وقتی یک برند در بیش از ۱۰۰ کشور فعالیت میکند، مسئله فقط جذب مشتری بیشتر نیست؛ چالش واقعی این است که چگونه میتوان با میلیونها مشتری، ارتباطی مرتبط، شخصیسازیشده و قابل مدیریت در مقیاس جهانی ساخت.
DJI، برندی که بیشتر با پهپادها، دوربینهای اکشن و تجهیزات تصویربرداری شناخته میشود، با همین مسئله روبهرو بود. حجم بالای مخاطبان، تفاوت زبان و ارز در بازارهای مختلف، کمپینهای پرتعداد و دادههایی که در نقاط مختلف سفر مشتری تولید میشدند، مدیریت ارتباط با مشتری را پیچیده کرده بودند.
راهحل DJI حرکت از کمپینهای عمومی و انبوه به سمت مدلی مبتنی بر داده، سگمنتبندی، شناخت چرخه عمر مشتری و مارکتینگ اتومیشن بود؛ تغییری که طبق کیساستادی منتشرشده از سوی SAP Engagement Cloud، در نهایت با افزایش قابل توجه درآمد مشتریان فعال، متوسط ارزش سفارش و کاهش ریزش مشتری همراه شد.
DJI با چه چالشی روبهرو بود؟
DJI تنها یک فروشگاه آنلاین با چند هزار مشتری نیست. این برند در بیش از ۱۰۰ کشور حضور دارد، بیش از ۳۵۰ فروشگاه دارد و محصولاتش طیف گستردهای از کاربران، از فیلمسازان و عکاسان گرفته تا کشاورزان و تیمهای امداد و نجات را هدف قرار میدهد. چنین مقیاسی به این معنی است که یک پیام واحد نمیتواند برای همه مشتریان مناسب باشد.
در مدل قبلی، بخش زیادی از ایمیلهای DJI بهشکل Batch & Blast ارسال میشد؛ یعنی حجم بالایی از مخاطبان پیامهای نسبتاً مشابهی دریافت میکردند. در این وضعیت، شناخت کافی از مرحلهای که هر مشتری در چرخه عمر خود قرار داشت وجود نداشت و در نتیجه استفاده از داده برای حفظ مشتری یا Cross-sell محدود بود.
چالش DJI را میتوان در چهار موضوع اصلی خلاصه کرد: بهبود عملکرد ارسال ایمیل بهخصوص در زمان کمپینهای بزرگ، شخصیسازی پیام برای بازارهای مختلف، پیدا کردن فرصتهای فروش مکمل بعد از خرید و شناخت بهتر چرخه عمر مشتری برای کاهش ریزش.
این دقیقاً همان نقطهای است که مارکتینگ اتومیشن از یک «ابزار ارسال پیام» به یک زیرساخت مدیریت ارتباط با مشتری تبدیل میشود.
از ارسال انبوه تا ارتباط مبتنی بر رفتار مشتری
یکی از مهمترین تغییرات DJI، کنار گذاشتن نگاه «یک کمپین برای همه» بود.
در یک ساختار قدیمی، ممکن است ۵۰۰ هزار مشتری در یک لیست قرار بگیرند و همگی ایمیلی درباره محصول جدید دریافت کنند. اما سؤال مهم این است: آیا کسی که هفته گذشته یک دوربین خریده باید همان پیامی را بگیرد که کاربری شش ماه است خرید نکرده؟ آیا مشتری حرفهای باید دقیقاً همان پیشنهاد مشتری تازهوارد را دریافت کند؟
مارکتینگ اتومیشن زمانی ارزش ایجاد میکند که پاسخ این سؤالها «نه» باشد.
بهجای اینکه صرفاً یک لیست مخاطب داشته باشیم، میتوان رفتار و ویژگیهای کاربران را وارد تصمیمگیری کرد. سابقه خرید، محصولات مشاهدهشده، میزان تعامل، آخرین خرید و مرحلهای که فرد در چرخه مشتری قرار دارد میتوانند تعیین کنند چه پیامی برای او مناسبتر است.
