Поведенческая сегментация помогает бизнесу понять, как клиенты выбирают и используют продукты. В статье — о том, как превратить поведенческие данные в действенные рекомендации для маркетинговых кампаний.
7 февраля 2025
Поведенческая сегментация: признаки, критерии и примеры
Поведенческая сегментация: признаки, критерии и примеры
Поведенческая сегментация помогает бизнесу понять, почему клиенты выбирают или не выбирают продукт и как его используют. На основе этих данных компания может строить персонализированные маркетинговые стратегии, усиливать вовлеченность клиентов и увеличивать прибыли.
В статье вместе с руководителем группы удержания, возврата клиентов и CVM Okko Татьяной Панковой рассказываем, какие поведенческие данные полезно отслеживать и как превратить их в рекомендации для разработки кампаний.
Содержание:
Зачем бизнесу нужна поведенческая сегментация
С помощью поведенческой сегментации аудиторию или рынок делят на группы с общими характеристиками, например по интересам, прошлым заказам и стадиям цикла покупок. Персонализация с учетом поведения потребителей повышает продажи и лояльность клиентов к бренду, потому что он старается предлагать то, что вероятнее всего окажется актуальным для клиентов. Это помогает оптимизировать расходы на маркетинг. Если общаться со всеми клиентами одинаково и отправлять то, что не отвечает их интересам, часть подписчиков может игнорировать сообщения, а возможно, даже отпишется от рассылок и перестанет пользоваться товарами и услугами бренда.
Поведенческие паттерны и то, как компания будет на них влиять, зависят от этапа воронки продаж или точек касания в customer journey map ― пути клиента. Например, во время покупки интернет-магазин может предложить пользователю добавить к заказу товары, которые часто берут вместе с тем, что уже в корзине, или что-то из его «избранного». Так магазин зарабатывает больше с помощью кросс-продаж — когда предлагает дополнительные товары к основной покупке.
Перед оплатой Ozon и Amazon предлагают пользователю добавить в заказ товары из списка «любимых» или ранее купленных
Виды поведенческой сегментации
Категории для поведенческой сегментации могут варьироваться в зависимости от типа, вида бизнеса и его целевой аудитории. Например, аудиторию можно разделить:
По покупательскому поведению. Для такой сегментации полезно использовать
RFM-анализ: он помогает разделить клиентов на группы, основываясь на давности покупок, их частоте и сумме трат клиента. Так бизнес лучше понимает, как аудитория принимает решение о покупке, и может использовать полученные данные о потребителях для разработки более точных маркетинговых стратегий.
RFM-анализ: он помогает разделить клиентов на группы, основываясь на давности покупок, их частоте и сумме трат клиента. Так бизнес лучше понимает, как аудитория принимает решение о покупке, и может использовать полученные данные о потребителях для разработки более точных маркетинговых стратегий.
В Foodband решили увеличить процент клиентов, которые делают повторный заказ в течение 90 дней после первого. Для этого провели RFM-анализ и выделили 121 сегмент клиентов по давности, частоте и стоимости заказов. Потом разработали сценарий из четырех частей: 1–30, 30–60, 60–90, 90–104 дней после заказа. Сценарий запускался с момента доставки клиенту первого заказа. Каждому сегменту коммуникации отправлялись по единому принципу: если у клиента есть приложение, он получает мобильный пуш; если нет приложения, но есть email — рассылку на почту; а если нет и email — отправляется SMS. В результате удалось увеличить долю «возвращающихся» клиентов с 28% до 35%.
Поведенческая сегментация по покупательскому поведению подходит для товаров с коротким циклом принятия решений — еда, одежда, детские игрушки.
По лояльности. Лояльные покупатели — самые выгодные для бизнеса, поскольку у них самый высокий LTV, то есть размер прибыли, которую они приносят компании за время сотрудничества. На этих клиентах лучше сфокусироваться в первую очередь при запуске программы лояльности.
По жизненному циклу клиента. Клиентов сегментируют по этапу взаимодействия с продуктом. Выделяют четыре группы:
- Лиды, то есть потенциальные клиенты, — они уже проявили интерес, но еще ничего не купили и только знакомятся с ассортиментом.
- Новые клиенты, недавно совершившие первую покупку.
- Активные покупатели. Они уже заказывают у компании товары и услуги.
- Ушедшие. Им могло что-то не понравиться, они успели забыть о бренде или уже не нуждаются в покупках. Эту группу еще называют оттоком.
