Productaanbevelingen personaliseren in e-mailmarketing

Met alles wat er geïnvesteerd wordt in e-mailmarketing is het cruciaal dat marketeers verbeterde data-acquisitietechnieken en realtime databeschikbaarheid gebruiken om binding en verkoop te verhogen. Een goede manier om de klantervaring te personaliseren en te verbeteren, is door middel van productaanbevelingen.

Tekst: Saima Alibhai 

Uit een wereldwijde enquête van Yes Lifecycle Marketing is gebleken dat 68 procent van de retailmarketeers verwacht dat ze hun budget voor e-mailmarketing zullen verhogen. Tegelijkertijd zoeken ze naar manieren om online en offline kanalen met elkaar te verbinden om meer inzichten te krijgen in hun klanten, en dynamische aanbiedingen en door de gebruiker gegenereerde inhoud te gebruiken om relevantere berichten af te leveren.

Je klant begrijpen

Door aanbevelingen zo relevant mogelijk te maken, bied je een soortgelijk dienstverleningstype en -niveau als een lokale winkeleigenaar die zijn klanten persoonlijk kent. Of het nu gaat om het favoriete merk, het typische budget of de favoriete kleuren van een klant, met deze kennispunten kan men zeer relevante en persoonlijke productaanbevelingen doen, die geactiveerd worden op basis van de koopsignalen van de klant.

Er zijn tal van gegevenspunten tijdens de klantervaring die je een inzicht kunnen geven in het winkelgedrag van de klanten (browsergegevens, voormalig bestelgedrag, verlaten winkelmandjes), die allemaal mogelijkheden bieden om producten aan te bevelen die daadwerkelijk aansluiten op de individuele koper. De computerkracht bestaat nu om bij te houden wat klanten doen op de website, zoals bezochte productcategorieën of merken, voordat ze een item in hun winkelmandje doen.

Eenvoudig gezegd: het is altijd een goed idee om de aanbevelingen die je biedt te laten bepalen door het zoek- en winkelgedrag van de klant. Onderzoek meer dan alleen aankoopgeschiedenis. Klanten die bijvoorbeeld net een magnetron gekocht hebben, zullen een week later waarschijnlijk niet nog één kopen. Hoe meer contactpunten je gebruikt om je klanten beter te begrijpen, hoe groter de mate van personalisatie zal zijn die je kunt bieden.

Aanbevolen relevante producten

Aanbevelen op basis van klantgedrag gaat niet om het sturen van verschillende e-mails per dag aan klanten, maar om het analyseren van gegevens om te begrijpen wat er aansluit. Een klant die bijvoorbeeld onlangs een documententas gekocht heeft, moet aanbevelingen ontvangen over andere modeaccessoires die zijn of haar aankoop aanvullen. Denk aan een leren tablethouder, een kaartenportemonnee, passende brogues van het nieuwe seizoen.

Deze aanbevelingen moeten in de buurt zitten van het prijspunt van de eerste aankoop en moeten in overeenstemming zijn met het eerdere koopgedrag van de klant. Dit is de meest veelbelovende weg naar directe en toekomstige verkoop. Stel, een bepaalde klant heeft nog nooit een individueel item gekocht dat meer dan 80 euro kost en diezelfde klant was op zoek naar hoge hakken op je website. Door businesslogica toe te passen, moet je de klant een reeks aanbevelingen sturen voor vrouwenschoenen van verschillende stijlen en/of kleuren die elk minder dan 80 euro kosten.

Aanbevelingen combineren met bedrijfsregels

Hoewel persoonlijke aanbevelingen op zich al waardevol zijn, kun je, als je ze combineert met logische, strategische bedrijfsregels, je omzetdoelstellingen met meer efficiëntie bereiken. Om het volledige potentieel van aanbevelingen te ontgrendelen, heb je een marketing-automatiseringsplatform nodig dat traditionele voorspellende marketingmodellen combineert met aangepaste, unieke bedrijfsregels, zoals maximale verkoopprijs. Je zou bijvoorbeeld best beoordeelde producten boven een bepaalde winstmarge, nieuwe producten gesorteerd op prijs, verkoopartikelen geprioriteerd per einddatum van de verkoop of producten met een lage voorraad boven een bepaalde productbeoordelingsscore kunnen aanbevelen.

Relevante aanbevelingen kunnen consumenten uren zoektijd besparen en aanzienlijke omzet genereren voor je bedrijf. Gebruik de informatie die op verschillende manieren verzameld werd om met klanten te communiceren en om binding te bevorderen op elk moment tijdens de aankoopreis. Door zowel de voorspellende modelleringsregels als je eigen bedrijfsregels toe te passen, kun je nuttigere, persoonlijke berichten creëren die de kans op het sluiten van de verkoop verhogen.

Saima Alibhai is Managing Principal Consultant bij Oracle + Bronto.