Mengaktifkan Segmentasi Pelanggan yang Didukung AI untuk Perusahaan B2B: Sebuah Peta Jalan

Berbasis di North Carolina, Ingersoll Rand adalah salah satu konglomerat terkemuka di dunia. Perusahaan ini memiliki beberapa lini bisnis, termasuk sistem udara bertekanan, solusi HVAC, dan produk teknologi mutakhir yang melayani beragam industri, seperti laboratorium ilmiah dan perusahaan transportasi kargo. Ia juga hadir di lebih dari 175 negara, beroperasi terutama di segmen B2B.

Dengan mengingat hal tersebut, mudah untuk membayangkan betapa rumitnya memuaskan semua pelanggan mereka, itulah sebabnya Ingersoll Rand menggunakan AI untuk memahami mereka dengan lebih baik.

By memanfaatkan AI untuk mensegmentasi basis pelanggan mereka yang luas dan sangat beragam, perusahaan dapat membuat kampanye yang disesuaikan dengan kinerja KPI yang jauh lebih baik seperti rasio buka, rasio klik-tayang, dan konversi. Beberapa dari kampanye ini disegmentasikan berdasarkan geografi, sementara kampanye lainnya berdasarkan jenis atau ukuran bisnis, dan kampanye lainnya merupakan kombinasi dari semua hal di atas. Hal ini membantu para pemimpin perusahaan memahami bahwa mereka mempunyai beberapa segmen unik yang belum pernah mereka kembangkan sebelumnya. Faktanya, tanpa AI, mereka mungkin tidak menyadari adanya segmen ini.

Kesuksesan Ingersoll Rand menunjukkan sesuatu yang harus dipahami oleh semua pemimpin bisnis. Lanskap saat ini sangat kompetitif, oleh karena itu, memahami pelanggan Anda sangatlah penting. Klien yang merasa tidak diakui atau kebutuhannya tidak terpenuhi oleh produk atau layanan Anda dapat dengan mudah terpengaruh untuk beralih ke tawaran perusahaan pesaing.

Untuk meningkatkan peluang Anda dalam memahami secara memadai apa yang diharapkan klien Anda, Anda harus membagi mereka ke dalam segmen yang tepat, karena hanya dengan cara itulah Anda akan mengetahui dengan pasti apa karakteristik, perilaku, dan preferensi mereka. Berdasarkan segmen ini, Anda dapat menyusun kampanye pemasaran yang disesuaikan dan penawaran produk yang dipersonalisasi, yang akan meningkatkan tingkat konversi Anda secara signifikan.

Dengan mengadopsi teknologi seperti kecerdasan buatan (AI) dan pembelajaran mesin (ML), perusahaan dapat meningkatkan upaya segmentasi pelanggan mereka. Namun, seperti semua inovasi teknologi, inovasi ini perlu diadopsi secara strategis.

Berikut panduan untuk membantu Anda mencapai hal itu.

Mengapa segmentasi pelanggan penting dan bagaimana AI dapat membantu?

Pada dasarnya, AI dapat membantu kita dengan melampaui bias dan metode konvensional dalam mensegmentasi pelanggan. Karena proses segmentasinya hanya dijalankan oleh data, kami kemudian dapat mempelajari segmen pelanggan yang tidak terpikirkan sebelumnya, dan ini mengungkap informasi unik tentang pelanggan kami.

Untuk mengilustrasikannya lebih jauh, mari kita lihat contoh berikut.

Sebuah perusahaan yang berspesialisasi dalam peralatan dan perlengkapan pertanian bertujuan untuk memperluas penawaran produknya. Perusahaan sedang melakukan segmentasi untuk memastikan produk baru relevan.

Di masa lalu, bisnis ini mengandalkan pendekatan segmentasi konvensional, yang mengelompokkan pelanggan berdasarkan lokasi geografis, berdasarkan asumsi bahwa petani dari wilayah yang sama akan memiliki kebutuhan yang sama. Misalnya, mereka akan mengiklankan traktor yang berfokus pada fitur-fitur yang mereka anggap sebagai kesamaan antara pertanian di American Midwest, seperti kondisi cuaca.

Namun, setelah menerapkan AI, perusahaan menyadari bahwa segmentasi geografis bukanlah pendekatan yang tepat. Dengan mengumpulkan data ekstensif (termasuk riwayat pembelian, ukuran lahan pertanian, jenis tanaman yang ditanam, metode irigasi yang digunakan, adopsi teknologi, tingkat otomatisasi, dan banyak lagi), dan membiarkan algoritme AI menganalisisnya, perusahaan tersebut mendeteksi bahwa ukuran lahan merupakan salah satu hal yang paling penting. faktor yang mempengaruhi keputusan pembelian petani. Hal ini terlihat jelas: petani dengan lahan pertanian yang lebih luas mempunyai kebutuhan yang berbeda dibandingkan dengan petani yang memiliki lahan pertanian yang lebih kecil. Namun, para pemimpin perusahaan peralatan pertanian masih bertekad untuk menjual melalui segmentasi geografis, dan mereka sendiri mungkin tidak akan pernah mengubah proses ini, meskipun hal itu tidak memberikan hasil terbaik.

Karena itu, bagaimana kita menjalankan proses ini?

Pendekatan berbeda untuk segmentasi pelanggan

Untuk menentukan model mana yang akan diterapkan pada pendekatan segmentasi pelanggan Anda, Anda perlu mempertimbangkan:

• Data apa yang saya miliki? Dengan kata lain, apa yang saya ketahui?

• Apa tujuan bisnis saya?

• Apa yang saya ketahui tentang pelanggan saya?

Berdasarkan hal ini, Anda dapat menerapkan model tanpa pengawasan, model yang diawasi, atau mengikuti pendekatan campuran.

• Tanpa pengawasan (pengelompokan K-Means, DBSCAN, GMM): Model ini tidak bergantung pada label dan data pelatihan yang telah ditentukan sebelumnya, namun menghitung segmen optimal dari awal. Anda dapat menerapkan algoritme tanpa pengawasan:

  • Saat Anda tidak memikirkan segmen tertentu, terutama saat Anda menerapkan segmentasi AI untuk pertama kalinya dan belum memiliki kumpulan data yang dilatih sebelumnya

  • Ketika Anda memiliki bisnis yang dinamis dengan basis pelanggan yang berubah dengan cepat, dan Anda ingin mengidentifikasi segmen baru

• Pembelajaran Mesin yang Diawasi (model regresi, pohon keputusan, hutan acak): Kita dapat menerapkan pendekatan ini jika kita memiliki kumpulan data pelatihan berlabel, misalnya dari segmentasi atau pengetahuan domain sebelumnya. Model ML yang diawasi kemudian dapat diterapkan pada pelanggan baru, atau pelanggan yang segmennya belum jelas

Pendekatan campuran menggabungkan penggunaan pembelajaran tanpa pengawasan untuk mengidentifikasi segmen dan kemudian menerapkan segmen ini sebagai label untuk melatih model yang diawasi. Model terlatih ini dapat digunakan untuk mengklasifikasikan pelanggan baru, atau membuat segmen untuk pelanggan yang data lengkapnya tidak kami miliki.

Harap berhati-hati saat menerapkan pendekatan campuran tanpa pengambilan sampel acak. Jika Anda hanya memilih pelanggan yang data lengkapnya Anda miliki, kemungkinan besar Anda akan memilih pelanggan yang lebih setia, yang mungkin bukan representasi yang adil dari keseluruhan grup. Hal ini akan menghasilkan seleksi yang bias, dan bias tersebut hanya akan diteruskan ke AI.

Tantangan dan kesalahan umum

AI bukannya tanpa tantangan. Dari pengalaman saya, berikut adalah beberapa hambatan yang kemungkinan besar Anda temui saat Anda belajar menguasai berbagai hal.

