
مدلهای دادهای رفتار کاربران، تلاش میکنند با دستهبندی آنها در گروههای مختلف پیشبینی کنند که کاربران مشابه تحت شرایط مشابه چطور رفتار خواهند کرد. از معروفترین این مدلها میتوان به مدل RFM اشاره کرد که کاربران یک محصول را براساس R (Recency یا آخرین زمان خرید)، F (Frequency یا فراوانی خرید) و M (Monetary یا مجموع مبلغ خرید) بخشبندی میکند. اینگونه مدلها کمک میکنند بفهمیم:
اما مدلهای دادهای بهتنهایی نمیتوانند علت و ریشهٔ رفتارهای متفاوت در بخشهای مختلف کاربران (User Segments) را مشخص کنند. اینجاست که جای خالی پژوهش تجربهٔ کاربر (UX Research) احساس میشود. در این یادداشت، از همکاری بین تحلیلگر داده و پژوهشگر تجربهٔ کاربر نوشتهام که منجر به شناخت بیشتر ما از بخشهای مختلف کاربرانمان در دیوارِ فروشگاهها شد.
دیوارِ فروشگاهها در پاسخ به نیاز خریداران و فروشندگان در دوران کرونا برای خرید و فروش غیرحضوری متولد شد. فروشندههای کالاهای نو میتوانند با ساختن فروشگاه روی دیوار از شرایط ویژهای از جمله تخفیف بستههای آگهی و نردبان استفاده کنند. آلما روشنی در این یادداشت شروع راه دیوارِ فروشگاهها را توضیح داده و من در اینجا از ادامهٔ مسیر پژوهشها روی دیوارِ فروشگاهها مینویسم.
در دیوار هم مدل مُدِ روز RFM جای خود را پیدا کرده بود اما با توجه به برخی کاستیهای این مدل، امیرحسین عطارزاده (تحلیلگر داده در دیوار) برای بخشبندی فروشندگان در دیوارِ فروشگاهها مدل دادهای جدیدی براساس تجربه فروشنده ارائه کرد. این مدل باتوجه به متریکهای خود دیوار تهیه شده که در اینجا برای سادگی انتقال مطلب وارد جزئیات محاسبهٔ مقادیر آن نمیشویم. در این مدل ۴ عنصر اصلی به عنوان معیار سنجش تجربهٔ فروشنده در نظر گرفته شده است:
۱) تعداد کلیکهای خریداران روی دکمهٔ «دریافت اطلاعات تماس» در آگهیهای فروشنده:
فروشندهای که فروش بیشتری داشته باشد، تجربهٔ بهتری نیز دارد اما از آنجا که دادههای فروش در دیوار وجود ندارد، میزان تماس با فروشنده نشانهٔ فروش بیشتر گرفته شده است. یعنی فرض میکنیم فروشندهای که خریداران بیشتری با او تماس میگیرند، تجربهٔ بهتری در دیوارِ فروشگاهها دارد.
۲) میزان فعالیت فروشنده شامل «ثبت آگهی» و استفاده از «نردبان»:
انتظار میرود فروشندهای که اصلیترین فعالیت دیوار که گذاشتن آگهی و استفاده از نردبان است را انجام میدهد تجربهٔ بهتری در دیوارِ فروشگاهها داشته باشد. چون ابتدای ثبتنام به هر فروشنده در دیوارِ فروشگاهها بستهٔ ۲۰ تایی آگهی رایگان داده میشود، این متریک را صرفنظر از اینکه فروشنده از بستههای رایگان یا غیررایگان استفاده کرده باشد محاسبه میکنیم.
۳) میزان «پرداخت» فروشنده بابت خرید بستههای آگهی و نردبان:
میزان پرداخت فروشنده نشانهی این است که آیا فروشنده دیوار را کانال ارزشمندی برای فروش خود میداند؟ و آیا برای استفاده از آن حاضر است هزینه کند یا خیر؟
۴) نرخ «پاسخگویی» فروشنده به خریداران:
تنها دادهای که از رابطهٔ خریدار با فروشنده در دیوار وجود دارد، نرخ پاسخگویی فروشنده به خریدارانی است که با چت یا voip با او تماس برقرار کردهاند. انتظار داریم هرچه این نرخ بالاتر باشد، فروشنده در دیوارِ فروشگاهها حضور فعالتری داشته باشد.
فارغ از جزئیات و پیچیدگیهای دستهبندیهای ریزتر مبتنی بر این عناصر، در نهایت کاربران به ۴ گروه اصلی که رفتارهای مشابهی داشتند تقسیم شدند.
یکی از این گروهها، کسانی بودند که با وجود اینکه به نظر میرسید در سه متریک «دریافت اطلاعات تماس»، «میزان فعالیت در دیوارِ فروشگاهها» و «نرخ پاسخگویی به خریداران» تجربهٔ مطلوبی دارند، در متریک «خرید بستهٔ آگهی یا نردبان» رفتار مطلوب محصولی از خود نشان نمیدادند. علت عجیب بودن این رفتار برای ما این بود که با وجود تخفیفات جالب توجهی که روی بستههای آگهی و نردبان -مختص اعضای دیوارِ فروشگاهها- اعمال میشود، این بخش از کاربران از آن استقبال نکرده بودند. من به عنوان پژوهشگر تجربهٔ کاربر در اینجا وارد شدم تا علت این رفتار را شناسایی کنم...
چرا این بخش از فروشندگان دیوارِ فروشگاهها از این بستهها استفاده نمیکنند؟

