Engage

बिहेव्हियरल सेगमेंटेशन म्हणजे काय? व्हेन्यू मार्केटर्ससाठी एक मार्गदर्शिका

बिहेव्हियरल सेगमेंटेशन म्हणजे काय? व्हेन्यूज संबंधित ऑफर्स पाठवण्यासाठी आणि परिणामांचे मोजमाप करण्यासाठी भेटी, खर्च आणि सर्वेक्षणातील उत्तरांनुसार पाहुण्यांचे गट कसे करतात ते जाणून घ्या.

What is behavioral segmentation? a venue Marketer's guide

वर्तनात्मक विभाजन (Behavioral segmentation) हे पाहुण्यांचे त्यांच्या अशा कृतींवरून वर्गीकरण करते ज्या तुम्ही पाहू शकता, जसे की ते किती वेळा भेट देतात, किती खर्च करतात आणि सर्वेक्षणाला कसा प्रतिसाद देतात. Attentive साठी CITE Research च्या सर्वेक्षणा नुसार, 3,300 ग्राहकांच्या 2025 च्या एका सर्वेक्षणात असे आढळून आले की 71% लोकांनी सांगितले की ब्रँड्सनी काळानुरूप त्यांच्या खरेदीच्या सवयींमधून शिकायला हवे.

अनेक व्हेन्यू मॅनेजर्सकडे नावांनी भरलेला डेटाबेस असतो, सर्वांना जाणारे एक वृत्तपत्र असते, आणि कोणते पाहुणे ते वाचतात किंवा परत येतात याबद्दल फारशी कल्पना नसते. ते बारच्या पलीकडून नियमित ग्राहकांना ओळखू शकतात, तरीही त्यांच्या मार्केटिंग नोंदींमध्ये त्यांना ओळखताना अडचण येते.

अनेकदा माहितीचे तुकडे असणे ही समस्या असते. एक कॅश काउंटर खरेदीची नोंद ठेवतो, एक बुकिंग प्रणाली आरक्षणांची नोंद ठेवते, आणि एक WiFi पोर्टल भेटींची नोंद ठेवते. जेव्हा हे सिग्नल्स वेगवेगळे असतात, तेव्हा पाहुण्यांचे पॅटर्न समजणे किंवा कोणती कृती तपासायची हे ठरवणे अधिक कठीण होते.

अनुक्रमणिका

एखाद्या व्हेन्यूसाठी वर्तणूकविषयक वर्गीकरणाचा (behavioral segmentation) अर्थ काय आहे

बिहेव्हियरल सेगमेंट हा पाहुण्यांचा असा गट असतो जो तुम्ही तुमच्या रेकॉर्डमध्ये दाखवू शकता अशा कृतींद्वारे परिभाषित केला जातो. Wikipedia वरील मार्केट सेगमेंटेशन संदर्भ या पद्धतीचे वर्णन ग्राहकांचे वय, उत्पन्न, ठिकाण किंवा इतर वर्णनात्मक वैशिष्ट्यांच्या आधारे न करता त्यांच्याकडून दिसणाऱ्या कृती किंवा प्रतिसादांवरून वर्गीकरण करणे असे करतो, ज्यामध्ये खरेदीची वारंवारता, खर्चाची पातळी, ब्रँड निष्ठा, संवादाची वारंवारता आणि प्रोमोशन्सना मिळणारा प्रतिसाद यांसारखे ठराविक व्हेरिएबल्स समाविष्ट असतात.

हा विचार अनेकांच्या कल्पनेपेक्षा जुना आहे. Wendell R. Smith यांनी 1956 मध्ये Journal of Marketing मध्ये "Product Differentiation and Market Segmentation as Alternative Marketing Strategies" प्रकाशित केले, ज्यामध्ये त्यांनी असा युक्तिवाद केला की एका विषम बाजारपेठेला वेगवेगळ्या पसंती असलेल्या लहान, तुलनेने एकसंध गटांच्या रूपात हाताळले जाऊ शकते. तो मास मार्केटिंगपासूनचा फारकत घेणारा क्षण होता. तेव्हापासून घडलेली प्रत्येक गोष्ट कोणते फरक महत्त्वाचे आहेत याबद्दलचा युक्तिवाद राहिली आहे.

एका अशा बार मॅनेजरचा विचार करा जी मंगळवारच्या गर्दीला त्यांच्या नेहमीच्या ऑर्डरवरून ओळखते. तिला त्यांच्या पिनकोडची गरज नसते. कोपऱ्यातील व्यक्ती गिनीज पितो आणि नऊच्या आधी निघून जातो, आणि सात वाजता येऊन जेवणाची ऑर्डर देणारा चार जणांचा गट तिला चांगला ठाऊक असतो. ती त्यांना अधिक चांगली सेवा देते कारण ती लोकसंख्याविषयक माहिती नव्हे, तर वर्तनाचा अंदाज घेत असते.

डेमोग्राफिक सेगमेंटेशन (लोकसंख्याशास्त्रीय वर्गीकरण) पाहुण्यांची वय, उत्पन्न किंवा पिनकोडनुसार वर्गवारी करते आणि नंतर असे गृहीत धरते की त्या चौकटीतील प्रत्येकाला एकच गोष्ट हवी आहे. एकाच रस्त्यावरील दोन 34 वर्षांच्या व्यक्तींपैकी एक दर पंधरवड्याला मोठा खर्च करणारा आणि दुसरा वर्षातून एकदाच भेट देणारा असू शकतो. ती चौकट तुम्हाला गुरुवारी त्यांना काय पाठवायचे याबद्दल काहीही उपयुक्त माहिती देत नाही.