• Segmentasi yang jelas: Banyak perusahaan tidak memahami dengan jelas alasan mereka melakukan segmentasi. Tanpa tujuan ini, proses yang dijalankan AI akan sulit menjadi efektif. Dalam kasus tersebut, pendekatan tradisional yang dilakukan oleh manusia dapat bekerja lebih baik, terutama jika Anda memiliki data kualitatif. Hal yang sama berlaku jika Anda hanya memiliki sejumlah kecil pelanggan.

• Kualitas Data: Kualitas hasil yang dihasilkan oleh AI hanya akan sama baiknya dengan kualitas data yang Anda masukkan ke sistem. Oleh karena itu, jika data Anda tidak akurat, segmentasi Anda juga tidak akan akurat.

• Pertimbangan etis: Pastikan Anda tidak memasukkan data dan kriteria sensitif ke dalam model. Ini adalah kesalahan yang dilakukan banyak perusahaan dan merugikan uang serta reputasi mereka. Misalnya, di AS, perusahaan hipotek mendapat kecaman dugaan profil rasial pada algoritme AI mereka.

• Kesiapan CRM: Karena ML adalah teknologi yang baru jadi, banyak sistem CRM (manajemen hubungan pelanggan) tidak dilengkapi untuk menanganinya. Oleh karena itu, integrasi segmen yang tepat ke dalam operasi bisnis (kampanye pemasaran, titik kontak, strategi penjualan) memerlukan pekerjaan tambahan. Sering kali, pemilik langsung terjun tanpa mempertimbangkan semua proses yang terlibat, dan hal ini menyebabkan kendala saat mencoba memanfaatkan AI.

• Pelatihan Karyawan: Karyawan perlu dilatih lebih lanjut agar mereka dapat sepenuhnya memahami pendekatan segmentasi AI. Selain itu, kemungkinan besar Anda akan menemukan penolakan karena hasil AI mungkin bertentangan dengan intuisi mereka. Untuk mengatasi hambatan kepercayaan, tunjukkan beberapa penerapan positifnya, dan gunakan AI secara bertanggung jawab.

• Kualitas segmen: Mirip dengan segmentasi tradisional, segmen yang Anda peroleh dari model ML harus memenuhi kriteria utama dan divalidasi:

  • Dapat ditindaklanjuti

  • Stabil

  • Ukurannya cukup besar

  • Dapat dibedakan

• Pengetahuan dan interpretasi domain: Mengintegrasikan dan mengelola pengetahuan bisnis Anda secara memadai sangat penting di setiap langkah, mulai dari persiapan data hingga validasi hasil model. Selain itu, perlu diingat bahwa model pembelajaran mesin yang sempurna pun tidak akan memberi Anda akurasi 100%. Di sinilah keahlian domain Anda dibutuhkan, dan mengapa sangat penting bagi AI dan manusia untuk bekerja sama. Kesalahan lain yang sering saya lihat adalah pengambil keputusan mendelegasikan segalanya kepada AI, dan menerapkan saran mereka secara membabi buta tanpa pertanyaan lebih lanjut. Hal ini kemungkinan besar akan menimbulkan hasil yang tidak menguntungkan. Selain itu, ingatlah bahwa pada akhirnya, kita adalah manusia, dan bias kita masih ada saat menafsirkan data. Menyadari hal ini dapat membantu kita agar tidak terlalu rentan terhadap potensi kesalahan.

• Pembaruan model: Jika Anda memiliki basis pelanggan yang dinamis atau Anda memiliki pergantian pelanggan yang tinggi, perilaku dan preferensi pelanggan Anda sering kali berubah. Oleh karena itu, pastikan Anda memperbarui model secara rutin dan tidak bergantung pada segmen yang sudah ketinggalan zaman.

Panduan Langkah demi Langkah untuk Segmentasi Pelanggan yang Mendukung AI

Kini setelah Anda menyadari tantangannya, berikut panduan langkah demi langkah untuk membantu Anda menerapkan AI dan berhasil mengintegrasikannya ke dalam proses segmentasi pelanggan Anda.

