روش‌های بازگرداندن مشتری

یکی از مقوله‌های اساسی در زمینه کسب و کار، بحث جذب مخاطب و مشتری می‌باشد. یک مجموعه برای برآورده ساختن اهداف تجاری خود از جمله فروش بیشتر محصولات و تبلیغ و تثبیت برند و نشان تجاری خود که در نهایت به سودآوری هرچه بیشتر مجموعه می‌انجامد، نیاز به یافتن جامعه هدف برای ارائه محصول خود دارد. اما یافتن این جامعه چندان آسان نبوده و پیچیدگی-های خاص خود را دارد چرا که در صورت عدم به‌کارگیری روش‌های مناسب، ممکن است نه تنها مشتری جدیدی جذب نشود بلکه مشتری‌های فعلی مجموعه نیز از دست بروند. روش‌های متعددی در زمینه جذب یا بازگشت مشتری وجود دارد اما تمامی آن‌ها بر اساس مدلی به نام قیف بازاریابی عمل می‌کنند تا در طی آن، مشتری‌های بالقوه به مشتری‌های بالفعل تبدیل شوند. همان‌طور که در شکل زیر نشان داده شده است، در این مدل ابتدا توجه مخاطب بالقوه نسبت به محصول جلب شده و سپس با برجسته سازی ویژگی‌های کلیدی محصول، علاقه مشتری تحریک می‌شود. در مرحله بعدی با تمایز و برتری قائل شدن میان محصول خود با محصولات رقیب، میل به خرید را در مشتری ایجاد نموده و در نهایت، مشتری را تشویق به انجام عملی در راستای تهیه محصول یا خدمت ارائه شده می‌نمایند.

از آنجا که عمده کسب و کارهای روز دنیا به شکل دیجیتالی می‌باشد، جذب مشتری جدید و همچنین نگهداری و بازگشت مشتری فعلی در این بازار اهمیت بیشتری نسبت به بازاریابی سنتی پیدا کرده است. روش تبلیغاتی میانبری که می‌تواند در این زمینه استفاده شود، هدف قرار دادن کاربرانی است که پیش از این وارد وب سایت شده‌اند یا اپلیکیشن را یک بار استفاده نموده‌اند و یا علاقه خود را قبلاً به هر نحوی نشان داده‌اند اما خرید انجام نداده‌اند و یا برای مدتی است خریدی انجام نداده‌اند. این روش برای جذب مشتری می‌تواند مؤثرتر نیز باشد، زیرا با جامعه هدفی روبرو هستیم که علاقه احتمالی خود به داشتن محصول یا خدمت ارائه شده را قبلاً نشان داده‌اند.

ریتارگتینگ چیست؟

ریتارگتینگ (Retargeting) در بازاریابی دیجیتال، یک استراتژی است که به هدف قرار دادن افرادی که به تازگی و یا قبل‌تر به صورت دیجیتالی با مجموعه شما به هر نحوی تعامل داشته‌اند، می‌پردازد. هدف این استراتژی، بازگرداندن مشتری‌های بالقوه و تبدیل آنان به مشتری‌های بالفعل و همچنین بازگرداندن مشتری‌های قدیمی می‌باشد. مشتری بالقوه به کسانی اطلاق می‌شود که وارد وب سایت شده‌اند اما عمل کاملی را انجام نداده‌اند. مانند فرم‌های خرید؛ بارها شده که محصولی را در یک سایت مشاهده نموده‌ایم اما خرید را تکمیل نکرده‌ایم. اتفاقی که پس از آن می‌افتد، این است که در دیگر وب سایت‌ها تبلیغ همان محصول یا محصولات مشابه سایت مورد نظر را مشاهده می‌کنیم. در واقع ما وارد پروسه بازگردانی مشتری شده‌ایم بدون آنکه در اکثر مواقع، خود مطلع باشیم.

