Menggunakan Analisis Prediktif Untuk Menemukan Pelanggan Dengan Minat Membeli Tertinggi
Diterbitkan: 2016-01-10Ada penelitian menarik yang sedang dilakukan pada calon pelanggar pinjaman yang tidak ada hubungannya dengan status keuangan, nilai kredit atau kebiasaan belanja mereka. Jika hasil analisis awal dapat dipercaya, penelitian ini mengklaim bahwa orang yang selalu mengisi daya ponselnya cenderung gagal membayar EMI mereka, dibandingkan mereka yang menunggu baterai benar-benar habis.
Sekarang sekelompok orang yang terakhir juga termasuk mereka yang percaya mitos teknis bahwa baterai harus benar-benar habis, sebelum diisi ulang. Meskipun demikian, hasil menunjukkan bagian penting dalam teka-teki pinjaman, bagaimana mengetahui (psikologis) apakah pencari pinjaman akan membayar kembali tepat waktu atau tidak, itu juga berdasarkan faktor-faktor yang tidak berhubungan dengan uang dengan cara apapun. Namun, mereka terkait dengan orang yang mencari pinjaman dan kebiasaannya.
Jadi kebiasaan adalah kunci untuk memastikan kemungkinan seseorang melakukan sesuatu, karena kebiasaan sulit diubah.
Demikian pula, model prediksi di ritel, yang mengukur kemungkinan seseorang untuk membeli, melakukannya dengan menggunakan data pelanggan non-transaksional. Beberapa orang mungkin mengacaukan kemungkinan untuk membeli dengan niat untuk membeli, tetapi izinkan saya menjelaskannya:
Anda sedang memeriksa produk yang mungkin mengindikasikan Anda ingin membelinya. Namun, Anda mungkin masih belum membelinya, atau mungkin berencana untuk membelinya bulan depan. Alasannya bisa apa saja – katakanlah, batas kredit Anda untuk bulan ini tidak memungkinkan Anda melakukan pembelian ini. Jadi, bahkan dengan niat untuk membeli, kemungkinan Anda untuk membeli adalah nihil, setidaknya untuk bulan ini.
Sekarang setelah kita memahami kedua konsep tersebut, mari kita lanjutkan dengan analisis prediktif.
Bagaimana Model Prediksi Bekerja?
Memprediksi untuk pembeli pertama kali
Model tersebut akan membandingkan perilaku pra-pembelian calon pelanggan dengan pelanggan sebelumnya yang membeli sesuatu. Model ini menggunakan atribut seperti email terbuka, halaman yang dijelajahi, rute pembelian, ajakan bertindak yang diklik, dll.
Calon pembeli yang perilakunya paling cocok dengan pembeli sebelumnya diberi label sebagai 'pembeli dengan minat tinggi'. Pemasar mengejar daftar prospek baru ini dengan pesan yang disesuaikan untuk menutup jumlah penjualan maksimum.
Memprediksi pembeli berulang
Mengantisipasi kemungkinan pembelian berulang memperhitungkan data dari transaksi sebelumnya dan juga interaksi yang terjadi sebelum pembelian dilakukan. Ini mirip dengan model untuk pembeli pertama kali.
Namun, ada informasi tambahan yang dimasukkan ke dalam database dari pembelian pertama pelanggan ini. Konsolidasi ini meningkatkan akurasi model secara substansial karena menggabungkan data tentang pembelian berulang, paket yang dikembalikan dan juga interaksi dengan layanan pelanggan.
Contoh langsung
Jadi itu adalah sesuatu seperti ini:
“Hai Selena,
Sudah lama sejak terakhir kali kita berbicara. Saya senang untuk memberi tahu Anda bahwa kami telah meluncurkan gaya baru dari kasmir mengangkat bahu yang saya rasa Anda akan menyukainya. Mereka mirip dengan yang merah muda yang Anda beli musim dingin lalu, tetapi dengan potongan yang jauh lebih bagus. Saya mengirimi Anda satu dari koleksi ini, dalam ukuran Anda. Cobalah dan beri tahu saya bagaimana rasanya dan pas.
Direkomendasikan untukmu:
Apa Arti Ketentuan Anti-Profiteering Bagi Startup India?
Bagaimana Startup Edtech Membantu Tenaga Kerja India Meningkatkan Keterampilan & Menjadi Siap Masa Depan...
Saham Teknologi Zaman Baru Minggu Ini: Masalah Zomato Berlanjut, EaseMyTrip Posting Stro...
