예측 세그먼트 소개 - 고객 의도에 따라 대상 고객 구축
게시 됨: 2022-12-13자동 조종 장치로 Tesla를 운전하는 것처럼 기계 학습은 향상된 의사 결정, 초개인화 및 콘텐츠 최적화 기능을 통해 마케팅 활동을 촉진했습니다. 그리고 대부분의 응용 프로그램은 사용자의 과거 데이터를 기반으로 권장 사항을 제공하는 것과 같은 개인화된 메시지 전략을 구축하는 데 중점을 둡니다. 동일한 머신 러닝 알고리즘을 적용하여 구매 또는 구독 가능성을 기반으로 대상 고객을 구축할 수 있다면 어떨까요?
예측 세분화 이해
기존의 세분화 방법을 넘어선 예측 세분화는 구매 가능성과 같은 정의된 행동에 대한 사용자의 성향을 기반으로 세그먼트를 생성할 수 있는 기술입니다.
유사 잠재고객을 생성하는 것과 마찬가지로 예측 세그먼트는 기계 학습을 활용하여 구매 또는 이탈 가능성과 같은 특정 작업을 수행할 '가능성'이 있는 사용자 목록을 생성합니다. 예측 세분화는 사용 가능한 사용자 속성 및 이벤트 데이터로 제한되는 청중을 세분화하는 마케터의 능력에 의존하기 때문에 현재 세분화 방법보다 더 강력합니다.
이걸 고려하세요,
[옵션 A] 18~45세 여성 사용자 세그먼트 생성
[옵션 B] Rs.5,000 이상의 금액을 구매할 가능성이 있는 여성 사용자 세그먼트 생성
옵션 B를 사용하면 18세에서 45세 사이의 여성 사용자에 비해 더 나은 문맥 및 대상 메시지 전략을 실행할 수 있지 않을까요? 18세에서 45세 사이의 여성 사용자를 타겟팅한다고 해서 이 세그먼트의 모든 사용자가 구매에 관심이 있다고 보장할 수는 없습니다. 광범위한 세그먼트를 만드는 대신 특정 금액 이상으로 구매할 가능성이 더 큰 사용자를 타겟팅하면 전환을 유도하는 데 더 유리할 것입니다.
WebEngage의 예측 세그먼트 소개
WebEngage의 예측 세분화를 통해 특정 비즈니스 목표를 기반으로 세그먼트를 생성할 수 있습니다. 예를 들어 이를 사용하여 향후 15일 내에 구매할 가능성이 있는 사용자 세그먼트를 만들 수 있습니다. 그런 다음 기계 학습 알고리즘이 사용자 집합을 예측하고 선택한 비즈니스 목표에 대해 가능성이 가장 높음, 보통, 가장 낮음의 3가지 목록을 생성합니다.
예측 세그먼트를 사용하면 다음을 수행할 수 있습니다.
- 선택한 비즈니스 목표에 따라 메시지 전략을 맥락화합니다. 예를 들어 구매할 가능성이 있는 사용자에게 조회한 제품을 기반으로 개인화된 권장 사항을 표시할 수 있습니다.
- 호텔 또는 항공편 예약 가능성이 높은 사용자 예측과 같은 여러 비즈니스 목표 선택
- 제품 카테고리 또는 가격과 같은 사용자 속성을 기반으로 필터를 적용합니다. 예를 들어 사용자는 신발을 구매할 가능성이 높습니다.
- 지정된 비즈니스 이벤트에 대해 예측할 타임라인을 선택합니다. (현재 7일 ~ 180일 범위 내에서 선택 가능)
팁: 사용자 행동 및 속성 변경을 수용하기 위해 더 작은 타임라인을 선택하는 것이 좋습니다.
그런 다음 이러한 목록을 일회성 또는 자동화된 마케팅 캠페인에 사용할 수 있으며 주기적으로 자동 새로고침됩니다.
작동 중인 예측 세그먼트
예측 세그먼트는 독립 실행형 캠페인 및 채널 간 여정에서 사용할 수 있습니다. 독립형 캠페인의 경우 잠재고객 탭에서 필요한 세그먼트를 선택합니다.
여정에 예측 세그먼트를 포함하려면 다음 단계를 따르십시오.
- Enter/Exit/Is in Segment 트리거 선택
- '이미 있음' 옵션을 선택하고 정적 목록 아래에서 필요한 예측 세그먼트를 선택합니다.
마케팅 캠페인에서 예측 세그먼트를 최대한 활용하는 12가지 방법
1. 제품 조회를 구매로 전환
구매할 가능성이 있는 사용자를 위한 예측 세그먼트를 만듭니다. 또한 이 세그먼트는 특정 카테고리 또는 가격 범위를 정의하기 위해 사용자 속성에 따라 세분화할 수 있습니다. 예를 들어 Rs보다 많은 금액을 구매할 가능성이 있는 사용자에 대한 예측 세그먼트를 만듭니다. 5,000.
사용된 비즈니스 목표: purchase_made
2. Rs.10,000 이상의 금액으로 보험에 가입할 가능성이 있는 사용자를 예측합니다.
보험 구매 가능성을 기반으로 예측 세그먼트를 생성하고 대상 커뮤니케이션으로 사용자를 유도합니다. 예를 들어 Rs.10,000보다 많은 금액에 대해 보험을 구매할 가능성이 있는 사용자 목록을 만듭니다. 이를 통해 최대 사용자 수를 구매하기 위해 홍보할 보험 상품을 식별할 수 있습니다.
