотивацию персонажей, можно объединить их в одну группу по следующим признакам:

  • Заранее распределяет ограниченный бюджет
  • Прежде всего ценит удобство покупки
  • Использует современные технологии

Ниже мы подробнее рассмотрим несколько способов сегментирования клиентов по интересам.

Чтобы лучше понимать покупателя и его мотивацию, вы можете использовать поведенческий таргетинг: собирать данные о действиях пользователя на вашей платформе. Так ваши мотивационные персонажи максимально приблизятся к реальному клиенту.  На сегодняшний день грамотное использование поведенческого таргетинга и психографической сегментации — вершина персонализации электронной коммерции.

Копаем глубже: три способа внедрения поведенческой персонализации

Теория запланированного поведения

Самый просто способ внедрить персонализацию — использовать поведенческое намерение клиента. То есть смотреть на паттерны поведения и использовать эти данные для формирования товарной подборки. В этом случае рекомендации, как правило, базируются на истории просмотров и покупок пользователя, а также поведении схожих с ним покупателей.

Например, интернет-магазин Zarina на странице категории использует персональные рекомендации на основе интересов пользователя и истории браузинга:

В режиме реального времени

Это, пожалуй, самый действенный способ персонализации. Алгоритмы рекомендательной системы самостоятельно определяют в реальном времени интересы клиента по его действиям.

Причем использовать технологию можно не только на сайте, но и в email-рассылках. Например, новый пользователь может получать рекомендации самых популярных товаров магазина, но как только он проявил интерес к конкретным товарам или категориям, письмо автоматически перестроится с учетом его интересов:

Найдется все!

Еще один простой, но эффективный метод — использование рекомендаций в строке поиска. Это не просто поисковые подсказки, а предложения товаров, которые формируются в зависимости от истории поиска, просмотренных ранее товаров и проявленных интересов.

Такое решение использует интернет-магазин noon, предлагая своим пользователям рекомендации товаров, которые могут их заинтересовать сразу в процессе поиска:

Подведем итоги

Демографический маркетинг до сих пор используется, но, по сравнению с мотивационной персонализацией, безнадежно устарел. Если вы новичок в мире электронной коммерции, то начать можно именно с его.

Но все же для того, чтобы максимально приблизиться к клиенту и понять его, мотивационная персонализация необходима. 77% пользователей выбирают бренд, использующий персонализированное предложение, а также готовы платить значительно больше за его товары.

Еще не персонализируете? Тогда мы идем к вам!