1. Tentukan tujuan segmentasi Anda. Ini termasuk memahami berbagai kriteria yang menjadi dasar Anda mengklasifikasikan pelanggan Anda. Sekali lagi, di sini diperlukan wawasan yang dihasilkan oleh AI dan perspektif Anda sebagai pakar di bidangnya. Bersama-sama, Anda akan menemukan segmen pelanggan baru dan dapat menyesuaikan kampanye pemasaran Anda untuk mencapai hasil yang lebih baik.

2. Menjamin ketersediaan data: Pastikan AI memiliki akses ke data pelanggan yang komprehensif, atau jika data Anda tidak lengkap, temukan cara untuk mengatasinya. Salah satu cara untuk melakukannya adalah dengan menggunakan pendekatan pemodelan campuran. Kami telah mengatakannya sebelumnya, namun hal ini tidak dapat cukup ditekankan: Hasil hanya akan sebaik data yang harus digunakan oleh AI.

3. Tangani keterbatasan data: Jika Anda memiliki data terbatas, pilih sampel acak dari database pelanggan Anda dan kumpulkan data tambahan dari mereka. Kemudian, terapkan pendekatan campuran untuk memaksimalkan hasil Anda.

4. Pilih pendekatan pemodelan Anda dan terapkan model yang dipilih pada data yang diperoleh

5. Pilih jumlah segmen yang optimal: Ada berbagai teknik untuk menghitung jumlah segmen yang optimal. Yang paling populer adalah aturan siku dan analisis kesenjangan.

6. Pahami kriteria pembeda segmen dan tafsirkan hasilnya: Apa saja variabel kunci yang dapat digunakan untuk mengidentifikasi pelanggan Anda? Apa persepsi mereka, dan bagaimana cara memasarkannya? Agar proses segmentasi dapat berjalan, setelah memvalidasi keakuratan model, Anda perlu meninjau berbagai segmen dan menentukan apakah variabel yang mendorong segmen tersebut cukup diterapkan pada model bisnis Anda.

Terakhir, namun tidak kalah pentingnya, sebagai sumber untuk visualisasi segmentasi yang memadai, saya menerapkan koordinat paralel, di mana saya mengidentifikasi empat segmen: pembeli bernilai tinggi, pembeli hemat, penggemar teknologi, dan pembeli sesekali. Saya mengukur kategori seperti pembelanjaan bulanan dan frekuensi pembelian untuk masing-masing segmen karena hal ini membantu saya lebih memahami pelanggan saya.

Final Thoughts

Seperti yang telah kita bahas, segmentasi pelanggan yang didukung AI dapat membantu perusahaan B2B mendapatkan visibilitas yang lebih jelas tentang siapa pelanggan mereka dan pendorong di balik pengambilan keputusan mereka. Setelah Anda memiliki informasi ini, Anda dapat memanfaatkannya untuk membuat kampanye dan pengalaman yang dipersonalisasi yang menambah nilai lebih bagi klien Anda.

Dengan mengikuti peta jalan yang diuraikan dalam panduan ini, Anda dapat memanfaatkan algoritme AI untuk meningkatkan proses segmentasi bisnis Anda dan membuat keputusan berdasarkan data yang mendorong pertumbuhan Anda dan meningkatkan KPI kepuasan pelanggan Anda, membina hubungan yang lebih baik dengan klien Anda dan rasa kebersamaan yang kuat. loyalitas terhadap merek Anda.

Hal ini semakin penting dalam dunia B2B, dan khususnya untuk produk-produk berteknologi tinggi, karena kebutuhan pelanggan berubah dengan cepat dan ekspektasi teknologi berkembang dengan cepat. Melakukan segmentasi pelanggan secara memadai dapat membuat perbedaan antara memberikan produk terbaik dan produk yang gagal mencapai kesesuaian pasar produk yang relevan.