Behavioral Segmentation – การแบ่งกลุ่มลูกค้ามากกว่าแค่ Demographics

Behavioral Segmentation – การแบ่งกลุ่มลูกค้ามากกว่าแค่ Demographics

แน่นอนว่าคนหนึ่งคนไม่ได้มีด้านเดียว คนที่ชอบออกกำลังกายอาจจะเป็นกลุ่มคนเดียวกันกับที่ชอบของหวานร่วมด้วย ดังนั้นการที่เราจะหวังพึ่งการแบ่งกลุ่มลูกค้าผ่าน Demographics อย่างเดียว บอกได้คำเดียวว่ามันไม่เพียงพอแล้ว ดังนั้นวันนี้เพลินจะมาแชร์ในส่วนของการทำ Behavioral Segmentation จากทีม Audiense ให้นักการตลาดฟังกันค่ะ วิธีการนี้การจะมีความทับซ้อนกับ RFM Model ที่เราเคยแชร์บ่อยๆ อยู่บ้าง ยังไงก็ลองอ่านดูกันก่อนนะคะว่าการแบ่งตามพฤติกรรมนั้นคืออะไร แล้วมันทำอย่างไรได้บ้าง

อย่างที่บอกว่าแค่ข้อมูลจำพวกเพศ อายุ สถานที่ หรือแนว Demographics มันไม่พอ นักการตลาดในยุดเดต้าแบบนี้ต้องรู้ไปถึงว่าลูกค้าคนนี้ชอบทำอะไร มีพฤติกรรมแบบไหน เพื่อจะเอาข้อมูลจากหลายๆ ส่วนมาประกอบกันจนเกิดเป็นภาพใหญ่ หากคิดภาพไม่ออก เพลินอยากให้ลองจินตนาการถึง Jigsaw  ก็ได้ค่ะ เพราะมันคือการต่อแต่ละชิ้นๆ เข้าด้วยกัน จนกว่าจะเห็นเป็น Complete Pictures ของภาพหนึ่งภาพ เฉกเช่นเดียวกับการเข้าใจลูกค้าหนึ่งคนเช่นเดียวกันเลย รู้แบบนี้แล้ว ไปดูกันเลยค่ะว่าการแบ่งลูกค้าออกตามพฤติกรรมหรือ Behavioral คืออะไร สำคัญยังไงแล้วทำแบบไหนได้บ้าง?

Behavioral Segmentation คืออะไรกันแน่?

จริงๆ ก็แปลตามที่นักการตลาดหลายท่านเข้าใจเลยค่ะ ว่ามันคือการแบ่งหรือจัดกลุ่มลูกค้าตามลักษณะพฤติกรรมและนิสัยของลูกค้า ไม่ว่าจะเป็นเรื่องของสิ่งที่พวกเค้าชอบทำขณะออนไลน์ / ใครชอบเล่น Social Media แพลตฟอร์มไหน / ใครชอบออนไลน์บนโซเชียลเวลาไหนกันบ้าง หรือว่าจะเป็นความชอบในการติดตามสื่อ แหล่งข่าวบนออนไลน์ด้วยค่ะ

ซึ่งข้อมูลพฤติกรรม ความชอบ และนิสัยเหล่านี้เนี่ยแหละ ที่จะเป็น Data ชั้นดีในการช่วยให้นักการตลาดเห็นภาพความเป็นตัวของลูกค้าได้เพิ่มมากขึ้น รวมไปถึงการเข้าใจว่า ลูกค้ากลุ่มนี้แตกต่างอย่างไรจากอีกกลุ่มนึง ถึงแม้ว่าลูกค้าจะเป็นผู้ชายเหมือนกัน อายุ 30 เท่ากัน อยู่กรุงเทพฯ เหมือนกันด้วย แต่ความชอบและนิสัยไม่จำเป็นต้องเหมือนกัน คนนึงอาจจะชอบ Outdoors แต่อีกคนอาจจะชอบอยู่กับครอบครัวเงียบๆ ที่บ้านก็เป็นได้

อย่างไรก็ตาม การแบ่งกลุ่มลูกค้าตามพฤติกรรมแบบนี้ อาจจะทำเดี่ยวๆ ไม่ได้ หลายครั้งต้องทำควบคู่ไปกับการทำ Segmentation อื่นๆ ควบคู่ไปด้วย เพื่อให้เห็นภาพแบบ Complete Pictures อย่างที่เพลินบอกไปตอนต้นค่ะ เช่น การทำ Demographics แม้จะให้ภาพไม่ชัด แต่ก็ยังเป็นการแบ่งพื้นฐานที่ควรต้องทำ รวมไปถึงการเข้าใจในบริบทหรือ Context อื่นๆ เพิ่มขึ้นด้วยนั่นเองค่ะ

การแบ่งลูกค้าตามพฤติกรรมดียังไง?