همان‌گونه که قبل‌تر عنوان شد، حسن بزرگ این پروسه در جذب مشتری این بوده که با جامعه هدفی سر و کار داریم که پیش از این به گونه‌ای علاقه و تمایل خود را به محصول یا خدمت ارائه شده توسط مجموعه نشان داده‌اند و به نسبت ریسک کمتری در مقایسه با جذب مشتری‌های جدید دارد. همانگونه که قبل‌تر عنوان شد، حسن بزرگ این پروسه در جذب مشتری این بوده که با جامعه هدفی سر و کار داریم که پیش از این به گونه‌ای علاقه و تمایل خود را به محصول یا خدمت ارائه شده توسط مجموعه نشان داده‌اند و به نسبت ریسک کمتری در مقایسه با جذب مشتری‌های جدید دارد.

مطابق آنچه در شکل بالا نشان داده شده، پروسه ریتارگتینگ به این صورت است که مشتری احتمالی، وب سایت تجاری را بازدید نموده و با مشاهده محصولات، اقدام به خرید می‌کند اما بدون تکمیل خرید، آن را ترک می‌کند. بعدها مشتری با گشت و گذار درون وب به تبلیغات همان محصول یا دیگر محصولات وب سایت تجاری پیشین برخورد می‌کند که این اتفاق می‌تواند به تبدیل مشتری بالقوه به مشتری بالفعل شود. پروسه ریتارگتینگ در مورد مشتری‌های پیشین نیز با کمی تفاوت در جزئیات صدق می‌کند. درواقع برای بازگرداندن مشتری‌های قبلی نیز لازم است از ابزارهای مناسب مانند تبلیغات یا تخفیفات اختصاصی بر اساس داده‌هایی که از فعالیت‌ها و خریدهای قبلی او به‌دست آمده، استفاده نمود. لازم به ذکر است که روند نشان داده شده در شکل بالا (پروسه ریتارگتینگ) در مورد ریتارگتینگ از طریق وب سایت صدق می‌کند و روش‌هایی دیگر که پایه مشابه با این روش دارند نیز برای ریتارگتینگ می‌توانند مورد استفاده قرار گیرند که در ادامه بررسی خواهند شد.

جمع آوری داده‌ها و رفتارهای دیجیتالی مشتری در ریتارگتینگ، با قرار دادن دسته‌ای از اطلاعات به نام کوکی‌ها (Cookies) انجام می‌شود که در قالب فایل متنی توسط وب‌سایت‌ها روی دستگاه‌های کاربران ذخیره می‌گردد. کوکی‌ها انواع مختلفی داشته که هر یک دارای کاربرد خاص خود هستند. کوکی‌هایی که برای انجام پروسه ریتارگتینگ استفاده می‌شوند، کوکی‌های ردیاب (Tracking Cookies) نام دارند. کوکی‌های ردیاب حاوی اطلاعاتی ارزشمند درباره فعالیت کاربر در وب سایت مورد نظر هستند و در زمینه ریتارگتینگ بسیار مفید واقع می‌شوند. درواقع بر اساس دسته بندی مناسب اطلاعات به دست آمده از فعالیت-های کاربر، می‌توان هدف گذاری و سرمایه گذاری مطلوب بر روی تبلیغات و تخفیفات برای بازگشت مشتری انجام داد.

مدل‌های ریتارگتینگ

سؤالی که درباره ریتارگتینگ ممکن است پیش بیاید، این است که دسته بندی و تحلیل داده‌های به‌دست آمده از جمع‌آوری اطلاعات کاربران باید چگونه باشد و چه مدلی برای این کار باید استفاده شود تا بیشترین بازدهی از بازگشت مشتری در پروسه ریتارگتینگ حاصل شود؟ در این زمینه باید اشاره داشت که مدل‌های گوناگونی برای دسته‌بندی و تحلیل داده‌ها در ریتارگتینگ وجود دارند و کارایی هر یک از مدل‌ها بسته به اهداف مجموعه و همچنین داده‌های موجود متغیر می‌باشد. مدل‌هایی که به طور گسترده برای تحلیل رفتار کاربران در ریتارگتینگ استفاده می‌شوند، شامل موارد ذیل می‌باشند:

