В отчётах продукта живёт средний пользователь: заходит 3,4 раза в неделю, проводит 7 минут в сессии, покупает раз в 26 дней. В реальности такого человека может не существовать. Есть те, кто заходит каждый день на минуту, и те, кто раз в неделю на полчаса. Среднее между ними описывает никого. Сегментация по поведению помогает увидеть настоящие группы, а AI — найти их быстрее и точнее, чем ручные правила.
Чем поведенческие сегменты лучше демографии
Пол, возраст и город объясняют поведение в продукте хуже, чем само поведение. Двое тридцатилетних из Москвы могут пользоваться сервисом совершенно по-разному: один сравнивает и долго выбирает, другой покупает одно и то же по привычке.
Поведенческий сегмент описывает, как человек пользуется продуктом: частота, ритм, используемые функции, путь к целевому действию, реакция на коммуникации. Именно это определяет, какой сценарий ему нужен.
Что делает AI
Кластеризация группирует пользователей по похожести поведения без заранее заданных правил. Модель может найти группы, о которых команда не догадывалась: например, тех, кто пользуется продуктом только в выходные и только одной функцией.
Модели последовательностей анализируют не только то, что человек делал, но и в каком порядке. Два пользователя с одинаковым набором действий, но разным путём часто имеют разные мотивы.
Языковые модели помогают описать сегменты по-человечески: по поведению и отзывам группы сформулировать, кто эти люди и что им нужно. Это удобно, но описание нужно проверять — модель может уверенно придумать то, чего нет.
Сегмент полезен, если меняет решение
Главная ловушка — получить красивую картинку из восьми кластеров и ничего с ней не сделать. Сегментация ценна, только если для разных сегментов вы готовы сделать разное.
Проверить полезность можно тремя вопросами. Можно ли объяснить сегмент одной фразой? Отличается ли он по важной метрике — удержанию, доходу, конверсии? Есть ли для него своё продуктовое действие — сценарий, коммуникация, предложение?
Если на последний вопрос ответа нет, сегмент интересен, но бесполезен.
От сегментов к сценариям
Для каждого значимого сегмента стоит описать, что ему мешает и что помогает. Пример для онлайн-обучения.
«Спринтеры» занимаются интенсивно первые две недели и пропадают. Им нужна помощь в выстраивании ритма и мягкие цели на дальнюю дистанцию.
«Выходные» занимаются только по субботам. Им не нужны ежедневные напоминания — нужно удобное недельное планирование.
«Застрявшие» бросают на одной и той же теме. Им нужна помощь с контентом, а не мотивационные пуши.
Каждому сегменту — свой цикл вовлечения, своя частота коммуникаций и свои метрики успеха.
Подводные камни
Сегменты меняются. Человек переходит из одной группы в другую, аудитория в целом смещается. Сегментацию нужно пересчитывать регулярно и следить, не размываются ли группы.
Модель отражает данные. Если в данных есть перекос — например, мало новых пользователей, — сегментация будет его воспроизводить.
Слишком мелкие сегменты неуправляемы. Двадцать групп по полпроцента аудитории не превратятся в двадцать сценариев. Лучше несколько крупных и понятных.
И приватность: поведенческие данные — это данные о людях. Сегментация должна помогать им, а не использоваться против них, например для того, чтобы показывать более высокую цену тем, кто не будет сравнивать.
С чего начать
Выбрать одну задачу, например удержание в первый месяц. Собрать поведенческие признаки за первые дни. Найти несколько сегментов и проверить, отличаются ли они по удержанию. Для самого проблемного сегмента придумать один сценарий и проверить его в эксперименте. Масштабировать то, что сработало.
Как сегментация связана с выбором механик, я разбирал в статье «Механики вовлечения vs удержания», а как разные сценарии стоят за одной метрикой — на примере брошенных корзин.