वर्तणूक-आधारित आवृत्ती अशा प्रकारे ऑपरेशनल असते जी डेमोग्राफिक्स क्वचितच असतात. प्रत्येक गट हा एका नोंदवलेल्या इव्हेंटशी (भेट, बुकिंग, रिडीम केलेली ऑफर, पूर्ण केलेले सर्वेक्षण) जोडलेला असल्यामुळे, एखादा सेगमेंट माणसाने प्रत्येक केसचा स्वतंत्र निर्णय न घेताही मेसेज, ऑफर किंवा फॉलो-अप ट्रिगर करू शकतो. नुकतीच भेट देणारे, वारंवार खर्च करणारे, भेट देणे थांबवलेले नियमित ग्राहक, बुकिंग करणारे ग्राहक आणि एखाद्या ऑफरला प्रतिसाद देणारे पाहुणे हे सर्व असे गट आहेत जे तुमच्याकडे आधीपासून असलेल्या डेटावरून तुम्ही आजच परिभाषित करू शकता.

एखाद्या ठिकाणासाठी वर्तणुकीविषयक सेगमेंटेशन (behavioral segmentation) स्पष्ट करणारी आकृती, ज्यामध्ये भेटीची वारंवारता, खर्च, रिडीम केलेल्या ऑफर्स आणि फीडबॅकच्या श्रेणी दर्शवल्या आहेत.

आधार लोकसंख्याशास्त्रीय वर्गीकरण (Demographic segmentation) वर्तणूक वर्गीकरण (Behavioral segmentation)
यामध्ये काय वापरले जाते वय, उत्पन्न, पिनकोड भेटी, खरेदी, बुकिंग, सर्वेक्षणातील उत्तरे
उदाहरणादाखल गट तीन मैलांच्या आत राहणारे 25 ते 34 वयोगटातील अतिथी मागील 30 दिवसांत तीन वेळा भेट देणारे अतिथी
बदल कधी होतो जेव्हा एखादा अतिथी स्थलांतरित होतो किंवा त्याचे वय वाढते जेव्हा एखादा अतिथी भेट देतो, खर्च करतो किंवा भेट देणे थांबवतो
संदेश ट्रिगर करू शकतो का फार क्वचितच, कारण हे व्यक्ती कोण आहे याचे वर्णन करते होय, कारण हे नोंदवलेल्या घटनेशी जोडलेले असते

प्रत्येक सेगमेंट एका प्रश्नाचे उत्तर देतो: या पाहुण्याने काय केले आहे आणि आपण पुढे काय केले पाहिजे? जर तुम्ही या दोन्ही भागांचे उत्तर देऊ शकत नसाल, तर तुम्ही फक्त फॅन्सी नाव असलेली मेलिंग लिस्ट तयार केली आहे. ज्या जागा प्रत्यक्ष अनुभव योग्यरित्या देतात त्यांना हे आधीच उपजत समजते, म्हणूनच एक चांगला क्राफ्ट बिअर पब त्याच्या स्प्रेडशीटऐवजी त्याच्या वातावरणाचा अंदाज घेतो.

प्रत्येक सेगमेंटमागील पाहुण्यांचे सिग्नल्स

एखादा सेगमेंट त्याला मिळणाऱ्या सिग्नल्सइतकाच चांगला असतो. मशिन लर्निंगमधील डायनॅमिक सेगमेंटेशनवरील संशोधन कार्यकारण लॉजिक स्पष्टपणे मांडते: भूतकाळातील वर्तन हा वर्तमान हेतूचा पुरावा असतो. रिसन्सी कमी होणारे एंगेजमेंट कॅप्चर करते, फ्रिक्वेन्सी सवयीच्या तीव्रतेचा अंदाज लावते, आणि मॉनेटरी व्हॅल्यू आर्थिक क्षमता दर्शवते.

हे तिन्ही घटक मुख्य आधार आहेत. बाकी सर्व काही संदर्भ आहे.

मागील 45 दिवसांत न आलेला पाहुणा, गेल्या महिन्यात तीन वेळा आलेल्या पाहुण्यापेक्षा वेगळा संकेत देत असतो. ज्या पाहुण्याचा सरासरी खर्च तुमच्या सर्वोच्च डेसाइलमध्ये (top decile) आहे, तो फक्त कॉफी विकत घेऊन निघून जाणाऱ्या पाहुण्यापेक्षा एक वेगळा व्यावसायिक प्रस्ताव असतो. यापैकी कोणतेही सत्य तुम्हाला काय बोलायचे हे सांगत नाही. एकत्रितपणे ते तुम्हाला हे कोणाला सांगायचे आहे ते सांगतात.