  • แบ่งแล้วจะช่วยให้คุณทำ Personalization ได้ดีมากขึ้น: แน่นอนว่ายิ่งคุณซอยกลุ่ม Segment ลงเล็กและเฉพาะเจาะจงมากขึ้นเท่าไร การทำ Personalization Campaign ต่างๆ ยิ่งประสบผลสำเร็จและตรงใจลูกค้ามากยิ่งขึ้น เช่น ช่วงเวลาในการยิง Campaign นี้หาคนประเภทชอบออกกำลังกาย เป็นต้น
  • แบ่งแล้วจะช่วยให้คุณเห็นกลุ่มลูกค้าที่ต้องให้ความสนใจมากขึ้นหรือ Prioritized: เพราะเราแบ่งกลุ่มลูกค้าจนเห็นภาพชัดและเจาะจงมากขึ้น ทำให้เรารู้ว่ากลุ่มลูกค้าเน้นๆ ของเราคือใคร มีอยู่เท่าไรกันแน่? ซึ่งบอกเลยว่าในส่วนนี้ สามารถทำควบคู่ไปกับการทำ RFM Model ด้วยจะยิ่ง Effective มีประสิทธิภาพมากยิ่งขึ้นค่ะ
  • แบ่งแล้วจะช่วยให้คุณเห็นความเป็นไปได้ของพฤติกรรมที่เกิดขึ้นหรือ Behavioral Prediction: แน่นอนว่าข้อมูลที่คุณเอามาวิเคราะห์แบ่งกลุ่มลูกค้านั้น ล้วนมาจากข้อมูลเก่าที่ผ่านมาแล้วทั้งสิ้น ยิ่งคุณมีข้อมูลเยอะเท่าไร ยิ่งเป็นข้อได้เปรียบให้คุณสามารถเห็น Pattern พฤติกรรมลูกค้าได้ เช่น ถ้าลูกค้าคนนี้ชอบกินโค้กกับเบอร์เกอร์ทุกช่วงเทศกาลวันหยุด เราก็จะรู้แล้วว่าวันหยุดครั้งถัดไป เดี๋ยวเค้าก็จะมาซื้อโค้กคู่เบอร์เกอร์อีก เป็นต้นค่ะ

5 ตัวอย่างการทำ Behavioral Segmentation

หลังจากที่เรารู้จักการแบ่งกลุ่มหรือจำแนกลูกค้าตามพฤติกรรม รวมไปถึงข้อดีในการทำไปแล้ว ต่อไปนี้ลองมาดูกันว่า แล้วเราจะเริ่มแบ่งกลุ่มลูกค้าตามพฤติกรรมด้วยวิธีไหนได้บ้าง? เพราะอย่างที่บอกว่าพฤติกรรมลูกค้าก็มีหลากหลายแบบเนอะ 

1. แบ่งพฤติกรรมตามขั้นตอน Buying Journey ของลูกค้า

Behavioral Segmentation according to customer buying journey
Customer journey a client decides to purchase product or service, woman cartoon character making choice online, flat vector illustration isolated on white background.

การแบ่งพฤติกรรมตาม Journey ของลูกค้านั้นก็คือ การดู Stages ตั้งแต่ลูกค้ารู้จัก สนใจ ตัดสินใจ ซื้อสินค้า ไปจนถึงการกลับมาซื้อซ้ำไหม ดังนั้น Messages ในแต่ละช่วงจะไม่เหมือนกัน เมื่อเราตีพฤติกรรมออกเป็นช่วง Journey ก็จะทำให้เราเข้าใจและวาดการสื่อสาร การกระตุ้นลูกค้าตามพฤติกรรมในแต่ละช่วงได้ดีขึ้น 

เช่น ถ้าช่วงที่แค่สร้าง Awareness เราสามารถเน้นการพูดถึง Unique Selling Point ประโยชน์ของสินค้าและบริการ แต่หากเป็นช่วงที่เราต้องกระตุ้นให้ Convert ซื้อสินค้าได้แล้ว เราอาจจะเน้นเรื่องของการให้ลอง Trial และเมื่อขยับมาเป็นช่วงให้ซื้อซ้ำ ก็อาจจะเป็นการพูดถึงโปรโมชั่นลูกค้าเก่า เป็นต้นนั่นเองค่ะ