مدل RFM

این مدل که مخفف کلمات Recency به معنای آخرین خرید مشتری، Frequency به معنای تناوب خرید و Monetary به معنای ارزش خرید مشتری است، دسته بندی مشتریان را بر اساس ارزشمندی آنان انجام می‌دهد و ابزاری برای شناسایی و دسته‌بندی مشتریانی است که بیشترین سود را به کسب و کارها می‌رسانند. مدل RFM بر این فرض استوار است که هرچه مدت زمان خرید مشتری نزدیک‌تر باشد، یا تعداد خرید مشتری بیشتر باشد و یا ارزش خرید مشتری بالاتر باشد، احتمال انجام خرید توسط آنان بالاتر بوده و می‌توان هدف ‌گذاری را برای جذب این مشتریان انجام داد. این مدل را می‌توان طبق شکل زیر مشابه یک پیتزا در نظر گرفت که هرچه تکه‌های آن بزرگ‌تر باشد، به معنای ارزشمندی بیشتر مشتری و وجود احتمال بیشتر خرید توسط مشتری می‌باشد.

بر اساس این مدل، می‌توان هر یک از مشتریان را در سه گروه و سه درجه مطابق با جدول زیر دسته بندی نمود و روش‌های متناسب با هر گروه را برای بازگرداندن آنان از طریق ارائه تبلیغ و پیشنهادات اختصاصی در پلتفرم مورد نظر اجرا کرد.

مدل Lookalike

در این نوع مدل، ویژگی‌های مشتریان فعلی شناسایی شده و از آن ویژگی‌ها برای هدف قرار دادن کاربران جدید که ممکن است ویژگی‌ها و رفتار مشابهی با مشتریان فعلی داشته باشند، استفاده می‌شود. برای انجام این نوع دسته بندی، ابتدا لازم است مشتریان با ارزش مجموعه شناسایی شوند. همان‌گونه که در مدل RFM نیز اشاره F55 شد، مشتری با ارزش به کسانی اطلاق می‌شود که تعداد خرید بیشتری انجام نموده و یا ارزش خرید آنان بالاتر است. همچنین مشتریانی که بازخورد مثبت نسبت به خرید خود ارائه داده‌اند نیز می‌توانند جزو مشتری‌های با ارزش به شمار روند. پس از شناخت مشتریان ارزشمند مجموعه، دسته‌بندی آنان طبق شکل زیر توسط معیارهای مختلف مانند معیارهای جمعیت شناسی ازجمله سن، جنسیت، آدرس و یا سوابق تعامل با مجموعه از نظر نحوه جستجو در وب‌سایت و یا تاریخچه خرید مشتری انجام می‌گردد. سپس با استفاده از دسته‌بندی تهیه شده برای کاربران می‌توان تبلیغات مناسب را برای کاربرانی با ویژگی‌های مشابه ارائه نمود و به بازگرداندن و وفاداری مشتریان پرداخت.

مزیت مدل Lookalike در این است که مجموعه تجاری می‌تواند با استفاده از این مدل علاوه بر هدف قرار دادن دوباره مشتریان فعلی، به جذب مشتریان جدیدی که ممکن است ویژگی‌های مشابه با خریداران قبلی داشته باشند، بپردازند. با این وجود، همواره مقداری عدم قطعیت درباره مشتریان احتمالی در این مدل وجود دارد چرا که ممکن است داشتن ویژگی‌های مشابه با خریداران قبلی چه از نظر جمعیت شناسی و چه از نظر سابقه تعامل با وب ‌سایت، لزوما منجر به خرید مشتری نگردد. بنابراین می‌توان گفت که مدل Lookalike مدل چندان کاملی نبوده اما می‌تواند به صورت تکمیلی با دیگر مدل‌ها از جمله مدل RFM استفاده گردد به خصوص اگر مجموعه تجاری در پلتفرم‌های شبکه‌های اجتماعی مانند فیسبوک و یا اینستاگرام فعالیت داشته باشد.