सिग्नल हे काय मोजते ठिकाणाचे उदाहरण हे का महत्त्वाचे आहे
नुकतीच झालेली भेट (Recency) शेवटच्या भेटीपासून किंवा खरेदीपासून उलटलेले दिवस ठरावीक दिवसांपासून पाहुण्याने भेट दिलेली नाही सहभाग कमी होत आहे का ते दर्शवते
वारंवारता (Frequency) ठरावीक कालावधीतील भेटी किंवा ऑर्डर्स मागील 90 दिवसांत तीन किंवा त्याहून अधिक भेटी सवयीचे प्रमाण दर्शवते
आर्थिक मूल्य (Monetary value) एकूण किंवा सरासरी खर्च ठरावीक मर्यादेपेक्षा जास्त सरासरी खर्च आर्थिक क्षमता दर्शवते
टॅग्स कर्मचारी किंवा नियमांद्वारे नोंदीमध्ये जोडले जाणारे लेबल्स VIP, ॲलर्जीची नोंद, खाजगी भोजनाची आवड कॅश रजिस्टरमध्ये उपलब्ध नसलेला संदर्भ जोडते
सर्वेक्षणातील उत्तरे नमूद केलेली प्राधान्ये आणि अभिप्राय शाकाहारी मेनूला प्राधान्य देते आवडीनुसार जुळणाऱ्या सामग्रीला समर्थन देते
बुकिंग आणि मुक्कामाचा इतिहास आरक्षण, चेक-इन, रूम नाइट्स सहा जणांच्या पार्टीसाठी बुकिंग केले पण कधीच आले नाहीत एका व्यवहारापलीकडील हेतू दर्शवते
WiFi भेटी ठिकाणाच्या नेटवर्कवर साइन-इन केवळ आठवड्याच्या कामकाजाच्या दिवशी पुन्हा भेट देते खरेदी न करणाऱ्या पाहुण्यांची पाऊलसंख्या नोंदवते

निश्चित मर्यादा (fixed thresholds) कुठे चुकतात

एकदा नियम सेट केला की तो चुकीची माहिती देऊ लागतो. हंगामी बदल, प्रमोशन्स आणि नवीन मेनू या सर्वांमुळे 'सामान्य' काय आहे याची व्याख्या बदलते. नाताळमधील गर्दी अचानक वाढलेली निष्ठा वाटते. शांत ऑगस्ट महिन्यामध्ये मोठ्या प्रमाणावर ग्राहक कमी झाल्यासारखे वाटते. पाहुण्यांनी तुमच्यासोबतचे संबंध बदललेले नसतात. कॅलेंडरने बदललेले असतात.

नियम कायमस्वरूपी मानण्याऐवजी प्रत्येक रीफ्रेश अंतरावर ते पुन्हा तपासणे हा यावर उपाय आहे. Purple Engage भेटी, खर्च, टॅग्ज आणि सर्व्हे प्रतिसादांवर सेगमेंट्स तयार करते जे सुमारे एका मिनिटात रीफ्रेश होतात, जेणेकरून आज दुपारी बुक करणारा पाहुणा पुढील मेसेज पाठवण्यापूर्वी विन-बॅक नियमासाठी अपात्र ठरतो.

व्यावहारिक नियम: पाहुण्याला एखाद्या सेगमेंटमध्ये नेणाऱ्या अचूक इव्हेंटचे नाव जर तुम्ही सांगू शकत नसाल, तर तो सिग्नल कारवाई करण्यासाठी अत्यंत अस्पष्ट आहे.

सिग्नलची उद्दिष्टाशी सांगड घाला. रिसन्सीमुळे विन-बॅक चालना मिळते. फ्रिक्वेन्सीमुळे लॉयल्टी रेकग्निशन वाढते. खर्चामुळे प्रीमियम आमंत्रणे चालवली जातात. सर्वेक्षण उत्तरांमुळे पाहुण्यांना काय वाचायचे आहे हे प्रतिबिंबित करणारा आशय चालवला जातो. चारही कामे करण्याचा प्रयत्न करणारा एकच सेगमेंट त्यापैकी कोणतेही काम चांगल्या प्रकारे करू शकणार नाही. तो डेटा एकाच ठिकाणी आणण्याचे मेकॅनिक्स first-party data for venues या मार्गदर्शकामध्ये समाविष्ट केले आहेत.

सेगमेंट कसा तयार केला जातो, रिफ्रेश केला जातो आणि टेस्ट केला जातो

माहिती प्रणाली संशोधनातील वर्गीकरण पद्धतींचे पुनरावलोकन हे दर्शवते की वर्गीकरण केवळ तेव्हाच विश्लेषणात्मकदृष्ट्या मौल्यवान बनते जेव्हा ते टार्गेटिंगशी जोडलेले असते आणि त्याचे मोजमाप काउंटरफॅक्च्युअलशी (counterfactual) तुलना करून केले जाते. हा शब्द सर्वात महत्त्वाचा आहे. काउंटरफॅक्च्युअल म्हणजे अशी व्यक्ती जी अगदी तुमच्या टार्गेटसारखीच होती पण तिला काहीही मिळाले नाही.

तुम्ही समर्थन करू शकाल असा सेगमेंट तयार करणारा क्रम येथे दिला आहे.

  1. माहिती गोळा करा आणि जुळवा. Tills, बुकिंग्ज, WiFi साइन-इन्स, फॉर्म्स आणि स्टे (मुक्काम) यांमधून इव्हेंट रेकॉर्ड्स मिळवा, नंतर ईमेलद्वारे ते एकाच अतिथीशी जुळवा. डुप्लिकेट रेकॉर्ड्स पुढील सर्व कामांमध्ये अडथळा आणतात, म्हणून कोणताही नियम तयार करण्यापूर्वी ओळख स्पष्ट करा (resolve identity).