2. แบ่งพฤติกรรมตาม Buying Habits หรือนิสัยการช้อป

พวกนิสัยการช้อปในที่นี่ก็คือ ขั้นตอนหรือวิธีการต่างๆ ที่คนทำก่อนซื้อสินค้า ซื้อเราก็สามารถซอยกลุ่มลูกค้าออกเป็น

  • คนที่ชอบดูยี่ห้อก่อนซื้อว่าของแบรนด์ไหน
  • คนที่ชอบพึ่งพารีวิวออนไลน์ก่อนซื้อ
  • คนที่สนใจแต่ข้อดีของสินค้า ว่ามีอะไรพิเศษ แตกต่าง ใช้งานได้จริง
  • คนที่ชอบหาแรงบันดาลใจจากโซเชียล
  • คนที่จะซื้อของจากคำแนะนำจากเพื่อนและครอบครัว เป็นต้น

ซึ่งต้องบอกว่าเรื่องของนิสัยการช้อปนั้นยังแบ่งได้อีกเยอะเลยนะคะ ตั้งแต่ว่าใครตัดสินใจเร็ว หรือใครชอบซื้อด้วยเงินสดมากกว่าโอน แล้วเป็นลูกค้าจาก Ads ที่เรายิงผ่านช่องทางไหนอีก ข้อมูลทั้งหมดนี้แหละจะเป็นตัวบ่งบอกชั้นดี ว่าจริงๆ แล้วลูกค้าของคุณเป็นใคร ชอบอะไรแบบไหน แล้ว Marketing Campaign แบบไหนที่เราต้องส่งให้กลุ่มนี้ ไม่ใช่กลุ่มนั้น ทั้งนี้ก็เป็นการสื่อสารเฉพาะกลุ่มมากขึ้น รวมไปถึงสิทธิในการ Convert เพิ่มขึ้น และการโปรยส่วนลด ของแถมก็น้อยลง แต่ได้ให้ถูกกลุ่มจริงๆ ต่างหากค่ะ

3. แบ่งตามการใช้งานสินค้าและบริการ

หัวข้อนี้ก็แทบจะตรงตัว ซึ่งแน่นอนว่ามันก็เกี่ยวข้องกับการใช้งานสินค้าและบริการของเราเลย จริงๆ ข้อมูลส่วนนี้เป็น First Hand Data ที่ในฐานะแบรนด์ควรมีบันทึกเอาไว้เสมอ ว่าใครมาซื้อของ ซื้ออะไร ซื้อทีนึง ซื้อกี่บาท กลับมาซื้อซ้ำตอนไหน แล้วตอนมาซื้อซ้ำซื้ออะไร เท่าไร ซื้อสินค้าประเภทเดิมไหม สีแบบไหน เป็นต้น ทั้งนี้ก็จะทำให้เราเห็นความชอบและ Frequency ในการกลับมา เป็น Pattern การซื้อของลูกค้าแต่ละรายค่ะ ซึ่งจะบอกว่า Model ที่ทำได้ละเอียดๆ เลยคือ RFM เช่นเคยค่ะ

วิธีการแบ่งลูกค้าตามการใช้งานสินค้าและบริการแบบนี้ ข้อดีหลักคือทำให้เราแยกกลุ่ม Heavy Users ออกจาก Light Users ได้ แบรนด์หรือนักการตลาดก็จะเห็นแล้วว่า ลูกค้ากลุ่มไหนที่ต้องรักษาให้มั่นคง มี Loyalty กับเราสูง ที่แบรนด์ไม่ควรทำกลุ่มนี้หายไป นอกจากนั้นกลุ่ม Light เราก็พยายามหาทาง Convert ยังไงให้กลายมาเป็น Heavy Users ให้ได้นั่นเองค่ะ

4. แบ่งลูกค้า Loyalty สูงออกมาเพื่อลดทุน

RFM Model and Behavioral Segmentation for customer loyalty

ข้อดีของการแยกกลุ่มลูกค้าที่มี Loyalty สูงออกมาคือการที่เราสามารถประหยัด Cost ในการทำการตลาดลงได้กว่า 5 เท่า เพราะเงินที่เราใช้ไปกับการหาลูกค้าใหม่ที่จะรักเราจริงๆ ซื้อของเราจริงๆ นั้นต้องใช้จำนวนมาก แต่กลุ่มคนที่รักเราอยู่แล้ว เค้ารู้ว่าเราดียังไงก็เหมือนไม่ต้องอารัมภบทอะไรให้มากความอีก แค่บอกมาเลยว่าออกสินค้าอะไรใหม่ เดี๋ยวซื้อค่ะ