همین تغییر نگاه پایه بسیاری از سناریوهایی است که امروز در پلتفرمهایی مانند زبلاین میتوان اجرا کرد؛ یعنی ابتدا مخاطب را بر اساس داده و رفتار شناخت، سپس برای هر سگمنت Journey متفاوتی ساخت.
یکپارچه شدن دادهها؛ نقطه شروع شخصیسازی واقعی
شخصیسازی بدون داده تقریباً غیرممکن است. مسئله DJI نیز فقط طراحی یک ایمیل زیباتر نبود؛ اطلاعات مختلف مشتری باید کنار یکدیگر قرار میگرفتند.
در نمونهکاوی DJI، دادههای فروش، رفتار کاربران در وبسایت، اطلاعات محصول و دادههای ارتباطی به یکدیگر متصل شدند. این ساختار امکان تحلیل دقیقتر چرخه عمر مشتری و پیدا کردن سگمنتهایی با فرصت فروش یا ریسک ریزش بالاتر را فراهم کرد.
این موضوع برای کسبوکارهای ایرانی هم اهمیت زیادی دارد. معمولاً اطلاعات مشتری در چند نقطه پراکنده است: سایت بخشی از رفتار را دارد، CRM اطلاعات دیگری نگه میدارد، سیستم فروش سوابق خرید را ثبت میکند و ابزارهای پیامرسانی نیز دادههای جداگانهای دارند.
اگر این دادهها نتوانند وارد یک چرخه عملیاتی شوند، شخصیسازی در حد استفاده از نام مشتری در ابتدای پیام باقی میماند.
اما وقتی داده وارد پلتفرم مارکتینگ اتومیشن شود، میتوان گفت:
اگر مشتری A محصول X را خریده، در ۶۰ روز گذشته خرید دیگری نداشته و اخیراً چند بار دسته Y را دیده، Journey مشخصی برای او اجرا شود.
این همان تفاوت میان داشتن داده و استفاده عملیاتی از داده است.
شخصیسازی برای بیش از ۱۰۰ بازار مختلف
برای یک برند جهانی، Personalization فقط به سابقه خرید محدود نیست. زبان، واحد پول، موجودی محصول و حتی ترجیحات مشتری در هر بازار میتواند متفاوت باشد.
DJI توانست کمپینهای خود را با پیشنهادهای محصول یکبهیک و اطلاعات محلی متناسب با رفتار مرور کاربران اجرا کند و پیامها را برای زبان و ارز کشورهای مختلف شخصیسازی کند. این ساختار به برند اجازه داد تجربه منسجمتری را در بیش از ۱۰۰ کشور و منطقه ارائه کند.
البته یک کسبوکار ایرانی الزاماً با صد کشور سروکار ندارد، اما مسئله در مقیاس کوچکتر تقریباً یکسان است.
یک فروشگاه اینترنتی میتواند مشتریان را بر اساس شهر، دسته محصول موردعلاقه، تعداد خرید، ارزش خرید یا وضعیت فعالیت تقسیم کند. یک کسبوکار SaaS نیز میتواند کاربران Trial، مشتریان فعال، کاربران کمفعالیت و مشتریانی که احتمال Churn آنها بالا رفته است را در Journeyهای جداگانه قرار دهد.
موضوع اصلی این است که مشتری نباید ساختار داخلی کسبوکار را احساس کند؛ باید تجربهای متناسب با خودش دریافت کند.
حفظ مشتری بعد از اولین خرید
یکی از جالبترین قسمتهای نمونهکاوی DJI تمرکز روی Post-purchase است.
بسیاری از کسبوکارها بخش عمده بودجه و انرژی خود را برای رساندن مشتری به اولین خرید صرف میکنند. اما پس از خرید، ارتباط عملاً متوقف میشود یا مشتری فقط پیامهای عمومی بعدی را دریافت میکند.