  2. इतिहासाचे मोजता येण्याजोग्या घटकांमध्ये (features) रूपांतर करा. प्रत्येक अतिथीचे रेकॉर्ड मोजमाप करता येणाऱ्या मूल्यांमध्ये रूपांतरित करा: शेवटच्या भेटीनंतरचे दिवस, ठरावीक कालावधीतील भेटी, सरासरी खर्च, भेटींमधील वेळ. तुम्ही तुलना करू शकाल अशा संख्या, नोट्स फील्डमधील मजकूर नाही.

  3. डेटाच्या स्वरूपानुसार पद्धत निवडा. 105 सेगमेंटेशन प्रकाशनांच्या पुनरावलोकनात असे आढळले की k-means ही विविध युज केसेसमध्ये सर्वाधिक वापरली जाणारी पद्धत आहे, परंतु ती कॉम्पॅक्ट, डिस्टन्स-आधारित क्लस्टर्स गृहीत धरते आणि त्यासाठी तुम्हाला गटांची संख्या निवडावी लागते. त्यामुळे जेव्हा अतिथींचे वर्तन तुरळक (sparse), विषम (skewed), हंगामी (seasonal) किंवा सातत्याने बदलणारे असते, तेव्हा ही पद्धत योग्य ठरत नाही. 90 दिवसांत तीन भेटी यांसारख्या नियमांवर आधारित मर्यादा (rule-based thresholds) व्यवस्थापकाला समजावून सांगणे सोपे असते. गॉसियन-मिक्स्चर मॉडेल्स (Gaussian-mixture models) अशा अतिथींसाठी उपयुक्त ठरतात जे दोन गटांच्या मध्ये येतात. डेन्सिटी-आधारित किंवा हायरार्किकल पद्धती अनियमित आणि बदलणाऱ्या सीमा हाताळू शकतात.

  4. खर्च नॉर्मलाइझ करा आणि मर्यादित करा. एकाच मोठ्या पार्टी बुकिंगमुळे सरासरीमध्ये इतका बदल होऊ शकतो की संपूर्ण क्लस्टर भरकटू शकते. ग्रुपिंग करण्यापूर्वी आर्थिक व्हेरिएबल्स नॉर्मलाइझ करा आणि टोकाची मूल्ये (extreme values) मर्यादित (cap) करा.

  5. कार्यप्रणालीचे नियम (operating rules) तयार करा. प्रत्येक सेगमेंटसाठी एक कृती, एक पात्रता नियम, रिफ्रेश करण्याचा कालावधी आणि वगळण्याचे लॉजिक (exclusion logic) आवश्यक असते. दुरावलेल्या उच्च-मूल्य अतिथींसाठीच्या विन-बॅक मोहिमेतून ज्यांनी या आठवड्यात खरेदी केली आहे अशा प्रत्येकाला वगळले पाहिजे, अन्यथा तुमच्या सर्वोत्तम ग्राहकांना सवलतीची वाट पाहण्याची सवय लागेल.

  6. कंट्रोल ग्रुप बाजूला ठेवा. प्रत्येक सेगमेंटमधील पात्र अतिथींना यादृच्छिकपणे (randomly) बाजूला ठेवा आणि त्यांना कोणताही संदेश पाठवू नका. तुमच्या संदेशामुळे काही फरक पडला की नाही हे जाणून घेण्याचा हा एकमेव मार्ग आहे.

  7. तुलना करा आणि एका रेंजसह अहवाल द्या. संपर्क साधलेला गट आणि बाजूला ठेवलेला गट यांच्यातील भेटी किंवा खर्च यातील फरकाचे मोजमाप अनिश्चिततेसह (uncertainty) करा.

मार्केटिंगसाठी ग्राहकांच्या वर्तणुकीचे सेगमेंट तयार करणे, स्वच्छ करणे, गट करणे, रीफ्रेश करणे आणि तपासणे या पाच पायऱ्या दर्शवणारा एक फ्लोचार्ट.

सेगमेंटेशन पद्धत निवडणे

पद्धत ती अतिथींचे ग्रुपिंग कशी करते सर्वात योग्य
नियमांवर आधारित मर्यादा (Rule-based thresholds) 90 दिवसांत तीन भेटी यासारखे स्पष्ट नियम समजावून सांगण्यास सोपे, परंतु हंगामानुसार वर्तन बदलल्यावर परिणामकारक ठरत नाही
K-means क्लस्टरिंग अतिथींना अंतराच्या आधारे निवडलेल्या क्लस्टर्सच्या संख्येत गटबद्ध करते प्रकाशित कामांमध्ये सर्वात सामान्य, फक्त कॉम्पॅक्ट क्लस्टर्ससाठी योग्य
गॉसियन मिक्स्चर मॉडेल्स (Gaussian mixture models) प्रत्येक गटाला संभाव्यता-आधारित (probabilistic) सदस्यत्व नियुक्त करते दोन सेगमेंटच्या मध्ये असलेल्या अतिथींना हाताळते
डेन्सिटी-आधारित किंवा हायरार्किकल पद्धती अनियमित गट आणि बदलणाऱ्या सीमा शोधून काढते तुरळक (sparse), विषम (skewed) किंवा हंगामी वर्तनासाठी योग्य

ओपन रेट आणि क्लिक्स व्यस्ततेचे वर्णन करतात. ते सेगमेंटमुळे अतिरिक्त भेटी झाल्याचे सिद्ध करत नाहीत. कोणत्याही मोजमाप करण्यायोग्य फुटफॉलशिवाय 45% ओपन रेट म्हणजे अशी मोहीम ज्याने अशा लोकांपर्यंत पोहोच साधली जे कसेही आलेच असते.

