Úvod
Personalizace je trend. Průzkum mezi marketéry od Hubspotu v USA ze začátku roku 2021 říká, že 88 % z nich evidovalo pozitivní efekt na výsledky při aplikování personalizace v marketingové komunikaci. V tom samém průzkumu 61 % marketérů souhlasilo s tím, že personalizace jim všeobecně pomáhá při poskytování lepšího UX.
Na druhé straně průzkumy zákazníků potvrzují to, že zákazníci si personalizované zkušenosti s firmami doslova vyžadují. Podle průzkumu Accenture z roku 2018 až 91 % online zákazníků preferuje nakupovat od firem, které poskytují personalizovanou reklamu nebo komunikaci.
Personalizace je důležitý faktor při retenci zákazníků. Studie od CDP firmy Segment z roku 2017 říká, že až ve 44 % může personalizace pozitivně ovlivnit, jestli zákazník v daném e-shopu znovu nakoupí. Personalizované kampaně mohou také zvyšovat průměrnou hodnotu nákupu zákazníka. V tom samém průzkumu až 40 % zákazníků přiznalo, že si koupili něco dražšího od prodejce, který měl personalizovanou „customer experience“.
Pro efektivní personalizaci jsou důležitá uživatelská data. Digitální giganti jako Amazon, Facebook či Google byli na začátku 21. století průkopníky v personalizování svých služeb a produktů. Personalizované digitální služby jako Facebook News Feed, Google Reklamy nebo Amazon Recommended Products se výraznou měrou podílely na jejich úspěších a udržení existujících zákazníků.
Přestože personalizace se stala koncem minulého desetiletí výrazným „buzzwordem“ v e-commerce kruzích, stále hodně firem aplikuje personalizaci nerozumně a neefektivně.
Existuje mnoho e-mailových kampaní, které jsou „personalizované“ nanejvýš křestním jménem a příjmením. Poznáme hodně webových stránek, které personalizují maximálně na základě IP-adresy. Technicky to sice můžeme nazvat personalizací, ale neposkytuje to zákazníkům žádnou přidanou hodnotu. Moje jméno a to, kde se momentálně nacházím, přece vím i sám.
Personalizace je technicky náročná. Vyžaduje interní uchopení datového potenciálu a problémů zákazníků daného e-shopu. Firmy, které personalizaci využívají efektivně, investovaly do datových systémů jako CDP a lidí, kteří tato data interně nebo externě spravují.
Úspěšné implementace personalizace jsou náročné i proto, že jejich úspěch je výrazně ovlivněný vlastnostmi daného e-shopu: Jak je velký? Jaký prodává sortiment? Má výraznou variaci v cenách? Jaká data sbírá o svých zákaznících?
V poslední řadě je důležité poznamenat, že personalizační strategie jsou pokročilou e-commerce taktikou. Pozitivní ROI pro e-commerce firmy při investicích do personalizace začíná asi od 10 milionů eur obratu ročně.
Co je efektivní personalizace?
Efektivní personalizace se skládá ze dvou aspektů:
- Účelné rozdělení zákazníků na základě uživatelských dat (chování, charakter).
- Přidávání hodnoty zákazníkovi prostřednictvím komunikace.
Jak jsme uvedli výše, připomínat zákazníkům jejich jméno nebude mít výrazný vliv na účinek kampaně. Kdysi byla personalizace pro marketéry limitovaná na posílání „targetovaných kuponů“ v katalozích přes poštu, ale v digitálním světě se dnes potenciál personalizace rozšířil na všechny „touchpoints“ interakce se společnostmi a značkami. Kupony, e-maily, sms-ky, web, placené reklamy, offline interakce na pobočce, přes call-centrum apod. mohou být personalizované.
