Marknadsteam som granskar kunddata från butik och e-handel på olika skärmar, dataproblemet bakom hyperpersonalisering inom retail med egna data

Ditt team skriver ett genomtänkt meddelande, segmenterar det så gott det går och skickar iväg det. Kunden får det och fortsätter att köpa som vanligt, eller slutar helt att handla. Det är lätt att skylla på ämnesraden, texten eller rabatten, men felet finns nästan aldrig där: problemet ligger djupare, och därför bör man när man pratar om hyperpersonalisering med egna data börja från början: datan.

Mönstret upprepas hos nästan alla återförsäljare med butiker och e-handel. Kassasystemet vet vad som köptes i butiken igår, webbplatsen vet vad som tittades på igår kväll och CRM-systemet sparar en e-postadress från för tre år sedan, men inget av dem vet att det rör sig om samma person. Så antingen skickas samma kampanj till alla, eller så ber man IT om ett nytt segment och väntar i veckor. När det kommer är ögonblicket förbi.

Här följer de fyra lager som gör att personalisering faktiskt fungerar, i den ordning de måste byggas. Om ett brister påverkas de ovanför.

1. Problemet är inte meddelandet, utan datan

Ett personaliserat meddelande behöver veta tre saker: vem kunden är, vad hen faktiskt har gjort och vad man kan erbjuda just när hen handlar. Saknas en av dem blir resultatet en kuliss av personalisering: ett ”Hej, Marta” ovanför ett erbjudande på något som Marta redan har köpt.

Utgångsläget är obekvämare än det ser ut. Mellan 60 och 70 % av transaktionerna i fysiska butiker är anonyma, och det klassiska kundkortet fångar bara 30 till 40 % av kvittona. Två tredjedelar av affären hamnar utanför all personalisering.

Utan data tar man till det enda som går: samma rabatt till alla. Det är det dyraste sättet att personalisera, eftersom det ger bort marginal till den som ändå skulle ha handlat.

Bakom varje handbyggt segment finns dessutom en flaskhals med namn: IT. De måste manuellt korsa data från kassasystem, e-handel och CRM för att bygga listan, och resultatet blir inaktuellt redan när det skapas. Marknadsteamet väntar, kampanjen går ut för sent och möjligheten, som nästan alltid hade ett datum, går förlorad.

Och omvärlden hjälper inte den som är beroende av andras data. Google har backat från planen att ta bort tredjepartscookies i Chrome, men Safari och Firefox blockerar dem redan som standard och allt fler användare avvisar dem i samtyckesbanners. Ungefär 90 % av marknadsförarna har enligt IAB och Adobe gått över till egna data och zero-party-data. First-party data är inte längre ett alternativ: det är det man personaliserar med.

2. Hyperpersonalisering med egna data: de 4 lagren, i ordning

Att personalisera med egna data är varken ett verktyg eller ett copytrick, utan en stapel av fyra lager där vart och ett vilar på det föregående:

  1. Unik identitet. Veta vem som är vem, i vilken kanal som helst.
  2. Enhetliga beteendedata, i butik och online. Veta vad kunden faktiskt gör.
  3. Dynamisk segmentering. Avgöra vem du når.
  4. Aktivering av förmånen. Avgöra vad, när och i vilken kanal.

När ett brister förblir personaliseringen ett löfte.

De 4 lagren i hyperpersonalisering med egna data inom retail: unik identitet, enhetliga data, dynamisk segmentering och aktivering av förmånen

Lager 1 · Unik identitet: veta vem du har framför dig

Utan att veta vem som är vem håller inte resten. Samma kund dyker upp som tre olika personer i tre olika system och får, när en kampanj går ut, erbjudanden på sådant hen redan har köpt. Lösningen är inte att städa dubbletter varje kvartal, utan att förhindra att de uppstår: ett unikt kund-ID, byggt på det validerade mobilnumret och bekräftat med en OTP-kod första gången kunden identifierar sig, i butik, på webbplatsen eller via WhatsApp. Därefter känner detta ID igen kunden i varje kontaktpunkt, utan att hen behöver ange sina uppgifter på nytt i varje kanal.

Lager 2 · Enhetliga beteendedata i butik och online

När kunden är identifierad är det dags att samla det hen gör. Försäljning och returer, i butik och i e-handeln, plus händelser som inte är transaktioner, samlas in automatiskt och kopplas till samma profil, utan att datasilos slås ihop och rensas för hand. Det är skillnaden mellan att veta att Marta handlade online i torsdags och att veta att hon på lördagen gick till butiken i centrum för att byta storlek.