آنالیز Cohort

این آنالیز تکنیکی است که برای دنبال کردن و تحلیل رفتار گروه مشخصی از کاربران در طول زمان به کار می‌رود. گروهی که در اینجا مدنظر است، بر اساس ویژگی‌هایی چون اولین زمان خرید، منبع اولیه ورود به وب سایت و یا اولین کالایی که خریداری شده دسته بندی می‌شود و پایه‌ای مشابه با ایجاد گروه در مدل Lookalike دارد. تحلیل کوهورت برای ارزیابی معیارهای گوناگون در طول زمان از جمله تناوب خرید، ارزش متوسط خرید و نرخ حفظ مشتری استفاده شده و براساس آنالیز این معیارها، می‌توان برای بهبود پروسه ریتارگتینگ اقدام کرد. از جمله مزیت‌های کلیدی آنالیز کوهورت، این است که علاوه بر به‌دست آوردن تحلیل مناسب در خصوص معیارهایی که می‌تواند در مدل‌های دیگر نیز استفاده شود، امکان ارزیابی بلندمدت داده‌ها را نیز فراهم می‌کند و بر این اساس می‌توان نتیجه‌گیری نمود که آیا پروسه ریتارگتینگ پیاده‌سازی شده برای گروه کاربران مورد هدف، در بلند مدت نیز اثر مناسبی دارد و یا صرفاً تأثیر کوتاه مدت و جرقه مانند در جذب مشتری دارد. همچنین با تحلیل بلند مدت الگوی خرید مشتری، می‌توان به ارائه تبلیغات متناسب با وی در طول بازه زمانی مشخص پرداخت. به طور کلی، آنالیز کوهورت ابزار قدرتمندی برای تحلیل و دسته بندی رفتار کاربران در ریتارگتینگ بوده و در صورت استفاده با سایر ابزارها بسیار مفیدتر خواهد بود.

آنالیز CLTV

آنالیز CLTV که به معنای ارزیابی ارزش طول عمر مشتری است، تکنیکی دیگر است که در ریتارگتینگ برای تعیین میزان ارزشی که یک مشتری می‌تواند در طول زمان و در مدت تعامل با مجموعه می‌تواند خلق کند، استفاده می‌شود. برای محاسبه ارزش طول عمر مشتری، ابتدا باید متوسط ارزش خرید مشتری را محاسبه نمود که با تقسیم درآمد کل مجموعه در یک بازه زمانی که معمولاً یک سال در نظر گرفته می‌شود، بر تعداد خریدها در طول همان بازه زمانی به‌دست می‌آید. سپس متوسط فرکانس خرید را باید به‌دست آورد که با تقسیم تعداد خریدها بر تعداد مشتریان در بازه زمانی مشخص محاسبه می‌شود. در ادامه لازم است متوسط ارزش مشتری محاسبه شود که با ضرب متوسط ارزش خرید در متوسط فرکانس خرید به‌دست می‌آید. سپس متوسط طول عمر مشتری را باید محاسبه کرد که برابر است با میانگین تعداد سال‌هایی که یک مشتری به خرید می‌پردازد. در نهایت ارزش طول عمر مشتری با ضرب متوسط ارزش مشتری در متوسط طول عمر مشتری محاسبه می‌گردد. این عدد، مقداری را نشان می‌دهد که یک مجموعه می‌تواند به طور متوسط از یک مشتری در طول تعامل با او به‌دست آورد. این آنالیز از این جهت حائز اهمیت است که در ریتارگتینگ باید هدف گذاری مناسبی انجام شود تا تبلیغات و تخفیفات در ادامه به بازگشت مشتریان، وفاداری و سودآوری آنان منجر شود. بنابراین با دانستن مشتریان با ارزش بیشتر و سرمایه‌گذاری بر روی بازگشت آنان از طریق ارائه تبلیغات و تخفیفات اختصاصی، می‌توان به نتایج مطلوبی در زمینه بازگشت مشتری از طریق ریتارگتینگ رسید.

مدل پیش‌بینی کننده

این مدل، یک مدل آماری است که بر اساس تحلیل داده‌ها و استفاده از الگوریتم‌هایی مانند یادگیری ماشین و یا شبکه‌های عصبی به ارائه پیش‌بینی در خصوص رفتار آینده کاربران می‌پردازد. مدل‌های پیش‌بینی کننده با تحلیل رفتار مشتریان فعلی در خصوص سوابق مرور و خرید، پیش‌بینی مناسب در مورد رفتار آینده کاربران انجام می‌دهد. بر اساس این مدل آماری، می‌توان جامعه هدف را به گونه‌ای انتخاب کرد که بیشترین کارایی در پروسه ریتارگتینگ حاصل شود. مزیت بزرگ مدل‌های پیش‌بینی کننده نیز همین موضوع است که انتخاب جامعه هدف تبلیغات با دقت بیشتری می‌تواند انجام شود و با تمرکز نمودن بر روی کاربرانی که احتمال خرید و سودآوری توسط آنان بالاست، پروسه بازگشت مشتری را با بازده بسیار مناسبی انجام داد.