जेव्हा संपर्क साधलेला गट अनिश्चिततेच्या मार्जिनपेक्षा जास्त फरकाने वगळलेल्या (held-out) गटाला मागे टाकतो, तेव्हा तो सेगमेंट प्रभावीपणे काम करत असतो.

रेस्टॉरंट्स, हॉटेल्स आणि रिटेलसाठी विभागांची उदाहरणे

3,000 पाहुण्यांचे रेकॉर्ड असलेल्या आणि पावसाळी मंगळवारी कोणाला ईमेल पाठवायचा याची कोणतीही कल्पना नसलेल्या रेस्टॉरंटचे उदाहरण घ्या. लॅप्स झालेले नियमित ग्राहक म्हणजेच 90 दिवसांत तीन किंवा त्यापेक्षा जास्त भेटी, पण मागील 45 दिवसांत एकही भेट नाही, अशी व्याख्या करा. या आठवड्यात बुकिंग केलेल्या कोणत्याही व्यक्तीला वगळा, जेणेकरून आधीच परत येत असलेल्या पाहुण्यांपर्यंत विन-बॅक ऑफर पोहोचणार नाही. पात्र गटातील यादृच्छिक दहावा भाग बाजूला ठेवा आणि त्यांना काहीही पाठवू नका.

आता त्या ऑफरला एक निकाल जोडलेला असतो. संपर्क साधलेला गट जर वगळलेल्या गटापेक्षा लक्षणीयरीत्या जास्त दराने परत आला, तर त्या नियमाचे महत्त्व सिद्ध होते. जर तसे झाले नाही, तर तुम्ही न देण्याची आवश्यकता असलेली सवलत स्वतःसाठी वाचवली आहे.

एका बारमध्ये हेच लॉजिक वेगळ्या पद्धतीने चालवले जाते. त्याचा पॅटर्न खर्च नसून सवय हा असतो: 60 दिवसांत चार किंवा अधिक वीकनाइट भेटी इव्हेंट्सचा अर्ली ॲक्सेस मिळवून देतात, जे साप्ताहिक रीफ्रेश केले जाते. एका दुकानाला त्याच्या सर्वोत्तम ग्राहकांसाठी डिस्काउंटच्या उलट हवे असते. गेल्या सहा महिन्यांतील खर्चातील सर्वोच्च 20% ग्राहकांना नवीन रेंजचा प्रिव्ह्यू मिळतो, कारण तुमच्या सर्वात महत्त्वाच्या खरेदीदारांना सूट दिल्यास त्यांना प्रतीक्षा करण्याची सवय लागते.

हॉटेल्सना एका अतिरिक्त शिस्तीची आवश्यकता असते. सेगमेंट्स प्रति मालमत्ता (per property) चालवा, जेणेकरून तुमच्या मॅंचेस्टर हॉटेलमध्ये राहणाऱ्या पाहुण्याला तुमच्या लंडनच्या हॉटेलची जाहिरात मिळणार नाही. Purple Engage अशा प्रकारे रचना करण्याची शिफारस करते, आणि हीच समर्पकता आणि त्यांना ते कोणत्या इमारतीत आहेत हे तुम्हाला माहिती नाही याची आठवण करून देणे यामधील फरक ठरवते.

स्थळाचा प्रकार विभाग नियम कृती रिफ्रेश
रेस्टॉरंट येणे बंद झालेले नियमित ग्राहक 90 दिवसांत तीन किंवा अधिक भेटी, गेल्या 45 दिवसांत एकही नाही नियंत्रित (held-back) गटासह विन-बॅक ऑफर दररोज
बार आठवड्याच्या कामाच्या दिवसांतील नियमित ग्राहक 60 दिवसांत चार किंवा अधिक आठवड्याच्या रात्री भेटी इव्हेंट्ससाठी सुरुवातीचा ॲक्सेस साप्ताहिक
कॅफे पहिल्यांदा भेट देणारे ग्राहक गेल्या 14 दिवसांतील पहिली भेट स्वागत ऑफर आणि लहान सर्वेक्षण दररोज
हॉटेल पुन्हा येणारे पाहुणे 24 महिन्यांत दोन किंवा अधिक मुक्काम थेट-बुकिंग लाभ मासिक
हॉटेल बुक केले, परंतु अद्याप आले नाहीत या वर्षी केलेले बुकिंग ज्यामध्ये कोणतेही चेक-इन नाही मुक्कामाची आठवण (स्मरणपत्र) दररोज
रिटेल जास्त खर्च करणारे ग्राहक गेल्या सहा महिन्यांतील खर्चात आघाडीवर असणारे अव्वल 20% ग्राहक नवीन उत्पादनांची पूर्वझलक साप्ताहिक

