Gerek segmentasyon, gerekse veri yönetimi eğitimlerinde çokça sorulan bir konu var.

Müşteri verilerinden yola çıkarak tanımak konulu ^{[1] ve [2]} yazılardaki gibi müşteriyi tanısak bile… “Bu yöntem diğer segmentlere nasıl uygulanmalı ve uygun teklif geliştirilmesi için nasıl bir yol izlenmeli?” diye soruluyor.

Bir taş ile çok sayıda kuş vuralım. Hem veriyi anlamlandırmak için yapılanları özetleyelim; hem segmentasyon için veri seti oluşumunu konuşalım; hem de bu verinin nasıl modelleneceğini öğrenelim. Bir banka örneğiyle ilerleyelim.

İşe, pazarın özelliklerini bilen kişilerle başlarız. “Son yıllarda baskın özelliği olan yeni bir segment var mı?” diye değişimleri anlayabilen akil pazarlamacılara sorarız. Diyelim ki bunlardan biri “Plaza Kadınları” diye bir segmentten bahsetti.  Onlar için paraya, ilişkiye, kârlılığa dönüştürülecek (işte convergeance) bir teklif oluşturabileceğini söyledi.

Önce bu Plaza Kadınları segmentini daha iyi tanımaya çalışırız. Benin önerim en azından Rakiplerden sıyrılmak yazılarındaki ^{[3] ve [4]} kadar ayrıntılı bir profil çıkarmaktır.

Verileri bulmaya giden yol ihtiyaçtan başlar ^[5]. Müşteriyi tanımak ve ihtiyaçlarını gidermek için hangi bilgilere gerek duyulduğu, bu bilgilerin hangi malumatlardan oluştuğu, bu malumatın hangi verilerden elde edilebileceği (need > knowledge > information > data) saptanır.

Diyelim ki,  çok ayrıntılı bir profil çıkaramadık. Çevremizi gözleyerek ve bilenlere sorarak şunları hemen buluruz.

• Sabahları erken kalkar. İşyerinde bakımlı olmak zorunda hisseder. Süslenir. Sabah 07.00’de kuaföre gidenleri vardır.
• İşe sabahları spor ayakkabı ile gelir. İşte giyeceği topuklu ayakkabısı çekmecesinde duruyordur.
• Sabahları kahvesini Starbucks (veya benzeri kahve dükkanlarından) alır.
• Sabah işe gider gitmez (çoğunlukla 8.30 – 9.15 arası) özel alışveriş sitelerinde gezinir. Hoşuna gidenleri satın alır.
• İşyerinde döpiyes veya iş kıyafetleri giyer. Çoğunlukla koyu renkler hakimdir.
• Öğle yemeği için dışarı çıkmayı tercih eder. Yakında AVM varsa, oraya gider.
• Eğer bekar ise yemekten önce (bazen de yemekten sonra) giysi, takı, vb. alışverişi yapar.
• Eğer evli ise, evin ihtiyacı olan gıda alışverişini aradan çıkartır.
• İş yerinde gizli bir rekabet vardır. Sadece kariyer konusunda değil, giysi ve ayakkabı konusunda da kadınlar arası bir çekişme olur. Zaten sabah bakımı da bu yarışın bir parçasıdır.
• Aldıkları maaşlarına oranla yüksek harcama yapar. Bekar ise, hemen hiç tasarruf yapmaz.
• Bekar olanları cumartesi akşamları genelde dışarı çıkar.
• Araba kullanırlar. Unvanları yeterli ise, şirket arabası, daha alt düzeyde ise (ve araba satın alacak duruma gelmişse) kendi arabalarını kullanırlar.
• Yılbaşlarında çekiliş yapıp iş arkadaşlarına hediye alır.
• Spor salonu üyeliği vardır. Pek sık gitmeseler de çoğunlukla yenileme döneminde “Bu sene mutlaka…” diyerek yenilerler.
• Pahalı parfümler kullanır.
• Zamanlarıı kısıtlıdır.
• İnterneti çok kullanırlar.
• Blackberry ya da IPhone’u vardır.
• Trend kitapları okur.
• İşyeri dolabı, acil lazım olabilecek şeylerle doludur. Yara bandı, ağrı kesici, atıştırmalık yiyecekler, ıslak mendil, şarj aleti gibi.
• Genelde her yıl, moda olmuş bir yerde tatil yapar.

Bunları bulduk. Daha önce de dediğimiz gibi, amacımız genel kültürümüzü artırmak değil, verileri paraya, ilişkiye, kârlılığa dönüştürecek bilgiler durumuna getirmek.

Bizdeki müşterilerin hangilerinin Plaza Kadınları Segmenti’ne girdiğini bulmaya çalışırız. “Nasıl buluruz?” diye sorarsanız…  Yukarıda listelediğimiz ayrıntılı profil tanımına bakarız.

Banka için bu segmenti incelersek, kredi kartını kullanarak:

• Sabah saatlerinde Starbucks (veya benzeri kahve dükkanlarından) alışveriş yapan,
• Sabah çoğunlukla 8.30 – 9.15 arasında özel alışveriş sitelerinden satın alan,
• Öğle saatlerinde AVM’de yemek yiyen, alışveriş yapan,
• Spor salonu üyeliği satın alan,
• Kredi kartı limitine yaklaşan, hatta geçen; ama ödemesini düzenli yapan

müşterileri inceleriz. (Dikkat etmişseniz, ne kadar ayrıntılı profil tanımı yapılırsa, o kadar çok ipucu bulacağımızı görmüşsünüzdür.)

• AVM’deki alışverişlerine göre medeni durum tahmini
• Benzin alışverişine göre arabası olup olmadığını

da varsayarız.

Sonra elimizdeki diğer verilerle doğrulama yaparız.  Örneğin yukarıdaki özelliklere sahip müşterilerden bir kısmının:

• çalıştıkları işyerleri
• maaşları,
• vb…

gibi bilgiler onların Plaza Kadını olduğunu doğruluyorsa, artık modelleme yapma zamanı gelmiştir.

Yeterli sayıda benzer özellikleri olan müşteri varsa, Plaza Kadınları Segmenti ile daha detaylı ilgilenmeye başlarız. Yukarıdaki bilgileri doğrulayan müşterilerin başka ortak özellikleri olup olmadığını, hangi özelliğin önemli bir kırılım (alt-segment) yarattığını buluruz.

Müşterilerin elimizdeki verilerini iyi yorumlayabilirsek,  varsayımlarımızdan yanlış olanları da, daha önce  aklımıza gelmeyen fırsatları ve kâr artırıcı noktaları da  bulabiliriz.

Artık, doğru teklifi hazırlayıp doğru müşteriye sunma zamanı gelmiştir.

Resim şuradan alınmıştır.

Sn. Ayça Güler’in katkılarıyla zenginleştirilmiştir.

Sn. Şebnem Burcuoğlu’nun röportajı ^[6] mutlaka okunmalıdır