روش‌های انجام ریتارگتینگ

پس از جمع‌آوری اطلاعات و دسته بندی مشتریان بر اساس مدل انتخابی، در نهایت نوبت به پیاده سازی روش ریتارگتینگ می-رسد که خود می‌تواند بر اساس پلتفرم‌های گوناگون در دیجیتال مارکتینگ انجام گردد. برخی از روش‌های انجام ریتارگتینگ عبارت‌اند از:

وب‌سایت ریتارگتینگ

می‌توان گفت این روش متداولی برای انجام پروسه ریتارگتینگ است. در وب سایت ریتارگتینگ، اطلاعات به‌دست آمده از تحلیل رفتار کاربران به هدف قرار دادن آنان در دیگر وب سایت‌ها با استفاده از تبلیغات اختصاصی می‌انجامد که می‌تواند به بازگشت مشتری و نیز وفاداری مشتریان منجر شود. از آنجا که کاربران وقت نسبتاً زیادی را در محیط وب به گشت و گذار می‌پردازند و اینکه پلتفرم تبلیغات وب نیز ساده است، وب سایت ریتارگتینگ جزو بهترین و مؤثرترین روش‌های ریتارگتینگ به شمار می‌رود..

ایمیل ریتارگتینگ

در این روش، کاربرانی که از طریق تحلیل داده‌های رفتاری انتخاب شده‌اند و ایمیل آنان در دسترس است، مورد ریتارگتینگ از طریق ایمیل قرار می‌گیرند. روش ایمیل ریتارگتینگ برای ارسال تبلیغات و تخفیف‌های اختصاصی مناسب کاربر که از تحلیل رفتار آنان به‌دست آمده، بسیار مناسب است اما می‌تواند محدودیت‌هایی نیز داشته باشد از جمله اینکه ایمیل همه کاربران ممکن است در دسترس نباشد. علاوه بر آن، این احتمال وجود دارد که کاربران تمایلی به باز کردن و خواندن ایمیل‌های تجاری و تبلیغاتی نداشته باشند، به ویژه آنکه معمولاً ایمیل‌هایی از این نوع، توسط پلتفرم مورد استفاده به عنوان ایمیل تبلیغاتی برچسب گذاری می‌شوند. بنابراین باید در استفاده از این روش محتاطانه عمل کرد زیرا در غیر این صورت ممکن است نه تنها بازگرداندن مشتری حاصل نشود، بلکه ریزش مشتری نیز اتفاق بیافتد.

سرچ ریتارگتینگ

در این روش، تبلیغات متناسب با الگوی جستجوی کاربر در موتورهای جستجو به وی نشان داده می‌شود. نحوه عملکرد روش سرچ ریتارگتینگ به این صورت است که با استفاده از قرار دادن کوکی بر روی دستگاه کاربر و یا سرویس‌های شخص ثالث، اطلاعاتی در خصوص موارد مورد جستجوی کاربر در موتورهای جستجو جمع‌آوری می‌گردد. در نتیجه، با دانستن کلیدواژه‌های جستجو شده توسط کاربر و دسته بندی و تحلیل رفتار بر اساس مدل انتخابی، می‌توان به انجام ریتارگتینگ هدفمند پرداخت. این روش برخلاف ریتارگتینگ معمول که بر اساس تحلیل تاریخچه تعامل مشتری با وب سایت انجام می‌شود، با دانستن الگوی جستجوی کاربر در سراسر اینترنت انجام می‌شود که به علت به روز بودن اطلاعات بسیار مفید بوده و علاوه بر بازگردانی مشتری، می‌تواند با ارائه تبلیغات اختصاصی به برتری در جذب مشتری نسبت به وب سایت‌های رقیب بیانجامد. روش سرچ ریتارگتینگ محدودیت-هایی نیز دارد از جمله اینکه ممکن است حجم جستجو برای کلیدواژه انتخابی کم باشد و اینکه رقابت برای قرارگیری در فضای تبلیغاتی موتورهای جستجو نیز بالاست.