2025 CITE Research ची आकडेवारी येथे निव्वळ खुशामतीपलीकडच्या एका कारणासाठी महत्त्वाची ठरते. 71% ग्राहकांना असे वाटते की ब्रँड्सनी काळानुरूप त्यांच्या खरेदीच्या सवयींमधून शिकायला हवे. पाहुण्यांना स्वतःच्या वर्तनात दिसून येणाऱ्या सवयीवर आधारित तयार केलेला विभाग (त्यांना ठाऊक असते की ते गुरुवारी येतात) हा एखाद्या सेवेसारखा वाटतो. लोकसंख्याशास्त्रीय (demographic) अंदाजावर आधारित विभाग मात्र पाळत ठेवल्यासारखा वाटतो. जेव्हा ग्राहक एकाच वेळी भेट देणे किंवा रिकरिंग प्लॅन निवडणे याबद्दल विचार करतात, तेव्हा कार वॉश व्यवसायही असाच विचार करतात, आणि त्याचे उत्तर सहसा व्यवसाय त्यांच्या पॅटर्नचे किती चांगल्या प्रकारे आकलन करतो यावर अवलंबून असते; सिंगल वॉश विरुद्ध मेंबरशिप ची ही तुलना तो निर्णय अशाच संदर्भात मांडते.

कोणताही सेगमेंट लाइव्ह होण्यापूर्वी त्यावर तीन तपासण्या करा: नियम (तुम्ही तो एका वाक्यात सांगू शकता का?), कृती (पाहुण्याला नेमके काय मिळते?) आणि रीफ्रेश अंतर (हा गट स्वतःमध्ये किती लवकर सुधारणा करतो?).

पाहुण्यांच्या प्रवासात (journeys) सेगमेंट वापरणे

एकदाच सक्रिय होणारा सेगमेंट म्हणजे कॅम्पेन होय. पाहुण्याला एका विशिष्ट क्रमातून पुढे नेणारा सेगमेंट म्हणजे प्रवास (journey) असतो, आणि फरक हा बाहेर पडण्याच्या नियमांमध्ये (exit rules) असतो.

  1. स्वागत. कॅफेमध्ये गेल्या 14 दिवसांत पहिल्यांदा भेट देणाऱ्या पाहुण्याला स्वागत ऑफर आणि लहान सर्वेक्षण मिळते. सर्वेक्षणाचे उत्तर देताच किंवा 14 दिवस संपताच ते या प्रवासातून (journey) बाहेर पडतात. त्या मर्यादेनंतरही त्यांना ठेवल्यास नियमित ग्राहकाला स्वागताचा संदेश पाठवला जाईल.

  2. लॉयल्टी. बारमध्ये आठवड्याच्या कामाच्या दिवसांत येणारे नियमित ग्राहक, ज्यांच्या 60 दिवसांत चार किंवा अधिक भेटी पूर्ण होतात, ते साप्ताहिक रिफ्रेश होणाऱ्या सुरुवातीच्या ॲक्सेस यादीमध्ये समाविष्ट होतात. प्रवेशाचा नियम तोच आहे जो विभाग परिभाषित करतो, ज्यामुळे हे दोघे एकमेकांपासून विचलित होत नाहीत.

  3. विन-बॅक. रेस्टॉरंटमधील ग्राहक ज्यांच्या 90 दिवसांत तीन भेटी झाल्या आहेत आणि गेल्या 45 दिवसांत एकही नाही, ते येणे बंद झालेल्या नियमित ग्राहकांच्या प्रवासात प्रवेश करतात. नियंत्रित ठेवलेल्या (held-back) गटाला कोणतीही ऑफर दिली जात नाही, जेणेकरून निकालांची सत्यता कायम राहते.

  4. बुकिंग स्मरणपत्र. या वर्षी बुकिंग केलेल्या परंतु चेक-इन न केलेल्या हॉटेल पाहुण्याला आगमनापूर्वी एक स्मरणपत्र मिळते. फक्त एक. दुसरे स्मरणपत्र पाठवणे म्हणजे सारखा त्रास देणे ठरेल आणि यामुळे पुढचे बुकिंग गमवावे लागू शकते.

  5. एक्झिट. जो पाहुणा बुक करतो, खरेदी करतो किंवा ऑप्ट-आउट करतो, तो प्रत्येक सक्रिय प्रवासातून त्वरित बाहेर पडतो. कोणतेही अपवाद नाहीत, "फक्त यावेळी" असे संदेश पाठवले जात नाहीत.

प्रति पाहुणा प्रति आठवडा एक मेसेज मर्यादा (message cap) निश्चित करा. जेव्हा एखादी व्यक्ती एकाच वेळी दोन सेगमेंट्ससाठी पात्र ठरते, तेव्हा मेसेज पाठवताना नाही, तर पाठवण्यापूर्वी कशाला प्राधान्य द्यायचे ते ठरवा. आठवड्याच्या दिवशी नियमित येणारा आणि लॅप्स झालेला नियमित अशा दोन्ही श्रेणीत असणारा पाहुणा हा डेटाचा विरोधाभास असतो आणि ऐनवेळी त्याचे निराकरण केल्याने विसंगत मेसेजिंग तयार होते.

