如果你在客户服务部门工作，那么你比组织中的任何人都更了解你的客户——比市场营销、销售和领导都更了解。就像拥有超能力一样。
不幸的是，很多公司都不能利用他们的客户服务团队的知识，这些知识都被浪费了。但是，你可以通过运行客户细分分析来利用这种超能力，为公司的战略提供信息，并根据每个细分市场的需求制定量身定制的客户服务方法。
如果你正在进行市场细分分析，并需要找到可操作的见解——可以改善客户旅程的见解——请继续阅读。
什么是客户细分分析?
不要被这个术语吓倒——它只是一个名称，用来说明企业如何根据某些特征来识别和分类客户。这些因素包括行为、年龄、购买历史和地理位置。可以这样想:当你的业务刚刚起步时，你很可能对你所服务的对象有一个相当扎实的掌握。但随着业务的发展，这一点可能更难确定——如果你不知道你的客户是谁，就很难知道如何最好地为他们服务。这就是客户细分分析的亮点所在。
步骤1:简化你的分割变量
简化你的市场细分需要很多优先级。这时你的超能力就派上用场了。
你整天都在和客户打交道。你知道他们的特点，知道他们的需求，也知道他们的痛点。在您的脑海中，您可能已经知道从哪些变量开始。
当你在细分客户名单时，显而易见的答案通常是正确的答案。保持变量的简单性，让数字说话。
陷入客户分析阶段是很常见的。如果您正在查看细分，但没有根据数据进行更改，那么问题可能是您首先进行细分的方式。
一次性测量太多东西是很诱人的。一个简单、组织良好的客户分析方法通常是从一堆数字中引出故事的最佳方法。后退一步，一次只看一个消费者细分变量。
一个简单、组织良好的方法是从一堆数字中引出一个故事的最好方法。
从简单的基准指标开始，创建几个使用相同细分变量的组。你的变量可以是年龄、公司规模或地理区域，衡量标准可以是客户满意度评分或净推荐分数(NPS)。
确保每次只看一个变量。当你一次控制一个变量时，你的分组是不同的，你可以更可靠地获得见解。你的目标应该是一个没有重叠的维恩图。如果你的一个细分市场是“千禧一代”，另一个是“生活在大城市的人”，你会有很多重叠。重叠意味着混乱的数据，混乱的数据意味着你不能相信自己的见解。
一定要考虑什么样的客户细分模型最能满足你的需求。这可能意味着使用聚类分析——它利用数学模型，根据细分客户之间的微小变化来识别相似的客户RFM模型，主要关注最近、频率和货币因素。
第二步:将你的细分市场组织成细分市场
如果你的单变量细分方法没有给你任何可操作的东西，那么是时候添加一个子细分了。
试着用你在市场细分的第一阶段没有选择的变量来划分细分市场，比如地理区域或公司规模。此外，考虑客户支持团队特有的变量，如第一次联系的方式和请求的类型。
这里有一个分段分析的例子:假设你选择年龄作为顶层变量。你的细分市场可能是婴儿潮一代、X世代、千禧一代和z世代。如果你要考虑的下一个变量是城市规模，那么“千禧一代”细分市场的子细分市场可能是:
- 生活在大城市的千禧一代
- 生活在中小城市的千禧一代
- 生活在农村地区的千禧一代
要记住两个最佳实践:
- 在比较kpi时，不要混淆变量。
- 总是将一个子部分的性能与整个部分进行比较。
还记得维恩图吗?生活在大城市的千禧一代和呼吁支持的千禧一代之间会有重叠，所以比较这两个细分群体的幸福得分并不能告诉你太多。总是在一个变量内比较指标:大城市和小城镇，电话支持和电子邮件。
也要将这个数字与整个市场的平均值进行比较。通过比较使用电话支持的千禧一代的幸福得分和所有千禧一代的平均幸福得分，你就能发现电话支持是提高了平均得分还是降低了平均得分。子细分市场和细分市场之间的巨大差异会告诉你你的客户喜欢什么，不喜欢什么。
使用Ze亚博ndesk Explore客户细分分析从你的细分市场中获取见解。Explore可以将分散的客户数据转换为可定制的图表和仪表板，以便进行操作。
步骤3:分配kpi并将其与你的目标进行比较
关键绩效指标(kpi)提供了一个衡量部门和子部门之间绩效的框架。没有上下文的kpi是没有帮助的，所以一定要根据你的目标分配它们，这不可避免地会因客户细分而有所不同。对于特定领域的客户服务团队来说，成功是什么样子的?
让我们以接触方式为例。在衡量第一次回复的时间时，您的电话支持基准应该比电子邮件快得多，以满足该细分市场的期望。
为什么?在Zendes亚博k的报告中，2021年客户体验趋势我们发现，51%的受访者在使用电话支持时希望在5分钟内得到回复。只有7%的受访者在使用电子邮件联系技术支持时期望得到同样的回复，但超过一半的人希望在一小时内得到回复。
同样地，如果你的团队对所有客户的总体NPS目标是85，但你发现婴儿潮一代的NPS为70，而且它正在拉低平均值，这就证明你要么需要调整你的目标，要么调整你对这部分客户的方法。
第四步:使用数据进行迭代，而不是轶事
你不应该仅仅根据轶事来概括一个客户群。有效的客户细分分析使用趋势，而不是异常值。
考虑一个愤怒的顾客的例子。认知偏见会让你误以为这个人正在经历一个共同的痛点，即使他们是唯一一个在抱怨的人。但是，虽然你应该认真对待愤怒的客户，但你不应该围绕他们制定战略。仅仅因为某人是房间里声音最大的人，并不意味着他代表所有人。
有效的客户细分分析使用趋势，而不是异常值。
一个良好的客户细分工具应该能消除分析中的坊间偏见。一个有声音的客户可能代表了一个更大的趋势，但如果不着眼于大局，你就不会知道这一点。亚博Zendesk探索的强大的报告功能可以帮助您了解数据的细微差别，并调查客户问题的性质。
在确定更大的客户趋势的同时，您的目标是了解每个细分市场的独特需求。这群细分客户需要什么，而你没有提供?
有时基准测试可以让您深入了解为什么某些团队期望不同的标准。在我们的2020年客户体验趋势报告，我们发现，年轻用户倾向于使用更快的响应渠道，如应用内消息，比年长用户的比例更高。如果你正在用基于年龄的人口统计学细分来研究响应时间和客户满意度之间的关系，这可能会让一些已知的未知更加清晰。
客户细分分析不仅仅是支持
细分分析是整个公司都可以使用的数据金矿。您的分析可以帮助产品团队确定功能的优先级，营销团队编写具有共鸣的文案，销售团队定制演示版本。更好的是，客户细分分析可以导致更连贯的营销努力，提高客户忠诚度，并更深入地了解客户需求。
细分洞察应该为每个团队的工作提供信息，但如果没有正确的系统，这是不可能做到的。当您使用正确的工具来分析客户数据时，您正在构建多个团队可以引用的可共享的知识中心。当你把它传递给正确的团队时，你就给了客户一个影响你公司的声音。
有关的故事