ریتارگتینگ از طریق شبکه‌های اجتماعی

در این روش، کاربرانی که با مجموعه تجاری بر روی یک پلفترم در شبکه‌های اجتماعی مانند اینستاگرام یا فیسبوک تعامل دارند، شناسایی شده و سپس تبلیغات هدفمند بر روی همان پلتفرم برای آنان نمایش داده می‌شود. این روش، به خصوص با استفاده از مدل Lookalike برای تحلیل کاربران، می‌تواند برای انجام ریتارگتینگ بسیار مفید واقع شود، زیرا با هدف قرار دادن افرادی که دارای ویژگی‌های مشابه‌اند یا کاربرانی که پیش از این با مجموعه تعامل برقرار کرده‌اند، علاوه بر بازگرداندن مشتری، می‌توان به جذب مشتری جدید نیز بر اساس تبلیغات هدفمند پرداخت.

درنهایت، انتخاب هر یک از روش‌های فوق به موجودیت‌ها و محدودیت‌های مجموعه بستگی داشته و با برگزیدن مدل مناسب برای تحلیل داده‌ها و دسته‌ بندی مشتریان، می‌توان روش مناسبی نیز برای انجام ریتارگتینگ به ‌کار برد.

جمع‌بندی درباره ریتارگتینگ یا بازگشت مشتری

ریتارگتینگ از جمله تکنیک‌های مؤثر و کارآمد در بازاریابی دیجیتال برای سودآوری بوده که هدف غایی آن بازگشت مشتری و وادار نمودن مشتری به خرید و خلق ارزش برای مجموعه می‌باشد. پروسه ریتارگتینگ شامل شناسایی مشتریان و دسته بندی آنان بر اساس تحلیل داده‌های به‌دست آمده از سابقه تعامل با وب سایت بوده و با ارائه تبلیغات اختصاصی به هر دسته از مشتریان، میل به بازگشت و انجام خرید را در آنان ایجاد می‌کند. دسته بندی مشتریان و تحلیل رفتار آنان می‌تواند توسط مدل‌های مختلفی انجام شود. مدل RFM پرکاربردترین مدل حاضر است که بر اساس معیارهای خود، دسته بندی مناسبی برای مشتریان ارائه نموده و برای هر دسته از مشتریان می‌توان تبلیغاتی هدفمند ارسال نمود. مدل‌های دیگری نیز برای تحلیل و دسته بندی رفتار کاربران وجود دارد؛ از جمله آنالیز کوهورت و آنالیز ارزش طول عمر مشتری که درصورت به‌کار گیری موازی با مدل RFM می‌تواند به افزایش میزان کارایی پروسه ریتارگتینگ در بازگشت مشتری بیانجامد. اخیراً تحلیل رفتار کاربران توسط هوش مصنوعی و الگوریتم‌های یادگیری ماشین و همچنین شبکه‌های عصبی توجهات زیادی را به خود جلب نموده و با استفاده از این ابزار می‌توان علاوه بر تجزیه و تحلیل موقعیت کنونی، به پیش‌بینی مناسبی از الگوی رفتاری کاربران رسید و هدف‌گذاری مطلوبی برای ریتارگیتنگ انجام داد. در نهایت، بر اساس مدل انتخابی و دسته‌بندی انجام شده، خود پروسه ریتارگتینگ باید توسط پلتفرم مناسبی انجام گردد که نوع معمول و مؤثر آن، وب سایت ریتارگتینگ می‌باشد. برای موفقیت در زمینه ریتارگتینگ و یادگیری روش‌های بازگشت مشتری می‌توانید از مشاوران کسب و کار شرکت آریو وب کمک بگیرید تا در آینده شاهد بازگشت مشتریان بالقوه فروشگاهتان و همچنین وفاداری آنان نسبت به کسب و کارتان باشید.

برای مشاوره رایگان کلیک نمایید