راز بازگشت دوباره مشتری به فروشگاه شما چیه؟

با مفهوم «پاداش متنوع» از کتاب «قلاب» بررسی کنیم. پاداش متنوع سه نوع داره.
اول، پاداش شکاری؛ یعنی لذت کشف اطلاعات جدید.

مثلا مشتری وارد سایت لوازم آرایشی شما می‌شه و کشف می‌کنه که یه رنگ رژلب خاص روی تناژهای مختلف پوست چه جلوه متفاوتی داره

صفحه محصول شما حس کشف یه گنج رو به مشتری می‌ده یا فقط یه ویترین ساده‌ست؟

دوم، پاداش قبیله‌ای؛ یعنی لذت تأیید اجتماعی و ارتباط با دیگران.

ما معمولاً دوست داریم بدونیم بقیه درباره انتخاب‌هامون چی فکر می‌کنن.
وقتی مشتری نظرات خریدارهای قبلی رو می‌خونه یا عکس‌های واقعی اون‌ها رو می‌بینه، از تجربه آدم‌هایی شبیه خودش کمک می‌گیره.

سوم، پاداش نفسی؛ یعنی لذت یادگیری و احساس شایستگی.

فرض کنین سایت شما یه راهنمای ساده و کاربردی داره که به مشتری کمک می‌کنه تناژ پوستش رو بشناسه و یاد بگیره چه رنگ‌هایی بیشتر بهش میاد.

پاداش متنوع به معنی غافلگیرکردن الکی مشتری نیست؛ بلکه خلق ارزش، پاسخ‌دادن به کنجکاوی و توانمندکردن اونه.

خلاصه هنر ما اینه که کنجکاوی رو به کشف، اطمینان و در نهایت تبدیل به یه انتخاب آگاهانه کنیم.

چرا چیزی که براش زحمت کشیدیم، برامون ارزشمندتره؟

تا حالا شده برای ساختن یا یادگرفتن چیزی کلی وقت بذارید و بعد احساس کنید خیلی ارزشمنده؟ حتی بیشتر از چیزی که واقعا هست😎

این رفتار اتفاقی نیست. در فصل پنجم کتاب «قلاب»، نیر ایال از مرحله چهارم مدلش حرف می‌زنه: سرمایه‌گذاری

ایده اینه که ما فقط به محصولاتی وابسته نمی‌شیم که بهمون پاداش می‌دن؛ گاهی به محصولاتی بیشتر برمی‌گردیم که بخشی از زمان، انرژی یا اطلاعات خودمون رو توشون سرمایه‌گذاری کردیم.

فرض کنید یه فروشگاه اینترنتی ظروف آشپزخانه داریم.مشتری وارد سایت می‌شه تا سرویس قابلمه بخره. چند مدل رو می‌بینه، تفاوت‌ها رو یاد می‌گیره و دو مدل رو برای مقایسه ذخیره می‌کنه.
حالا یه اتفاق مهم افتاده:

مشتری فقط محتوا مصرف نکرده؛ بخشی از تصمیم خریدش رو داخل فروشگاه ساخته.

اگه دفعه بعد برگرده و مقایسه‌های قبلیش همچنان در دسترس باشن، دیگه لازم نیست از صفر شروع کنه.
اینجاست که مفهوم «ارزش انباشته» (Stored Value) وارد می‌شه.
هر بار استفاده، چیزی به ارزش تجربه آینده اضافه می‌کنه.

