مقدمه
فرض کنید یک مشتری را می‌شناسید که همیشه دنبال تخفیف است. حالا همان مشتری برای خرید یک گوشی، لپ‌تاپ یا حتی یک هدیه خاص، گران‌ترین گزینه را انتخاب می‌کند. آیا رفتار او متناقض است؟ نه لزوماً.
ممکن است مسئله از جایی شروع شود که ما تلاش می‌کنیم یک انسان را با یک برچسب ثابت توضیح دهیم: «مشتری قیمت‌محور»، «مشتری وفادار»، «مشتری پریمیوم» یا حتی «مشتری جوان و دیجیتال».
واقعیت این است که بسیاری از مصرف‌کنندگان امروز به‌راحتی در چنین جعبه‌هایی قرار نمی‌گیرند. یک نفر می‌تواند برای یک خرید کاملاً اقتصادی عمل کند و برای خریدی دیگر، بدون مشکل هزینه بیشتری بپردازد. ممکن است در یک دسته محصول به برند وفادار باشد و در دسته‌ای دیگر، به‌راحتی برندش را تغییر دهد.
این همان چیزی است که می‌توانیم به‌صورت استعاری از آن با عنوان «مشتری چندشخصیتی» یاد کنیم؛ نه به معنای روان‌شناختی، بلکه به این معنا که یک فرد می‌تواند در دنیای مصرف، هویت‌ها و الگوهای تصمیم‌گیری متفاوتی داشته باشد.
مشتری امروز داخل یک جعبه نمی‌ماند
یکی از جالب‌ترین بحث‌های جدید در تحلیل رفتار مصرف کننده، مفهوم Polyclass Consumer است. GreenBook در سال ۲۰۲۶ با طرح این مفهوم به تغییری اشاره می‌کند که در آن مصرف‌کنندگان دیگر لزوماً خودشان را با یک طبقه یا هویت اجتماعی ثابت تعریف نمی‌کنند. طبق داده‌های Attest که در این مقاله گزارش شده، بخشی از مصرف‌کنندگان خود را هم‌زمان متعلق به بیش از یک طبقه اجتماعی می‌دانند. مهم‌تر از خود این عدد، روند پشت آن است: افراد بیش از گذشته میان هویت‌ها، سبک‌های زندگی و الگوهای مصرف حرکت می‌کنند. این موضوع فقط درباره طبقه اجتماعی نیست. همین منطق را می‌توان در رفتار خرید دید.
مشتری ممکن است: برای خودرو، کیفیت و ایمنی را بر قیمت ترجیح دهد؛ برای مواد غذایی، تخفیف را دنبال کند؛ برای سفر، بودجه محدودی تعیین کند؛ و برای یک محصول مورد علاقه‌اش حاضر باشد Premium پرداخت کند.
بنابراین شاید اشتباه اصلی این باشد که بخواهیم بگوییم:
«این مشتری چه تیپی است؟»
در بسیاری از موارد سؤال بهتر این است:
«این مشتری در این تصمیم مشخص، چه چیزی را ارزشمند می‌داند؟»
«مشتری قیمت‌محور» همیشه قیمت‌محور نیست
اینجا یک مثال ساده اما مهم وجود دارد.
اگر مشتری یک محصول ۱۰ میلیون تومانی را نخرد و محصول ۶ میلیون تومانی را انتخاب کند، می‌توانیم بگوییم قیمت برای او مهم بوده است. اما اگر همان مشتری محصول ۱۵ میلیون تومانی را بخرد، آیا نتیجه می‌گیریم که او ناگهان مشتری پریمیوم شده است؟ احتمالاً نه. ممکن است محصول گران‌تر برای او دوام بیشتری داشته باشد، خدمات بهتری ارائه دهد، ریسک کمتری ایجاد کند یا دقیقاً همان چیزی باشد که می‌خواهد.
پژوهش BCG در سال ۲۰۲۶ این تغییر را به شکل جالبی نشان می‌دهد: ۶۷ درصد مصرف‌کنندگان گفته‌اند حتی اگر توانایی خرید محصولی را داشته باشند، اگر ارزش کافی در آن نبینند، خریدش نمی‌کنند. BCG در این مطالعه نشان می‌دهد که قیمت بیشتر نقش «ورود محصول به consideration set» را دارد، اما تصمیم نهایی می‌تواند بیشتر بر اساس ارزش ادراک‌شده شکل بگیرد.
پس شاید بهتر باشد به جای اینکه مشتری را «قیمت‌محور» بدانیم، بپرسیم: قیمت برای این مشتری، در این خرید و در مقایسه با چه ارزشی اهمیت پیدا می‌کند؟ این تفاوت کوچک، تحلیل رفتار مشتری را بسیار دقیق‌تر می‌کند.
مشکل بزرگ‌تر: حتی ترجیحات یک فرد هم کاملاً ثابت نیست
این فقط یک بحث نظری نیست.
