رفتارشناسی مشتری با مدل NLRFMP، از داده خام تا تصمیم بازاریابی هوشمند
15 ساعت پیش
0
هر فروشگاه اینترنتی با یک واقعیت ساده روبهروست، همه مشتریان یکسان رفتار نمیکنند. برخی ماهی یک بار خرید میکنند، برخی سالی یک بار، برخی فقط در فصل تخفیف فعال میشوند و برخی پس از اولین خرید دیگر برنمیگردند. رفتارشناسی مشتری علمی است که این تفاوتها را از دل دادههای واقعی خرید بیرون میکشد و به کسبوکار میگوید هر مشتری دقیقاً کجای مسیر رابطه با برند ایستاده است. در این مقاله با مفهوم رفتارشناسی مشتری، روش بخشبندی مشتریان و مدل پیشرفته NLRFMP آشنا میشویم و میبینیم پلتفرم بینا چگونه این تحلیل را بهصورت خودکار و بدون نیاز به هیچ ابزار جانبی در اختیار فروشگاهها میگذارد.
رفتارشناسی مشتری چیست؟
رفتارشناسی مشتری یعنی مطالعه منظم اقدامات واقعی مشتری در تعامل با فروشگاه، از اولین ثبتنام تا آخرین خرید. برخلاف شناخت دموگرافیک (سن، جنسیت و محل سکونت) که میگوید مشتری «که» است، رفتارشناسی میگوید مشتری «چه میکند» و «به کدام سمت در حرکت است».
در نگاه رفتاری، سه پرسش کلیدی همیشه مطرح است:
- تازگی، آخرین بار کِی از ما خرید کرده است؟
- تکرار، چقدر از ما خرید کرده و با چه فاصلهای؟
- ارزش، در مجموع چقدر برای ما هزینه کرده است؟
پاسخ این سه پرسش، پایه تمام تصمیمهای بازاریابی مشتریمحور است، از اینکه بودجه تخفیف را به چه کسی بدهیم تا اینکه پیامک بازگردانی را برای چه کسی بفرستیم.
از مدل RFM تا NLRFMP، چرا بخشبندی مشتریان به مدل کامل نیاز دارد
مدل کلاسیک RFM با سه بعد تازگی خرید (Recency)، تکرار خرید (Frequency) و ارزش مالی (Monetary) امتیازدهی مشتریان را متحول کرد. اما RFM یک نقطه کور مهم داشت، طول رابطه مشتری با برند را نمیدید. مشتریای که دو سال است عضو است و اخیراً خریدی نداشته، با مشتریای که هفته پیش ثبتنام کرده و هنوز خریدی نداشته، یکسان دیده میشد، در حالی که این دو کاملاً متفاوتاند.
برای رفع این مشکل، بعد طول ارتباط (Length) به مدل اضافه شد و مدل LRFM متولد گردید. سپس دو بعد دیگر نیز برای دقت بیشتر افزوده شد و مدل کامل NLRFMP شکل گرفت که امروز در پلتفرم بینا بهصورت خودکار پیادهسازی شده است. اگر مایلید تاریخچه و جزئیات تئوری مدلها را عمیقتر بخوانید، مقالات تحلیل مدل NLRFMP برای دستهبندی مشتریان و مدلهای مختلف RFM برای دستهبندی مشتریان را از دست ندهید. اگر هم هنوز با مفهوم پایه آشنا نیستید، مدل RFM چیست و چه تاثیری در فروش دارد؟ نقطه شروع مناسبی برای شماست.
شش بُعد مدل NLRFMP به زبان ساده
در این مدل، هر مشتری روی شش بعد رفتاری سنجیده میشود و در هر بعد امتیازی بین ۱ تا ۵ میگیرد. نکته کلیدی این است که همیشه عدد ۱ یعنی بهترین وضعیت و عدد ۵ یعنی ضعیفترین. امتیازها نسبی هستند و نسبت به رفتار کل جمعیت مشتریان همان سایت محاسبه میشوند، یعنی مشتری همیشه با بازار واقعی خودش مقایسه میشود.
| بُعد | چه چیزی را میسنجد؟ |
|---|---|
| N، تعداد | تعداد کل فاکتورهای خرید مشتری، هرچه بیشتر، امتیاز نزدیک به ۱ |
| L، طول ارتباط | قدمت عضویت مشتری، قدیمیترین اعضا امتیاز ۱ میگیرند و تازهواردان عدد بالاتر |
| R، تازگی | فاصله روزهای گذشته از آخرین خرید، خریدِ تازهتر یعنی امتیاز ۱ |
| F، تناوب | دفعات مراجعه و تعامل، پرترددترین مشتریان امتیاز ۱ میگیرند |
| M، مبلغ | ارزش مالی کل خریدها، بزرگترین خریداران امتیاز ۱ میگیرند |
| P، دوره | میانگین فاصله روزهای بین خریدها، ریتم منظم خرید یعنی امتیاز ۱ |
در پایان، شش امتیاز جزئی با هم ترکیب میشوند و یک امتیاز کلی رفتاری از ۰ تا ۱۰۰ به دست میآید که هرچه بالاتر باشد، وضعیت مشتری بهتر است.
