Menedżerowie, którzy tworzą te bezużyteczne persony, popełniają pierwszy błąd już przy wyborze zmiennych, które tworzą podstawę persony.

Najczęściej wybierane zmienne nie tworzą person o znaczących różnicach w zachowaniach zakupowych lub użytkowych, ani nie pomagają w kategoryzacji klientów pod kątem ich przydatności dla firmy – większość menedżerów tworzy persony w oparciu o zmienne demograficzne (B2C) lub firmograficzne (B2B).

Firmy zdały sobie sprawę z tego, że persony stworzone na podstawie tych zmiennych nie wyodrębniają zróżnicowanych zachowań klientów ani nie pomagają w podejmowaniu decyzji cenowych, co powoduje, że persony są niedostatecznie wykorzystywane lub wręcz ignorowane.

Proces tworzenia person poprzez właściwą segmentację klientów rozpaczliwie wymaga ulepszenia.

Segmentacja klientów jest podstawą nowoczesnego marketingu

Segmentacja, Targetowanie i Pozycjonowanie (STP) są filarami nowoczesnego marketingu. Niestety, segmentacja jest jedną z najczęściej dyskutowanych, a jednocześnie niezrozumiałych i źle stosowanych koncepcji w całym marketingu. Podstawowa prawda jest taka, że Twoi klienci są heterogeniczni.

Klienci znajdują się w różnych sytuacjach, co prowadzi do różnych potrzeb i poziomów postrzeganej i realizowanej wartości z Twojego produktu SaaS. Jeśli spróbujesz zbudować jeden produkt dla wszystkich, jest bardzo mało prawdopodobne, że odniesiesz sukces.

Jeśli nie myślisz segmentami, nie myślisz wcale.
Theodore Levitt, Marketing Imagination

Istotą segmentacji klientów jest tworzenie ofert marketingowych i komunikacji dostosowanych do sytuacji każdego klienta, a jednocześnie pozwalających firmie na zarządzanie tymi zróżnicowanymi potrzebami w skalowalny sposób. Nie ma takiej firmy, która byłaby podobna do „przeciętnego klienta” we wszystkich wymiarach. Nie daj się uwieść swoim średnim wartościom.

Ten wpis nie będzie dotyczył Targetowania ani Pozycjonowania, ponieważ te zagadnienia pojawiają się później w procesie strategii cenowej i zasługują na obszerne omówienie.

Istnieje już zbyt wiele clickbaitowych postów na temat „Jak stworzyć profil idealnego klienta”, które próbują zawrzeć ten złożony temat w jednym poście. Nie martw się; dojdziemy jeszcze do tego.

Segmentacja klientów i wycena w modelu SaaS

Segmentacja jest podstawą wyceny w modelu SaaS i stanowi punkt wyjścia do opracowania solidnej strategii cenowej. Jednak większość firm koncentruje się na podejściu do segmentacji, które nie pozwala skutecznie zróżnicować klientów pod względem czynników zachęcających do zakupu ani sklasyfikować ich w sposób przydatny do podejmowania decyzji cenowych.

Jeśli chodzi o ustalanie cen, brak odpowiedniej segmentacji naraża na ryzyko utraty zysków, ponieważ nie można ustalać cen zgodnie z wartością, co powoduje zaniżanie cen dla niektórych segmentów i całkowitą utratę dla innych poprzez zawyżanie cen.

Najpierw, piwo

Aby lepiej zrozumieć, dlaczego segmentacja ma znaczenie dla ustalania cen, posłużmy się prostym przykładem. Większość moich klientów zaczyna myślenie o ustalaniu cen od rozważenia właściwego poziomu cen (tj. punktu cenowego). Jaka jest więc właściwa cena dla prostego, ukochanego dobra konsumpcyjnego – puszki piwa? 1$? $2? Okazuje się, że bez zastanowienia się najpierw nad segmentami klientów (i ich różnymi kontekstami), kończysz bez odpowiedzi, którą można by uzasadnić.

W sklepie spożywczym możesz kupić puszkę piwa za 1$, ale w barze ta sama puszka będzie kosztować 5$, a na festiwalu muzycznym 10$ lub więcej (chociaż wtedy może sprzedadzą ci większą puszkę, żebyś poczuł się lepiej ze swoim dużym zakupem)!

