Markedsteam som ser på kundedata fra butikk og nettbutikk på ulike skjermer, dataproblemet bak hyperpersonalisering i retail med egne data

Teamet ditt skriver en gjennomtenkt melding, segmenterer den så godt det lar seg gjøre og sender den. Kunden mottar den og fortsetter å kjøpe det samme som vanlig, eller slutter helt å handle. Det er lett å skylde på emnefeltet, teksten eller rabatten, men feilen ligger nesten aldri der: problemet ligger dypere, og derfor bør man, når man snakker om hyperpersonalisering med egne data, begynne helt fra begynnelsen: dataene.

Mønsteret gjentar seg hos nesten alle forhandlere med butikker og nettbutikk. Kassesystemet vet hva som ble kjøpt i butikken i går, nettstedet vet hva som ble sett på i går kveld, og CRM-systemet lagrer en e-postadresse fra for tre år siden, men ingen av dem vet at det er samme person. Så enten sendes den samme kampanjen til alle, eller man ber IT om et nytt segment og venter i uker. Når det kommer, er øyeblikket over.

Her er de fire lagene som gjør at personalisering faktisk fungerer, i den rekkefølgen de må bygges. Hvis ett svikter, merker de over det.

1. Problemet er ikke meldingen, men dataene

En personalisert melding må vite tre ting: hvem kunden er, hva kunden faktisk har gjort og hva man kan tilby akkurat når kunden handler. Mangler én, blir resultatet kulissepersonalisering: en «Hei, Marta» over et tilbud på noe Marta allerede har kjøpt.

Utgangspunktet er mer ubehagelig enn det ser ut til. Mellom 60 og 70 % av transaksjonene i fysiske butikker er anonyme, og det klassiske kundekortet fanger bare 30 til 40 % av kvitteringene. To tredjedeler av virksomheten havner utenfor all personalisering.

Uten data tyr man til det eneste som er mulig: den samme rabatten til alle. Det er den dyreste måten å personalisere på, fordi den gir bort margin til den som uansett skulle ha handlet.

Bak hvert håndlagde segment ligger det dessuten en flaskehals med navn: IT. De må krysse data fra kassesystem, nettbutikk og CRM manuelt for å bygge listen, og resultatet blir utdatert fra det øyeblikket det opprettes. Markedsavdelingen venter, kampanjen går ut for sent og muligheten, som nesten alltid hadde en dato, går tapt.

Og omgivelsene hjelper ikke den som er avhengig av andres data. Google har trukket planen om å fjerne tredjepartsinformasjonskapsler i Chrome, men Safari og Firefox blokkerer dem allerede som standard, og stadig flere brukere avviser dem i samtykkebannere. Omtrent 90 % av markedsførerne har ifølge IAB og Adobe gått over til egne data og zero-party-data. First-party data er ikke lenger et valg: det er det man personaliserer med.

2. Hyperpersonalisering med egne data: de 4 lagene, i rekkefølge

Å personalisere med egne data er verken et verktøy eller et teksttriks, men en stabel av fire lag, der hvert hviler på det forrige:

  1. Unik identitet. Vite hvem som er hvem, i enhver kanal.
  2. Samlede atferdsdata, i butikk og på nett. Vite hva kunden faktisk gjør.
  3. Dynamisk segmentering. Avgjøre hvem du når.
  4. Aktivering av fordelen. Avgjøre hva, når og i hvilken kanal.

Når ett svikter, forblir personaliseringen et løfte.

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

Lag 1 · Unik identitet: vite hvem du har foran deg

Uten å vite hvem som er hvem, holder ikke resten. Den samme kunden dukker opp som tre ulike personer i tre ulike systemer og får, når en kampanje går ut, tilbud på det vedkommende allerede har kjøpt. Løsningen er ikke å rydde opp i duplikater hvert kvartal, men å hindre at de oppstår: en unik kunde-ID, bygget på det validerte mobilnummeret og bekreftet med en OTP-kode første gang kunden identifiserer seg, i butikk, på nettstedet eller via WhatsApp. Etter det gjenkjenner denne ID-en kunden i alle kontaktpunkter, uten at kunden må oppgi opplysningene sine på nytt i hver kanal.

Lag 2 · Samlede atferdsdata i butikk og på nett

Når kunden er identifisert, er det på tide å samle det vedkommende gjør. Salg og returer, i butikk og i nettbutikken, pluss hendelser som ikke er transaksjoner, samles inn automatisk og knyttes til samme profil, uten at datasiloer slås sammen og renses for hånd. Det er forskjellen mellom å vite at Marta handlet på nett på torsdag og å vite at hun på lørdag gikk til butikken i sentrum for å bytte størrelse.