Startup India Mengambil Jalan Pintas Dalam Mengejar Pendanaan
Platform Pemasaran Digital Logicserve Bags Pendanaan INR 80 Cr, Berganti Nama Sebagai LS Dig...
Laporan Memperingatkan Pengawasan Peraturan yang Diperbarui Pada Lendingtech Space
jess
Penata gaya pribadi Anda”
Sekarang siapa yang tidak ingin diperlakukan seperti itu?
Apa yang Anda Butuhkan untuk Analisis Prediktif dan Mengapa?
Pendekatan mobile-first. Mengapa? Karena sekarang perjalanan pelanggan untuk membeli bukanlah jalur linier, tetapi permainan menghubungkan titik di mana ada banyak titik sentuh DAN seluler terletak di jantung lintasan.
Setelah Anda mendapatkannya, Anda akan memiliki akses ke sejumlah besar titik data. Dari statistik penggunaan aplikasi hingga aktivitas media sosial, Anda memiliki semua yang Anda butuhkan untuk menguraikan pikiran misterius seorang pembelanja.
Era bekerja pada data dari badan-badan pemerintah dan lembaga keuangan sudah lama berlalu, begitu pula zaman menggunakan intuisi untuk memecahkan masalah konversi. Jadi yang tersisa adalah sejumlah besar data dan wawasan korelasi unik yang dapat membantu Anda memilih berbagai kebiasaan belanja yang dimiliki orang dan memanfaatkannya untuk keuntungan Anda.
Manfaat Analisis Prediktif dalam Ritel
Diskon yang ditargetkan (dan lebih sedikit diskon)
Ada tiga macam pembeli: pertama, yang ingin membeli hanya dengan diskon; kedua, yang membeli terlepas dari ketersediaan diskon; dan ketiga, siapa yang bisa bergoyang dengan cara apa pun. Sebagai pemasar, saya tahu hanya 20% dari populasi pelanggan adalah pecandu diskon dan 15% biasanya membeli tanpa diskon, sementara kebanyakan dari mereka tidak terganggu dengan adanya kesepakatan. Kebanyakan pemasar, seperti saya, tahu hal itu juga. Lalu mengapa mereka menawarkan diskon besar-besaran yang menghasilkan penurunan margin keuntungan secara keseluruhan?
Saya akan menyebutnya kemalasan. Kemalasan untuk memahami dan menganalisis prospek secara individual dan memenuhi kebutuhan uniknya.
Ada satu hal yang sangat salah dengan diskon. Jika Anda memberi pada kesempatan tertentu setiap tahun, orang-orang mulai mengharapkannya dan kemudian, mereka menunggu periode diskon itu tiba untuk membeli. Mereka tidak akan membeli tanpa diskon itu. Jadi itu adalah kebiasaan buruk yang kami tunjukkan kepada pelanggan kami.
Jadi bagaimana seharusnya diskon ditangani? Inilah jawaban Anda: 7 cara diskon yang tidak mendevaluasi produk Anda
Artikel ini, atau saya, tidak mengatakan bahwa diskon atau insentif lain itu salah. Tapi, mereka harus bertindak seperti pemanis dalam teh, dan bukan teh itu sendiri. Diskon harus bertindak sebagai dorongan. Maksud saya adalah jika Anda melihat pelanggan meninggalkan keranjangnya, maka Anda dapat menawarkan diskon; atau sebagai hadiah pendaftaran untuk mendapatkan pelanggan baru. Dengan melepaskan insentif, Anda dapat memusatkan perhatian Anda pada perhatian yang dipersonalisasi pada kebutuhan dan keinginan individu pelanggan melalui rekomendasi dan pengingat.
Dengan cara ini, Anda dapat memaksimalkan pendapatan dan profitabilitas dari setiap pelanggan.
Segmen pelanggan terperinci untuk difokuskan
Seperti yang saya katakan, waktu untuk memisahkan pelanggan berdasarkan demografi sudah tidak ada lagi. Berfokus pada perilaku dan pola belanja memberi pemasar wawasan yang lebih dalam tentang cara menjangkau pelanggan dengan cara yang halus dan strategis, karena menjangkau dan memperoleh pelanggan itu mahal. Anda tidak hanya akan tahu apa yang mereka beli, tetapi bagaimana mereka melakukannya, bagaimana mereka membuat pilihan dan menetapkan sesuatu. Anda akan memahami apa yang membuat mereka membuka dompet mereka untuk Anda dan juga, apa yang membuat mereka mengatakan hal-hal baik tentang merek Anda dan mendorong orang terdekat dan tersayang mereka untuk membeli dari Anda.