Co więc jest przyczyną tej różnicy cenowej? Należy wziąć pod uwagę kilka czynników – kontekst klienta, gotowość klienta do zapłaty (wynikającą z jego potrzeb) oraz odpowiednie alternatywy konkurencyjne. Zauważ, że w każdym z tych kontekstów jesteś tą samą osobą – odnoszącym sukcesy, 35-letnim CEO z Doliny Krzemowej z dwójką dzieci i dyplomem Stanford CS. (Zapomniałem dodać, że jesteś diabelnie przystojny, ale to już wiesz).

Jednak te osobiste szczegóły nie miały znaczenia dla ceny, jaką zapłaciłbyś w każdej z tych sytuacji.

Jestem pewien, że Twój produkt SaaS jest o wiele bardziej skomplikowany niż puszka piwa. Na tym prostym przykładzie możesz jednak zobaczyć, jak zagmatwana może stać się ta sytuacja, jeśli nie przemyślałeś różnych kontekstów swoich klientów, ich gotowości do zapłaty i odpowiednich alternatyw konkurencyjnych na długo przed omówieniem poziomów cen. Większość menedżerów SaaS uważa, że to, za co pobierasz opłaty, decyduje o Twoim sukcesie. W rzeczywistości to, kto płaci i jak to robi, decyduje o sukcesie.

Segmentacja jest pierwszym krokiem do sukcesu cenowego SaaS.

Wyzwania i cele segmentacji klientów

Więc, teraz gdy rozumiesz, dlaczego segmentacja jest tak ważna, możesz mieć kilka pytań przed przystąpieniem do działania. Naturalnie, podczas segmentacji klientów pojawia się kilka z nich:

1. Jakich zmiennych powinienem użyć?
2. Jak wąsko powinienem segmentować moich klientów?
3. Czy segmenty pozostaną stabilne w czasie? Czy będę musiał ponownie przeprowadzać segmentację?
4. Na ile moja segmentacja jest zrozumiała i użyteczna?

Odpowiedzi na te pytania są w dużym stopniu zależne zarówno od zmiennych bazowych wybranych do segmentacji, jak i od metody użytej do wyodrębnienia grup klientów. W tym wpisie skupię się na zmiennych bazowych, a w następnym przeanalizuję metody segmentacji.

Pięć kryteriów skutecznych segmentów

Ostatecznie, celem skutecznej segmentacji jest podzielenie rynku na grupy, które dzielą wspólne kryteria w ramach grupy, ale mają zróżnicowane zachowania zakupowe pomiędzy grupami. Przy określaniu, czy segmenty pochodne są „dobre”, należy kierować się następującymi kryteriami:

1. Identyfikowalność: Segmenty są rozpoznawalne na podstawie dostępnych, możliwych do zaobserwowania danych.

2. Zróżnicowanie: Istnieją widoczne różnice w reaktywności (tj. heterogeniczności) na marketing (w tym cenę) pomiędzy segmentami, ale jednorodna reaktywność w ramach jednego segmentu.

3. Żywotność: Segment jest wystarczająco duży, aby uzasadnić uwagę firmy (np. obecna ilość potencjalnych klientów, korzyści ekonomiczne, potencjał przyszłego wzrostu), a firma spodziewa się, że segment będzie stabilny w czasie.

4. Czytelność: Segment ma intuicyjny sens dla interesariuszy biznesowych poza modelami matematycznymi. Wskazówka: Dobrym testem na to jest poproszenie zespołu sprzedaży o zidentyfikowanie swoich klientów według Twojego schematu segmentacji.

5. Osiągalność: Segmenty dołączone do danych profilujących są osiągalne i pozwalają na zróżnicowane działania. Używając wcześniejszego przykładu piwa, różnica w cenie pomiędzy sklepem spożywczym a festiwalem muzycznym jest rzędu wielkości, ponieważ istnieje bariera cenowa (i zazwyczaj fizyczna) uniemożliwiająca uczestnikom festiwalu muzycznego bieganie do sklepu spożywczego pomiędzy koncertami.

Kategorie zmiennych wykorzystywanych do segmentacji klientów

Istotne jest, aby wybrać zmienne, które są stabilne w czasie i napędzają różnice w zachowaniach zakupowych. Jednak menedżerowie mają do czynienia z wieloma atrybutami, które mogą wykorzystać do segmentacji, z których najczęstsze to słabe wskaźniki gotowości do zapłaty i prawdopodobieństwa zakupu.

Aby zmniejszyć złożoność tej decyzji, chcemy stworzyć ramy, które pozwolą zrozumieć możliwe zmienne i jak spośród nich wybierać.

Wedel i Kamakura nakreślili poręczną metodę kategoryzacji danych, którą wykorzystam tutaj, aby nadać sens dostępnym wyborom zmiennych:

Klienci nie są ślepo konsekwentni w zachowaniach zakupowych w różnych kategoriach produktów.

To zróżnicowane zachowanie jest jeszcze bardziej widoczne w kontekście B2B, gdzie różne działy (a więc i różne osoby) mogą być odpowiedzialne za zakup różnych produktów. Ponadto, rozproszenie uprawnień do zakupu stało się bardziej istotne wraz z przejściem na SaaS, ponieważ decyzje o zakupie lub wdrożeniu nie są już podejmowane przez scentralizowanego decydenta CIO/IT.

2. Zmienne obserwowalne vs. zmienne nieobserwowalne: Są to zmienne dotyczące klientów, które można określić zewnętrznie za pomocą źródeł zewnętrznych (np. Crunchbase, Pitchbook, CIA Factbook) w przeciwieństwie do tych, które wymagają badań pierwotnych lub bezpośredniej walidacji.

Poniższa tabela przedstawia najczęściej używane zmienne do segmentacji klientów B2B ułożone kategoriami. Na końcu postu zamieściłem słowniczek definicji dla niektórych mniej znanych zmiennych. Niektóre dane mogą obejmować lub zmieniać kategorie w zależności od produktu lub sytuacji, ale ogólnie rzecz biorąc, będzie to miało zastosowanie w tej dyskusji.

Możliwe zmienne segmentacji podzielone na kategorie

Decyzja, które dane wykorzystać: pięć pytań

Aby rozważyć wybory zmiennych względem siebie, menedżerowie powinni wziąć pod uwagę pięć następujących kryteriów:

• Czy zmienna tworzy segmenty, które odpowiadają naszym „Kryteriom skutecznych segmentów” przedstawionym powyżej?
• Czy zmienna jest istotna dla danego zadania (np. podejmowania decyzji cenowych)?
• Czy zmienna jest dobrze zdefiniowana? Innymi słowy, czy istnieje szeroki konsensus co do znaczenia i poziomów?
• Czy dane są dostępne?
• Ile kosztuje pozyskanie danych?

Niestety…

Wiele firm decyduje się na zmienne, które nie spełniają powyższych kryteriów, co skutkuje słabą segmentacją (i wspomnianymi bezużytecznymi personami). Zmienne te obejmują dane firmowe (geograficzne, wielkość firmy i jej strukturę), dane psychograficzne, wartości, zwyczaje medialne, postawy wobec technologii i źródła informacji.

Wiele badań wykazało, że zmienne te słabo sprawdzają się w tworzeniu segmentów, które spełniają nasze kryteria skutecznych segmentów, a zatem nie dadzą wartościowych wyników.

Na szczęście…

Najbardziej krytycznymi i wartościowymi zmiennymi dla segmentacji w kontekście ustalania cen są:

1. Sytuacje
2. Motywacje
3. Ból/przeszkody/bariery
4. Pożądane rezultaty/korzyści
5. Intencje i oczekiwania dotyczące zachowania

Dla tych, którzy znają termin Jobs-to-be-done (JTBD), powyższa lista może być rozpoznawalna. Jobs-to-be-Done jest doskonałym narzędziem segmentacji cenowej.

W pewnym momencie napiszę szczegółowe posty na temat dwóch podstawowych książek o JTBD (Competing Against Luck i What Customers Want), ale na razie polecę Ci te książki, jeśli chcesz zrozumieć JTBD bardziej szczegółowo.

Uważam, że skupienie się Tony’ego Ulwicka na wynikach klienta jest najbardziej przydatne w segmentacji cenowej, ponieważ liczne badania wykazały, że wartość klienta jest jednym z najbardziej solidnych aspektów, według których można segmentować klientów.

Zachęcam do skupienia się na wynikach, a nie na potrzebach lub korzyściach klienta, ponieważ, jak zauważa Ulwick w książce „What customers want”, „potrzeby”, „wymagania” i „rozwiązania” są zazwyczaj zbyt słabo zdefiniowane, aby można je było wykorzystać jako dane wejściowe do procesu.

