-

Echte personalisatie draait om grote getallen

Het lijkt een contradictie: zoveel mogelijk cijfers om een klant zo persoonlijk mogelijk te bedienen. Maar, met de juiste Big Data krijg je inzichten die helpen bij de uitvoering van online micro-personalisatie. 

Data & Analytics staan bovenaan de prioriteitenlijst van de Chief Marketing Officers (CMO’s) wereldwijd. Volgens de Gartner CMO Spend Survey 2019-2020 wordt er flink geïnvesteerd in het vergaren van (klant-)informatie en analysetools. Alles, om maar inzicht te krijgen in wat de klant wil én om dat te kunnen aanbieden op een zo persoonlijk mogelijke manier.

Neem een voorbeeld aan het méést persoonlijke product

Er zijn online weinig producten verkrijgbaar waar personalisatie van het aankoopproces zo belangrijk is als bij kleding. Het gaat hier niet alleen om persoonlijke stijl en smaak, maar ook letterlijk over onze fysieke persoonlijkheid. Voor veel mensen is fashion de ultieme manier om hun (unieke) persoonlijkheid uit te drukken. Fashion retailers die hun online user experience serieus nemen, zijn hierdoor verplicht om voorlopers te zijn op het gebied van personalisering.

Dat de online fashion outlets zo hard bezig zijn met data analyse is niet alleen nuttig, maar ook noodzaak. Uit de torenhoge retouren van fashion-artikelen blijkt dat de verwachting van de klant en het online aanbod lang niet altijd bij elkaar aansluiten. Een retourpercentage van 30% tot zelfs meer dan 50% is niet ongewoon in de kledingbranche.

Al deze retourzendingen lijken de pret overigens niet te drukken voor de klant. Nederlandse online shoppers kochten in 2018 het vaakst (56%) kleding en sportartikelen. Neemt niet weg dat het torenhoge retourpercentage ook evenredige kosten met zich meebrengt én extra ‘gedoe’ voor de klant. Die extra moeite zullen klanten steeds minder acceptabel vinden, de urgentie voor een persoonlijke en succesvolle shoppingervaring is hoog.

De juiste informatie = (micro-)segmentatie

Om personalisatie, of micro-segmentatie te bereiken is een goed algoritme nodig dat de behoeften en het koopgedrag van de klant kan voorspellen. Hiervoor is inzicht nodig in drie data buckets:

→ Product data

In de fashion is dit bijvoorbeeld het kledingstuk of de schoen. Deze data moet zo gedetailleerd mogelijk zijn. Van type data (is dit een jurk, rok, of een schoen) tot en met specificaties als kleur, mouwlengte en hoe het product valt (bijvoorbeeld ruim, of juist strak).

→ Consument data:

Alle gegevens die je kunt vinden over de voorkeur van de klant.  Houdt deze klant van skinny jeans, of heeft hij/zij een voorkeur voor een bepaald merk? En kijk ook dieper in de data; als iemand vaak kiest voor een ‘extra lang’ model zegt dit ook wat over het lichaamstype.

→ Transactie data

Vergeet niet om ook de koophistorie mee te nemen. En maak daarbij een analyse van wat de klant heeft aangeschaft én wat de klant in het verleden heeft geretourneerd.

De combinatie van deze drie data buckets zijn de basisingrediënten voor een algoritme dat het aanbod écht kan personaliseren voor de klant. Een goed algoritme heeft dus veel – en veel verschillende-  data-signalen nodig, om te kunnen voorspellen wat mensen willen kopen en houden. 

Als er geen georganiseerde  en relevante data voorhanden is, dan is online personalisatie simpelweg niet mogelijk. Het gebrek aan dit soort data is één van de grootste uitdagingen in ongeveer iedere branche, maar blijf er wel naar op zoek. 

Overigens wordt dit alles nóg interessanter als je hieraan ook nog de trends en andere data in de markt en specifiek je branche koppelt. Immers, hoe meer gegevens, hoe meer patronen herkend kunnen worden. 

Van personalisatie naar innovatie

Het idee heerst dat personalisatie vooral voordelen oplevert voor de klant. Of, dat het enkel een ‘tool’ is om de klant tevreden te stellen en aan je te binden. Het tegendeel is waar, want de (big) data die personalisatie oplevert kan heel succesvol worden ingezet om het eigen assortiment naar een hoger level te tillen. 

Leer als bedrijf van de data die aankopen je opleveren, gebruik die kennis in het proces om de conversie omhoog te brengen. Data-analyse kan uiteindelijk helpen om écht te innoveren, klanten te binden en om duurzame groei te creëren. En dat geldt voor alle data, van persoonlijke voorkeuren tot en met marktgegevens en wereldwijde trends als het digitale gedrag van hele generaties zoals de digital natives.

Vergeet dus niet om grote getallen in te zetten om je klant optimaal te bedienen met een heel persoonlijk aanbod.

Over de auteur: Giovanni Cangelli vertegenwoordigt True Fit Corporation in de Benelux. True Fit’s personalisatie-platform voor Fashion Retailers in eCommerce helpt online shoppers met het vinden en houden van kledij die echt bij hen past. Naast zijn rol als vertegenwoordiger leidt Giovanni intern meerdere projecten rond Sales Enablement en Operations.

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond