La segmentazione dei clienti nasce quasi sempre dagli stessi campi: età, città, fatturato annuo, numero di dipendenti. Sono dati facili da estrarre da un CRM, ma raccontano poco di come una persona decide davanti a un'offerta. Due clienti nella stessa fascia d'età e nella stessa area geografica possono rispondere in modo opposto alla stessa proposta commerciale: a separarli è il modo in cui decidono, qualcosa che nessun campo anagrafico registra.
I dati demografici rispondono a una domanda diversa da quella che serve a chi scrive una comunicazione o disegna un'offerta. Sapere che un cliente ha 40 anni e vive a Milano dice dove e quando raggiungerlo. Cosa lo convince a restare o a comprare di più dipende da un criterio diverso, quello che le prossime sezioni descrivono.
Perché la segmentazione demografica smette di funzionare
I segmenti demografici nascono per un motivo pratico: età, geografia e fatturato sono campi già presenti in qualunque CRM, si estraggono senza sforzo e permettono di dividere la base clienti in gruppi che sembrano coerenti. Un marketing team può costruire in un pomeriggio un segmento "35-45 anni, area nord Italia, fatturato medio" e usarlo per una campagna.
Il limite emerge quando due clienti che finiscono nello stesso segmento reagiscono in modo opposto alla stessa offerta. Un cliente di 40 anni può decidere in base alla sicurezza del contratto, un altro della stessa età nella stessa città può decidere in base al prezzo più basso disponibile in quel momento. Il segmento demografico li tiene insieme perché condividono età e area, ma la logica con cui scelgono non ha nulla in comune, e una comunicazione unica per entrambi convince al massimo metà del gruppo.
La spesa annua porta allo stesso limite: due clienti che spendono la stessa cifra ogni anno possono avere un decisore cauto, che valuta ogni rinnovo con calma, e un decisore che si muove rapido quando percepisce urgenza. Il numero è identico, il comportamento è opposto. Continuare a segmentare su questi campi significa costruire gruppi statisticamente puliti ma commercialmente eterogenei, dove ogni comunicazione parla bene a una parte del segmento e male all'altra.
Cosa separa davvero due clienti della stessa fascia
Quello che separa due clienti della stessa fascia demografica è il criterio con cui arrivano a una decisione: un aspetto interno, che nessun campo anagrafico cattura. Un cliente può dare priorità alla stabilità e alla garanzia. Un altro cerca soprattutto la possibilità di provare qualcosa di nuovo, mentre un terzo guarda solo al prezzo più basso disponibile. Nessuno di questi criteri compare in un campo anagrafico: emergono solo osservando come la persona parla delle proprie scelte, cosa giustifica, cosa mette in dubbio, cosa cerca prima di procedere.
Questa differenza ha un effetto diretto sulla comunicazione. Un'offerta costruita per chi cerca stabilità enfatizza garanzie, assistenza e continuità del servizio. La stessa offerta, riscritta per chi cerca novità, enfatizza funzioni nuove e la possibilità di provare senza vincoli lunghi. Mandare il messaggio sbagliato al cliente sbagliato spreca budget e rischia di comunicare esattamente l'opposto di quello che convincerebbe quella persona, perché insiste su un aspetto che per lei conta poco. Il costo si misura anche nel tempo che il team commerciale investe per ottimizzare messaggi pensati per un pubblico eterogeneo, con risultati che restano sotto le attese per metà del segmento.
Il punto operativo è che questi criteri di decisione non sono osservabili da un questionario compilato una tantum, perché chi risponde a un sondaggio sa di essere valutato e tende ad adeguare la risposta a quella che pensa sia la scelta giusta. Emergono invece dal modo in cui una persona scrive quando comunica per motivi reali, con il supporto clienti, in una email commerciale, in una nota lasciata dal team vendite. È lì che il criterio di decisione compare senza essere filtrato da come il cliente pensa di dover rispondere.