Typická personalizace je implementovaná na úrovni segmentů. Toho se dosáhne tím, že zákazníci jsou rozdělení do skupin podle konkrétní logiky nebo algoritmu. Např. když rozdělíme všechny zákazníky podle věku, podle toho, zda už nakoupili apod. Jednoduše dělíme celek zákazníků na různé segmenty.
Méně často je personalizace implementovaná na úrovni 1:1, tedy pro každého uživatele je jiná. Příkladem může být např. zobrazování naposledy viděných produktů na stránce.
Odkud přišla personalizace?
Koncept personalizace jako účinný nástroj marketérů je starší než internet. Marketéři a organizační výzkumníci v ještě analogovém světě velkoobchodních řetězců jako např. americké CostCo či britské Tesco využívali první „personalizované“ marketingové kampaně jak je známe dnes.
Tato personalizace byla možná díky novému významnému pokroku v datové analytice, kterou byla obyčejná členská klubová karta. Klubové karty umožnily firmám jako Tesco a CostCo stimulovat zákazníky k tomu, aby při každém svém nákupu „pípli“ i svoji členskou kartu, za kterou dostávali slevy na vybrané produkty.
To posílilo udržení si existujících zákazníků, ale také vytvořilo jejich první CRM databázi. Významný počet transakcí byl najednou propojený v čase (kdy) i prostoru (který obchod) na úrovni zákazníka (ID členské karty).
Na základě transakčních dat a informací, které zákazník vyplnil při registraci (adresa, jméno, datum narození, věk, pohlaví), se tak ještě před dobou internetu vytvářela personalizace na úrovni segmentů jako věk či socioekonomické předpoklady a z nákupů se také dalo vyčíst, zda máte domácí zvíře, zahradu, nebo dokonce i to, zda vaše rodina očekává dítě.
Namísto e-mailů to sice byla ještě pošta, ale už tehdy byly společnosti schopné A/B-testovat efekt této segmentace a přinášelo to výsledky. Amazon si ekvivalent této datové struktury musel vybudovat sám.
Tesco Clubcard dlouhodobě umožnila Tescu předběhnout konkurenci. Segmentace a targeting vytvářely 8 milionů variací poštovní komunikace v jednom čtvrtletí. Popularita personalizovaných katalogů umožnila Tescu prodávat reklamní prostor ve svých kvartálních personalizovaných katalozích.
Dnes už e-commerce společnosti všude na světě používají pro tyto datové a personalizační potřeby CDP-čka (Customer Data Platform). Ta jim umožňují sbírat a analyzovat uživatelská data na jejich platformách a unifikovat data o chování jednoho uživatele na různých zařízeních nebo touchpointech. Následně je potřebné tato data integrovat se softwarem, který automatizuje marketing. A právě to je jednou z hlavních výhod Exponea, protože má plnohodnotné CDP integrované s plnohodnotnou omnichannel (e-mail, web etc.) marketingovou automatizací.
První příklad: Automatický vypočet efektu slevy pro zákazníka
Hodně e-shopů v rámci automatizovaného scénáře „opuštěný nákupní košík“ nabízí zákazníkům slevu. Často přijde až na druhý nebo třetí pokus a zákazník dostane slevu pouze na svůj první nákup. Obvykle má tato sleva hodnotu 5 až 15 %.
Při tomto scénáři je účinné personalizovat hodnotu dané slevy v opuštěném košíku pro daného zákazníka. Tím, že během přidání produktu do košíku se zatrackuje i cena, pomocí posledního „cart_update“ eventu v CDP databázi konkrétního uživatele se dá vypočítat, jakou hodnotu tato sleva představuje pro tento nákupní košík.
V tomto příkladu efektivní personalizace jde o to, že v „subject line“ e-mailu se automaticky vypočítá hodnota slevy. Tento příklad byl A/B-testovaný a porovnaný s e-maily ve stejném období, které měly stejný styl i text, až na to, že promovaly 10% slevu. Ta polovina zákazníků, která dostala personalizovaný výpočet, udělala v konečném důsledku dvakrát víc nákupů než ta, která měla zobrazenou statickou 10% slevu.