یک مطالعه منتشرشده در سال ۲۰۲۶ درباره Unobserved Heterogeneity in Consumer Preferences نشان می‌دهد که در داده‌های انتخاب مصرف‌کنندگان، ناهمگونی قابل توجهی در ترجیحات افراد وجود دارد. پژوهش با استفاده از مدل‌های مختلف انتخاب نشان می‌دهد که نادیده گرفتن این ناهمگونی می‌تواند حتی بر برآوردهایی مانند Willingness to Pay اثر بگذارد. یعنی وقتی دو نفر یک محصول را انتخاب می‌کنند، الزاماً به یک دلیل انتخاب نکرده‌اند.
و حتی مهم‌تر:
وقتی یک نفر در دو موقعیت متفاوت دو انتخاب متفاوت دارد، الزاماً یکی از آن انتخاب‌ها «غلط» یا «غیرمنطقی» نیست. ممکن است معیار تصمیم تغییر کرده باشد. اینجا یک پروفایل ثابت مشتری دیگر به‌تنهایی کافی نیست.
یک عامل جدید هم وارد بازی شده: AI
تا همین چند سال قبل، وقتی مشتری می‌خواست محصولی را انتخاب کند، مسیر نسبتاً مشخصی داشت: جست‌وجو، بررسی سایت‌ها، پرسیدن از دیگران، دیدن تبلیغات و در نهایت انتخاب. حالا یک بازیگر جدید وسط این مسیر قرار گرفته است: AI. گزارش BCG در سال ۲۰۲۶ نشان می‌دهد تقریباً یک‌سوم مصرف‌کنندگان در بخشی از مسیر خرید خود از AI استفاده کرده‌اند و در ۶۳ درصد از خریدهای همراه با AI، این فناوری مصرف‌کننده را با برندهایی آشنا کرده که احتمالاً بدون آن در consideration set او قرار نمی‌گرفتند. این یعنی برند ممکن است دیگر فقط با رقیب مستقیم خودش رقابت نکند. ممکن است اصلاً برای ورود به فهرست گزینه‌های مشتری با یک AI recommendation رقابت کند.
از طرف دیگر، داده‌های Gartner در سال ۲۰۲۶ نشان می‌دهد مصرف‌کنندگان فعلاً بیشتر AI را برای تحقیق، مقایسه و محدود کردن گزینه‌ها می‌خواهند تا اینکه تصمیم نهایی خرید را کاملاً به آن بسپارند؛ فقط ۱۱ درصد از پاسخ‌دهندگان حاضر بودند در برخی خریدهای کم‌ریسک، تصمیم خرید را به AI واگذار کنند. پس حتی «مشتری دیجیتال» هم یک شخصیت ثابت نیست.
او ممکن است برای یک خرید کاملاً به AI اعتماد کند، برای خرید دیگر سراغ تجربه قبلی خودش برود و برای تصمیمی مهم، توصیه دوستان یا متخصصان را ترجیح دهد.
پس مشکل سگمنت‌ها چیست؟ مشکل این نیست که سگمنت‌ها دیگر مفید نیستند. مشکل از جایی شروع می‌شود که سگمنت را با خودِ انسان اشتباه بگیریم. یک سگمنت می‌تواند برای تصمیم‌های استراتژیک بسیار مفید باشد؛ اما نمی‌تواند تضمین کند که تمام افراد داخل آن، در تمام موقعیت‌ها دقیقاً یک رفتار خواهند داشت. به همین دلیل، آینده تحقیقات مشتری احتمالاً حذف Segmentation نیست؛ بلکه ترکیب آن با یک لایه عمیق‌تر از شناخت رفتار است.
یعنی به جای اینکه فقط بگوییم:
«این فرد در کدام گروه قرار دارد؟»
بپرسیم:
«چه چیزی باعث می‌شود این فرد از یک انتخاب به انتخاب دیگر حرکت کند؟»
این تغییر سؤال بسیار مهم است.
تحقیقات بازار باید چه چیزی را پیدا کند؟
اگر قرار باشد فقط یک نتیجه از این بحث بگیریم، این است: نباید فقط مشتری را اندازه بگیریم؛ باید منطق تصمیم او را اندازه بگیریم. برای مثال، در یک مطالعه مشتری بهتر است فقط نپرسیم: «کدام برند را ترجیح می‌دهید؟» بلکه بدانیم: «در آخرین خرید کدام برند را انتخاب کردید؟» «چرا؟» «چه گزینه‌های دیگری را بررسی کردید؟» «قیمت چه نقشی داشت؟» «چه چیزی باعث شد گزینه نهایی برای شما ارزشمندتر باشد؟» «اگر قیمت تغییر می‌کرد، انتخابتان عوض می‌شد؟» «چه کسی یا چه چیزی روی تصمیم شما اثر گذاشت؟» «آیا از AI یا ابزارهای آنلاین برای مقایسه استفاده کردید؟»
این پرسش‌ها به ما کمک می‌کنند فاصله میان نگرش، ترجیح و رفتار واقعی را بهتر ببینیم.
