พูดถึงการทำ Segmentation ในการตลาด อย่างแรกที่จะนึกถึงคือลักษณะข้อมูลของลูกค้าว่ามีอะไรบ้าง ไม่ว่าจะเป็นอายุ เพศ อาชีพ ฯลฯ แจกแจงปัจจัยต่างๆออกมา แบ่งกลุ่มกันว่า ปัจจัยข้อมูลที่มีนั้น ทำให้เรามีกลุ่มลูกค้าอะไรบ้าง ในแต่ละกลุ่มมีกันอยู่กี่คน มีกำลังซื้อเท่าไหร่ มีลักษณะพิเศษอย่างไรที่ต่างจากกลุ่มอื่นๆบ้าง
แต่ก่อนที่เราจะแบ่งกลุ่ม อย่างน้อยเราต้องเข้าใจข้อมูลที่จะใช้แบ่งกลุ่มลูกค้าหรือตลาดก่อน ซึ่งก็หนีไม่พ้นข้อมูลอยู่ 3 แบบหลักๆ
1. ข้อมูลแบบ Demographics
ซึ่งก็คืออายุ เพศ ที่อยู่ การศึกษา รายได้ สถานะความสัมพันธ์ ข้อมูลแบบนี้มีความสำคัญเวลาหาสินค้าที่คิดว่าจะเป็นที่สนใจของลูกค้าแต่ละคน
ยกตัวอย่างเช่น พวกผลิตภัณฑ์ทางการเงิน (เงินกู้ กองทุน ประกัน ฯลฯ) ก็ต้องหาลูกค้าโดยแบ่งกลุ่มลูกค้าตามวงจรชีวิต (Life Cycle) ซึ่งก็ไม่ได้ดูแค่อายุของลูกค้าเพียงอย่างเดียว แต่ดูสถานะความสัมพันธ์ จำนวนลูก อาชีพ ฯลฯ ปัจจัยบางอย่างเป็นตัวทำนายคนี่จะมาซื้อสินค้าเราได้ดี เช่นอายุเป็นปัจจัยที่ดีมาก เวลาทำนายว่าใครจะซื้อสินค้าจำพวกเทคโนโลยี หรือรายได้ภายในครอบครัวก็สามารถสะท้อนกำลังซื้อได้
ข้อมูลแบบ Demographics มักจะไม่ค่อยเปลี่ยน ฉะนั้นข้อมูลแบบนี้จะมีความสำคัญทันทีถ้าหากมีการเปลี่ยนแปลง เพราะถ้าปัจจัยหนึ่งเปลี่ยน หลายๆปัจจัยก็เปลี่ยนตามไปด้วย ยกตัวอย่างเช่นถ้าเกิดลูกค้าเปลี่ยนที่อยู่ไปอยู่ในย่านที่มีความเจริญมากกว่า ลูกค้าก็ต้องซื้อของกินของใช้ที่มีราคาแพงกว่า อาจจะต้องซื้ออุปกรณ์สร้างบ้าน เฟอร์นิเจอร์ ของตกแต่งบ้านและสวน ฯลฯ
ฉะนั้นหากข้อมูลพวกอายุ ที่อยู่ รายได้ การศึกษา สถานภาพการสมรส เปลี่ยนแปลงไป เป็นหน้าที่เราที่ต้องคอยตามพฤติกรรมการเลือกดูและซ้อสินค้าของลูกค้าคนนั้นอย่างใกล้ชิด
2. ข้อมูลพฤติกรรมของลูกค้า
หมายถึงกิจกรรมทุกอย่างที่ลูกค้าทำ เช่นลูกค้าซื้อของอย่างไรและใช้งานอย่างไร? เปิดดูเว็บไซต์แล้วไปดูตรงไหนบ้าง? ฯลฯ ข้อมูลเชิงพฤติกรรมจะอัพเดท เปลี่ยนไปเปลี่ยนมาเร็วมาก (และละทำนายล่วงหน้าได้แม่นกว่าข้อมูลแบบอื่นของลูกค้า) ขึ้นอยู่กับความต้องการของลูกค้าและวิถีชีวิตที่เปลี่ยนไป เช่นถ้าลูกค้าเกิดซื้อมือถือใหม่จากค่ายโทรคมนาคมอื่น ก็มีแนวโน้มว่าลูกค้าคนนั้นอาจจะใช้บริการสัญญาณมือถือของค่ายเดิมน้อยลงอย่างเห็นได้ชัด (หรือแค่โทรออกน้อยลงก็สามารถทำนายได้เช่นกัน)
เราเก็บข้อมูลเชิงพฤติกรรมของลูกค้าได้ไม่ยากด้วย Analytics Tools ทั่วไป ทำให้เก็บข้อมูลพฤติกรรมลูกค้าได้นาทีต่อนาที เก็บได้เยอะ เก็บได้แม่นยำ แต่ข้อเสียคือเรารู้แค่ว่าลูกค้าทำอะไรบ้าง แต่จะไม่มีทางรู้เลยว่าลูกค้าทำไปทำไม? อะไรเป็นแรงจูงใจให้ลูกค้าทำกิจกรรมอย่างใดอย่างหนึ่ง
3. ข้อมูลเชิงทัศนคติและสไตล์การใช้ชีวิต
ไม่ว่าจะเป็นความเชื่อ คุณค่าที่ลูกค้ายึดถือ รวมถึงงานดิเรกและความสนใจที่ลูกค้ามี ข้อมูลพวกนี้สำคัญสำหรับนักทำโฆษณาและคนทำคอนเทนต์ว่าจะสื่อสารอย่างไรและใช้น้ำเสียงอย่างไรดี
แต่ข้อมูลแบบนี้ไม่ได้มาง่ายๆ ต้องลงพื้นที่สำรวจทำแบบสอบถามหรือขอสัมภาษณ์ลูกค้าเป็นเรื่องเป็นราว ลูกค้าที่ให้ความเห็นก็เป็นแค่ตัวแทนของลูกค้าที่เรามีอยู่ทั้งหมด จึงไม่สามารถเอาข้อมูลดังกล่างไปพัฒนาเป็นโมเดลทำนายผลลัพธ์ทางการตลาดได้ดีนัก
แต่ถึงอย่างนั้น เราสามารถเอาข้อมูลดังกล่าวไปทำ Segmentation ได้ ไปวางแผนต่อได้ว่าจะทำการตลาดให้เข้าถึงแต่ละ Segment ที่มีทัศนคติและวิถีชีวิตที่แตกต่างกันได้อย่างไร
และทั้งหมดก็คือลักษณะของลูกค้าที่เราควรเข้าใจไว้ เรา ซึ่งข้อมูลพวกนี้เราสามารถเอาไปใช้ประโยชน์ในการทำการตลาดดิจิทัลกันเป็นปรกติอยู่แล้ว เช่นการยิงโฆษณา Facebook โดยระบุค่า Behavior, Interest หรือ Demographics ไป ส่วน Google แม้จะเน้นไปทางด้านการใช้ Keyword แต่ก็ยังมีค่า Affinity ให้เราได้ลองเล่นดูครับ
แหล่งอ้างอิง: Predictive Analytics for Marketers: Using Data Mining for Business Advantage โดย Barry Leventhal