Selain memilih orang yang tepat, Anda meningkatkan peluang untuk didengar, didengarkan, dan diikuti, yang sangat meningkatkan ROI Anda. Menjadi lebih relevan dan berguna membantu pemasar mengurangi ketergantungan mereka pada diskon besar.
Pendekatan yang berpusat pada pelanggan
Apa yang terjadi dalam penjualan kliring saham?
Pertama, kebanyakan pelanggan tidak menemukan produk yang mereka cari, setidaknya tidak dalam spesifikasi yang tepat. Kedua, perusahaan mengosongkan gudangnya dalam kerugian karena membebaskan sejumlah besar persediaan lama. Tidak terdengar seperti situasi menang untuk salah satu dari dua pihak.
Itu karena ini adalah pendekatan yang berpusat pada barang dagangan, bukan yang berpusat pada pelanggan. Itu tidak membuat pelanggan merasa istimewa. Plus, itu membuat pelanggan peka dengan cara yang salah. Seperti yang saya katakan, mereka akan mengambil pola Anda, mempelajari kebiasaan serupa dan kemudian akan menunggu penjualan tahunan yang besar itu. Anda tidak pernah tahu, beberapa pelanggan yang membeli pada periode itu bahkan mungkin tidak memerlukan diskon 55%. Mereka bisa saja masih membeli dengan harga 25% atau mungkin tidak ada kesepakatan sama sekali.
Oleh karena itu, dari sudut pandang bisnis, Anda mendapatkan tiga manfaat besar dari analisis prediktif:
- Margin tambahan (dari mereka yang termotivasi untuk membeli)
- Pendapatan tambahan (dari mereka yang awalnya tidak memiliki insentif untuk membeli)
- Pengurangan overstock (manajemen persediaan yang lebih baik)
Kesalahan yang Harus Dihindari
Tidak ada inisiatif pemasaran yang tidak bisa salah, bahkan analisis prediktif pun tidak. Artikel ini mencantumkan beberapa kesalahan yang dapat dengan mudah dihindari dengan sedikit kehati-hatian. Beberapa yang penting tercantum di bawah ini:
- Miliki tujuan dalam pikiran sebelum mulai menghubungkan titik-titik.
- Jangan lanjutkan kampanye kecuali Anda memiliki semua poin data yang diperlukan.
- Rapikan data yang mungkin mengacaukan wawasan Anda dan mengaburkan penilaian Anda.
- Luncurkan dan gerakkan dengan kecepatan kilat karena kontennya dinamis dan jika Anda menunda, situasinya mungkin telah berubah untuk rencana Anda saat itu.
- Karena setiap bisnis berbeda, jangan percaya pada ahli materi pelajaran atau penelitian. Semuanya didasarkan pada data basi.
Kesimpulan
Model tradisional segmentasi pelanggan memanfaatkan demografi, sikap, atau preferensi pembelian mereka. Ini memiliki keuntungan tersendiri, tetapi teknologi dan keinginan konsumen membuat mereka ketinggalan zaman. Analisis prediktif, di sisi lain, mengungkap pola tersembunyi dalam data yang membantu pemasar melihat data yang sama dengan cara yang berbeda dan dengan demikian, mendekati konsep manajemen siklus hidup pelanggan dari perspektif baru.
Segmentasi yang dilakukan dengan pendekatan ini jauh lebih bernuansa dan tepat sehingga Anda dapat memprediksi apakah prospek akan membeli dari Anda atau tidak, apakah dia akan menerima tawaran Anda atau tidak, atau apakah dia akan tetap setia di pasar. jangka panjang. Ini adalah situasi win-win yang lengkap untuk pelanggan dan perusahaan yang mengarah ke hubungan yang lebih menguntungkan dan lebih lama berdasarkan rasa saling percaya.
Jadi, jika Anda telah bermimpi tentang mengetahui sebelumnya apa yang akan dibeli pelanggan, apa yang harus disimpan dalam jumlah lebih banyak, bagaimana mengatasi masalah pelanggan bahkan sebelum mereka naik atau menentukan berapa banyak pendapatan yang akan diperoleh pelanggan itu dalam hubungan lengkapnya dengan Anda, maka di sini adalah kesempatan Anda. Dengan Analisis Prediktif.
Unduh penelitian menarik tentang apa yang berhasil (dan apa yang tidak) dalam pemasaran email untuk e-niaga oleh TargetingMantra.