مطلوبیت بخش‌های مشتری

میانگین کل بازار می‌گوید «قیمت» مهم‌ترین ویژگی است؛ اما وقتی داده را باز می‌کنی، می‌بینی یک گروه حاضر است برای سرعت و پشتیبانی بیشتر پول بدهد و گروهی دیگر تقریباً فقط قیمت را می‌بیند. محصولی که برای میانگین ساخته شود، ممکن است برای هیچ‌کدام بهترین انتخاب نباشد.

Segment Utilities یعنی بررسی مطلوبیت‌های کانجوینت در گروه‌هایی از مشتریان که الگوی ترجیح مشابه دارند. این روش به‌جای بخش‌بندی صرفاً بر اساس سن یا شهر، مشتریان را بر اساس چیزی که واقعاً در انتخاب برایشان مهم است گروه‌بندی می‌کند.

چرا این به‌دردت می‌خورد

دو مشتری با ظاهر جمعیت‌شناختی مشابه ممکن است نیازهای کاملاً متفاوتی داشته باشند. بخش‌بندی Utility-Based کمک می‌کند:

• نسخه‌ها و بسته‌های متفاوت محصول را طراحی کنی.
• گروه‌های مناسب برای Premium یا Economy را پیدا کنی.
• پیام بازاریابی را بر اساس محرک واقعی انتخاب بسازی.
• از میانگین‌هایی که اختلاف‌های مهم را پنهان می‌کنند فاصله بگیری.
• اندازه، سودآوری و قابلیت دسترسی هر بخش را ارزیابی کنی.

تعریف ساده و فرایند

مطلوبیت بخش‌های مشتری یعنی پیدا کردن گروه‌هایی که الگوی Part-Worth مشابه دارند و سپس تفسیر نیاز مشترک آن‌ها.

هرچه فاصله کمتر باشد، دو مشتری از نظر ترجیح سطح‌های ویژگی شبیه‌ترند. الگوریتم‌های خوشه‌بندی مشتریان مشابه را کنار هم می‌گذارند و تفاوت میان گروه‌ها را تا حد ممکن زیاد نگه می‌دارند.

مراحل ساخت Segment Utility

1. تخمین Part-Worth در سطح فرد یا با مدلی که تفاوت افراد را نگه دارد
2. انتخاب متغیرهای Utility مناسب برای بخش‌بندی
3. استانداردسازی در صورت تفاوت مقیاس‌ها
4. اجرای روش Cluster Analysis یا Latent Class
5. انتخاب تعداد بخش‌های قابل‌تفسیر و قابل‌اقدام
6. پروفایل‌کردن بخش‌ها با اندازه، رفتار، ارزش و کانال دسترسی
7. اعتبارسنجی روی نمونه یا دوره دیگر

مثال فاصله میان مشتریان

سه مشتری برای دو ویژگی «امنیت پیشرفته» و «سرعت بالا» Utilityهای زیر دارند:

فاصله بهار و مهدی:

(0.8−0.7)² + (0.1−0.2)² + (0.3−0.4)² + (0.5−0.4)² = 0.04

فاصله بهار و آرمان:

(0.8−0.1)² + (0.1−0.6)² + (0.3−0.9)² + (0.5−0)² = 1.35

بهار و مهدی از نظر ترجیح بسیار نزدیک‌ترند و احتمالاً در یک بخش «امنیت‌محور» قرار می‌گیرند. آرمان به بخش «سرعت‌محور» نزدیک‌تر است.

بعد از خوشه‌بندی، بخش را قابل‌فهم کن

خروجی «Cluster 1» و «Cluster 2» برای تیم قابل‌استفاده نیست. باید هر بخش را با منطق انتخابش توصیف کنی:

بعد مشخص کن هر گروه چند نفر است، چقدر خرید می‌کند، حاشیه سودش چقدر است و از چه کانالی می‌توان به آن رسید.