Сегментация по жизненному циклу помогает адаптировать коммуникации и предложения, чтобы они были адекватны каждой стадии:
- Лидов можно познакомить с ассортиментом, рассказать об услугах.
- На новых клиентах могут сработать допродажи — например, аксессуаров к покупке и дополнительных услуг.
- Активные покупатели взаимодействовали с брендом недавно, поэтому в них важно поддерживать интерес к покупкам. Им подойдут эксклюзивные предложения — ранний доступ к новым продуктам, доступ к закрытому чату, где можно задавать вопросы о товаре.
- Отток давно не взаимодействовал с брендом, поэтому, чтобы их «вернуть», подойдет, например, цепочка реактивации, в которой можно спросить, что пошло не так, или предложить бонусные баллы
Чаще всего сегментацию по жизненному циклу выбирают компании, продающие товары и услуги с длинным циклом принятия решения: образование, покупка мебели, машины, квартиры, но она подойдет и онлайн-магазинам.
По интересам и предпочтениям. Пользователей делят по любимым категориям товаров или предпочтениям. Например, в онлайн-кинотеатре Okko зрителей группируют по тому, что они смотрят — кино, сериалы, спорт. Сегментация может быть и детальнее: любителей кино делят на тех, кто предпочитает фэнтези, документальные фильмы или ужасы, а фанатов спорта — на тех, кто смотрит футбол, киберспорт или фигурное катание.
Рекомендации настроены так, чтобы показывать пользователям только интересный им контент. Если предложения будут слишком общими, зритель может не найти для себя ничего подходящего — или не найти этого быстро — и отменить подписку.
В разделах онлайн-кинотеатра Okko можно фильтровать контент по разным категориям, а можно изучить рекомендации, которые меняются в зависимости от оценок пользователя, популярности фильма или сериала
Принципы поведенческой сегментации
Принципы поведенческой сегментации объясняют, как и на каких основаниях проводится разделение клиентов. Принципы включают:
Анализ реальных данных и персонализацию. Сегментация строится на фактическом поведении, а не на предположениях. С помощью поведенческой аналитики «Яндекс Маркет» отслеживает, какие товары просматривают покупатели, что добавляют в корзину и какие покупки совершают. Эти сведения он использует, чтобы давать пользователям персонализированные рекомендации.
«Яндекс Маркет» предлагает скидки на выбранные пользователем любимые категории товаров
Динамическое обновление. Сегменты пересматриваются и уточняются, если меняется поведение клиентов. Компании изучают данные о покупательских привычках и индивидуальных предпочтениях — если в них наметились новые тренды, и это важно для бизнеса, лучше сформировать новые кластеры целевой аудитории. Например, магазин одежды заметил, что ощутимая часть клиентов стала активнее интересоваться спортивной одеждой. Возможно, имеет смысл сформировать из этих пользователей новый сегмент и адаптировать стратегии для этих людей: меньше отправлять рассылки с подборками классических костюмов и больше — с толстовками и тренировочными штанами.
В основе поведенческой сегментации аудитории всегда лежит целесообразность: данные собираются и используются только для решения конкретных задач бизнеса — так можно понять, что действительно улучшает ключевые показатели (KPI) кампаний.
Если собирать все подряд, получится пустая трата ресурсов: времени, денег и места на серверах. Придирчивости требует даже сбор классических данных, например социально-демографических факторов и географии: бизнесу не всегда нужно знать, где живет человек и какого он пола, чтобы продать свои услуги.
Как собирать и хранить данные для поведенческой сегментации
Для анализа данные собирают в структурированную базу. У начинающих компаний они могут храниться в Excel-таблицах и базовых программах учета, но с ростом бизнеса необходимо задуматься о более продвинутых решениях, например
CRM-системах и базах данных. С их помощью удобнее проводить анализ аудитории: программы сделаны специально для таких задач и предлагают множество инструментов для аналитики, визуализации и презентации данных.
CRM-системах и базах данных. С их помощью удобнее проводить анализ аудитории: программы сделаны специально для таких задач и предлагают множество инструментов для аналитики, визуализации и презентации данных.
Чтобы собрать информацию для поведенческой сегментации, компании используют разные методы и инструменты, например:
1. Аналитику поведения на сайте и в приложениях
- Инструменты: движок (CMS) сайта.
- Что анализировать: действия на сайте, страницы, которые посетил пользователь, товары, добавленные в корзину или избранное, частоту и длительность визитов.