Stwierdzenia dotyczące korzyści, takie jak „szybciej”, „łatwiej”, „lepiej” czy „taniej” mogą oznaczać drastycznie różne rzeczy w zależności od klienta i kontekstu. Wreszcie, wyniki klientów są zazwyczaj stabilne w czasie, spełniając jedno z naszych kluczowych kryteriów skutecznych segmentów.

Problem

Celowo pominąłem kilka zmiennych, których można by się spodziewać. W szczególności, dane behawioralne (np. dane dotyczące użytkowania produktu), preferencje dotyczące cech oraz gotowość do zapłaty. Zmienne te są problematyczne, przynajmniej w początkowej segmentacji klientów, z różnych powodów.

Dane behawioralne

Istnieje kilka wyzwań związanych z próbą zastosowania danych użytkowania do segmentacji w kontekście cenowym. Po pierwsze, jeśli przeprowadzisz badania cenowe przed zbudowaniem produktu SaaS (a powinieneś), nie będziesz miał żadnych danych dotyczących użytkowania, które mógłbyś wykorzystać. Jeśli oceniasz ceny dla istniejącego produktu, Twój obecny model cenowy może wpływać na wykorzystanie produktu w niejasny sposób.

Ta tendencyjność jest symptomem większego problemu – Twoje dane dotyczące użytkowania powiedzą Ci „Co się stało?” zamiast „Co powinienem zrobić?”.

Dla zobrazowania posłużmy się innym prostym przykładem: Moja firma energetyczna, Austin Energy, obecnie obciąża mnie za pomocą standardowego rozliczenia za media. Płacę więcej w systemie progresywnym za każdą kilowatogodzinę (kWh) zużytej przeze mnie energii.

Jeśli Austin Energy rozważa zmianę modelu naliczania opłat na model ryczałtowy, może wziąć pod uwagę moje zużycie energii w przeszłości, aby określić, ile energii mogę zużyć w przyszłości.

Jednak przejście na model ryczałtowy w porównaniu z modelem użytkowania zmieni moje zachowanie. Ustawię mój termostat na 20 stopni w teksaskie lato, ponieważ nie ma znaczenia, ile zużyję energii elektrycznej. W skrócie, Austin Energy nie przyda się wskaźnik mojego przyszłego zachowania na podstawie przeszłego wykorzystania produktu.

Należy używać danych behawioralnych tylko po to, aby pomóc potwierdzić wyniki uzyskane dzięki pierwotnej segmentacji opartej na rezultatach. Dane o użytkowaniu są tylko przybliżeniem pożądanych wyników i jest mało prawdopodobne, abyś znalazł w swoim produkcie jasną linię pomiędzy rozbieżnymi potrzebami klientów a wykorzystaniem jednej lub więcej funkcji.

Preferencje dotyczące cech

Cechy, podobnie jak zastosowanie, są tylko przybliżeniem oczekiwanych korzyści klienta. Pojawia się poważny problem, kiedy prosimy uczestników o uszeregowanie cech w kolejności. Poszczególni uczestnicy muszą rozumieć Twój produkt i kontekst jego użytkowania na tyle dobrze, aby szybko przełożyć daną cechę na ich korzyść.

Ten etap tłumaczenia z pewnością wpłynie negatywnie wyniki Twoich badań, ponieważ polegasz na ludziach, którzy nie mają żadnego kontekstu związanego z Twoim produktem, aby dokonać tego tłumaczenia perfekcyjnie.

Proszenie uczestników o takie tłumaczenie ma niskie prawdopodobieństwo sukcesu.
Pytanie o preferencje dotyczące cech może się sprawdzić w przypadku produktów o wysokim stopniu zaawansowania i cech, które uczestnicy znają. Jednak w przypadku większości firm SaaS wdrażających innowacyjne funkcje, jest mało prawdopodobne, że otrzymane dane będą wiarygodne.

Jako przykład, wyobraź sobie, że kupujesz aparat cyfrowy. Zaczynasz porównywać modele i widzisz, że lepsze aparaty mają więcej megapikseli. To jest cecha, prawda? Czy nie jest to użyteczne porównanie cech? Tak, w tym przypadku, ale to tylko dlatego, że przemysł aparatów cyfrowych poświęcił mnóstwo czasu i pieniędzy na edukowanie klientów, że megapiksele przekładają się na wyższą jakość obrazu.