ซึ่งการดู Loyalty นั้นก็มีได้หลายส่วน ตั้งแต่คนที่กลับมาซื้อสินค้าเราบ่อยๆ แต่จำนวนมูลค่าอาจจะไม่เยอะนัก กับอีกกลุ่มที่นานๆ มาซื้อที แต่ซื้อครั้งนึงจ่ายสูง Basket ใหญ่เท่ากับ ลูกค้าซื้อถี่ๆ รวมกัน 10 ครั้ง เมื่อเราเข้าใจแบบนี้ เราก็จะสามารถทำแคมเปญการตลาดที่แยกลูกค้า Loyal ของเราออกจากกันแต่ถึงอย่างนั้นก็เป็นการตลาดที่ตรงใจทุกกลุ่มนั่นเองค่ะ

5. การแบ่งพฤติกรรมลูกค้าจากสรรพคุณสินค้า

แน่นอนว่าตอนเราผลิตสินค้า เราก็มีการแบ่งประเภทของสินค้าไว้แล้วเบื้องต้นตามความต้องการของลูกค้าแต่ละประเภท อย่างสมมุติกลุ่ม Skincare ก็มีลูกค้าตั้งแต่ประเภท ผิวแห้งต้องการความชุ่มชื้น ไปจนถึงผิว Sensitive แพ้ง่าย บอบบาง หรือจะเป็นผิวที่มีปัญหาสิว รอบคล้ำ เป็นต้นอีก ทั้งนี้การเลือกซื้อตามสรรพคุณที่ต่างกันไป ก็จะทำให้เราเห็นว่า แม้ผู้หญิง 3 คนที่อายุเท่ากัน แต่เลือกสินค้าคนละแบบ ก็มีพฤติกรรมการใช้ชีวิตและ Pain point เรื่องผิวที่ต่างกันแล้ว ทั้งนี้เมื่อเข้าใจลูกค้าแล้ว การตลาดก็จะมีความหลากหลาย ตรงใจ และมีสิทธิที่จะ Convert ลูกค้าได้ง่ายขึ้นกว่า Message ลอยๆ ค่ะ

ทั้งหมดนี้คือเรื่องของ Behavioral Segmentation ซึ่งเพลินต้องบอกเลยว่า จะแบ่งหรือจำแนกลูกค้าผ่านพฤติกรรมอย่างเดียวไม่ได้ ยังมีในแง่บริบทหรือ Demographics ที่ยังต้องเอาเข้ามาต่อเป็น Jigsaw เพิ่มเข้าไปด้วย แถมทั้งหมด 5 วิธีที่เพลินสรุปมาให้จาก Audiense นั้นยังทำควบคู่ไปด้วยกันด้วย 

ส่วนนักการตลาดท่านไหนที่มีข้อมูลลูกค้าหรือ Database เป็นของตัวเองแล้ว จนเห็น Pattern น่าสนใจ อยากนำเอาข้อมูลพวกนั้นมาปั่นเล่นต่อ เพื่อลดต้นทุนการตลาดและเพิ่มยอดขาย เพลินบอกเลยว่าไม่เริ่มจากการทำ Segmentation ตามพฤติกรรมข้างบนนี้ ก็อยากให้ลองทำ RFM Model ไปเลยค่ะ ข้อดีคือละเอียดกว่าแม้ซับซ้อนขึ้นก็ตาม ยังไงก็อย่าลืมเก็บข้อมูลเยอะๆ แล้วอย่าเก็บไว้เฉยๆ เอามาใช้งานกันด้วยนะคะทุกคน

Plearn Wisetwongchai

Marketing Strategic Planner ในเครือการตลาดวันละตอน | A Creator สาวพลัสไซส์ @Fabfatkid | A Travel Lover ที่หมดเงินเกือบ 80% ไปกับการเดินทางแบบแมสๆ | An Instagrammer @theplearn ที่ชอบเล่น Story เป็นชีวิตจิตใจ | สุดท้ายคือ Data Researcher ทั้ง Social และ Search Data etc. ค่ะ

Leave a Reply

Your email address will not be published. Required fields are marked *

คุณคิดว่าปัญหา PM 2.5 ที่เชียงใหม่วิกฤตหรือยัง ?

#การตลาดวันละโพล ขอหนึ่งคำถามก่อนอ่านการตลาดวันละตอน แล้วเราจะเอาไปทำเป็น Infographic โชว์หน้าเพจให้รู้ด้วยกัน