Piet Zoomers: van massamailings naar een-op-een e-mails

Trouwe klanten van modewinkels missen online de aandacht en herkenning van hun vaste verkoper. Hoe kun je klantdata inzetten om in de webshop eenzelfde persoonlijke beleving te bieden? Voor Fanbase.pro en Piet Zoomers ligt het antwoord in de combinatie van Artificial Intelligence en e-mailmarketing.

Modeketen Piet Zoomers verkoopt honderdvijftig topmerken in de webshop en de acht winkels in Nederland. Vanuit het loyaliteitsprogramma is een enorme database aan klantgegevens opgebouwd. Daarnaast heeft Piet Zoomers via acties en nieuwsbriefinschrijvingen een grote hoeveelheid e-mailadressen verzameld. “Die twee bestanden wilden we aan elkaar koppelen zodat we er efficiënt wat mee konden doen en gemakkelijker konden segmenteren,” zegt Susan Delver, hoofd marketing en communicatie van Piet Zoomers. “Met deze vraag zijn we naar Fanbase.pro gegaan.”

Stap één was volgens Aljoscha Gielkens, co-owner van Fanbase.pro om te kijken waar de data waren opgeslagen. “Dat bleek in Copernica, het e-commerce platform en het kassasysteem te zijn. Vervolgens hebben we de software zo ingeregeld dat al het koopgedrag, zowel transacties in de fysieke winkels als online, in één systeem bij elkaar komen. Hierdoor kunnen we de daadwerkelijke conversie op een trigger e-mail bepalen. Vroeger werden aankopen in de winkel niet meegerekend bij de conversie, nu kan dat wel. Piet Zoomers nodigt bijvoorbeeld klantenkaarthouders per mail uit voor een pre-sale in de winkel. Het is nu heel inzichtelijk wat die investering oplevert. Tegelijkertijd kunnen e-mailcampagnes effectiever worden ingezet. Er zijn accurate cijfers over het rendement en daardoor kun je de marketingcampagnes beter monitoren, de performance meten en die kennis gebruiken voor toekomstige campagnes.”

Wanneer, hoe vaak, hoeveel

De klantendatabase is gesegmenteerd op basis van het RFM-model: Recency, Frequency en Monetary Value, oftewel: wanneer heeft de klant voor het laatst iets gekocht, hoe vaak koopt hij bij je en hoeveel geeft hij dan uit. Hieruit komen bij Piet Zoomers acht groepen naar voren: topklanten, big spenders, frequente klanten, nieuwe klanten, nieuwe potentiële klanten, oude loyale ‘spenders’, frequente ‘lang niet gezien’ klanten en heractiveringen. Bijzonder aan de Piet Zoomers-case is dat de modeketen een groot deel van het marketingbudget gebruikt voor klantretentie. “Vaak zie je dat moderetailers zich vooral richten op het verwerven van nieuwe klanten, waarna ze na een jaar met een database vol inactieve klanten zitten,” zegt Aljoscha. “Bij Piet Zoomers ligt het zwaartepunt van de bestedingen juist op de trouwe shoppers. Dat vertaalt zich in een loyale en dus actieve database.”

De genoemde klantgroepen zijn op hun beurt in te delen naar productcategorie, merkvoorkeur, favoriete winkel, et cetera. “Er zijn heel veel mogelijkheden maar we hebben ervoor gekozen voorzichtig te beginnen,” vertelt Susan. “Wekelijks maken we een selectie op basis van interesse in een bepaalde productgroep en merk. De gelaagde databasestructuur van Copernica leent zich hier uitstekend voor. De klanten die aan deze criteria voldoen krijgen de bijpassende nieuwsbrief. Dat levert een hogere open rate en goede conversie op en scheelt in de verzendkosten, waardoor het rendement veel hoger is. Hierdoor is bij ons het besef definitief doorgedrongen dat de oude vertrouwde bulk e-mail ineffectief is. We zijn klaar voor de volgende stap in databasemarketing.”

Gelijksoortig publiek

Fanbase.pro gebruikt op dit moment de beschikbare data al om cross-selling in de webshop te verbeteren door aanbevelingen te laten zien met behulp van historisch koopgedrag. “Als een combinatie een x aantal keer door een minimumpercentage klanten wordt gekocht, laten we die zien op de site. Dat heeft geresulteerd in een plus van 50 procent in de cross-sales,” zegt Aljoscha. “Hierin kun je nog verder gaan, door het similar audience-algoritme toe te passen. Dat vergelijkt het aankoopgedrag van klanten en doet voorspellingen over de behoeften. Zo kun je zeer specifiek targeten op bijvoorbeeld de groep klanten die interesse heeft in een pak van Hugo Boss, terwijl ze er nog nooit een hebben gekocht. Nog mooier wordt het als je het pattern behaviour-algoritme inzet. Stel, iemand koopt elk seizoen een Hugo Boss-pak. In de modebranche zijn producten seizoensgebonden dus je kunt niet exact hetzelfde pak aanbieden. Wel kun je een relatie leggen tussen historische aankopen en het huidige assortiment en zo het best passende product aanbieden in een e-mailcampagne die dus een-op-een is gepersonaliseerd.”

“Als het goed is zijn we na de zomer zover,” zegt Susan. “Dan kunnen we e-mailcampagnes opzetten met dynamische content op basis van de aankoopdata. Die zullen we versturen naast de huidige campagnes.”

Om een overkill aan mails te voorkomen, wordt een limiet ingesteld. “Zo kun je de controle houden over de frequentie waarmee je klanten benadert,” aldus Aljoscha. “Hoogrelevante e-mails krijgen voorrang binnen de ingestelde limiet. Zo zorgen we voor maximaal effect. Bij Piet Zoomers is dit zoals gezegd nog niet ingevoerd. Bij andere klanten zien we dat de conversie van deze persoonlijke een-op-een mails van 12 naar 20 procent is gestegen. Vijfenveertig procent opent de mail, waar dat vroeger 20 tot 25 procent was, en er zijn nul afmeldingen.”

Door de data op orde te hebben en e-mailmarketing slim in te zetten is het Piet Zoomers gelukt om ook online met de klant mee te denken. En in de toekomst zal e-mail in combinatie met de nieuwe datatechnologie ervoor zorgen dat de persoonlijke beleving en herkenning online nog beter vertaald kunnen worden.

Meer weten over hoe Fanbase.pro en Copernica databasemarketing inzetten bij Piet Zoomers? Michiel Reith van Fanbase.pro geeft een presentatie tijdens eFashion dat op 22 juni a.s. wordt gehouden in Amsterdam. Voor meer informatie/tickets kijk hier.