Marketingteam, der gennemgår kundedata fra butik og webshop på forskellige skærme, dataproblemet bag hyperpersonalisering i retail med egne data

Dit team skriver en gennemtænkt besked, segmenterer den, så godt det kan lade sig gøre, og sender den. Kunden modtager den og køber videre som altid, eller holder helt op med at købe. Det er let at give emnelinjen, teksten eller rabatten skylden, men fejlen ligger næsten aldrig dér: problemet ligger dybere, og derfor bør man, når man taler om hyperpersonalisering med egne data, begynde fra begyndelsen: dataene.

Mønstret gentager sig hos næsten alle forhandlere med butikker og webshop. Kassesystemet ved, hvad der blev købt i butikken i går, hjemmesiden ved, hvad der blev kigget på i går aftes, og CRM-systemet gemmer en e-mailadresse fra for tre år siden, men ingen af dem ved, at der er tale om samme person. Så sender man enten den samme kampagne til alle, eller også beder man IT om et nyt segment og venter i ugevis. Når det kommer, er øjeblikket forbi.

Her er de fire lag, der får personalisering til at fungere for alvor, i den rækkefølge de skal bygges. Hvis ét svigter, mærker de øvrige det.

1. Problemet er ikke beskeden, men dataene

En personaliseret besked skal vide tre ting: hvem kunden er, hvad kunden faktisk har gjort, og hvad man kan tilbyde lige i købsøjeblikket. Mangler én, bliver resultatet kulissepersonalisering: et »Hej, Marta« over et tilbud på noget, Marta allerede har købt.

Udgangspunktet er mere ubehageligt, end det ser ud. Mellem 60 og 70 % af transaktionerne i fysiske butikker er anonyme, og det klassiske kundekort indfanger kun 30 til 40 % af kvitteringerne. To tredjedele af forretningen havner uden for al personalisering.

Uden data tyer man til det eneste, der kan lade sig gøre: den samme rabat til alle. Det er den dyreste måde at personalisere på, fordi den forærer avance væk til den, der alligevel ville have købt.

Bag hvert håndlavet segment ligger der desuden en flaskehals med navn: IT. De skal krydse data fra kassesystem, webshop og CRM manuelt for at bygge listen, og resultatet bliver forældet fra det øjeblik, det oprettes. Marketingteamet venter, kampagnen går for sent ud, og muligheden, som næsten altid havde en dato, går tabt.

Og omgivelserne hjælper ikke dem, der er afhængige af andres data. Google har droppet planen om at fjerne tredjepartscookies i Chrome, men Safari og Firefox blokerer dem allerede som standard, og flere og flere brugere afviser dem i samtykkebannere. Omkring 90 % af marketingfolkene er ifølge IAB og Adobe gået over til egne data og zero-party-data. First-party data er ikke længere et valg: det er det, man personaliserer med.

2. Hyperpersonalisering med egne data: de 4 lag, i rækkefølge

At personalisere med egne data er hverken et værktøj eller et tekstknep, men en stak af fire lag, hvor hvert lag hviler på det foregående:

  1. Unik identitet. Vide, hvem der er hvem, i enhver kanal.
  2. Samlede adfærdsdata, i butik og online. Vide, hvad kunden faktisk gør.
  3. Dynamisk segmentering. Beslutte, hvem man når.
  4. Aktivering af fordelen. Beslutte, hvad, hvornår og i hvilken kanal.

Når ét svigter, forbliver personaliseringen et løfte.

De 4 lag i hyperpersonalisering med egne data i retail: unik identitet, samlede data, dynamisk segmentering og aktivering af fordelen

Lag 1 · Unik identitet: vide, hvem man har foran sig

Uden at vide, hvem der er hvem, holder resten ikke. Den samme kunde optræder som tre forskellige personer i tre forskellige systemer og får, når en kampagne går ud, tilbud på det, vedkommende allerede har købt. Løsningen er ikke at rydde op i dubletter hvert kvartal, men at forhindre, at de opstår: et unikt kunde-ID, bygget på det validerede mobilnummer og bekræftet med en OTP-kode første gang, kunden identificerer sig, i butik, på hjemmesiden eller via WhatsApp. Derefter genkender dette ID kunden i ethvert kontaktpunkt, uden at kunden skal indtaste sine oplysninger igen i hver kanal.

Lag 2 · Samlede adfærdsdata i butik og online

Når kunden er identificeret, er det tid til at samle det, vedkommende gør. Salg og returneringer, i butik og i webshoppen, plus begivenheder, der ikke er transaktioner, indsamles automatisk og knyttes til den samme profil, uden at datasiloer slås sammen og renses i hånden. Det er forskellen på at vide, at Marta handlede online torsdag, og at vide, at hun lørdag tog ind i butikken i centrum for at bytte størrelse.