پژوهش‌های جدید در حوزه Customer Experience نیز نشان می‌دهند که ناهمگونی در تجربه مشتری می‌تواند از عوامل مختلفی مانند زمینه، زمان، نقاط تماس و فناوری‌های جدید ناشی شود؛ بنابراین یک میانگین کلی همیشه تمام داستان را نشان نمی‌دهد.
از «مشتری ثابت» به «مشتری پویا»
شاید آینده شناخت مشتری را بتوان در یک تغییر ساده خلاصه کرد:
از Static Customer Profile به Dynamic Consumer Understanding.
در مدل اول، مشتری را توصیف می‌کنیم:
سن، درآمد، سبک زندگی، سابقه خرید و ترجیحات.
در مدل دوم، علاوه بر این‌ها، حرکت او را نیز بررسی می‌کنیم:
- چه چیزی ارزش او را تغییر می‌دهد؟
- چه چیزی باعث تغییر انتخابش می‌شود؟
- چه زمانی قیمت مهم‌تر می‌شود؟
- چه زمانی کیفیت بر قیمت غلبه می‌کند؟
- چه زمانی به برند وفادار می‌ماند؟
- چه زمانی برند جدید را امتحان می‌کند؟
- و امروز، چه زمانی تصمیم خود را با کمک AI می‌گیرد؟
این نگاه قرار نیست تحقیقات بازار را پیچیده‌تر و بی‌دلیل سنگین کند. اتفاقاً هدف آن این است که از یک نتیجه‌گیری ساده و گاهی اشتباه جلوگیری کند.
چون ممکن است پشت یک مشتری که «قیمت‌محور» به نظر می‌رسد، چند منطق کاملاً متفاوت برای خرید وجود داشته باشد.
جمع‌بندی
مشتری چندشخصیتی شاید در نگاه اول فقط یک عنوان جذاب به نظر برسد، اما پشت آن یک مسئله واقعی در شناخت مصرف‌کننده وجود دارد. مشتری امروز الزاماً یک هویت مصرفی واحد ندارد. او می‌تواند هم‌زمان در چند دنیای مختلف زندگی کند، برای کالاهای مختلف معیارهای متفاوتی داشته باشد و حتی با ورود AI به مسیر خرید، روش تصمیم‌گیری خود را تغییر دهد. ذبنابراین مسئله اصلی این نیست که سگمنت‌ها را کنار بگذاریم. مسئله این است که مشتری را به سگمنتش تقلیل ندهیم. یک سگمنت می‌تواند بگوید با چه گروهی روبه‌رو هستیم؛ اما تحقیقات عمیق‌تر باید توضیح دهد چرا و تحت چه شرایطی این فرد انتخابش را تغییر می‌دهد. و شاید سؤال بهتر برای تحقیقات بازار از این به بعد این نباشد که:
«مشتری ما کیست؟»
بلکه این باشد:
«مشتری ما، وقتی باید انتخاب کند، دقیقاً چه چیزی او را به سمت یک گزینه می‌برد؟»
سوالات متداول
مشتری چندشخصیتی در بازاریابی یعنی چه؟
اصطلاحی استعاری برای مشتری‌ای است که در دسته‌ها و موقعیت‌های مختلف، الگوهای خرید متفاوتی نشان می‌دهد؛ نه یک اصطلاح روان‌شناختی.
آیا سگمنت‌بندی مشتریان منسوخ شده است؟
خیر. سگمنت‌بندی همچنان برای هدف‌گذاری کاربرد دارد، اما به‌تنهایی نمی‌تواند تمام تفاوت‌ها و تغییرات رفتار یک فرد را توضیح دهد.
چرا یک مشتری گاهی اقتصادی و گاهی پریمیوم خرید می‌کند؟
زیرا معیار ارزش، هدف خرید، اهمیت محصول، ریسک و شرایط تصمیم می‌توانند تغییر کنند.
آیا رفتار خرید مشتری قابل پیش‌بینی است؟
تا حدی، اما مدل‌هایی که ناهمگونی ترجیحات را نادیده می‌گیرند ممکن است تصویر ناقص‌تری از رفتار و تمایل به پرداخت ارائه دهند.
AI چگونه رفتار خرید مشتری را تغییر داده است؟
AI increasingly در کشف محصول، مقایسه و محدود کردن گزینه‌ها وارد مسیر خرید شده است و می‌تواند حتی برندهایی را وارد consideration set کند که مشتری قبلاً به آن‌ها توجه نداشته است.
برای شناخت بهتر مشتری چه داده‌هایی لازم است؟
ترکیبی از رفتار واقعی، ترجیحات، انگیزه، شرایط خرید، ارزش ادراک‌شده و تغییرات رفتار در طول زمان، شناخت کامل‌تری از مشتری ایجاد می‌کند.