- Пример: пользователь просмотрел несколько моделей ноутбуков, добавил одну из них в корзину, но не оформил покупку. Такого клиента можно отнести к сегменту «заинтересованных» и отправить напоминание, например настроить триггерную цепочку на «брошенную корзину». Аналоги «брошенной корзины» можно найти не только в ретейле, но и в сервисах подписок: пользователи, не завершившие оформление триала в Okko, получают напоминание об этом. Такая механика увеличивает конверсии.
Okko рассказал, как «брошенная корзина» повысила оформление триалов на 25%, на конференции «Полезный маркетинг» в 2023 году
2. CRM- и CDP-системы, базы данных
- Инструменты: Bitrix24, «Мегаплан», amoCRM, Mindbox.
- Что отслеживать: историю покупок, сумму и частоту заказов, запросы в поддержку, подписки на рассылки.
- Пример: постоянные покупатели могут получать персональные предложения и приглашения в программы лояльности.
Клиенты «Т-Банка» могут выбирать категории кешбэка каждый месяц
3. ESP-сервисы и маркетинговые платформы
- Инструменты: Unisender, Sendsay.
- Что учитывать: открытие писем, переходы по ссылкам, отклики на акции.
- Пример: если клиент игнорирует письма с акциями, но реагирует на дайджесты с подборками новинок кино и сериалов, можно предположить, что скидка его не мотивирует, и снизить долю коммерческих рассылок для таких клиентов
4. Социальные сети и видеохостинги
- Инструменты: VK, RuTube.
- Что отслеживать: лайки, комментарии, репосты, вовлеченность клиентов в рекламные кампании.
- Пример: активные подписчики могут получить предложение поучаствовать в программе амбассадоров, попробовать себя в решении тестов, прохождении квизов или получить ранний доступ к новому продукту.
Okko приглашает подписчиков своего канала в Телеграме ответить на вопросы квиза и таким образом поучаствовать в розыгрыше призов
5. Обратную связь от клиентов
- Инструменты: «Яндекс Формы», интегрированные формы на сайте, email, чат-боты, соцсети.
- Что собирать: интересы, предпочтения, причины покупки или отказа от нее.
- Пример: опрос может показать, что клиенты предпочитают онлайн-консультации перед покупкой. Если добавить консультации в воронку продаж, это поможет снять возражения и повысить вероятность конверсии.
6. Инструменты отслеживания действий пользователей
- Инструменты: «Яндекс Вебвизор».
- Что изучать: как клиенты взаимодействуют с сайтом или приложением — например, откуда пришли, какие страницы просматривают.
- Пример: можно выделить сегмент пользователей, которые задерживаются на страницах с определенными товарами, и предложить скидку на эти товары через всплывающее окно.
7. Программы лояльности и кешбэк
- Инструменты: Mindbox, самописные программы.
- Что отслеживать: использование баллов, реакции на скидки и бонусы.
- Пример: лояльных клиентов можно стимулировать к повторным покупкам через персональные предложения — предлагать индивидуальные скидочные промокоды в зависимости от размера среднего чека, частоты покупок, как это сделал «Юнирест» в ресторанах KFC и ROSTIC’S.
Что делать, если данных мало или они плохого качества
Как бы очевидно ни звучало, если данных мало, их нужно получить, если они плохого качества — найти способ улучшить. Недостающую информацию лучше собирать в удобные для клиентов моменты: например, сделать форму для сбора обратной связи обязательной частью процесса — подписки или отписки. Важный принцип здесь — автоматизировать все, что можно: отслеживание действий пользователя на сайте, перенос данных из форм регистрации в CRM-систему. Если перегружать клиента просьбами написать отзыв или заполнить анкету, особенно когда можно получить эти данные автоматически, он, скорее всего, быстро утомится, и бизнес его потеряет.
Стоит каждый раз проверять, как сбор новых данных повлиял на бизнес. Если показатели и процессы, ради которых собирались данные, улучшились, значит, данные собираются правильно. Если нет — нужно пересмотреть подход.
Иногда наши пользователи отключают автопродление подписки. Команда, которая занимается клиентским опытом, проводила исследования, чтобы узнать, почему так происходит. Клиентам задали открытый вопрос об этом и выделили основные причины. А в маркетинге мы стали с ними работать — это казалось полезнее, чем просто просить людей не отписываться.
