Online marketing

4 drempels bij personalisatie

0

Personalisatie geeft je klanten het gevoel écht begrepen te worden. Klanten komen met personalisatie vaker terug, kopen meer en zijn positiever over je winkel, volgens dit onderzoek van Boston Consulting Group. Het inzetten van data om klantcontactmomenten te personaliseren hoeft niet ingewikkeld te zijn. Denk hierbij aan het tonen van content, productaanbevelingen en zoeksuggesties en -resultaten. Toch is er een kloof tussen ambitie en realisatie. Welke factoren zijn hier verantwoordelijk voor?

Het merendeel van de Twinkle100-webshops zet nog geen vormen in van personalisatie die verder gaan dan het gebruiken van je voornaam en datum van je verjaardag. Tegelijkertijd vinden veel e-commercemanagers dat personalisatie steeds belangrijker wordt om de aandacht van de klant te krijgen. Barneys New York, een warenhuis dat een miljard dollar omzet draait, maakte in 2017 bekend personalisatie een topprioriteit te vinden. Het paste personalisatie toen alleen nog niet toe.

De expertgroep Personalized E-commerce van ShoppingTomorrow keek aan de hand van ervaringen en casebesprekingen naar verschillende drempels die personalisatie moeilijk maken. In dit artikel deel ik er vier.

1. Wat betekent personalisatie?

De betekenis van personalisatie voor de organisatie is de eerste en waarschijnlijk ook de hoogste drempel. De meeste projecten komen niet verder, omdat we simpelweg niet tot een gedeeld beeld komen over wat we ermee willen bereiken. Zelfs over wat personalisatie voor jou als individu betekent, bestaat waarschijnlijk geen eenduidig antwoord. Het hangt af van jouw persoonlijke situatie, de levensfase waar je je in bevindt, het type beslissing dat je moet nemen en de wijze waarop je informatie verwerkt en beslissingen neemt.

Zo kan het zijn dat je uitgesproken merkvoorkeuren hebt als het gaat om persoonlijke verzorging, maar niet als het gaat om mode. Het hangt waarschijnlijk ook af van de context van het specifieke moment. Heb je tijd en aandacht ergens voor, is er iets in je sociale omgeving dat je gedrag beïnvloedt?

De vraag is of je al snel aan de slag kunt gaan met wat je al weet, je hebt immers de producten en persona’s beschikbaar. Hieronder ga ik daar verder op in.

2. We hebben data, kunnen we aan de slag?

Dit is het moment waarop de waardevolle marketeer zich kan onderscheiden. Ik zie nog te vaak een armoede aan informatiekwaliteit. Op beschrijvend niveau gaat het wel goed en is er voldoende informatie. Denk aan waar de omzet plaatsvindt, de kenmerken van de doelgroepen en het gebruik van de kanalen. Zelfs over specifieke contactmomenten bestaat voldoende beschrijvende informatie, zoals dat 15% van de bezoekers meer dan 2 pagina’s bezoekt.

Maar over de drijfveren van een klant, tasten marketeers nog vaak in het duister. Het gaat hier om het waarom en de samenhang van de acties van de klant. Dit moet je zien in combinatie met de context waar hij of zij zich in bevindt.

Dit geweldige plaatje komt uit een artikel van Erica Smith in Hacker Noon. Het voorschotelen (en ontwerpen) van relevante ervaringen voor gebruikers komt niet alleen voort uit data, maar ook uit inzichten.

Stel, je zet alleen in op de uitkomsten van een A/B-test (data). Op de A-versie klikt 60% door en op de B-versie gaat het om 20%. Op basis van alleen data voer je versie A door voor alle gebruikers. Maar stel nou dat de 40% die niet klikt de ervaring zo vreselijk vindt dat je site niet meer wordt bezocht. Inzicht in deze motieven kan dan voor een A+-versie zorgen, waar de resterende bezoekers ook een prettige ervaring hebben (al leidt dat niet tot een klik).

Onwerkbare concepten

Om het probleem van gebrek aan inzicht op handelingsniveau te compenseren, zoeken marketeers de oplossing in het verzamelen van meer informatie over meerdere contactmomenten. Ze zijn in de veronderstelling dat meer klantinformatie meer aanwijzingen geeft over wat een klant wil. Vaak resulteert dat in mooie, maar onwerkbare concepten. Zoals het in kaart brengen van een klantreis en het creëren van een 360-graden-klantbeeld, met als doel de klant een gepersonaliseerde en consistente ervaring te bieden.

Deze concepten zijn onwerkbaar, omdat je in de nabije toekomst ‘fysieke’ data (zoals een bezoek aan de winkel van de concurrent) zal missen of niet kunt interpreteren. Ook blijft inzicht nog steeds afwezig, wat is het motief van de klant bij een (vervolg)contactmoment?

Oké. Kunnen we toch al snel aan de slag met wat we weten? Dat kan, met deze 3 punten als houvast:

  1. Houd focus op 1 ervaring (touchpoint) voor de klant.
  2. Creëer waarde voor je klant door hem op dat touchpoint beter te bedienen, met personalisatie of contextuele relevantie.
  3. Verwerk inzichten snel en vaak.

3. We komen er niet aan toe, hoe organiseren we ons?

Bij het snel en vaak verwerken van inzichten, komen organisaties ook vaak drempels tegen. Eric Ries, auteur van de Lean startup (aff.), zegt dat organisaties niet in de toekomst kunnen kijken. Grote projecten moeten daarom klein en behapbaar worden gemaakt. Verbeteringen moeten komen uit het snel ontwikkelen van een prototype of methode, meten hoe het werkt, conclusies trekken, en vanuit die conclusies het product verbeteren.