برای پاسخ به این سوال، از یکی از پایهایترین روشهای کاربرپژوهی یعنی «مصاحبهٔ نیمهساختاریافته» استفاده کردم. با کمک تحلیلگر داده کاربرانی را برای این پژوهش انتخاب کردیم که مطمئن بودیم به این بخش (فروشندگانی که از تخفیف بستههای آگهی و نردبان استفاده نمیکنند) اختصاص دارند و به مرز سایر بخشها نزدیک نیستند تا پاسخهای بهدست آمده نیز مختص کاربران همین بخش باشد. مطابق با روالِ مصاحبهٔ نیمهساختاریافته در حین مصاحبهها بسته به شرایط سوالات را تغییر میدادم، پس و پیش میکردم و بعضاً سوالاتی را اضافه میکردم. از طرف دیگر بعد از هر مصاحبه، سوالات اولیه را کالیبره میکردم تا مصاحبه را بیشتر به سمت هدف پژوهش یعنی درک علت این رفتار کاربران هدایت کنم. در نهایت هر سوال مصاحبه یکی از نقاط تاریکی که میخواستم از آنها سر در بیاورم را روشن میکرد.

بعد از کدگذاری اولیهٔ نتایج حاصل از مصاحبهها، با استفاده از روش تحلیل تماتیک، تلاش کردم تمهای رفتاری خاص این بخش را استخراج کنم. دلایل استفاده نکردن فروشندگان این بخش از بستههای آگهی و نردبان در ۳ تم اصلی میگنجید:
۱. دلایل کسانی که نه در دیوار و نه در سایر پلتفرمهای فروششان هزینه نمیکنند:
۲. دلایل کسانی که در دیوار پرداختی ندارند اما در سایر پلتفرمهای فروششان هزینه میکنند:
۳. دلایل کسانی که روی آگهی شخصی هزینه میکنند اما در دیوارِ فروشگاهها هزینه نمیکنند:
بینش بهدست آمده از این ۳ تم ما را مجاب کرد تا روی کسانی که نه در دیوار و نه در سایر پلتفرمهای فروششان هزینه نمیکنند تمرکز نکنیم و اولویت را روی حل مشکلات دو گروه دیگر بگذاریم، چرا که پتانسیل بیشتری برای خرید بسته آگهی و نردبان دارند.

علاوه بر اینها بینشهای دیگری نیز از این پژوهش به دست آمد:
یکی از مهمترین چالشهای پلتفرم بزرگی مانند دیوار، توانایی تشخیص درست اولویتها برای اختصاص صحیح منابع محدود (زمان، نیروی انسانی، ...) است و به همین خاطر است که تیم فروشگاه با اولویتبندی مسائل سراغ رفع موانع پیش روی فروشندگان خواهد رفت.
اکنون تیم محصول فروشگاه در تلاش است که با ارائهٔ راهکار برای حل برخی از این مسائل، این گروه از کاربران را به گروه بالاتری در مدل دادهای دیوارِ فروشگاهها ملحق کند، یعنی گروهی که در هر چهار متریک «دریافت اطلاعات تماس»، «میزان ثبت آگهی و نردبان»، «پاسخگویی در چت» و همینطور «پرداخت بابت بستههای آگهی و نردبان» رفتار مطلوب محصولی از خود نشان میدهند.