В какой-то момент мы поняли, что сбор обратной связи нужно встроить в наши механики удержания клиентов — например, чтобы с помощью интегрированной формы спрашивать, в чем причина отписки, сразу в момент ухода, и автоматизировать работу с возражениями. Ориентация на клиента здесь очень важна.
Затем нам важно было проверить, насколько осознанно человек отвечает — действительно ли это реальная причина или он выбрал первый попавшийся ответ, чтобы от него «отстали». Для этого мы проводили тест, в котором перемешивали порядок ответов и оценивали, как они изменились.
Как внедрить поведенческую сегментацию
Понять, как внедрить поведенческую сегментацию, проще на примере. Мы придумали онлайн-магазин детских игрушек «Чебурашка», который раньше использовал только демографическую сегментацию, а теперь решил опираться еще и на знания о том, как клиенты себя ведут.
1. Определить ключевые поведенческие переменные
Сегментацию проще внедрять через тестирование гипотез. Важно не проверять за раз больше одной гипотезы. Если менять несколько факторов одновременно, потом будет сложно понять, что именно сработало и на что повлияло.
Маркетологи «Чебурашки» предположили, что родителям, которые смотрят на сайте развивающие игрушки, но не покупают, не хватает информации об их пользе для ребенка. Чтобы проверить гипотезу, нужно выбрать ключевые метрики. Надо всегда понимать, зачем требуются эти данные и что произойдет, если их не собрать. Еще нужно решить, требуются ли данные за конкретный период или в динамике — от этого будет зависеть, сколько времени затратится на профилирование клиентов. «Чебурашка» выбрал следующие метрики:
- Частота посещений сайта показывает уровень интереса пользователя. Частые визиты могут указывать на высокий интерес, но отсутствие покупок — на нерешительность или нехватку информации.
- Количество просмотренных товаров тоже помогает оценить интерес. Если пользователь изучил много товаров, но ничего не купил, возможно, ему сложно определиться с выбором.
- Время, проведенное на страницах с развивающими игрушками, может говорить об интересе, если родители тратят много времени на просмотр. Если покупок нет, это может означать, что они сомневаются в пользе или необходимости товара.
- Добавление товаров в корзину без покупки — важный признак заинтересованности. Пользователь уже выбрал товар, но его что-то останавливает — например, недостаток информации о пользе игрушки.
- История покупок дает представление о поведении клиента. Если пользователь покупал товары других категорий, но не выбрал развивающие игрушки, несмотря на интерес, возможно, ему просто не хватает информации именно об этой группе товаров.
2. Собрать данные
Теперь маркетологи решают, как лучше собрать данные. Поведенческие паттерны и характеристики, выявленные на этом этапе, помогут «Чебурашке» настроить таргетинг рекламы на основе поведения пользователей. Это называется поведенческим маркетингом — он не только анализирует аудиторию, но и помогает эффективно на нее влиять, увеличивая конверсии.
У «Чебурашки» уже установлена CRM-система для сбора и хранения данных о клиентах. Они настроили движок так, чтобы отслеживать поведение потребителей на сайте, — отсюда взяли информацию для выбранных метрик.
3. Проанализировать полученную информацию и сегментировать клиентов
Маркетологи «Чебурашки» изучают данные и находят пользователей, которые часто смотрят развивающие игрушки, но не покупают их. Также они решили выделить и активных покупателей — тех, кто регулярно берет такие товары. Сравнение их поведения с теми, кто только интересуется, поможет понять, как подтолкнуть к покупке интересующихся.
Построение сегментов лучше начинать от общего к частному, например сделать общую группу «интересующихся», но пока не делить ее на мам, пап, бабушек и теть. Если в более мелких сегментах нет явной потребности, можно не тратить на это время.
«Чебурашка» изучил обе группы. Оказалось, что интересующиеся подолгу изучают развивающие игрушки, читают отзывы, добавляют товары в корзину, но не завершают покупки. Вторая группа — активные покупатели — быстро принимает решения, часто интересуется новинками, участвует в программах лояльности и регулярно возвращается за покупками. Теперь можно использовать эту информацию, чтобы разработать стратегию и подтолкнуть интересующихся к покупке.
4. Разработать маркетинговую стратегию
Для начала маркетологи настроили «брошенную корзину» на случай, если покупатели просто забыли завершить покупку. Они также решили создать серию информационных материалов о пользе развивающих игрушек и предложить интересующимся серию интерактивных вебинаров с экспертами по детскому развитию.