📌 نیر ایال پنج شکل مهم از این سرمایه‌گذاری رو توضیح می‌ده:
۱. محتوا: مثل عکس‌ها و تجربه‌هایی که کاربر ثبت می‌کنه.
۲. اطلاعات: مثل ترجیحات و انتخاب‌هایی که برای شخصی‌سازی ذخیره می‌شن.
۳. دنبال‌کنندگان: مثل شبکه ارتباطاتی که در یک پلتفرم ساخته می‌شه.
۴. خوشنامی: مثل اعتبار فروشنده در بازارهای آنلاین.
۵. مهارت: مثل تسلطی که کاربر با یادگیری یک نرم‌افزار به دست میاره.
اما یه نکته ظریف وجود داره:
زمان درخواست سرمایه‌گذاری مهمه.
در مدل قلاب، اول باید به کاربر پاداش و ارزش بدیم، بعد ازش بخوایم کاری انجام بده.
نه اینکه هنوز چیزی دریافت نکرده، مجبورش کنیم ثبت‌نام کنه، فرم پر کنه یا اطلاعات شخصیش رو بده.

💡 برداشت کاربردی :

در طراحی تجربه مشتری، همیشه نباید دنبال حذف همه تلاش‌های کاربر باشیم.
باید تفاوت بذاریم بین «زحمت بیهوده» و «مشارکت ارزش‌آفرین».

زحمت بیهوده اصطکاک ایجاد می‌کنه؛ اما مشارکت معنادار می‌تونه تجربه آینده رو بهتر کنه.

کاربر بعد از هر بار تعامل با محصول ما، چه چیزی برای خودش ساخته که مراجعه بعدی رو ارزشمندتر می‌کنه؟

📚 کتاب قلاب (Hooked) | نیر ایال | فصل پنجم

فرصت سرمایه‌گذاری برای مشتری بسازیم.

کاربر بعد از هر بار تعامل با محصول ما، چه چیزی برای خودش ساخته که مراجعه بعدی رو ارزشمندتر می‌کنه؟

🎙 کتاب قلاب (Hooked) | نیر ایال | فصل پنجم

🦻چطور برای ناشنوایان بنویسیم؟

هادی هادیان، همراه قدیمی محتوازیست و نیمکت، محتواگر خلاق و طراح گیمیفیکیشن، تجربهٔ زیادی در تعامل با ناشنوایان داره.

🎧 هادی توی این پیام‌آوای شنیدنی، با نگاهی به متن‌های ارسالی در «مسابقهٔ نویسندگی هفتهٔ ناشنوایان»، دربارهٔ جهان ناشنواها و نوشته‌های اثربخش بر اونها توضیح میده.

موسیقی متن: قطعهٔ Lumier از بازی Clair Obscure Expedition 33

#کپی‌رایتینگ
#نکته‌های_شما
#مخاطب_شناسی

🌱@Content_Life|محتوازیست

مجازیم، کاربر را وادار به هر رفتاری کنیم؟

ایال برای جواب از مفهوم«ماتریس دستکاری» میگه:

۱. خودت از محصولی که ساختی استفاده می‌کنی؟
۲. واقعا باور داری محصولت زندگی کاربر رو بهتر می‌کنه؟

از ترکیبشون، چهار گروه شکل می‌گیره:

🟢 تسهیل‌گرها : خودشون از محصول استفاده می‌کنن و باور دارن برای کاربر مفیده.
🟡 دست‌فروش‌ها : نیت کمک دارن، اما خودشون از محصول استفاده نمی‌کنن و ممکنه مسئله واقعی کاربر رو درست نشناسن.
🔵 سرگرم‌کننده‌ها: محصول خودشون رو دوست دارن، اما لزوما ادعا نمی‌کنن زندگی کاربر رو بهتر می‌کنه.
🔴 دلال‌ها : خودشون از محصول استفاده نمی‌کنن و به منفعتش هم باور ندارن.

حالا اگه:
🔸 کنار محصول تایمر شمارش معکوس ساختگی بذاریم برای فومو
🔸 یا تفاوت مدل‌ها، قیمت واقعی و شرایط پرداخت رو شفاف کنیم.

شاید رفتار مشتری رو تغییر بدن، اما به نفع مشتری هم هستن؟

شاید با ایجاد اضطراب، پنهان‌کردن اطلاعات یا پیچیده‌کردن مسیر انصراف، فروش کوتاه‌مدت رو بالا ببریم؛ اما هم‌زمان به اعتماد مشتری آسیب بزنیم.

