การแบ่งกลุ่มลูกค้า (Customer Segmentation) ช่วยให้นักการตลาดสามารถวางกลยุทธ์ด้านการเสนอสินค้าหรือบริการ ข้อความ อารมณ์และช่องทางการสื่อสาร รวมถึงองค์ประกอบอื่น ๆ ทางด้านการตลาดให้แก่กลุ่มลูกค้าแต่ละกลุ่มได้อย่างตรงจุดมากขึ้น
วิธีการแบ่งกลุ่มลูกค้า
สามารถแบ่งได้เป็น 2 ประเภทใหญ่ ๆ ได้แก่
1. การแบ่งกลุ่มลูกค้าแบบมีกฎเกณฑ์ (Rule-based segmentation)
วิธีนี้ จะเริ่มจากการตั้งกฎขึ้นมาก่อนว่าเราต้องการวิเคราะห์กลุ่มลูกค้าที่มีลักษณะอย่างไรบ้าง โดยเป็นลักษณะที่สามารถบ่งชี้ได้ชัดเจน เช่น การแบ่งกลุ่มลูกค้าตามอาชีพ ตามกลุ่มอายุ ฯลฯ
แบบจำลองการแบ่งกลุ่มลูกค้าวิธีนี้ ที่เป็นที่รู้จักกันดี ได้แก่ RFM (Recency, Frequency, Monetary) นั่นคือ การกำหนดขั้น (Tier) ของแต่ละมิติตามความเหมาะสมของแต่ละธุรกิจ และมีเกณฑ์ที่ระบุได้ชัดเจนในแต่ละขั้น ซึ่งปกติจะอยู่ที่ 3-5 ขั้นในแต่ละมิติ
ตัวอย่างการกำหนดเกณฑ์สำรหับแต่ละขั้น (5 ขั้นในแต่ละมิติ)
สุดท้ายแล้ว นักการตลาดจะไม่ได้วางกลยุทธ์สำหรับทุก Segment (เช่น 125 segment) หากแต่จะรวบกลุ่มที่มีความใกล้เคียงกันมาไว้ด้วยกัน เพื่อดูขนาดของกลุ่มแต่ละกลุ่ม และวางกลยุทธ์สำหรับกลุ่มเหล่านั้น
ตัวอย่างผลลัพธ์แบบจำลอง RFM ที่นักการตลาดนำไปใช้
ซึ่งพฤติกรรมของลูกค้าที่อยู่ในแต่ละกลุ่มก็แตกต่างกันไป การวางกลยุทธ์สำหรับลูกค้าแต่ละกลุ่มก็จะแตกต่างกันด้วย เช่น
2. การแบ่งกลุ่มลูกค้าแบบไม่มีโครงสร้าง (Unstructured segmentation)
เป็นวิธีการแบ่งกลุ่มลูกค้าที่เราไม่สามารถทราบจำนวน และลักษณะของกลุ่มลูกค้าก่อนการแบ่ง หากแต่สิ่งที่เราทำได้ คือการเลือกตัวแปรที่คาดว่าน่าจะมีความสำคัญในการแบ่งกลุ่มลูกค้า และให้แบบจำลองจะประมวลผลว่าตัวแปรแต่ละตัวมีความสามารถในการแบ่งกลุ่ม (Differentiation power) สูง หรือต่ำเพียงใด
ตัวแปรที่เราเลือกมาใช้ในการแบ่งกลุ่ม สามารถเป็นได้ทั้งตัวแปรมาตรวัดอันดับ (Ordinal, Scale) มาตรวัดนามบัญญัติ (Nominal) และมาตรวัดแบบช่วง (Interval)
เทคนิคที่มักนิยมใช้ในการแบ่งกลุ่มลูกค้า เช่น K-Mean Clustering (แบ่งกลุ่มโดยใช้ตัวแปรมาตรวัดอันดับ), K-Mode Clustering (แบ่งกลุ่มโดยใช้ตัวแปรนามบัญญัติ), Grower’s Distance (การแบ่งกลุ่มโดยใช้ตัวแปรหลายประเภทพร้อม ๆ กัน)
ตัวอย่างผลของการแบ่งกลุ่มลูกค้าแบบไม่มีโครงสร้างของผู้จำหน่ายเครื่องดื่มเพื่อสุขภาพระดับพรีเมี่ยม (ข้อมูลสมมุติ)
จะเห็นได้ว่าตัวแปรที่ใช้ในการแบ่งกลุ่มจะมีหลากหลายประเภท (แบบนามบัญญัติ, แบบจัดอันดับ, แบบช่วง) โดยก่อนการประมวลผล เราจะยังไม่ทราบแน่ชัด ว่าสุดท้ายแล้ว ตัวแปรตัวใดที่มีความสามารถในการแบ่งกลุ่ม (Differentiation power) สูงกว่ากัน (ซึ่งจะต่างกับ RFM Model ที่ยกตัวอย่างไป เพราะกรณีนั้น เราทราบอยู่แล้วว่าตัวแปรในการแบ่งกลุ่มคือ Recency, Frequency, Monetary)
จากตัวอย่างข้างต้น เป็นไปได้ว่าทางผู้จำหน่าย อาจเลือกทำกลยุทธ์กับกลุ่ม “สุขภาพยืนหนึ่ง” ก่อน เพราะมีลักษณะของการรักสุขภาพ และยอมจ่ายเพื่อคุณภาพอย่างชัดเจน แม้สัดส่วนของลูกค้าในตลาดจะไม่ได้สูงที่สุดก็ตาม (25%) รองลงมา อาจจะเป็นกลุ่ม “ว่าไงว่ากัน” ที่อายุค่อนข้างน้อย โดยจากพฤติกรรมแล้ว จะเห็นได้ว่าการใช้สื่อ Social media และ Word of Mouth จะเป็นช่องทางที่มีประสิทธิภาพมากที่สุดในการสื่อสาร
การนำผลการวิเคราะห์แบ่งกลุ่มลูกค้าไปใช้ประโยชน์
ผลของการแบ่งกลุ่มลูกค้า มีทั้งแบบที่ 1 คนอยู่ได้เพียง 1 กลุ่ม และ 1 คนอยู่ได้หลายกลุ่ม ในกรณีที่กลุ่มตัวอย่างมากพอ ซึ่งการแบ่งกลุ่มแบบนี้เรียกว่า Spectral clustering
นักการตลาดสามารถวางกลยุทธ์สำหรับลูกค้าแต่ละกลุ่มได้ชัดแจนและตรงจุด นอกจากนี้ นักวิเคราะห์ข้อมูลเอง สามารถสร้างแบบจำลองใหม่ (เช่น Discriminant model) ขึ้นมา จากกลุ่มตัวอย่างที่ใช้ประมวลผลการแบ่งกลุ่ม เพื่อที่จะสามารถพยากรณ์ว่าลูกค้าใหม่ที่มีลักษณะเดียวกัน จะอยู่ในกลุ่มไหนอีกด้วย