سگمنتهای رفتاری، هر امتیاز یک پیام روشن
قدرت واقعی مدل، جایی است که اعداد به گروههای معنادار تبدیل میشوند. پلتفرم بینا هر مشتری را بهصورت خودکار در یکی از سگمنتهای چرخه عمر قرار میدهد:
| سگمنت | نشانه رفتاری و اقدام پیشنهادی |
|---|---|
| قهرمان | خرید اخیر، تکرار و مبلغ بالا، باید قدر دانسته شود و به سفیر برند تبدیل گردد |
| وفادار | تناوب خرید بالا، کاندیدای دسترسی زودهنگام و باشگاه مشتری |
| خریدار یکباره بزرگ | مبلغ بالا اما تعداد فاکتور کم، باید با پیشنهاد مکمل به خریدار تکرارشو تبدیل شود |
| جدید و اخیر | خرید تازه اما سابقه کم، پیام خوشآمد و مشوق خرید دوم حیاتی است |
| امیدبخش | شروع خوب اما هنوز ناپایدار، نیاز به تقویت عادت خرید |
| در معرض ریسک | قبلاً فعال بوده اما خریدهایش دور شده، کاندیدای اصلی کمپین بازگردانی |
| خفته و ازدسترفته | مدت طولانی بدون خرید، فقط کمپین بیدارسازی قوی میتواند او را برگرداند |
| مشتری عمومی | میانبردها، نیازمند تحلیل دقیقتر برای رشد |
سرنخ سرد، سرنخ گرم و سبد رهاشده
مدل NLRFMP فقط خریداران را دستهبندی نمیکند، بلکه رفتار کسانی که هنوز خریدی نکردهاند را نیز معنادار میکند:
- سرنخ گرم، کاربرانی که بهتازگی عضو شدهاند و هنوز خریدی نداشتهاند، فرصت طلایی اولین فروش است و باید سریع غنیمت شمرده شود.
- سرنخ سرد، حسابهای قدیمی بدون هیچ خریدی، نیازمند پیشنهاد جذاب شکستنکننده تردید هستند.
- سبد رهاشده، کاربرانی که نیت خرید داشتهاند اما در میانه راه رها کردهاند، یکی از پرتبدیلترین سگمنتها برای یادآوری هوشمند.
توانایی پلتفرم بینا در رفتارشناسی مشتری
بزرگترین تفاوت بینا با یک مقاله تئوری، این است که تمام این مدل بهصورت خودکار، زنده و درون خود پنل مدیریت اجرا میشود. مهمترین توانمندیها عبارتاند از:
- محاسبه خودکار امتیازها، پس از هر خرید و رویداد رفتاری، شش امتیاز و امتیاز کلی هر مشتری بدون هیچ کار دستی بهروزرسانی میشود.
- سنجش نسبی هوشمند، امتیازها نسبت به جمعیت واقعی مشتریان خودِ فروشگاه محاسبه میشوند، نه با معیارهای کلیشهای جهانی.
- گزارش تحلیل رفتار مشتری در پنل، فهرست کامل مشتریان با فیلتر بر اساس سگمنت و چرخه عمر، و صفحه جزئیات هر مشتری با ابعاد خام، امتیازها و وضعیت سگمنت.
- تاریخچه تغییر سگمنت، سیستم ثبت میکند هر مشتری از کدام گروه به کدام گروه منتقل شده و امتیازش چقدر تغییر کرده است. این یعنی شما نه فقط وضعیت امروز، بلکه جهت حرکت مشتری را هم میبینید، در حال بهبود است یا در حال افت.
- خروجی داده برای تیم مارکتینگ، هر بازه زمانی قابل استخراج و تحلیل است.
- اتصال مستقیم به اقدام بازاریابی، مهمترین مزیت بینا این است که سگمنتها فقط گزارش نیستند، میتوان بر اساس آنها پروموشن هدفمند ساخت، قانون تخفیف هوشمند سبد خرید تعریف کرد، تریگر رویدادهایی مانند فرصت خرید مجدد یا تغییر سگمنت تنظیم کرد و پیامک، امتیاز باشگاه مشتری یا کیف پول را دقیقاً به همان گروه خاص تزریق کرد.