Screenshot personalizované kampaně opuštěného košíku. Logika subject line: „(( value of the last customer’s last cart_update * 0.1 )) off your pending order“.
Druhý příklad: Personalizace e-mailové kampaně podle velikosti chodidla zákazníka
Ve světě fashion e-commerce je celkem běžné posílat e-mailové kampaně o výprodejních slevách. Hlavně tehdy, když prodáváte boty. Prodej bot je ovlivněný sezónami, takže ročně mívají i několik výprodejů.
Častým problémem pro zákazníky, kteří si otevřou takový e-mail, je, že se jim nějaký produkt zalíbí na landing page konkrétní kampaně, kliknou na něj a zjistí, že není dostupný v jejich velikosti. To často vede k rychlému odchodu zákazníka ze stránky.
V tomto příkladu efektivní personalizace jde o přizpůsobení těchto výprodejových kampaní. Na základě poslední transakce je možní vyčíst velikost jejich chodidla, tedy v případě nákupu bot. Podobný princip je však možný i u velikostí jiných módních produktů.
Namísto promování toho samého výprodeje celé e-mailové databáze tato personalizace rozčlení zákazníky na segmenty podle velikosti chodidel. A tak můžete headline „Až 60% sleva v našem letním výprodeji!“ personalizovat na „Až 60% sleva na vaši velikost 42!“.
Tento e-mail by se měl prokliknout na landing pages, které jsou už předfiltrované na výprodeje a dané velikosti. Některé tyto kampaně se obohacují i informací o tom, kolik různých produktů je ještě dostupných ve výprodeji. Tato personalizace přímo řeší problémy zákazníků, kteří zareagují na kampaň.
Tento typ personalizace byl testovaný mezi zákazníky 50/50. Polovina lidí dostala obyčejný e-mail bez personalizované velikosti. Ta druhá polovina s personalizovanou verzí e-mailu, udělala o 50 % víc nákupů.
Je to podobné jako v obchodě, kde vás obchodník už dobře zná, protože jste tam nakupovali předtím, nebo dokonce nakupujete pravidelně. A tak si pamatuje vaši velikost a může vám zajistit skvělý servis.
Screenshot personalizované kampaně výprodeje.
Třetí příklad: Personalizovaný e-mailový program podle věku dítěte
Německá značka Babywalz personalizuje zajímavým způsobem. Prodává hlavně produkty pro začínající rodiče a všechny potřeby dětí do 4 roků. Babywalz žádá od zákazníků datum narození a pohlaví dítěte. Tím pádem ví, v jaké fázi se rodiče nacházejí (od 9 měsíců před až po 48 měsíců po narození).
Babywalz používá věk dítěte pro víceúčelově účinnou personalizaci ve svém marketingu. Je to například 30stupňový e-mailový program, který rozesílá e-maily na základě toho, v jakém stádiu těhotenství a rodičovství se rodiny nacházejí. V těchto e-mailech společnost posílá tipy a doporučení jiných rodičů. Tento typ personalizace poskytuje víc než jen marketing. Vzdělává a poskytuje časově citlivé a užitečné informace.
Screenshot ze scénáře Lifetime Management.
Data zákazníků, kteří sdíleli věk svého dítěte, se dají použít i na analytiku chování rodičů v různých stádiích těhotenství a rodičovství. Např. rodiče pár týdnů před narozením dítěte vyhledávají třikrát víc oblečení a jídla než v jiných stádiích. Připravují se na příchod potomka. Tyto insighty se dají následně využít při webové a e-mailové personalizaci.
Pomocí této formy Babywalz žádá od zákazníků datum narození jejich dítěte.
Všechny příklady spojují dvě věci. Jasně definovaná myšlenka, k čemu tato informace poslouží. A korespondující data, která má firma k dispozici.