Dit staat haaks op hoe de meeste bedrijven functioneren. De grote kracht van organisaties zit in het vermogen om repeterende activiteiten steeds beter en efficiënter uit te voeren. Het ontwerp van een organisatie stoelt op de aanname dat er overeenstemming is over de dingen die we gaan doen. Maar innovatie is vooral onvoorspelbaar, zowel qua uitkomsten als proces. Google maar eens op afbeeldingen bij ‘innovatie’ (model, framework of management) en je staat versteld van hoe uiteenlopend processen worden weergegeven. Zo is onderstaande afbeelding van Pyoneer.io, die services aanbiedt bij het komen tot ontwerpen, wel een mooie weergave.

De randvoorwaarden van goedwerkende (innovatie)teams kan iedereen dromen: multidisciplinair, 5-8 personen, probleemeigenaarschap, steun van het topmanagement, enzovoort. Speciale aandacht verdienen de knelpunten die ik in de praktijk zie. Tijd en verantwoordelijkheden. Nieuwe dingen doen is geweldig, behalve als je nergens aan toekomt. Geregeld zie ik dat alle vernieuwingen door een klein e-commerceteam gedaan moet worden, vaak ook nog geïsoleerd van andere bedrijfsonderdelen.

Dit kan nog werken voor het realiseren van projecten, waarbij externe partners een belangrijke bijdrage kunnen leveren in technische expertise. Maar het is niet bevorderlijk voor het leren binnen een organisatie. Dan is er gewoon tijd nodig om je ergens in te kunnen verdiepen. En om te kunnen prototypen en experimenteren en daarmee expertise te ontwikkelen.

Ongeduld en een drang naar snelle resultaten vanuit het management, leiden vaak tot projecten die op het moment van opschalen qua expertise nog niet goed ingebed zijn in de organisatie. Het resultaat: tijd- en budgetoverschrijdingen, inleveren op gewenste functionaliteiten, teleurstelling alom tijdens het project en geen middelen voor na het project.

4. De data is anders dan we dachten, wat nu?

Om zaken als personalisatie en contextuele relevantie mogelijk te maken, is data nodig. Het identificeren van welke data bestaat, waar het zich bevindt en wie erbij kan, wil nog wel eens voor onverwachte hindernissen zorgen.

Het eerste probleem is dat van datasilo’s. Binnen bedrijven zijn verantwoordelijkheden onderverdeeld, zodat mensen ruimte hebben om taken goed uit te voeren. Als data binnen een bepaald systeem of proces blijft, kan het heel goed zorgen voor een foutloze uitvoering van dat deel van het proces. Maar het zorgt er ook vaak voor dat marketeers geen weet hebben van welke data bestaat. Om bijvoorbeeld rapportages mogelijk te maken, wordt data dan ontsloten naar managementsystemen en vaak gekopieerd naar een datawarehouse of een andere centrale plek.

Dat zorgt wel voor een tweede probleem: waar staat de waarheid? Bij de inrichting van een datawarehouse zorg je ervoor dat een order één kant op wordt gesynchroniseerd. Als een order uit een informatieopslagplaats verdwijnt, zal het ook uit de datawarehouse verdwijnen. Maar hoe informatie wordt georganiseerd in een datawarehouse kan na verloop van tijd wel losraken van de manier waarop bijvoorbeeld productcategorieën zijn georganiseerd in de primaire systemen. Het is dus aantrekkelijk om personalisatie te baseren op data uit een centraal systeem, maar je moet  oppassen dat het nog wel in lijn ligt met de primaire databronnen.

Het derde probleem komt naar voren bij data uit de meest primaire bron, zoals alle bezoekhistorie van alle bezoekers. Deze clicklogs of serverlogs worden vaak maar kort bewaard en marketeers baseren zich op geaggregeerde data vanuit Google Analytics. Hiermee gaat een schat aan data verloren, terwijl je data wel op een kostenefficiënte manier kunt bewaren. En dan heb ik het nog niet gehad over dat kwaliteit. Even een productcode aanmaken of hergebruiken kan voor onverwachte datavervuiling zorgen.

Zorg voor meer kennis van data

Wat kun je doen? Het goede nieuws is dat het innovatieteam ook de oplossing is voor het opdoen van kennis over data, waar het zich bevindt en hoe je het kunt inzetten. Door korte iteraties leert het team wat effectief is en waar meer data ook daadwerkelijk voor betere resultaten kan zorgen.  Door de klant functionaliteiten aan te bieden, wordt zichtbaar voor het team en de organisatie wat goed gaat en wat niet.

Collega’s kunnen de organisatie daarmee oplossingen aanreiken en bijvoorbeeld aangeven waar de kwaliteit van de data omhoog kan. Zij kunnen zorgen voor de energie bij andere afdelingen die nodig is voor deze kwaliteitsimpuls.

Een mooi voorbeeld is Bouwmaat, waar het e-commerceteam kijkt hoe klanten goede cross-sell aanbevelingen kunnen krijgen. Het zware werk wordt gedaan door de data uit eerdere orders. Producten die klanten in dezelfde bestelling kopen, hebben een relatie met elkaar. Tegelijkertijd zijn andere collega’s bezig om kennis voortdurend beter te organiseren, door producten in betekenisvolle categorieën onder te brengen en relaties tussen categorieën vast te leggen. Op deze manier wordt de kennis over klanten, klussen en producten omgezet in data en speelt deze data een rol bij het tonen van goede gepersonaliseerde cross-sell aanbevelingen.

Welke drempels zie jij?

Zet jouw organisatie al in op personalisatie? Waar zie je drempels? Is dat in focus, beschikbaarheid van data, de wijze waarop je georganiseerd bent? Ik lees graag je commentaar.