Returene teller også: man jobber med nettoverdien, altså salget minus det som er returnert. En kunde som kjøper mye og returnerer nesten alt, er ikke den gode kunden vedkommende ser ut til å være.

Det som gjør det mulig å samle kasse og nettbutikk i én levende profil, er nøyaktig det et retail-CRM som er laget for å administrere kontakter, ikke løser på egen hånd. Og det er laget som undervurderes mest: uten det forblir nettkunden og butikkunden to ukjente.

Lag 3 · Dynamisk segmentering: hvem du når

En liste eksportert på mandag er utdatert på tirsdag. En levende målgruppe oppdaterer seg selv: kunden går inn i og ut av segmentet ut fra atferden sin, i sanntid i noen segmenter og med vurderinger omtrent hver andre time i snitt i de øvrige. Markedsføringen definerer kriteriet med over 50 parametere, uten kode, og åpner ikke en IT-sak hver gang en regel endres. Én og samme kunde kan inngå i flere segmenter samtidig, og kriteriene kan kombineres: frekvens, verdi, kjøpt kategori, kanal.

Slik ser personalisering av nettbutikkampanjer uten IT ut i praksis: den som utformer kampanjen, er den som gjennomfører den. Vil du se hvordan slike målgrupper bygges, forklarer vi det i artikkelen om dynamisk segmentering i retail.

Lag 4 · Aktivering av fordelen: hva, når og i hvilken kanal

Å segmentere godt og så gi alle den samme rabatten er å kaste bort arbeidet. Fordelen beregnes og brukes i betalingsøyeblikket: kassen eller nettbutikken spør Wapping i sanntid, og Wapping returnerer det som tilkommer den kunden, per linje eller per kvittering. Svaret kommer i gjennomsnitt på 400 millisekunder, uten å endre priser i ERP-systemet og uten å opprette rabattkoder. Det er transaksjonsgatewayen.

Hvis to fordeler sammenfaller, kan uforenlighetsregler la den ene stenge ute den andre, med prioriteringen styrt på tjenestenivå, slik at kampanjer ikke stables ukontrollert. Og fordi fordelen avgjøres i betalingsøyeblikket, kan den knyttes til et minimumskjøp eller til kategorier med tilstrekkelig margin. Det er personalisering som ikke brenner margin.

Kommunikasjonen går ut i den kanalen som passer best: e-post, SMS, push eller WhatsApp, sistnevnte for svært spesifikke segmenter og med kanalen allerede aktiv, ikke som masseutsendelse.

3. Slik ser det ut når de fire lagene fungerer sammen

Et illustrerende eksempel for å gjøre det konkret. Du vil lansere et eksklusivt tilbud på gensere til dem som har kjøpt jeans, men ikke har kjøpt genser de siste tre månedene.

Med en klassisk stack betyr det flere avdelinger, datauttrekk, konfigurasjoner i flere systemer og tester på forhånd. Som oftest blir det aldri lansert, eller det kommer for sent.

Med de fire lagene er kunden allerede identifisert (1). Jeanskjøpet i butikk og besøket på nettstedet ligger i samme profil (2). Markedsføringen definerer segmentet én gang, og det oppdaterer seg selv (3). Og fordelen brukes i kassen når kunden betaler for genseren (4). Ingen har åpnet en IT-sak.

Legg merke til hva som endrer seg. Det finnes ikke lenger én rabatt til alle: det finnes en fordel for en bestemt kunde, ved et bestemt kjøp, og den kan i tillegg måles, fordi den løses inn i kassen.

Kunde som betaler i kassen med et personalisert tilbud brukt, eksempel på personalisering i retail uten IT

Det er dette som gjør et lojalitetsprogram på tvers av alle kanaler til noe kunden merker, og ikke bare enda et kort i lommeboken.

4. Dataene først, meldingen etterpå

Personalisering begynner ikke i teksten: den begynner i identiteten. Hvis personaliseringen din ikke fungerer i dag, bør du, før du rører meldingen, spørre deg selv i hvilket lag det brister. Vet du hvem kunden er? Ser du hva kunden gjør i butikk og på nett? Kan du segmentere uten å be IT om hjelp? Når fordelen frem til kassen?

Hvis du må velge hvor du skal begynne, begynn med det laveste laget som er ødelagt. Det hjelper lite å finjustere et segment hvis den samme kunden fortsetter å dukke opp tre ganger.

Vil du se det brukt i et reelt tilfelle? Oppdag hvordan Wapping fungerer.