ایال تاکید می‌کنه حتی نیت خوب هم کافی نیست.

چون بین «کمک به تصمیم‌گیری» و «دستکاری تصمیم» فرق هست.

📚 کتاب قلاب | فصل ششم

از شناخت رفتار تا طراحی رفتار

در کتاب «قلاب» نیر ایال یاد گرفتیم محصولات عادت‌ساز معمولا یک چرخه چهارمرحله‌ای دارن:

🔹 محرک: چه چیزی کاربر رو به سمت محصول می‌کشونه؟
🔹 اقدام: کاربر چه کاری انجام می‌ده و چقدر انجامش آسونه؟
🔹 پاداش متنوع: چه چیزی باعث می‌شه تجربه براش ارزشمند و جذاب بمونه؟
🔹 سرمایه‌گذاری: کاربر چه چیزی به محصول اضافه می‌کنه که استفاده بعدی رو ارزشمندتر کنه؟

اما فصل هشتم یه سوال مهم‌تر مطرح می‌کنه:

از کجا معلوم این چرخه در محصول ما واقعاً کار می‌کنه؟

نیر ایال با معرفی مفهوم «عادت‌آزمایی» (Habit Testing) جواب میده.

عادت‌آزمایی سه مرحله داره:

۱. شناسایی (Identify)
اول باید بفهمیم کاربران پروپاقرص محصول چه کسانی هستن.

البته وفاداری برای هر محصول معنای متفاوتی داره. از یک شبکه اجتماعی ممکنه انتظار استفاده روزانه داشته باشیم، اما مثلا از یک فروشگاه اینترنتی لوازم آشپزخانه نه

۲. الگوییابی (Codify)
بعد باید رفتارهای مشترک کاربران وفادار رو پیدا کنیم.

مثلا آیا کسانی که خرید موفقی انجام دادن، قبلش از جدول مقایسه استفاده کردن؟ راهنمای خرید خوندن؟ یا چند بار برای بررسی محصول برگشتن؟
این رفتارهای مشترک، سرنخ‌هایی برای شناخت مسیرهای ارزشمند کاربرن.

۳. اصلاح (Modify)
حالا با توجه به الگوهای شناسایی‌شده، تجربه محصول رو تغییر می‌دیم و دوباره آزمایش می‌کنیم.

البته یک نکته مهم وجود داره: اینکه دو رفتار با هم اتفاق می‌افتن، لزوما به این معنی نیست که یکی علت دیگریه. برای همین به آزمایش نیاز داریم.

اما بخش جذاب دیگه فصل هشتم، شناسایی فرصت‌های عادت‌سازه.
نویسنده پیشنهاد می‌کنه به سه منبع فرصت توجه کنیم:

▪️ مسئله‌های حل‌نشده خودمون: چه کاری رو هر روز به‌سختی انجام می‌دیم و آرزو می‌کنیم راه ساده‌تری داشت؟
▪️ رفتارهای نوپا: گروه کوچکی از مردم امروز چه رفتار متفاوتی دارن که ممکنه فردا فراگیر بشه؟
▪️ فناوری‌ها و رابط‌های کاربری جدید: چه چیزی می‌تونه انجام یک رفتار رو ناگهان ساده‌تر، سریع‌تر یا جذاب‌تر کنه؟

مثلاً در یک فروشگاه اینترنتی ظروف آشپزخانه، شاید متوجه بشیم بعضی مشتری‌ها برای مقایسه چند مدل قابلمه، خودشون جدول درست می‌کنن، عکس‌ها رو کنار هم می‌ذارن و از چند فروشنده درباره تفاوت‌ها سؤال می‌پرسن.

این رفتار می‌تونه نشانه یک نیاز برآورده‌نشده باشه.

حالا به‌جای تولید محتوای بیشتر، می‌تونیم یک ابزار مقایسه دقیق طراحی کنیم و ببینیم آیا واقعاً انتخاب رو برای مشتری آسان‌تر می‌کنه یا نه.