पाहुण्याने तुम्हाला अपेक्षित असलेली गोष्ट केली की तो प्रवास संपतो. त्यानंतरची प्रत्येक गोष्ट नको असलेला गोंधळ (noise) असते.

प्रत्येक प्रवासाचा रिफ्रेश अंतराल त्याच्या ट्रिगरशी जोडा. दररोज रिफ्रेश होणारा सेगमेंट अतिथी परत आल्यानंतर एका दिवसाच्या आत प्रवास बंद करतो; तर मासिक सेगमेंट त्यांना दुसऱ्या भेटीनंतर तीन आठवड्यांपर्यंत वेलकम सीक्वेन्समध्ये ठेवतो. या प्रवेश आणि निर्गमनांचे मॅपिंग करण्याच्या व्यापक पद्धतीसाठी, customer journey map म्हणजे काय हे स्पष्टीकरण पाहा. हाच सवयीचा नियम प्रोग्रामिंगसाठी देखील लागू होतो: The Ten District मधील मासिक कार्यक्रमांना कोण हजेरी लावते याचा मागोवा घेणारा बार वारंवार येणाऱ्या अतिथींना प्रथम आमंत्रित करू शकतो आणि त्या आमंत्रणामुळे नवीन भेट घडून आली की नाही हे शोधू शकतो.

वर्तणूक कधी दिशाभूल करते आणि ती कशी तपासायची

45 दिवसांत भेट न दिलेला पाहुणा कदाचित लॅप्सिंग (सध्या न येणारा) असू शकतो. ते प्रवास करत असण्याची, आजारी असण्याची, नोकरी बदलत असण्याची किंवा शेवटच्या वेळी आलेल्या वाईट अनुभवामुळे प्रतिसाद देत नसण्याचीही शक्यता असू शकते. विज्ञानातील वर्तनात्मक विभाजनाच्या त्रुटींचा आढावा हा प्रश्न स्पष्टपणे मांडतो: एखादे वर्तन परिस्थितीऐवजी हेतूचे प्रतिनिधित्व कधी करते? निष्क्रियतेला कायमस्वरूपी पसंती मानल्याने अप्रासंगिक ऑफर्स तयार होतात, वास्तविक मागणी दाबून ठेवली जाते आणि पाहुण्यांना आपल्यावर पाळत ठेवली जात असल्याची जाणीव होते.

आरामदायी आर्मचेअर, तलावाचे दृश्य आणि एक रिसेप्शनिस्ट असलेले एका आलिशान हॉटेलचे लॉबी.

त्यामुळे "नुकतीच भेट दिलेली नाही" या स्थितीला सवलत देण्याची आवश्यकता असल्याचा पुरावा न मानता, चाचणीसाठीचा एक ट्रिगर माना. हा एकच बदल तुम्ही मोहीम कशी डिझाइन करता ते बदलतो, कारण आता तुम्ही कोणतीही शिक्षा देण्याऐवजी एक प्रयोग राबवत आहात.

लक्षात घेण्यासारख्या दोन मर्यादा

ओळख (Identity). तीच व्यक्ती तीन ईमेल्स, दोन उपकरणे, कुटुंबातील सदस्याचे रेकॉर्ड आणि मालमत्ता-विशिष्ट प्रोफाइल अंतर्गत दिसू शकते. ते रेकॉर्ड विलीन केल्याने त्या सेगमेंटचा अर्थ बदलतो आणि काहीवेळा तुम्हाला ते वापरण्याची परवानगी आहे की नाही हे देखील बदलते. त्यावर नियम तयार करण्यापूर्वी पडताळणीची (match) खात्री करा.

संमती. WiFi, कॅश काउंटर (till) आणि बुकिंग डेटामधून तयार केलेल्या विभागांसाठी उद्देश-विशिष्ट संमती आणि कायमस्वरूपी ऑप्ट-आउट्स आवश्यक आहेत. Oracle आणि Skift च्या हॉस्पिटॅलिटी संशोधनानुसार असे आढळले की सुमारे तीन-चतुर्थांश प्रवासी अधिक वैयक्तिकृत ऑफर्स किंवा सेवेसाठी AI द्वारे त्यांच्या डेटाचे विश्लेषण करण्यामध्ये स्वारस्य दाखवत होते, परंतु त्यातील सुमारे 45% स्वारस्य हे त्या उद्देशासाठीच्या स्पष्ट संमतीवर अवलंबून होते. प्रत्येक पाठवण्यापूर्वी सप्रेशन त्वरित तपासा आणि पाहुणा यासाठी पात्र का ठरला हे स्पष्ट करण्यास सक्षम असा.

सोडून देण्यासारखे तीन गैरसमज

सेगमेंट्स हे व्यक्तिमत्त्वाचे प्रकार नाहीत. ती कालबाह्य होण्याची मुदत असलेली टाइम-स्टँप केलेली निरीक्षणे आहेत. आजचा "भेट देणे थांबवलेला नियमित ग्राहक" पुढील महिन्यात "परत येणारा नियमित ग्राहक" असू शकतो.

अधिक सेगमेंट्स असणे अधिक चांगले नसते. प्रत्येकासाठी तुम्हाला एक कृती, एक रिफ्रेश नियम आणि एक कंट्रोल ग्रुप लागतो. कोणीही देखभाल न करणाऱ्या चाळीस सेगमेंट्सपेक्षा उत्तम व्यवस्थापित केलेले सहा सेगमेंट्स अधिक चांगले ठरतात.

