jakautuminen

Segmentointi on asiakaskunnan tai yleisön jakamista ryhmiin, jotka eroavat toisistaan ​​päätöksenteon kannalta merkityksellisillä tavoilla. Analytiikassa sitä käytetään erottamaan keskiarvoja, jotka peittävät tärkeitä vaihteluita; markkinoinnissa sitä käytetään toiminnan kohdentamiseen; tuotekehityksessä sitä käytetään päättämään, kenen tarpeita ominaisuuden tulisi palvella. Yhdistävänä tarkoituksena on korvata yksi kaikkia kuvaava luku useilla luvuilla, jotka kuvaavat ryhmiä, jotka todellisuudessa käyttäytyvät eri tavalla.

Syynä tähän on se, että kootut mittarit johtavat rutiininomaisesti harhaan. Vakaa kokonaiskonversioprosentti voi peittää nousevan mobiilikonversioprosentin, joka kompensoi laskevaa pöytätietokoneiden konversioprosenttia, kasvavan vähäarvoisten asiakkaiden segmentin, joka peittää arvokkaiden asiakkaiden menetyksen, tai yhden markkinan parannuksen, joka kompensoi toisen markkinan heikkenemistä. Koska kootut mittarit näkyvät kojelaudassa, nämä koostumuksen muutokset jäävät usein huomaamatta, ennen kuin ne ovat riittävän suuria muuttamaan kokonaisuutta, jolloin taustalla oleva muutos on jatkunut kuukausia.

Hyödyllinen segmentointi määritellään sen tukeman päätöksen perusteella, ei saatavilla olevan datan perusteella. Demografiset segmentit on helppo rakentaa ja usein hyödyttömiä, koska ikä ja sijainti ennustavat usein käyttäytymistä huonosti verrattuna siihen, mitä ihmiset ovat todellisuudessa tehneet. Ostotiheyteen, ostoaikaan, kategoriaan, kanavaan, laitteeseen tai elinkaaren vaiheeseen perustuvat käyttäytymissegmentit ovat yleensä paljon toiminnallisempia, koska jäsenyys heijastaa paljastettua mieltymystä eikä ominaisuutta, ja koska tuloksena olevat ryhmät vastaavat toimintaa, jota tiimi voi tosiasiallisesti suorittaa.

Suurin analyyttinen vaara on, että segmentointi moninkertaistaa virheellisten havaintojen mahdollisuuden. Kokeen tai tietojoukon jakaminen riittävän usein tuottaa näennäisen huomattavia eroja pelkästään sattumalta, ja mitä pienemmäksi kukin segmentti muuttuu, sitä suurempi on sen lukujen epävarmuus. Segmentit, jotka määritellään datan näkemisen jälkeen ja jotka valitaan mielenkiintoisen eron vuoksi, ovat erityisen epäluotettavia. Ydinasia on määritellä kiinnostuksen kohteena olevat segmentit etukäteen, raportoida epävarmuus segmenttilukujen rinnalla ja käsitellä jälkikäteen tehtyjä segmenttilöydöksiä hypoteeseina, jotka vaativat erillisen vahvistuksen.

Operatiivisesti segmentit ovat arvokkaita vain, jos niihin voidaan reagoida. Segmentti, jota ei voida tunnistaa sitä kohdentavissa järjestelmissä, tai joka on liian pieni perustellakseen eriytettyä kohtelua, tai jonka jäsenyys muuttuu nopeammin kuin sen informoima aktiviteettisykli, tuottaa analyysin ilman seurauksia. Käytännön rajoitukset, kuten se, voidaanko segmentti rakentaa sähköpostialustalle, tunnistaako sivusto sen reaaliajassa ja omistaako kukaan tuloksena olevaa aktiviteettia, tulisi ottaa huomioon ennen segmentoinnin suunnittelua eikä sen jälkeen.

Segmentin vakaus on syytä ottaa huomioon suunnitteluvaiheessa, koska segmentteihin, joiden jäsenyys muuttuu nopeasti, on vaikea reagoida ja ne tuottavat hämmentäviä mittauksia. Viimeaikaisen käyttäytymisen perusteella määritelty segmentti voi menettää puolet jäsenistään kuukauden sisällä, mikä tarkoittaa, että siihen kohdistettu kampanja tavoittaa eri populaation kuin analysoidun populaation, ja sille raportoitu mittari vertaa eri ihmisiä jaksosta toiseen. Kun volatiliteetti on luontaista, kuten elinkaaren vaiheissa, asianmukainen vastaus on raportoida segmenttien välisiä virtoja segmenttien sisäisten tasojen sijaan, koska on informatiivisempaa tietää, kuinka monta asiakasta on siirtynyt aktiivisista vanhentuneisiin, kuin tietää, kuinka monta on tällä hetkellä kussakin osavaltiossa.

Käytännössä useimmat organisaatiot hyötyvät pienestä määrästä selkeästi määriteltyjä, vakaita segmenttejä, joita käytetään johdonmukaisesti raportoinnissa, markkinoinnissa ja tuotepäätöksissä, sen sijaan, että käytettäisiin monimutkaista kaavaa, joka on olemassa vain yhdessä analyysissä. Yhteisen määritelmän luominen on normaalia työtä organisaatioille. data-analytiikka toiminto, ja se on se, mikä mahdollistaa kasvun hallinta ja markkinointipalvelut suunnitella saman asiakaskuntanäkymän pohjalta sen sijaan, että jokainen ylläpitäisi omaa näkemystään.