Geleneksel segmentasyon bir hipotezle başlar: yirmi beş ile kırk yaş arası kadınlar, küçük işletme sahipleri, sepeti terk edenler. Bunlar kullanışlı etiketlerdir ancak aynı zamanda tahminlerdir; genellikle veriyi hiç görmemiş insanlar tarafından yazılan bir persona dokümanından miras kalırlar. AI kitle segmentasyonu bu süreci tersine çevirir. Bir modele kaydettiğiniz davranışları verirsiniz ve o da size verinin içinde gerçekten var olan grupları döndürür; bu gruplar genellikle çizmiş olabileceğiniz hiçbir demografik çizgiyle örtüşmez.
Sonuçlar genellikle rahatsız edicidir. Üzerinde çalıştığımız bir perakende hesabının marka sunumunda üç persona varken, satın alma verilerinde altı net davranışsal küme vardı ve en büyük küme hiçbir persona ile eşleşmiyordu. Bir diğeri, en değerli grubunun kim olduklarıyla değil, ne zaman satın aldıklarıyla tanımlandığını keşfetti: tüm demografileri kesen dar bir hafta içi sabahı aralığı. Bu içgörülerin hiçbiri bir paneli okuyan bir insan için erişilebilir değildi, çünkü her ikisi de tek bir özelliğin değil, değişkenler arasındaki etkileşimlerin sonucuydu.
AI kitle segmentasyonu niteliklerle değil, davranışla çalışır
Faydalı kümeler üreten girdiler neredeyse her zaman davranışsaldır: güncellik, sıklık, parasal değer, kategori karması, ilk satın alma süresi, indirim duyarlılığı, ilk temas kanalı, dönüşüm öncesi oturum derinliği. Demografik alanlar eklenebilir ancak bunlar genellikle ilginç olmayan nedenlerle kümelemeye hakim olur ve istediğiniz sinyali bastırır. Davranışsal başlayın, nitelikleri yalnızca ayrımı iyileştiriyorlarsa daha sonra ekleyin.
Pratikte bu, işin reklam platformunda değil, kendi veri ambarınızda veya CRM çıktınızda gerçekleştiği anlamına gelir. Platform kendi yüzeyinde ne olduğunu bilir. Kendi kayıtlarınız ise sonrasında ne olduğunu bilir ki değeri belirleyen kısım budur. Yalnızca reklam platformu sinyallerinden oluşturulan herhangi bir segmentasyon, tıklamayı üreten kanala karşı yanlı olacaktır.
Grup sayısını seçmek
Kümeleme algoritmaları size memnuniyetle üç grup veya otuz grup verecektir. Doğru sayı istatistiksel değil, operasyonel bir sorudur. Bir segment için farklı bir reklam, farklı bir teklif veya farklı bir açılış sayfası yazamıyorsanız, o segmentin var olmasına gerek yoktur. Uygulamada, orta ölçekli hesapların çoğu dört ila yedi kullanılabilir küme aralığında karar kılar. Bunun üzerinde, gruplar birbirine karışır ve kreatif ekibin söyleyecek gerçekten farklı bir şeyi kalmaz.
Bir şey inşa etmeden önce doğrulayın. Bir küme; farklı bir zaman aralığında tekrar çalıştırdığınızda kararlıysa, bir kampanyada ulaşılacak kadar büyükse ve sadece onu oluşturmak için kullanılan girdilerde değil, önemsediğiniz bir sonuçta farklılık gösteriyorsa gerçektir. Kararlılık testini geçemeyen kümeler genellikle bir promosyonun veya mevsimsel bir artışın eseridir.
Kümeleri hedefleyebileceğiniz bir şeye dönüştürmek
Bir küme, bir müşteri listesidir. Reklam platformları ya bu listenin eşleşen kitle olarak yüklenmesini ya da onu tanımlayan bir kural ister. Her iki yol da çalışır ve farklı hata modlarına sahiptir.
- Yüklenen listeler kesin üyelik sağlar ancak zamanla değer kaybeder: insanlar kümeler arasında geçiş yapar ve üç ayda bir yenilenen bir liste çeyrek sonunda hatalı hale gelir.
- Kural tabanlı yaklaşımlar güncel kalır ancak hassasiyetini kaybeder, çünkü bir platform yalnızca elinde tuttuğu değişkenleri görebilir.
- Bir kümeden benzer hedef kitle (lookalike) genişletmesi, küme davranışsal olarak belirgin olduğunda iyi, çoğunlukla bir boyut eseri olduğunda kötü çalışır.
- Sunucu taraflı kitle güncellemeleri, manuel dışa aktarma olmadan listeleri taze tutar ve üçten fazla segmentiniz olduğunda mühendislik süresine değer.
- Hariç tutma (suppression) genellikle hedeflemeden daha değerlidir: düşük değerli bir kümeyi hariç tutmak, genellikle yüksek değerli bir kümenin peşinden koşmaktan daha fazla verimlilik sağlar.
Bu son madde az kullanılmaktadır. Çoğu hesabın kolayca dönüşüm sağlayan, sık sık geri dönen ancak hizmet maliyeti katkısından fazla olan bir kümesi vardır. Bunu AI kitle segmentasyonu ile bulup ardından hedeflemeden hariç tutmak, toplam marj üzerinde ölçülebilir bir etkisi olan tek satırlık bir değişikliktir.
Her segmente farklı bir mesaj verin
Farklılaştırılmış kreatif içermeyen segmentasyon, aynı kampanyayı iki kez yürütmenin pahalı bir yoludur. Kümeler doğrulandıktan sonra bir sonraki görev, her birini sade bir dille tanımlamaktır: ne satın alıyorlar, ne zaman, neye yanıt veriyorlar, asla ne yapmıyorlar. Bu açıklama kreatif brief’tir. Eğer açıklamaların hepsi aynı okunuyorsa, kümeleriniz anlamlı değildir ve bir adım geri gitmelisiniz.
Genellikle segment başına bir paragraflık profil yazar ve bunu dahili olarak test ederiz: veriyi görmemiş birine verin ve o müşteriyi bir odadan seçip seçemeyeceğini sorun. Seçemiyorsa, segment henüz uygulanabilir değildir.
Bir takvim dahilinde tekrar çalıştırın
Müşteri tabanları kayar. Ocak ayında oluşturulan bir segmentasyon, özellikle bir fiyat değişikliği, yeni bir ürün grubu veya önemli bir kanal değişiminden sonra Ekim ayına gelindiğinde artık var olmayan bir işletmeyi tanımlar. Kümelemeyi üç ayda bir tekrar çalıştırın ve karşılaştırın: kararlı kümeler modeli doğrular; ayrılan veya birleşen kümeler ise genellikle gelir raporlarından önce işletmede bir şeylerin değiştiğini size söyler.
AI kitle segmentasyonunun stratejik değeri, daha iyi hedefleme parametreleri değildir. Bir atölye çalışmasının neye benzediklerine karar vermesinden ziyade, ne yaptıklarından yola çıkarak oluşturulmuş, müşterilerinizin aslında kim olduğuna dair daha doğru bir resimdir. Hedefleme, bu resimle yapacağınız ilk şeydir.
Okumaya devam edin: AI Advertising Optimization