שימוש בפלח דיוור אחיד שמכונה ”חברי היקב“ או ”ידידי מועדון היין“ מדכא את המעורבות בשיעור של עד 73% בהשוואה לפלחים המוגדרים על בסיס התנהגותי—משום שרלוונטיות, לא נפח, היא המניע לביצועי דיוור. פלח אחיד מערבב בין רוכשים בכל שלב במערכת היחסים שלהם עם היקב: חברים חדשים הזקוקים להכוונה, תומכים נאמנים המגיבים לבלעדיות, וחברים בסיכון הזקוקים לתמריץ לחידוש מעורבות. שליחת אותה הודעה לשלוש הקבוצות אינה מותאמת לאף אחת מהן, וקנס המעורבות מצטבר עם כל שליחה.
מסד נתוני הלקוחות שלכם מכיל עשרות פלחים התנהגותיים נבדלים.
הפילוח הידני שלכם מזהה רק קומץ קבוצות דמוגרפיות.
הפער הזה מייצג את ההכנסה שאתם משאירים על השולחן.
בעיית העיוורון לפילוח
רוב היקבים הפרימיום מפלחים לקוחות באותו אופן שבו עשו זאת במשך עשרות שנים: ”חברי/ידידי היקב“ (קבוצה ענקית אחת), ”רוכשים בעבר“ (כל מי שקנה משהו אי פעם), ”מנויי דיוור“ (אנשים שפתחו משהו פעם אחת), ו”מבקרי חדר הטעימות“ (כל מי שהגיע).
התוויות הדמוגרפיות האלה מספרות לכם מהיכן הגיעו הלקוחות. הן לא מספרות לכם מה הם יעשו הלאה.
מה למידת מכונה באמת מגלה
כאשר מיישמים פילוח מבוסס למידת מכונה על נתוני לקוחות של יקב, מתגלים דפוסים התנהגותיים שפילוח דמוגרפי לעולם לא חושף.
דוגמה 1 למיקרו-פלח
”גולשים בערבי סוף שבוע שמוסיפים לעגלה ואז נוטשים, ממירים באופן עקבי כאשר הם מקבלים הודעת תזכורת 3-4 ימים לאחר מכן.“
הפלח הנוכחי שלכם: ”מנויי דיוור“. מה שאתם מפספסים: חלונות תזמון מדויקים, דפוסי נטישת עגלה, טריגרים להמרה.
דוגמה 2 למיקרו-פלח
”רוכשים בדיוק פעמיים בשנה, תמיד זני פינו נואר, לחלוטין לא רגישים למחיר, לעולם לא מתערבים בתוכן שיווקי או באירועים.“
הפלח הנוכחי שלכם: ”חברי מועדון היין“. מה שאתם מפספסים: צפיות רכישה, העדפות מגוון, חוסר תועלת במעורבות.
דוגמה 3 למיקרו-פלח
”מעורבות תוכן גבוהה והשתתפות באירועים, תדירות רכישה נמוכה ביותר, מונעים באופן בלעדי על ידי אותות בלעדיות ומסרים של זמינות מוגבלת.“
הפלח הנוכחי שלכם: ”מנויי דיוור“. מה שאתם מפספסים: מעורבות אינה מנבאת רכישה; בלעדיות מפעילה המרה.
דוגמה 4 למיקרו-פלח
”קבוצות משפחתיות הרוכשות בעת ביקור בחדר הטעימות, לעולם אינן מצטרפות לחברות במועדון היין, רוכשות באופן עקבי 3-4 בקבוקים ברבעון דרך הערוץ המקוון.“
הפלח הנוכחי שלכם: ”מבקרי חדר הטעימות“. מה שאתם מפספסים: דפוס המרה מחוויה פיזית למקוונת, קצב רכישה רבעוני צפוי.
פער הביצועים
פלחים שהתגלו באמצעות למידת מכונה מציגים מעורבות גבוהה משמעותית לעומת פלחים דמוגרפיים ידניים. זה לא שיפור שולי. זה ההבדל בין ניחוש התנהגות לקוחות לבין חיזוי שלה.
השינוי האמיתי
זה לא עניין של תחכום טכנולוגי. זה עניין של להבין סוף סוף מי הלקוחות שלכם באמת.
פילוח ידני מקבץ לקוחות לפי מאפיינים. למידת מכונה מפלחת לקוחות לפי התנהגויות: מתי הם גולשים, מה מפעיל המרה, לאילו הודעות הם מתעלמים, וכיצד הרכישות שלהם מתפתחות.
כמה פלחים התנהגותיים נבדלים מסתתרים בנתוני הלקוחות שלכם כרגע? מסד הנתונים שלכם מכיל דפוסי רכישה, מסלולי מעורבות, טריגרים להמרה וחלונות תזמון שפילוח דמוגרפי לעולם לא יחשוף.