मोठी यादी म्हणजे सुस्पष्ट व्याख्या असलेला सेगमेंट नव्हे. आकार हा रीच मोजतो, व्याख्या नव्हे. प्रत्येक पाहुणा का पात्र ठरला हे जर तुम्ही सांगू शकत नसाल, तर तुमच्याकडे फक्त प्रेक्षकवर्ग आहे, सेगमेंट नाही.

या सर्वांमधून काही फायदा होतो का हे शोधून काढणे हा मोजमापाचा प्रश्न आहे, आणि तोच नियम सर्व मार्केटिंग खर्चाला लागू होतो; मार्केटिंग ROI म्हणजे काय याबद्दलची ही मार्गदर्शिका अकाउंटिंग बाजू स्पष्ट करते.

या महिन्यात एका मोजमाप केलेल्या सेगमेंटसह सुरुवात करा

याची खरी उत्तरे देणारी सर्वात छोटी आवृत्ती निवडा.

  1. एका ठिकाणी एक प्रश्न निवडा. उदाहरणार्थ: विन-बॅक ऑफर दिल्यानंतर पूर्वी नियमित येणारे पाहुणे परत येतात का? "मार्केटिंग काम करते का" असा प्रश्न नको, ज्याचे उत्तर देता येत नाही.

  2. सिग्नल उपलब्ध आहेत का ते तपासा. आपल्याला प्रत्येक पाहुण्यासाठी भेटीच्या तारखा, खर्च, टॅग्स आणि संमती स्थिती आवश्यक आहे. यापैकी एकही गहाळ असल्यास, नियम तयार करण्यापूर्वी डेटा संकलन दुरुस्त करा.

  3. ॲट्रिब्युशन विंडो सेट करा. Purple Engage रेस्टॉरंट्ससाठी 14-दिवसांच्या विंडोपासून सुरुवात करण्याची आणि नंतर आपले पाहुणे स्वाभाविकपणे किती वेळा परत येतात यानुसार समायोजन करण्याची शिफारस करते. मासिक भेट देणाऱ्या बेसला साप्ताहिक बेसपेक्षा अधिक मोठ्या विंडोची आवश्यकता असते, अन्यथा आपण स्वतःच्याच अधीरतेचे मापन कराल.

  4. नियम आणि नियंत्रण गट तयार करा. 90 दिवसांत तीन किंवा अधिक भेटी आणि मागील 45 दिवसांत एकही भेट नाही असा निकष वापरा. केवळ संमती दिलेल्या (opted-in) पाहुण्यांनाच पाठवा. त्याच विभागातून एक अनियंत्रित नियंत्रण गट (random control group) बाजूला ठेवा आणि त्यांना काहीही पाठवू नका.

  5. तुलना करा आणि निर्णय घ्या. विंडो समाप्त झाल्यावर, संपर्क साधलेल्या आणि नियंत्रण गटातील पाहुण्यांच्या भेटींची तुलना करा. Purple Engage अतिरिक्त भेटींचे मापन बाजूला ठेवलेल्या नियंत्रण गटाशी एका रेंजसह करते, ज्यामुळे केवळ टक्केवारीऐवजी तफावत अनिश्चिततेच्या विश्लेषणासह समोर येते.

एक स्पष्ट निकाल असा दिसतो: संपर्क साधलेला गट अनिश्चिततेच्या मार्जिनपेक्षा जास्त प्रमाणात वगळलेल्या गटाला मागे टाकतो, आणि संदेश मिळालेल्या प्रत्येक पाहुण्याने संमती दिलेली असते.

मग निर्णय घ्या. त्याचा विस्तार करा, नियमात बदल करा किंवा तो वगळा. चाचणीमध्ये अयशस्वी ठरलेल्या सेगमेंटने देखील तुम्हाला एका महिन्याच्या अंदाजापेक्षा अधिक मोलाचे काहीतरी शिकवले आहे, आणि आता तुम्हाला पुढे कोणता सिग्नल तपासायचा हे माहीत आहे.


Purple Engage हे WiFi साइन-इन्स, टिल सेल्स, बुकिंग्ज आणि सर्वेक्षणातील उत्तरे एकाच गेस्ट रेकॉर्डमध्ये एकत्रित करते, ज्यामुळे "गेल्या महिन्यात तीन वेळा भेट दिली परंतु गेल्या 30 दिवसांत पुन्हा आले नाहीत" यासारख्या नियमाच्या आधारे मेसेज पाठवणे शक्य होते. सेगमेंट्स सुमारे एका मिनिटात रिफ्रेश होतात, एकाच कन्सेंट लेजरअंतर्गत ईमेल, SMS किंवा WhatsApp द्वारे ऑफर्स पाठवल्या जातात आणि अतिरिक्त भेटी या ईमेल उघडण्याच्या अंदाजावरून नव्हे, तर हेल्ड-आउट ग्रुपच्या आधारे मोजल्या जातात. तुमचे स्वतःचे लॅप्स झालेले नियमित ग्राहक किती महत्त्वाचे आहेत हे तुम्हाला पाहायचे असल्यास, Purple Engage ला भेट द्या आणि एका सेगमेंटपासून सुरुवात करा.

More ways to bring guests back