Returneringerne tæller også: man arbejder med nettoværdien, altså salget minus det, der er returneret. En kunde, der køber meget og returnerer næsten alt, er ikke den gode kunde, vedkommende ser ud til at være.

Det, der gør det muligt at samle kasse og webshop i én levende profil, er netop det, et retail-CRM, der er lavet til at administrere kontakter, ikke løser på egen hånd. Og det er det lag, der undervurderes mest: uden det forbliver webshopkunden og butikskunden to ukendte.

Lag 3 · Dynamisk segmentering: hvem man når

En liste eksporteret om mandagen er forældet om tirsdagen. En levende målgruppe opdaterer sig selv: kunden kommer ind i og ud af segmentet ud fra sin adfærd, i realtid i nogle segmenter og med vurderinger omkring hver anden time i gennemsnit i de øvrige. Marketing definerer kriteriet med over 50 parametre, uden kode, og opretter ikke en IT-sag, hver gang en regel ændres. Den samme kunde kan indgå i flere segmenter samtidig, og kriterierne kan kombineres: frekvens, værdi, købt kategori, kanal.

Sådan ser personalisering af webshopkampagner uden IT ud i praksis: den, der designer kampagnen, er den, der gennemfører den. Vil du se, hvordan sådanne målgrupper bygges, forklarer vi det i artiklen om dynamisk segmentering i retail.

Lag 4 · Aktivering af fordelen: hvad, hvornår og i hvilken kanal

At segmentere godt og så give alle den samme rabat er at smide arbejdet ud. Fordelen beregnes og anvendes i betalingsøjeblikket: kassen eller webshoppen spørger Wapping i realtid, og Wapping returnerer det, der tilkommer den pågældende kunde, pr. linje eller pr. kvittering. Svaret kommer i gennemsnit på 400 millisekunder, uden at ændre priser i ERP-systemet og uden at oprette rabatkoder. Det er transaktionsgatewayen.

Hvis to fordele falder sammen, kan uforenelighedsregler lade den ene udelukke den anden, med prioriteten styret på serviceniveau, så kampagner ikke stables ukontrolleret. Og fordi fordelen afgøres i betalingsøjeblikket, kan den knyttes til et minimumskøb eller til kategorier med tilstrækkelig avance. Det er personalisering, der ikke brænder avance af.

Kommunikationen går ud i den kanal, der passer bedst: e-mail, sms, push eller WhatsApp, sidstnævnte til meget specifikke segmenter og med kanalen allerede aktiv, ikke som masseudsendelse.

3. Sådan ser det ud, når de fire lag fungerer sammen

Et illustrativt eksempel for at gøre det konkret. Du vil lancere et eksklusivt tilbud på sweatshirts til dem, der har købt jeans, men ikke har købt en sweatshirt de seneste tre måneder.

Med en klassisk stack kræver det flere afdelinger, dataudtræk, konfigurationer i flere systemer og tests på forhånd. Som regel bliver det aldrig lanceret, eller det kommer for sent.

Med de fire lag er kunden allerede identificeret (1). Jeanskøbet i butikken og besøget på hjemmesiden ligger i samme profil (2). Marketing definerer segmentet én gang, og det opdaterer sig selv (3). Og fordelen anvendes i kassen, når kunden betaler for sweatshirten (4). Ingen har oprettet en IT-sag.

Læg mærke til, hvad der ændrer sig. Der er ikke længere én rabat til alle: der er en fordel til en bestemt kunde ved et bestemt køb, og den kan desuden måles, fordi den indløses i kassen.

Kunde, der betaler i kassen med et personaliseret tilbud anvendt, eksempel på personalisering i retail uden IT

Det er det, der gør et loyalitetsprogram på tværs af alle kanaler til noget, kunden mærker, og ikke bare endnu et kort i pungen.

4. Dataene først, beskeden bagefter

Personalisering begynder ikke i teksten: den begynder i identiteten. Hvis din personalisering ikke fungerer i dag, bør du, før du rører ved beskeden, spørge dig selv, i hvilket lag det knækker. Ved du, hvem kunden er? Kan du se, hvad kunden gør i butik og online? Kan du segmentere uden at bede IT om hjælp? Når fordelen frem til kassen?

Hvis du skal vælge, hvor du vil begynde, så begynd med det laveste lag, der er gået i stykker. Det nytter ikke meget at finpudse et segment, hvis den samme kunde fortsat optræder tre gange.

Vil du se det anvendt i et reelt tilfælde? Opdag hvordan Wapping fungerer.