Klanten verwachten vandaag de dag gepersonaliseerde product- of service aanbevelingen via allerlei verschillende verkoopkanalen. Voor retailers is personalisatie in e-commerce, maar in toenemende mate ook in de winkel of via andere verkoopkanalen, een van de belangrijkste verkoop bevorderende maatregelen. Data gestuurde platforms zoals Amazon winnen steeds meer marktaandeel door consistente personalisatie in hun klantbenadering.
Tot nu toe werden retailers beperkt door rigide en deels nog handmatige processen in hun klantbenadering. Nieuwe zelflerende software kan klanten echter een aanzienlijke toegevoegde waarde bieden in hun customer journey door real-time en volledig geautomatiseerde advies- en koopaanbevelingen.
Personalisatie
Als we naar de communicatie tussen retailers en klanten kijken, zien we op dit moment grote verschillen in de personalisatie van de klantervaring:
Er bestaan nog steeds retailers die geen onderscheid maken tussen klanten wanneer zij zich tot hen richten. Elke klant krijgt dezelfde producten of inhoud aangeboden. Marketingcommunicatie wordt grotendeels gestuurd door seizoenen of andere gebeurtenissen zoals “back to school”, maar de bestaande klantgegevens worden niet geanalyseerd en hebben geen invloed op de communicatie met de klant.
Touch points & aanbevelingen
De aanpak volgens klantsegmenten is al iets gedifferentieerd. Door statische persoonlijke kenmerken te analyseren, worden klanten gebundeld en via nieuwsbrieven of in een webshop verschillend per groep aangesproken.
Wederom geavanceerder is de persoonlijke benadering van klanten bij individuele touch points, meestal in webshops. Hier bepaalt eerder koopgedrag welke persoonlijke aanbevelingen aan de klant worden gedaan. Vaak zijn deze aanbevelingen echter niet gebaseerd op alle gegevens die over de klant bekend zijn, maar alleen op transacties van dit specifieke touch point, dus bijvoorbeeld de koophistorie in de webshop. Ook worden aanbevelingen niet op basis van real-time informatie gedaan, d.w.z. dat de klant bij een bezoek aan de webshop gepersonaliseerde aanbiedingen ziet die de retailer niet in real-time maar batchgewijs vooraf verwerkt heeft.
De meest persoonlijke manier om klanten te benaderen is door koppeling van alle klantgegevens, d.w.z. hun persoonlijke kenmerken en transacties via alle kanalen, dus een 360-graden klantbeeld. Deze brede databasis is al heel bruikbaar voor gepersonaliseerde aanbevelingen van hoge kwaliteit, ook al worden ze meestal nog steeds batch-georiënteerd verwerkt en gaan de gepersonaliseerde aanbevelingen in de praktijk vaak niet verder dan “klanten die product A gekocht hebben, hebben ook product B gekocht”.
Innovaties
Nieuwe technische innovaties op het gebied van kunstmatige intelligentie en een real-time IT-architectuur kunnen nu echter voor een optimale klantervaring zorgen. Met behulp van Kunstmatige Intelligentie-voorspellingsmethoden en een 360-graden klantbeeld is een optimale een-op-een communicatie met de klant in real-time over alle verkoopkanalen heen mogelijk.
Met moderne voorspellingsmethoden kan de mate van individualisering van de klantinteractie aanzienlijk worden verhoogd, en dat voor alle touch points van de customer journey, dus bijvoorbeeld online, binnen een app, in de winkel of via een chatbot. Door de persoonlijke benadering over alle mogelijke kanalen heen aan elkaar te koppelen en in real-time te analyseren, kan de retailer dynamisch en geautomatiseerd passende aanbevelingen voor elke interactie met de klant doen. Elke actie door de klant kan dus meteen tot een passende reactie door de retailer leiden. In het beste geval worden de meest relevante producten, informatie of aanbevelingen te allen tijde aan de klant aangeboden tot de klant de koopbeslissing maakt – en kan desnoods de beste prijs voor de klant worden bepaald.
Gedetailleerde klantgegevens
Naast productgegevens zijn klantgegevens essentieel voor zo’n individuele klantbenadering. Hoe gedetailleerder de klantgegevens, hoe meer attributen gebruikt kunnen worden voor de zelflerende aanbevelingslogica en hoe hoger de kwaliteit van de aanbevelingen voor interactie met de klant in real-time. Door het verzamelen, analyseren, leren en reageren ontstaat een zelflerend model voor het personaliseren van aanbevelingen. De klantgegevens worden met elke klantactie aangevuld en verrijkt, zodat de zelflerende algoritmen steeds slimmer worden, de kwaliteit van de aanbevelingen toeneemt en veranderingen in het klantgedrag onmiddellijk resulteren in nieuwe gepersonaliseerde aanbevelingen, hetzij in de webshop, tijdens een bezoek aan de winkel of tijdens interactie via chat.
Voor de retailer is het nu zaak om zijn communicatie tijdens de hele customer journey te analyseren, met als ultiem doel een real-time gepersonaliseerde klantinteractie over alle touch points heen. Afhankelijk van hoe volwassen de communicatie is, kan stapsgewijs de klantinteractie real-time en op maat worden gemaakt om de waarde voor klant en verkoopwaarde voor de retailer te maximaliseren. Moderne software helpt de retailer daarbij om stap voor stap de communicatie met de klant te personaliseren en te optimaliseren.
Toegevoegde waarde personalisatie
Het is belangrijk om dit marketingbeleid open en transparant te communiceren, zodat klanten niet hun vertrouwen in de retailer kwijtraken uit angst voor misbruik van hun gegevens. Daarbij moet de retailer de klant ook echte toegevoegde waarde bieden door deze gepersonaliseerde aanpak, zoals snellere productselectie, herinnering aan noodzakelijke vervangingsaankopen of klantgerichte service. Dan zal een gepersonaliseerde omnichannel-ervaring zowel voor de klant als ook voor de retailer duidelijke voordelen opleveren.
Lees ook het blog over retailtrends van nu