사용된 비즈니스 목표: Insurance_purchased
3. 데이터 과학 과정 등록 유도
데이터 과학 과정을 구매할 가능성이 있는 학습자를 식별하고 권장 사항 엔진의 도움을 받아 최고 또는 최고 실적 과정을 강조 표시합니다. 예를 들어, 데이터 과학 과정을 구매할 가능성이 있는 사용자 세그먼트를 만들고 이메일 커뮤니케이션을 통해 가장 성과가 좋은 과정을 보여줌으로써 등록하도록 유도할 수 있습니다.
사용한 비즈니스 목표: course_purchased
4. 향후 15일 이내에 항공편이나 호텔을 예약할 잠재 고객을 식별합니다.
항공편이나 호텔을 예약할 가능성이 있는 사용자 세그먼트를 만들고 특별 할인이나 제안으로 구매를 유도합니다.
사용된 비즈니스 목표: flight_booked 및 hotel_booked
5. 구독을 구매할 가능성이 있는 사용자 예측
구독을 구매할 가능성이 높은 사용자 세그먼트를 생성하여 무료 사용자를 유료 사용자로 전환합니다. 또한 가격을 기준으로 이 세그먼트를 필터링하여 다양한 구독 제안에 대한 메시지 전략을 맥락화합니다.
사용한 비즈니스 목표: subscription_purchased
6. 웹사이트 방문자를 뉴스레터 구독자로 전환
비즈니스 뉴스레터를 구독할 가능성이 가장 높은 사용자를 식별하고 사용자 참여를 높입니다.
사용된 비즈니스 목표: newsletter_subscription
7. 잠재적인 플레이어를 예측하여 온라인 게임 채택률을 높입니다.
웹사이트에서 게임을 할 가능성이 가장 높은 사용자 세그먼트를 생성하여 더 많은 사용자가 게임 플랫폼에 참여하도록 유도하세요. 또한 드립 캠페인을 통해 이러한 사용자를 현금 기반 게임에 참여하도록 유도하십시오.
사용된 비즈니스 목표: game_played
8. Rs.15,000 이상을 지출할 가능성이 있는 고객을 식별하여 충성 고객 기반을 늘립니다.
충성도가 높은 사용자는 더 끈끈하고 비즈니스의 전반적인 전환 증가에 기여할 가능성이 높습니다. Rs.15,000 이상의 금액을 구매할 가능성이 있는 사용자의 예측 세그먼트를 생성함으로써 각 구매 후 계정에 포인트를 할당하여 특별 할인을 활용하고 향후 구매를 장려할 수 있습니다.
사용된 비즈니스 목표: purchase_made
9. 맞춤형 제안 및 할인으로 이탈 가능성이 가장 높은 고객에게 인센티브 제공
구매할 가능성이 있는 사용자 세그먼트를 생성하는 것과 유사하게 예측 세그먼트를 활용하여 사용자 이탈을 방지할 수도 있습니다. 예를 들어 이탈 가능성이 높은 사용자 세그먼트를 만들고 특별 할인 및 제안을 통해 구매하도록 유도할 수 있습니다.
사용된 비즈니스 목표: purchase_made(가능성이 가장 낮음)
10. 항공편 또는 호텔 예약에 지출한 금액을 기반으로 프로모션 전략을 고안합니다.
항공편이나 호텔을 예약할 가능성이 높은 사용자를 위해 프로모션 전략을 맞춤설정하세요. 또한 지출 금액을 기준으로 필터링하여 이 세그먼트에 미묘한 차이를 만듭니다. 예를 들어 Rs.10,000 이상의 금액으로 항공편이나 호텔을 예약할 가능성이 있는 사용자 세그먼트와 Rs.10,000 미만을 지출할 가능성이 있는 사용자에 대한 별도 세그먼트를 만듭니다. 두 세그먼트 모두 20% 및 10% 할인을 제공하도록 판촉 전략을 고안하십시오.
사용된 비즈니스 목표: hotel_booked 및 flight_booked
11. 대출 신청 가능성이 있는 사용자를 넛지
대출 요청을 제기할 가능성이 있는 잠재 고객에게 연락하여 회신을 제출하도록 하고 대출 요청을 성공적으로 제기할 수 있도록 관계 관리자를 지정합니다.
사용된 비즈니스 목표: loan_request_made
12. 학습 플랫폼을 위한 웨비나 등록 촉진
예측 세그먼트를 생성하여 더 많은 사용자가 웨비나에 등록하도록 하십시오. 나중에 이 세그먼트는 등록하거나 관심이 있는 웨비나 카테고리를 기반으로 과정 구매자로 육성될 수 있습니다.
사용된 비즈니스 목표: webinar_registration
마무리
설명 세분화를 사용하면 사용자 작업 및 속성을 기반으로 잠재고객의 범위를 좁힐 수 있습니다. 그러나 기계 학습의 도움으로 예측 세그먼트는 메시지 전략을 맥락화하고 작업을 수행할 가능성이 있는 사용자를 타겟팅하는 데 도움이 될 수 있습니다. 이 기능을 사용해 보고 피드백을 공유해 주시기 바랍니다. 도움이 더 필요한 경우 고객 성공 관리자에게 연락하거나 제품 @webengage.com 에 연락하여 시작하십시오.
i 이미지 출처: dribbble.com