- پلیبوکهای آماده، برای هر سیگنال رفتاری، تاکتیکهای اجرایی داخل سایت و خارج سایت (از پیام خوشآمد برای خرید دوم تا کمپین بازگردانی سگمنت در معرض ریسک) از پیش طراحی شدهاند.
سه سناریوی عملی از قدرت مدل
سناریوی یک، نجات مشتری در حال ریزش، مشتریای با چهار فاکتور خرید در سه ماه گذشته، ناگهان امتیاز تازگیاش بدتر میشود و سیستم او را به سگمنت در معرض ریسک منتقل میکند. تاریخچه تغییرات این جابهجایی را ثبت میکند و تیم فروش میتواند بلافاصله با یک پیشنهاد بازگشتی هدفمند، پیش از خفته شدن کامل، او را برگرداند.
سناریوی دو، شکوفا کردن سرنخ گرم، گروهی از کاربران که این ماه ثبتنام کردهاند و هنوز خریدی نداشتهاند، بهعنوان سرنخ گرم شناسایی میشوند. یک کوپن خوشآمدگویی با محدودیت زمانی برای همین گروه ارسال میشود و نرخ تبدیل ثبتنام به اولین خرید جهش میکند.
سناریوی سه، تبدیل خریدار یکباره بزرگ به مشتری دائمی، مشتریای که یک خرید سنگین داشته اما فاکتور دومش نیامده، در سگمنت خریدار یکباره بزرگ دیده میشود. معرفی محصولات مکمل و امتیاز باشگاه مشتری، مسیر او را به سمت تکرار خرید هموار میکند.
پرسشهای متداول درباره رفتارشناسی مشتری و مدل NLRFMP
مدل NLRFMP چیست؟
مدل NLRFMP نسخه تکمیلشده مدل RFM است که رفتار مشتری را در شش بعد تعداد خرید، طول ارتباط، تازگی، تناوب، مبلغ و دوره بین خریدها امتیازدهی میکند و برای هر مشتری امتیاز کلی رفتاری از ۰ تا ۱۰۰ میسازد.
تفاوت مدل NLRFMP با مدل RFM کلاسیک چیست؟
مدل RFM فقط تازگی، تکرار و ارزش مالی را میسنجد، اما NLRFMP با افزودن طول ارتباط مشتری، تعداد کل فاکتورها و دوره تناوب خرید، تصویر دقیقتری از چرخه عمر مشتری ارائه میکند.
سگمنت مشتری در معرض ریسک به چه معناست؟
مشتری در معرض ریسک قبلاً فعال بوده اما از آخرین خرید او زمان زیادی گذشته است. این گروه کاندیدای اصلی کمپینهای بازگردانی و پیشنهادهای هدفمند است و اگر نادیده گرفته شود، به سگمنت خفته و ازدسترفته منتقل میشود.
پلتفرم بینا چگونه رفتارشناسی مشتری را خودکار میکند؟
پلتفرم بینا امتیازهای ششگانه و سگمنت هر مشتری را پس از هر خرید بهصورت خودکار بهروزرسانی میکند، تاریخچه تغییر سگمنت را ثبت میکند و امکان اتصال سگمنتها به پروموشن، تخفیف هوشمند سبد خرید و پیامک هدفمند را فراهم میسازد.
چکلیست اجرایی برای شروع
- گزارش تحلیل رفتار مشتری را در پنل باز کنید و توزیع سگمنتها را ببینید.
- حجم سگمنت در معرض ریسک و خفته را نسبت به کل مشتریان بررسی کنید.
- برای هر سگمنت کلیدی یک اقدام مشخص تعریف کنید، نه یک پیام برای همه.
- تاریخچه تغییر سگمنتها را ماهانه مرور کنید تا جهت حرکت مشتریان را ببینید.
- پس از هر کمپین، بازگشت مشتریان به سگمنتهای بهتر را بهعنوان معیار موفقیت بسنجید.
جمعبندی
رفتارشناسی مشتری با مدل NLRFMP، تصویر مبهم «مشتریان ما» را به نقشهای دقیق از گروههای زنده و متحرک تبدیل میکند. هر مشتری یک امتیاز ششبعدی، یک جایگاه در چرخه عمر و یک جهت حرکت مشخص دارد. پلتفرم بینا این چرخه را کامل بسته است، از محاسبه خودکار امتیازها و سگمنتبندی زنده تا اتصال مستقیم هر سگمنت به ابزارهای اقدام مانند پروموشن، تخفیف هوشمند، تریگر رویداد و پیام هدفمند. نتیجه، بازاریابیای است که بهجای حدس زدن، بر پایه رفتار واقعی مشتری تصمیم میگیرد و هر ریال بودجه بازاریابی را به گروه درست میرساند.