💡 مهم‌ترین برداشت از فصل هشتم:

فرصت‌های کسب‌وکار همیشه کاملا جدید نیستن. گاهی فرصت درست جلوی چشم ماست؛ در کاری که کاربر مجبور می‌شه چند بار انجام بده، در مرحله‌ای که ازش خسته می‌شه، یا در راه‌حلی که خودش برای جبران ضعف محصول ساخته.
فقط باید رفتارها رو با دقت بیشتری مشاهده کنیم.و شاید بشه پیام کل کتاب «قلاب» رو در دو سوال خلاصه کرد:

چه چیزی باعث می‌شه کاربر برگرده؟

و مهم‌تر از اون:

چه ارزشی ایجاد می‌کنیم که برگشتنش واقعاً معنا داشته باشه؟

چون هدف نباید صرفا تکرار رفتار باشه؛ باید تجربه‌ای بسازیم که در هر چرخه، ارزشی واقعی برای کاربر ایجاد کنه.

📚 کتاب «قلاب» | نیر ایال | فصل هشتم: عادت‌آزمایی و شناسایی فرصت‌های عادت‌ساز

هر چه می‌خواهد دل تنگت بگو

کدوم مهارت در عصر هوش‌مصنوعی؟

جزو کدوم دسته هستید:

۱. دستها بالا در برابر هوش‌مصنوعی
۲. آماده برای رودست زدن به هوش‌مصنوعی

وقتی مشتری ناخواسته مدیر محصول شما می‌شه

مشتریمون وارد یک فروشگاه اینترنتی می‌شه تا بین دو مدل قابلمه یکی رو انتخاب کنه.
از هر دو محصول اسکرین‌شات می‌گیره، مشخصاتشون رو در یک فایل اکسل کنار هم می‌ذاره، برای فهمیدن تفاوت‌ها به چند فروشنده پیام می‌ده و در نهایت، خودش یک جدول مقایسه می‌سازه.

در ظاهر، با یک مشتری دقیق و وسواسی طرفیم.اما شاید ماجرا چیز دیگه‌ای باشه.

شاید مشتری داره کاری رو انجام می‌ده که ما باید در فرایند انتخاب محصول براش ساده‌تر می‌کردیم.

در فصل هشتم کتاب «قلاب»، نیر ایال درباره شناسایی فرصت‌های عادت‌ساز صحبت می‌کنه.

یکی از مثال‌های جالب این فصل، داستان شکل‌گیری Buffer است.
بنیان‌گذار Buffer می‌خواست در طول روز چند توییت منتشر کنه، اما ابزارهای موجود برای زمان‌بندی انتشار، به تنظیم دستی زمان‌ها نیاز داشتن.
مسئله در ظاهر کوچک بود؛ اما همین اصطکاک در انجام یک کار تکراری، به ایده ساخت ابزاری ساده‌تر منجر شد.
این داستان من رو به یک مفهوم مهم در تحقیق رفتار کاربر رسوند:

گاهی ارزشمندترین سرنخ برای بهبود تجربه مشتری، نه در رفتارهایی که داخل سایت ثبت می‌شن، بلکه در کارهاییه که مشتری برای تکمیل فرایند انتخاب، بیرون از سایت انجام می‌ده.

در تحلیل رفتار کاربرها معمولا سراغ داده‌هایی مثل نرخ تبدیل، مسیر کلیک، زمان حضور در صفحه و نقاط خروج می‌ریم.این داده‌ها ضروری‌ هستن، اما همه ماجرا رو نشون نمیدن.

مثلاً ابزار تحلیلی ممکنه به ما بگه کاربر از صفحه محصول خارج شده.اما لزوما نمی‌گه بعد از خروج چه کرده:

■آیا مشخصات کالا رو در گوگل جست‌وجو کرده؟
■ آیا از تصاویر اسکرین‌شات گرفته تا بعدها مقایسه کنه؟
■ آیا برای فهمیدن تفاوت دو مدل، از فروشنده دیگه‌ای کمک گرفته؟
■ آیا اطلاعات چند فروشگاه رو کنار هم گذاشته تا بتونه تصمیم بگیره؟

در طراحی محصول و تجربه کاربری، به راه‌حل‌های جایگزینی که کاربران برای عبور از محدودیت‌ها پیدا می‌کنن، Workaround می‌گیم.