Чтобы проверить стратегию, «Чебурашка» провел два AB-теста. В первом «интересующихся» случайно разделили на две группы и в течение месяца отправляли одной группе рассылки о пользе развивающих игрушек, а другой — обычные письма по контент-плану. По итогам теста первая группа конвертировалась в покупку на 1 п. п. чаще.
Сегмент
Тип рассылки
Конверсия в покупку, %
A
О пользе развивающих игрушек
4,12
B
Письма согласно контент-плану
3,14
Затем маркетологи протестировали вторую идею на двух новых группах, А1 и В1. На этот раз они проверяли, как повлияют на конверсию вебинары с экспертами. Результаты оказались лучше: 20% приглашенных зарегистрировались на вебинар, из них 30% пришли на мероприятие, а 56% участников купили игрушки в течение дня после его окончания. Покупателей после вебинара оказалось вдвое больше, чем тех, кто купил игрушки, не зная о вебинаре. Теперь «Чебурашка» проводит вебинары регулярно и раз в два месяца отправляет письма о пользе развивающих игрушек.
Сегмент
Действие
Количество людей
А1
Купили после вебинара
34
В1
Купили за тот же период
13
5. Регулярно оценивать эффективность сегментации
После запуска стратегии важно постоянно проверять ее результаты и улучшать по мере необходимости. Частоту проверок можно определить по динамике KPI: например, если показатели продаж стагнируют, а очевидных причин вроде сезонности покупок нет, пора проверить, в чем причина. В любой механике важно оставлять контрольную группу, чтобы по ней сверяться.
В новой стратегии «Чебурашка» отслеживает ключевые показатели: конверсии в покупку, вовлеченность в рассылки и посещаемость вебинаров. Если маркетологи замечают, что открываемость писем с советами по выбору игрушек остается высокой, но конверсии начинают снижаться, они тестируют новые форматы — добавляют видеообзоры и упрощают навигацию по товарам.
Также команда следит за поведением клиентов в CRM-системе и веб-аналитике, чтобы вовремя замечать изменения. Если группа интересующихся все еще добавляет товары в корзину, но не завершает покупку, маркетологи проверяют, какие барьеры мешают — возможно, теперь это цена или удобство оформления заказа. Если возможности тестировать нет, можно принимать решения на основе собственного опыта и экспертных знаний о своей аудитории, хотя это рискованнее.
Будущее поведенческой сегментации
Эксперты отмечают активно развивающийся тренд — использование предиктивных моделей и больших данных (big data) для поведенческой сегментации: так можно изучать пользовательский опыт, степень удовлетворенности клиентов и многое другое. На нынешнем уровне развития технологий модели машинного обучения
(ML-модели) не заменяют классические методы сегментации, — они друг друга дополняют.
(ML-модели) не заменяют классические методы сегментации, — они друг друга дополняют.
Уже сейчас ML-модели и большие данные помогают сэкономить на маркетинге, точно определяя, кто из клиентов заинтересуется продуктом. Это позволяет показывать рекламу только тем, кто с большей вероятностью откликнется, или не отправлять письма и SMS тем, кому они не будут интересны — и избегать лишних затрат на
CDP-платформы и размещение рекламы. Кроме того, анализ данных помогает выбрать самые эффективные каналы для коммуникации.
CDP-платформы и размещение рекламы. Кроме того, анализ данных помогает выбрать самые эффективные каналы для коммуникации.
У Okko многомиллионная база пользователей, которая постоянно растет, поэтому внедрять и использовать ML-модели на основе анализа больших данных — уже необходимость. Одна из областей их применения — работа с удержанием пользователей в сервисе. В классическом подходе мы узнаем, что пользователь хочет уйти, только тогда, когда он нажимает кнопку «отписаться». При этом не всегда понятно, действительно ли он больше не хочет пользоваться подпиской или просто хочет контролировать списания вручную. Понять истинную причину может помочь ML-модель предсказания оттока: она не просто выделяет среди пользователей тех, кто хочет уйти, но и определить их до того, как они нажимают кнопку «отменить подписку». А значит, мы можем заранее работать с ними на удержание.
Возможно, в будущем весь процесс сегментации будет строиться на прогнозах, а не на конкретных действиях пользователя. Пока использование ML-моделей больше подходит для крупных компаний с большими базами данных, но и малый бизнес может использовать такие технологии для рекламы и взаимодействия с клиентами.