„Lepsza jakość obrazu” jest tutaj prawdziwą korzyścią. Klienci mogą wykonać ten krok tłumaczenia w swoich głowach podczas porównywania modeli tylko z powodu tej wcześniej istniejącej wiedzy.

A co z kontrprzykładem? Twój nowy produkt ma być najlepszy w swojej klasie na rozwijającym się, niszowym rynku. Jedną z cech definiujących Twój produkt jest więcej dibelkrakenów (nie googluj tego, wymyśliłem to) niż jakakolwiek konkurencja. Jeśli zapytasz swoich potencjalnych klientów: „Jak ważne są dibelkrakeny w porównaniu z innymi cechami?”, otrzymasz bezsensowne dane. Twoi klienci nie mają wcześniejszej wiedzy na temat dibelkrakenów i nie mogą przełożyć tej cechy na oczekiwaną korzyść.

Gotowość do zapłaty

Na późniejszym etapie, gotowość do zapłaty może być pomocnym narzędziem do dodatkowej segmentacji. Jednakże, pojawia się tu problem jak pytanie z kurą i jajkiem: nie można uzyskać jasnej odpowiedzi na temat gotowości do zapłaty, dopóki nie zrozumie się i nie przekaże odbiorcom korzyści płynących z rozwiązania.

Jeśli wciąż próbujesz dowiedzieć się, na czym zależy różnym segmentom poprzez wyniki, jesteś w sytuacji, w której trudno jest przedstawić spójną definicję wartości, jaką zapewnia Twój produkt. Gotowość do zapłaty jako podstawowa zmienna segmentacji ma podobne problemy jak bezpośrednie pytanie o preferencje dotyczące cech.

Podsumowanie użyteczności kategorii zmiennych

Wiem, że pojawiło się tu sporo nowych informacji. Dlatego stworzyłem tabelę, aby wizualnie przedstawić przydatność zmiennych kategorii w testach opisanych wcześniej.

Zielony = wysoka przydatność; żółty = umiarkowana przydatność; czerwony = niska przydatność. Zauważ, że kolumna Koszt jest odwrócona, więc „niski koszt” jest zielony, a „wysoki koszt” jest czerwony

Wnioski:

1. Zmienne specyficzne dla produktu są lepsze niż zmienne ogólne.

2. Koszt pozyskania danych jest wyższy dla cech nieobserwowalnych niż dla cech obserwowalnych (jak można by się spodziewać).

3. „Zmienne ogólne, nieobserwowalne” są nieprzydatne dla naszych celów. Nie polecam stosowania ich do segmentacji.

4. „Zmienne ogólne, obserwowalne” nie są pomocne w segmentacji pierwotnej. Jednak te zmienne mogą być później korzystne dla tworzenia person klientów i powinny być włączone do procesu badawczego, abyś mógł je wykorzystać na końcu procesu (więcej na ten temat w następnym poście).

5. Najlepsze dane do segmentacji leżą w kategorii „specyficzne dla produktu, nieobserwowalne” – ale oczywiście ich uzyskanie będzie kosztowało najwięcej.
Skoro już wytłumaczyłem zmienne, które leżą u podstaw metod segmentacji, w następnym poście skupię się na samych metodach. W przyszłych dyskusjach będziemy dalej omawiać, co zrobić z danymi, które zbierasz.

Dodatek: Definicje wybranych zmiennych

Intencje behawioralne: Stopień, w jakim osoba sformułowała celowe plany wykonania lub niewykonania danego zachowania.

Oczekiwania dotyczące zachowania: Miara postrzeganego przez jednostkę prawdopodobieństwa wykonania działania (np. zakupu/użycia produktu).

Korzyści: Korzyści, których ludzie poszukują w produktach.

Elastyczność: Względna zmiana popytu w odpowiedzi na względną jednostkową zmianę instrumentu marketingowego (głównie ceny). Są one trudne do zmierzenia i nie są spójne w różnych kategoriach cenowych dla jednego nabywcy.

Psychografia: Jakościowy podział postaw, opinii, przekonań, zainteresowań i stylów życia klienta.

Postawy związane z przyjęciem technologii: Wiążą się z teoriami na temat sposobu rozprzestrzeniania się innowacji na rynku. Rozprzestrzenianie odbywa się w kolejnych etapach w różnych typach klientów, zwykle oznaczanych jako 1) innowatorzy, 2) pierwsi klienci, 3) wczesna większość, 4) późna większość i wreszcie 5) opóźnieni.