Segmentazione degli utenti in base al comportamento d’acquisto

Cliente: cliente era il leader mondiale dei servizi di aste online.

Esigenza: realizzare un’email campaign targettizzata su gruppi omogenei di utenti in base al loro comportamento storico di acquisto, in particolare identificando gli utenti che avevano mostrato un comportamento simile negli ultimi 24 mesi.

Progetto:
il progetto è stato realizzato da Freedata insieme ad un'agenzia di marketing che ha realizzato il layout delle email e il contenuto della campagna. Sono state necessarie analisi di statistica descrittiva e tecniche di analisi statistica multivariata per realizzare gli obiettivi del progetto.
L'intero progetto è stato eseguito in due step: gli utenti di aste online sono stati classificati in tre gruppi a seconda del comportamento d'acquisto mostrato negli ultimi 24 mesi.
Il comportamento d'acquisto è stato definito in termini di:

• valore (valore medio di ogni acquisto)
• frequenza (numero medio di acquisti mensili)
• classe (attitudine a cambiare il tipo di oggetto acquistato in un certo intervallo di tempo).

L'analisi ha portato ad indentificare tre grandi gruppi di utenti:

• Affezionati: utenti che dimostrano un costante, alto valore di acquisto
• Convincibili: utenti il cui comportamento è variato durante il periodo considerato. Il valore dei loro acquisti era medio-alto. Si considerava che questi utenti fossero potenzialmente più ricettivi rispetto ad una strategia di comunciazione più raffinata.
• Resistenti: utenti che dimostrano un costrante e basso valore degli acquisti.

Gli utenti identificati come Affezionati o Resistenti hanno ricevuto una email specifica.
Gli utenti classificati come Convincibili sono stati oggetto di una segmentazione più raffinata, si pensava infatti che potessero essere sensibili ad una campagna più raffinata. E' stata quindi realizzata un'analisi statistica multivariata il cui risultato è stato l'identificazione di 8 cluster caratterizzati da caratterisatiche omogenee. Le variabili utilizzare per identificare questi gruppi sono state:

• Età
• Genere
• Valore medio di acquisto
• Frequenza media mensile di acquisto
• Categorie di prodotto acquistate
• Numero di categorie di prodotto acquistate
• Comportamento mostrato durante le aste (in termini di numero di offerte fatte, tempo, etc...).

Risultati: l’analisi ha portato alla classificazione di ogni cliente in base secondo la distinzione fatta in Affezionati, Convincibili, Resistenti. Ad ogni user appartenente alla lista fornita dal cliente è stata apposta un’etichetta che indicava la sua classificazione come Affezionato, Convincibile, Resistente. Inoltre, ad ogni utente identificato come convincibile è stata apposta un’ulteriore etichetta di appartenenza ad uno degli 8 cluster identifcati.

Timing: 6 settimane di calendario.