DJI با تحلیل چرخه عمر مشتری توانست فرصتهای Cross-sell برای مشتریانی که فقط یکبار خرید کرده بودند پیدا کند و ارتباط، پیشنهاد و پشتیبانی را در طول Journey متناسبتر کند.
فرض کنیم کاربری یک دوربین اکشن خریده است. پایان Journey الزاماً نباید صفحه «خرید شما با موفقیت ثبت شد» باشد.
بعد از خرید میتوان یک Journey جدید آغاز کرد:
خرید → آموزش استفاده → دریافت بازخورد → پیشنهاد محصول مکمل → پیشنهاد مناسب در زمان مشخص → فعالسازی مجدد در صورت کاهش تعامل.
همین منطق در زبلاین نیز قابل استفاده است. کسبوکار میتواند رویداد خرید را بهعنوان Trigger در نظر بگیرد و بر اساس محصول، نوع مشتری یا رفتار بعدی او مسیرهای متفاوتی ایجاد کند.
بهبود ایمیل مارکتینگ با سگمنتبندی دقیقتر
یکی دیگر از مشکلات DJI حجم بالای ایمیلها و اهمیت Deliverability بود. انتشار محصولات جدید و کمپینهای مناسبتی باعث میشد برند در بازههای خاص حجم بسیار زیادی ایمیل ارسال کند.
طبق این نمونهکاوی، با بهبود کیفیت لیست، سگمنتبندی مخاطبان و مرتبطتر شدن محتوا، DJI توانست زیرساخت ارسال خود را برای حجم بسیار بالاتری از ایمیلهای هدفمند آماده کند.
درس مهم این بخش این نیست که «ایمیل بیشتری ارسال کنیم».
اتفاقاً برعکس.
مارکتینگ اتومیشن زمانی درست عمل میکند که کمک کند پیام کمتر اما مرتبطتری برای هر کاربر ارسال شود. کنترل فرکانس، حذف مخاطبان نامرتبط از کمپین و استفاده از Triggerهای رفتاری میتواند تجربه بهتری برای کاربر ایجاد کند و احتمال بیتوجهی او به پیامهای برند را کاهش دهد.
نتیجه چه بود؟ از کاهش Churn تا رشد ۱۸۰ درصدی درآمد
بخش قابل توجه این نمونهکاوی، نتایجی است که پس از اجرای این رویکرد گزارش شده است.
| شاخص | نتیجه گزارششده |
|---|---|
| درآمد مشتریان فعال | ۱۸۰٪ افزایش |
| متوسط ارزش سفارش | ۴۴٪ افزایش |
| ترافیک وبسایت | ۱.۴ برابر |
| درآمد مشتریان Premium | ۱۲۲٪ افزایش |
| تعداد سفارشها | ۴۵٪ افزایش |
| نرخ ریزش مشتری | ۳۸٪ کاهش |
این اعداد در کیساستادی SAP Engagement Cloud برای DJI گزارش شدهاند و طبیعتاً نمیتوان آنها را به همه کسبوکارها تعمیم داد. با این حال، جهت تغییرات نشان میدهد که ارزش مارکتینگ اتومیشن تنها در صرفهجویی زمانی نیست؛ اگر داده، سگمنتبندی و Journey درست کنار هم قرار بگیرند، نتیجه میتواند در معیارهایی مثل درآمد، AOV، تعداد سفارش و Retention دیده شود.
این نمونهکاوی چه درسی برای کسبوکارهای ایرانی دارد؟
شاید در نگاه اول مقایسه یک کسبوکار ایرانی با برندی در مقیاس DJI منطقی به نظر نرسد، اما مسئله اصلی در هر دو مقیاس مشابه است: چطور از داده مشتری برای ایجاد ارتباط مرتبطتر استفاده کنیم؟
لازم نیست از روز اول صدها Journey ساخته شود. بسیاری از کسبوکارها میتوانند از چند سناریوی مشخص و قابلاندازهگیری شروع کنند؛ مثلاً خوشآمدگویی به کاربر جدید، سبد خرید رهاشده، ارتباط بعد از خرید، پیشنهاد خرید مکمل یا بازگرداندن مشتری غیرفعال.