Returerna räknas också: man arbetar med nettovärdet, alltså försäljningen minus det som returnerats. En kund som köper mycket och returnerar nästan allt är inte den goda kund som hen verkar vara.

Det som gör det möjligt att förena kassa och e-handel i en enda levande profil är precis det som ett retail-CRM, byggt för att hantera kontakter, inte löser på egen hand. Och det är det mest underskattade lagret: utan det förblir onlinekunden och butikskunden två främlingar.

Lager 3 · Dynamisk segmentering: vem du når

En lista som exporterats på måndagen är inaktuell på tisdagen. En levande målgrupp uppdaterar sig själv: kunden kommer in i och lämnar segmentet utifrån sitt beteende, i realtid i vissa segment och med utvärderingar ungefär varannan timme i genomsnitt i övriga. Marknadsföringen definierar kriteriet med över 50 parametrar, utan kod, och öppnar inget IT-ärende varje gång en regel ändras. En och samma kund kan ingå i flera segment samtidigt, och kriterierna kan kombineras: frekvens, värde, köpt kategori, kanal.

Så ser personalisering av e-handelskampanjer utan IT ut i praktiken: den som utformar kampanjen är den som genomför den. Vill du se hur sådana målgrupper byggs förklarar vi det i artikeln om dynamisk segmentering inom retail.

Lager 4 · Aktivering av förmånen: vad, när och i vilken kanal

Att segmentera väl och sedan ge alla samma rabatt är att kasta bort arbetet. Förmånen beräknas och tillämpas i betalningsögonblicket: kassan eller e-handeln frågar Wapping i realtid, och Wapping returnerar det som tillkommer den kunden, per rad eller per kvitto. Svaret kommer i genomsnitt på 400 millisekunder, utan att ändra priser i ERP-systemet och utan att skapa rabattkoder. Det är transaktionsgatewayen.

Om två förmåner sammanfaller kan oförenlighetsregler låta den ena stänga ute den andra, med prioriteringen styrd på tjänstenivå, så att kampanjer inte staplas okontrollerat. Och eftersom förmånen avgörs i betalningsögonblicket kan den villkoras med ett minimiköp eller med kategorier med tillräcklig marginal. Det är personalisering som inte bränner marginal.

Kommunikationen går ut i den kanal som passar bäst: e-post, sms, push eller WhatsApp, den sistnämnda för mycket specifika segment och med kanalen redan aktiv, inte som massutskick.

3. Så ser det ut när de fyra lagren fungerar tillsammans

Ett illustrerande exempel för att göra det konkret. Du vill lansera ett exklusivt erbjudande på munkjackor till dem som köpt jeans men inte köpt någon munkjacka de senaste tre månaderna.

Med en klassisk stack innebär det flera avdelningar, dataextraktioner, konfigurationer i flera system och tester i förväg. Oftast blir det aldrig av, eller så kommer det för sent.

Med de fyra lagren är kunden redan identifierad (1). Jeansköpet i butiken och besöket på webbplatsen finns i samma profil (2). Marknadsföringen definierar segmentet en gång och det uppdaterar sig självt (3). Och förmånen tillämpas i kassan när kunden betalar för munkjackan (4). Ingen har öppnat ett IT-ärende.

Lägg märke till vad som förändras. Det finns ingen rabatt för alla längre: det finns en förmån för en specifik kund, vid ett specifikt köp, och den går dessutom att mäta, eftersom den löses in i kassan.

Kund som betalar i kassan med ett tillämpat personaliserat erbjudande, exempel på personalisering inom retail utan IT

Det är det som gör ett lojalitetsprogram över alla kanaler till något kunden märker av, och inte bara ännu ett kort i plånboken.

4. Datan först, meddelandet sedan

Personalisering börjar inte i texten: den börjar i identiteten. Om din personalisering inte fungerar i dag, fråga dig i vilket lager det brister innan du rör meddelandet. Vet du vem kunden är? Ser du vad hen gör i butik och online? Kan du segmentera utan att be IT om hjälp? Når förmånen fram till kassan?

Om du måste välja var du ska börja, börja med det lägsta lager som är trasigt. Det är till liten nytta att finslipa ett segment om samma kund fortsätter att dyka upp tre gånger.

Vill du se det tillämpat i ett verkligt fall? Upptäck hur Wapping fungerar.