Det är inte lätt att vara e-handlare idag – dagens konsumenter ställer allt högre krav på butiker. Kunder kräver både personaliserade och, inte minst, relevanta användarupplevelser när de handlar. Upplevelsen kan faktiskt vara lika viktig som transaktionen i sig – vi konsumenter vill att handlare ska förstå oss, vilka våra intressen är och vilka preferenser vi har, och visa oss endast det innehåll och de produkter som vi vill se. Allt detta ska ske på en gång, direkt när vi landar på hemsidan. Tre av fyra konsumenter uppger att de påverkas av personaliserade erbjudanden, och över 50% av kunder uppger att de vill köpa personaliserade produkter och tjänster. Så frågan är inte om du ska personalisera, utan snarare hur.
Det positiva i det hela? Det finns väldigt mycket data att hämta (även inom de parametrar dikterade av GDPR) och butiker kan använda sig av den för att personalisera kundresan. Utmaningen ligger i hur du samlar in datan och gör den användbar för personalisering.
Framsteg inom AI och maskininlärning gör det möjligt för handlare att samla in värdefull kundinformation. Varje sekund skapas stora mängder data då konsumenter interagerar med innehållet på olika hemsidor och butiker. De efterlämnar ett stort digitalt avtryck, men svårigheten ligger i att använda denna data för att förbättra deras köpupplevelse. Det är lättare sagt än gjort, då:
När du bestämmer du dig för hur du ska tackla utmaningen som personalisering innebär är det viktigt att fokusera på vilken typ av data du samlar in. Undersökningar gjorda av Nosto visar att de flesta handlare bygger sin personalisering enbart på transaktionsdata. Denna data utgör dock bara ca 2 procent av den information som kunder lämnar efter sig. Resten, de andra 98 procenten, är data baserat på kundernas beteende.
Även om transaktionsdata kan vara användbart i flera fall, så motsvarar den endast en punkt i kundresan – den sista anhalten. Nyckeln till framgångsrik personalisering ligger i att få både transaktions- och beteendedata att jobba ihop, för att möta kunden på varje hållplats i resan. Detta kan vara i sociala medier, via email, eller på olika delar av hemsidan. Kunden kan vara redo att handla, eller helt enkelt endast vara sugen på att kolla runt. Att använda kollektiv beteendedata gör det möjligt att personalisera för kunden i realtid oavsett var hen befinner sig i sin köpresa.
Att första intrycket är otroligt viktigt vet alla. Detta gäller även för e-handel – och sätter därmed stor press på butikens förstasida. För återvändande kunder har du ofta data att gå på för att presentera relevanta produkter och information. För nya kunder är detta dock mer av en utmaning, då du nästintill inte har någon data att gå på. Med detta sagt, finns det fortfarande smarta saker att göra med det du vet:
Använd hemsidan för att visa populära produkter (dvs, dina “bestsellers”) – Du kan även använda dig av geotargeting och rekommendera produkter baserat på var kunden befinner sig – en skobutik kanske finner det relevant att under hösten presentera kängor för kunder på landsbygden medan sneakers fortfarande anses fungera i innerstan. Flera företag använder sig även av användargenererat innehåll för att förstärka relationen med kunden. Den här typen av “social proof” ger kunden möjlighet att se med egna ögon hur andra använder och uppskattar produkterna. Faktum är att 88% av konsumenter kollar reviews eller rekommendationer innan de faktiskt gör ett köp.
Johnells presenterar bästsäljande produkter på förstasidan baserade på besökarens demografi.
– Att visa bästsäljande produkter kan även vara effektivt mot återvändande kunder. Här visar sig dock den historiska data du samlat in vara väldigt viktig: presentera endast produkter som är kopplade till sånt som de redan tittat på eller köpt.
Ponera att en kund satt en produkt i varukorgen. Inget visar att du förstår din kund mer än om du då presenterar dem med riktigt väl valda kompletterande produkter. Att visa kompletterande varor på produktsidan ger dig möjlighet att både illustrera hur väl du känner dina kunder och samtidigt öka din vinst. Genom att använda beteendedata kan du:
På sina produktsidor visar Elodie Details rekommendationer på relaterade produkter (cross selling) samt dyrare produkter i samma kategori (up selling).
Denna sida är otroligt viktig – det är nu kunden antingen väljer att gå vidare och fullfölja sitt köp, eller att överge varukorgen. Cirka 70% av varukorgarna överges på checkoutsidan, vilket är varför det är så viktigt att skruva på denna sida så att den övertygar obeslutsamma shoppare att bli lojala kunder.
Här är några tips på hur du kan få kunder att genomföra sina köp:
Lagerhaus visar billiga produkter i kassan för att öka ordervärdet.
På Nosto har vi gått igenom exempel på hur man kan använda sig av personliga produktrekommendationer på hemsidan. Det finns dock så mycket mer man kan göra – nyckeln för att lyckas ligger i att knyta ihop hela upplevelsen. Det gör du genom att analysera hur dina kunder beter sig över alla kanaler: sociala medier, email, hemsidan, etc. och använda denna beteendedata för att personalisera allt innehåll – bortom produktrekommendationer på hemsidan.
––
För att lära dig mer om hur du kan åstadkomma detta, kika på Nostos live webinar som hölls den 5 september 2018, då vi presenterade hur vi genom våra nya AI-produkter automatiskt kommer kunna leverera unika kundupplevelser för varje unik kund. Läs mer och se webinaret On demand här!
––
Detta inläggs är skrivet av Björn Walther, Head Of Business Development Northern Europe på Nosto. E-handelsexpert som dedikerat sin karriär åt att hjälpa kunder stärka sina digitala varumärken. Se också: Björn Walther på Linkedin.