این رفتارها فقط نشانه دشواری انتخاب نیستن؛ می‌تونن سرنخ‌های ارزشمندی برای Product Discovery باشن.

چون گاهی مشتری، بدون اینکه خودش بدونه، داره مسئله‌ای رو آشکار می‌کنه که تیم محصول یا تیم تجربه مشتری هنوز به‌درستی شناسایی نکرده.البته اینجا یک دام هم وجود داره:

هر راه‌حل موقتی مشتری، به معنای نیاز به یک قابلیت جدید در سایت نیست.

قبل از تصمیم‌گیری باید بفهمیم:

■ آیا این رفتار بین مشتریان تکرار می‌شه؟ چه مسئله‌ای پشتشه؟ چقدر در تصمیم خرید تأثیر داره؟ و آیا حل‌کردنش واقعاً انتخاب رو آسان‌تر می‌کنه؟

شاید راه‌حل، اضافه‌کردن یک جدول مقایسه به سایت باشه.شاید فقط لازم باشه اطلاعات و تصاویر صفحه محصول رو دقیق‌تر و شفاف‌تر ارائه کنیم. شاید هم مسئله در ساختار دسته‌بندی و دسترسی به محصولات مشابه باشه.

برای همین، مشاهده رفتار باید به تحقیق، فرضیه‌سازی و آزمایش منجر بشه؛ نه تصمیم عجولانه برای اضافه‌کردن امکانات بیشتر.

برداشت من از این بخش کتاب «قلاب» اینه:

ما نباید فقط رفتارهایی رو بررسی کنیم که مشتری در صفحات سایت انجام میده. باید به کارهایی هم توجه کنیم که برای جبران کمبود اطلاعات، دشواری مقایسه یا پیچیدگی فرایند انتخاب، بیرون از سایت انجام می‌ده.

پس مهمه بپرسیم:

«مشتری برای رسیدن به تصمیم خرید، چه کارهایی انجام میده که ما در طراحی تجربه انتخابش ندیدیم؟»

به نظرتون:

آخرین راه‌حل موقتی که مشتریانتون برای عبور از یک مشکل در مسیر انتخاب یا خرید پیدا کردن، چی بوده؟

آیا ازش برای کشف یک فرصت بهبود استفاده کردید؟

پ.ن: اسلایدها در پست لینکدین

دو تجربه متفاوت از جست‌وجو با هوش مصنوعی گوگل

احتمالا موقع جست‌وجو در گوگل، با پاسخ‌هایی روبه‌رو شدی که بالای نتایج ظاهر می‌شن و به‌جای اینکه فقط چند لینک نشون بدن، خودشون به سوالت جواب میدن.

این قابلیت AI Overview هست.
اما گوگل قابلیت دیگه‌ای هم به اسم AI Mode داره که تجربه متفاوتی از جست‌وجو ایجاد می‌کنه.

بیایم تفاوتشون رو با یک مثال ببینیم:

۱. با AI Overview؛ گوگل جواب رو داخل نتایج جست‌وجو میاره

فرض کن جست‌وجو می‌کنی: «انواع رقص»
گوگل ممکنه بالای نتایج معمولی، یه پاسخ تولیدشده با هوش مصنوعی نمایش بده؛ مثلا انواع رقص رو دسته‌بندی کنه، توضیح کوتاهی درباره هرکدوم بده و لینک منابع مرتبط رو هم نشون بده.اینجا هنوز داخل صفحه معمولی نتایج گوگل هستی.