آنچه اهمیت دارد این است که این سناریوها بر اساس Event و رفتار واقعی مشتری اجرا شوند، نه اینکه هر هفته یک لیست اکسل استخراج و برای همه افراد آن یک پیام یکسان ارسال شود.
زبلاین کجای این ماجرا قرار میگیرد؟
زبلاین قرار نیست همان ابزار مورد استفاده DJI معرفی شود؛ این نمونهکاوی نشان میدهد منطق مارکتینگ اتومیشن چگونه میتواند در عمل روی Retention و Revenue اثر بگذارد.
در زبلاین نیز کسبوکارها میتوانند داده و رفتار کاربران را برای ساخت سگمنتهای مختلف به کار بگیرند، Journey طراحی کنند و بر اساس Triggerهای مشخص، ارتباطات خودکار را از کانالهای مختلف اجرا کنند.
برای مثال:
Purchase → بررسی نوع محصول → انتظار ۳۰ روز → بررسی خرید مجدد → ورود به سگمنت مربوط → ارسال پیشنهاد متناسب
یا:
عدم فعالیت مشتری → ورود به سگمنت غیرفعال → Journey بازگشت → بررسی تعامل → ادامه یا توقف سناریو
در چنین ساختاری دیگر تیم مارکتینگ مجبور نیست برای هر مرحله بهصورت دستی لیست آماده کند یا تکتک کمپینها را از ابتدا اجرا کند. منطق یکبار طراحی میشود و سیستم بر اساس داده کاربران تصمیم میگیرد چه کسی وارد هر مسیر شود.
از Batch & Blast تا Customer Journey
شاید مهمترین نکته نمونهکاوی DJI همین تغییر باشد.
مارکتینگ اتومیشن فقط سریعتر کردن ارسال پیام نیست. اگر همان پیام عمومی را فقط با سرعت بیشتری برای افراد بیشتری ارسال کنیم، هنوز مسئله اصلی را حل نکردهایم.
ارزش واقعی زمانی ایجاد میشود که مدل ارتباط از:
Campaign → Audience
به:
Customer behavior → Segment → Journey → Personalized action
تغییر کند.
در چنین مدلی بهجای اینکه کسبوکار تصمیم بگیرد «امروز چه چیزی برای همه ارسال کنیم؟»، سؤال اصلی این میشود:
«هر مشتری الان در چه مرحلهای قرار دارد و منطقیترین اقدام بعدی برای او چیست؟»
جمعبندی
نمونهکاوی DJI نشان میدهد Retention فقط نتیجه تخفیف دادن یا اجرای یک کمپین وفاداری نیست. برای حفظ مشتری باید بتوان دادههای او را کنار هم قرار داد، مرحله چرخه عمرش را شناخت و ارتباط بعدی را بر اساس همان اطلاعات طراحی کرد.
DJI با فاصله گرفتن از ارسالهای عمومی، استفاده از دادههای مشتری، شخصیسازی و تمرکز بیشتر بر Customer Lifecycle توانست طبق کیساستادی منتشرشده، نرخ ریزش را کاهش دهد و همزمان شاخصهایی مانند درآمد مشتریان فعال و متوسط ارزش سفارش را افزایش دهد.
برای کسبوکارهای ایرانی نیز همین منطق قابل اجراست، حتی اگر مقیاس بسیار کوچکتری داشته باشند. نقطه شروع میتواند تنها یک Journey باشد؛ مهم این است که ارتباط با مشتری از حالت عمومی و دستی به یک فرآیند دادهمحور، رفتاری و قابلاندازهگیری تبدیل شود.
با زبلاین میتوانید سگمنتهای رفتاری بسازید، Journeyهای مختلف طراحی کنید و ارتباط با مشتری را بر اساس داده و Eventهای واقعی مدیریت کنید. برای بررسی سناریوهای مناسب کسبوکارتان میتوانید درخواست دمو ثبت کنید.