Segmentare per come si decide
Portrait misura questo criterio attraverso 50 tratti psicometrici di base, organizzati in quattro famiglie identificate da un prefisso nel nome del tratto, con valori che vanno da -1 a +1. La famiglia pers_ copre i tratti di personalità, come l'apertura a nuove esperienze o la propensione al rischio. La famiglia behav_ copre i comportamenti osservabili, come l'atteggiamento verso la spesa. La famiglia net_ descrive la rete sociale della persona, per esempio quanto le sue connessioni si conoscono tra loro. La famiglia values_ misura i valori personali: cosa la persona considera importante quando decide.
I dieci tratti della famiglia values_, da values_achievement a values_universalism, corrispondono ai valori umani di base descritti dallo psicologo sociale Shalom H. Schwartz in An Overview of the Schwartz Theory of Basic Values (2012), che identifica dieci valori riconosciuti in culture diverse e li dispone in una struttura circolare, dove i valori vicini si rinforzano e quelli opposti confliggono. Portrait misura la presenza di ciascuno di questi valori nel linguaggio del cliente, senza chiederglielo direttamente.
Un cliente con values_security alto e un cliente con values_stimulation alto possono avere la stessa età, vivere nella stessa città e spendere la stessa cifra ogni mese, ma cercano cose opposte in un'offerta: il primo cerca rassicurazione, il secondo cerca novità. Segmentare su questo tratto, invece che su età o geografia, separa i due clienti in gruppi che rispondono davvero in modo diverso alla stessa comunicazione.
La stessa logica vale per la famiglia behav_. Il tratto behav_spendingattitude distingue un cliente frugale, che valuta ogni spesa e risparmia quando può, da un cliente incline a spendere liberamente. Due clienti che acquistano lo stesso prodotto nello stesso mese possono avere un punteggio opposto su questo tratto: per il primo pesa la sicurezza di un prezzo basso o di un piano a rate, per il secondo pesa la rapidità con cui può concludere l'acquisto. Segmentare anche su behav_spendingattitude, insieme a values_security, aiuta a calibrare il messaggio e il tipo di offerta: uno sconto per il primo gruppo, un servizio rapido e senza attriti per il secondo.
Come si costruisce un segmento e cosa farci
Costruire un segmento su questa base parte dai testi che il cliente ha già prodotto nel rapporto con l'azienda: email di assistenza, chat, ticket, note lasciate dal team commerciale nel CRM. Non serve raccogliere nuovi dati né far compilare un questionario: bastano le conversazioni che esistono già.
Il processo segue tre passaggi:
- calcolare il profilo psicometrico su ciascun cliente a partire dai suoi testi
- scegliere il tratto o la coppia di tratti che meglio distingue i comportamenti che interessano, per esempio
values_securityper la retention ovalues_stimulationper il lancio di una novità - dividere la base clienti in gruppi sopra e sotto una soglia sul valore del tratto, e scrivere una comunicazione diversa per ciascun gruppo
Cosa cambia in pratica nella comunicazione dipende dal tratto scelto. Un segmento alto su values_security risponde meglio a un linguaggio che rassicura: garanzia, assistenza dedicata, continuità. Un segmento alto su values_achievement risponde meglio a un linguaggio che parla di risultati e di status. Il criterio di scelta è la motivazione che guida quel gruppo specifico di clienti, individuata a partire dai tratti misurati sul cliente reale.
In pratica non serve calcolare a mano dove passa la soglia. Nella piattaforma ogni tratto di base compare con un pallino verde quando è presente nel cliente analizzato e un pallino rosso quando non è rilevato, la stessa logica che regge i semafori sui tratti aggregati. Per un segmento più selettivo conviene guardare al valore del tratto oltre al pallino: un cliente con values_security a 0.8 esprime quel valore in modo più netto di uno a 0.3, anche se in piattaforma il pallino risulta verde per entrambi.
Per il dettaglio dei 50 tratti di base consulta la pagina dedicata ai tratti di base. Se invece serve un'analisi già pronta all'uso, che combina più tratti di base in un unico indicatore, la pagina sui tratti aggregati elenca le 38 matrici di correlazione sviluppate con il MIT.