Hoe data gebruiken om te groeien in e-commerce?
12/08/2022 - kenadmin
Alles wat je klant online en offline koopt en doet, kan, mits toestemming, worden opgeslagen. Wie je bent, welk boek je graag leest, welke je fashion voorkeuren zijn, welke producten je laatst kocht en hoe frequent je shopt, … Als je vandaag de dag succesvol wil zijn binnen e-commerce, moet je niet alleen de trends volgen, je moet je klanten ook begrijpen, kennen is niet genoeg.
De limiet van de insights die je er als marketeer uit kunt halen, worden enkel beperkt door je eigen creativiteit. Wie wil profiteren van de groei binnen e-commerce én de groep veeleisende consumenten wil bedienen, moet zich slim aanpassen aan de veranderende omstandigheden. Omarm de mogelijkheden van data, ontdek unieke klantsegmenten en gebruik die naast je online strategieën om zo het verschil te maken in de enorm concurrerende webshopwereld. Hieronder een aantal ideeën die je op weg helpen.
Hoe koopkrachtig is je klant
Probeer in te schatten wat de bestedingsruimte en het koopgedrag van een klant is. Als je merkt dat een klant méér besteedt dan je gemiddelde bezoeker, kan je ook meer high end producten voorstellen in plaats van de gebruikelijke standaardlijn of promoties. Klanten die dan weer enkel te overtuigen zijn indien de promotie groot genoeg is, zal je moeilijk overtuigen zonder promotie te kopen. Enkel en alleen je ze in de offline shop een hele aangename shop ervaring weet mee te geven zullen wel kopen. Klanten die regelmatig aankopen doen hoef je ook niet te zwaar (promotioneel) te pushen om hun winkelwagentje te vullen.
Waar woont je klant
Deze socio-demografische data met wortels in de fysieke wereld vormen vaak een goede aanvulling op de online algoritmes. Het kan zinvol zijn te weten of je klant in een appartement of in een huis met (grote) tuin woont. Veel klanten zullen nooit grote -of volume aankopen doen wanneer ze beperkte opslagruimte hebben. Een tuinset verkoop je ook moeilijk aan iemand die geen tuin of terras heeft maar wel decoratiemateriaal. De buurt zegt meestal ook veel over de lifestyle kenmerken en de daaraan koppelbare behoeften. De vraag naar zwembaden, tuinmeubilair en outdoor living producten is gigantisch gestegen sinds we steeds meer aan staycation doen. En onder het motto ‘support your locals’ werden mensen tijdens de corona crisis aangemoedigd om ondernemers in hun eigen stad of dorp te steunen. Stuur je online klant ook eens langs de lokale fysieke winkel met een authentiek aanbod.
Wie is je klant – met wie woont je klant samen
De transactie van een aankoop wordt doorgaans altijd op individueel niveau geregeld. Het is nochtans zeer interessant ook het gezin te kennen achter je klant. Veel ouders kopen kleding voor hun kinderen, grootouders kopen geschenken voor hun kleinkinderen. Cross-selling obv van de basket kan dan tot rare voorstellen leiden. Aan de andere kant staan ‘geschenken kopers’ wellicht ook open voor leuke cadeautips voor andere leden van het gezin of de familie. Wie ken je allemaal binnen het gezin, wat is het gezinsbudget en welk kanaal is het best inzetbaar voor elk lid van het gezin?
Welke productvoorkeuren heeft je klant
‘Anderen kochten ook’ of ‘Wellicht vind je dit ook interessant’, slimme algoritmes die heel vaak relevante suggesties opleveren. Probeer ook hier alle offline en online verkopen over een langere periode samen te brengen. Veel suggesties houden hiermee te weinig rekening waardoor de kracht van het algoritme verloren gaat (en te vage en brede suggesties gemaakt maken worden). Als je kan, integreer dan ook het klikgedrag. Zo krijg je niet alleen transactionele maar ook aspirationele baskets.
Naast segmentatietechnieken is het absolute must continue (real of near time), voor elke klant een dataset beschikbaar te hebben dat de koop- en gedragskenmerken in vele opzichten weergeeft. Voor elke klant kan er een andere parameter zijn die zijn gedrag of voorkeur zal bepalen. Deze set van parameters bevat oa. koopinformatie, hoelang is het geleden sinds de laatste aankoop. Wat is de recency en koopfrequentie per productcategorie, hoeveel besteedt iemand per categorie in de laatste periode of de laatste jaren?
Zijn de bestedingen aan het krimpen, het groeien of blijven ze stabiel? Worden er uit nieuwe categorieën gekocht? Op welke communicatie en via welke kanalen wordt het beste gereageerd? Hoe responsief is je klant per kanaal? Wat is de gemiddelde korting waarmee iemand koopt, zijn er productvoorkeuren afhankelijk van het online of offline kopen? Al deze kenmerken en nog vele meer zijn één voor één parameters die iets kunnen verklaren over het gedrag van elke individuele klant. En dit evolueert van dag tot dag. Inzicht in deze verbanden is de volgende stap naar trigger based programma’s en predictive modelling (propensity to buy / to act, churn, …) Zo wordt content-marketing ondertussen vervangen door context-marketing en worden micro-segmentatie en personalisatie couranter gebruikt.
Single customer view platformen zijn vandaag gekend onder de noemer CDP (Customer Data Platform) en overstijgen de mogelijkheden van CRM, MAT of DMP platformen. Het Marketing Insights Platform (MIP) van Stratics is zo’n CDP platform dat niet alleen de mogelijkheden van Data vergaring en 360° customer view aanbiedt maar ook sterke data quality, ontdubbeling en verrijkingstools bevat die je snel inzichten opleveren op zowel individueel als gezinsniveau van een klant.