بخش خوب چه ویژگی‌هایی دارد؟

• همگنی درون بخش: اعضای یک بخش ترجیحات نسبتاً مشابه داشته باشند.
• تفاوت میان بخش‌ها: بخش‌ها واقعاً تصمیم‌های متفاوتی پیشنهاد دهند.
• اندازه و ارزش: گروه آن‌قدر بزرگ یا سودآور باشد که اقدام را توجیه کند.
• قابلیت دسترسی: بتوان اعضا را در CRM، رفتار یا پیام‌رسانی شناسایی کرد.
• ثبات کافی: ترجیحات در فاصله اجرای تصمیم کاملاً عوض نشوند.
• قابلیت اجرا: شرکت توان ساخت پیشنهاد مناسب را داشته باشد.

تعداد «درست» بخش‌ها قطعی نیست

یک پاسخ جهان‌شمول برای تعداد Segmentها وجود ندارد. دو بخش ممکن است بیش‌ازحد ساده باشد و هفت بخش برای اجرا پیچیده. علاوه بر شاخص‌های آماری، باید تفسیرپذیری و توان عملیات را ببینی.

راه عملی این است که چند راه‌حل با تعداد متفاوت بسازی و مقایسه کنی:

• فاصله و همگنی آماری
• پایداری در نمونه دیگر
• تفاوت سهم انتخاب و سود
• امکان ساخت پیشنهاد و پیام جداگانه
• سادگی استفاده برای تیم فروش و محصول

دموگرافیک را بعد از نیاز اضافه کن

سن، جنسیت، شهر یا اندازه شرکت می‌توانند برای دسترسی به بخش مفید باشند، اما بهتر است بخش را بر اساس ترجیح بسازی و بعد ببینی چه ویژگی‌های قابل‌شناسایی با آن ارتباط دارند. اگر از ابتدا فقط بر اساس دموگرافیک گروه‌بندی کنی، ممکن است نیازهای متفاوت را در یک گروه قرار دهی.

Utilities می‌توانند با موقعیت تغییر کنند

یک نفر در خرید شخصی قیمت‌محور و در خرید سازمانی اطمینان‌محور باشد. ترجیحات با بودجه، نقش تصمیم‌گیرنده، فوریت و تجربه قبلی تغییر می‌کنند. پس Segment را هویت دائمی فرد تلقی نکن؛ آن را الگوی ترجیح در یک موقعیت تعریف‌شده بدان.

از Segment به تصمیم

خطاهای رایج

• خوشه‌بندی روی Utilityهای میانگین به‌جای داده فردی
• انتخاب تعداد بخش فقط بر اساس یک شاخص آماری
• نام‌گذاری جذاب بدون تفاوت واقعی در تصمیم
• ساخت Segmentهایی که در داده عملیاتی قابل‌شناسایی نیستند
• فرض ثابت‌بودن بخش مشتری در همه موقعیت‌ها
• نادیده‌گرفتن اندازه، سود و هزینه خدمت هر بخش
• استفاده از Attributeهای ناقص در مطالعه پایه
• ساخت محصول برای میانگین کل و بی‌استفاده‌کردن بخش‌بندی

متریک‌های مکمل

• Conjoint Utilities: ورودی اصلی بخش‌بندی ترجیحی
• Cluster Distance: شباهت یا فاصله الگوهای ترجیح
• Segment Size: اندازه هر بخش
• Segment Profitability: ارزش اقتصادی گروه
• Share of Preference: انتخاب هر محصول در هر Segment
• Customer Lifetime Value: ارزش بلندمدت اعضای بخش

جمع‌بندی

Segment Utilities مشتریان را بر اساس چیزی گروه‌بندی می‌کند که واقعاً در انتخاب برایشان ارزش دارد. این روش از Part-Worthهای فردی و فاصله میان الگوها استفاده می‌کند، اما خروجی زمانی ارزشمند است که بخش‌ها قابل‌تفسیر، قابل‌شناسایی، سودآور و قابل‌خدمت باشند. بخش‌بندی پایان تحلیل نیست؛ باید به محصول، قیمت، پیام و کانال تبدیل شود.

اگر خواستی بیشتر بخوانی

بخش ۴.۶ کتاب Marketing Metrics نشان می‌دهد چگونه می‌توان مشتریان را بر اساس فاصله میان Conjoint Utilities خوشه‌بندی کرد و بر همگنی درون بخش و تفاوت میان بخش‌ها تأکید می‌کند.