کاربردش برای کاربر چیه؟

رسیدن سریع به یک دید کلی، بدون اینکه برای فهم اولیه موضوع مجبور باشه چند صفحه رو باز کنه.
۲. با AI Mode؛ جست‌وجو به گفت‌وگو تبدیل می‌شه
حالا فرض کن سوال پیچیده‌تری داری:
«من تازه می‌خوام رقص یاد بگیرم. بین هیپ‌هاپ و سالسا کدوم برای شروع مناسب‌تره؟»

در AI Mode می‌تونی درباره شرایطت توضیح بدی، پاسخ بگیری و بعد سؤال‌های بیشتری بپرسی:

«اگه فقط هفته‌ای دو جلسه وقت داشته باشم چی؟»
«برای شروع به چه مهارت‌هایی نیاز دارم؟»

گوگل می‌تونه برای پاسخ‌دادن چند جست‌وجوی مرتبط انجام بده،اطلاعات منابع مختلف رو کنار هم بذاره و پاسخ رو با توجه به ادامه گفت‌وگو تکمیل کنه.

کاربردش برای کاربر چیه؟

بررسی موضوعات پیچیده، مقایسه گزینه‌ها و تصمیم‌گیری مرحله‌به‌مرحله.

۳. تفاوت این دو برای سئوکارها چیه؟

در AI Overview، محتوای سایت ممکنه به‌عنوان یکی از منابع پاسخ خلاصه گوگل معرفی بشه.در AI Mode هم صفحات وب می‌تونن در پاسخ به پرسش‌های اولیه یا سؤال‌های بعدی کاربر به‌عنوان منبع نمایش داده بشن.
اما تفاوت مهم اینجاست:

در AI Mode، نیاز اطلاعاتی کاربر ممکنه در طول گفت‌وگو تغییر کنه یا دقیق‌تر بشه.مثلا از «انواع رقص» شروع کنه و در نهایت به «انتخاب کلاس مناسب برای مبتدی‌ها» برسه.

پس برای تولید محتوا، فقط پاسخ‌دادن به یک عبارت کلیدی کافی نیست؛ باید ببینیم کاربر در مسیر شناخت، مقایسه و تصمیم‌گیری چه سؤال‌هایی داره.البته این به معنی نیاز به ساخت یک صفحه برای هر سوال نیست.

۴. از کجا بفهمیم سایتمون در این قابلیت‌ها دیده شده؟

گوگل در Search Console بخشی برای بررسی عملکرد سایت در قابلیت‌های Generative AI ارائه کرده:
Performance → Generative AI
در این گزارش می‌تونیم صفحات دارای Impression، روند نمایش و برخی جزئیات عملکرد رو بررسی کنیم.

اما یه محدودیت مهم وجود داره: از روی داده‌های تجمیعی این گزارش نمی‌تونیم لزوما تشخیص بدیم هر ایمپرشن دقیقا مربوط به AI Overview بوده یا AI Mode

💡 اهمِ آهان ماجرا
پس AI Overview بیشتر کمک می‌کنه کاربر سریع‌تر به یک پاسخ اولیه برسه.
اما AI Mode امکان میده کاربر مسئله‌ش رو در یک گفت‌وگوی چندمرحله‌ای بررسی کنه.

برای سئوکارها، هر دو یادآوری می‌کنن که باید فراتر از تطبیق کلمات کلیدی فکر کنیم و به نیاز اطلاعاتی و مسیر تصمیم‌گیری مخاطب توجه داشته باشیم.

یه تمرین کاربردی:

یکی از موضوعات اصلی سایتت رو انتخاب کن.
یک‌بار در جست‌وجوی معمولی گوگل بررسی کن آیا AI Overview براش ظاهر می‌شه و چه منابعی رو معرفی می‌کنه.
بعد همون موضوع رو در AI Mode با چند سؤال تکمیلی دنبال کن.

ببین چه سؤال‌های تازه‌ای شکل می‌گیرن، چه منابعی معرفی می‌شن و محتوای سایت تو کجای این مسیر می‌تونه واقعاً مفید باشه.

منابع
۱. منبع اول
۲. منبع دوم
۳. منبع سوم