Voor veel retailers begint de klantreis online, maar eindigt die nog altijd in de winkel. Van Dal Mannenmode wil die werelden beter met elkaar verbinden. Samen met Multiply, Datafuse en Copernica brengt de retailer online en offline klantdata bij elkaar om marketing relevanter te maken, retouren terug te dringen en meer uit iedere klantrelatie te halen.
Beeld: Zuiver Beeld
Wie alleen naar online verkoop kijkt, mist een belangrijk deel van het verhaal. Dat geldt zeker voor Van Dal Mannenmode. De retailer heeft vijftig fysieke winkels en richt zich grotendeels op een doelgroep van vijftigplussers, voor wie de winkel nog altijd een belangrijke rol speelt in het aankoopproces. Juist daarom ontstond de behoefte om de data uit de fysieke winkels beter te benutten. ‘Onze doelgroep komt graag naar de winkel’, vertelt Luc Schoenmakers, e-commercespecialist bij Van Dal Mannenmode. ‘Online omzet is voor ons een onderdeel van het geheel. Maar als je de winkeldata inzichtelijk kan maken, kun je daar ook veel meer mee doen.’ Die stap wordt gezet samen met Multiply, Datafuse en Copernica. De partijen werken al langere tijd samen, maar zijn de afgelopen twee jaar steeds verder gegaan in het koppelen van technologie, data en marketing.
Lennart Koetsier startte Multiply in 2013 en richtte in 2022 Datafuse op, met als doel ERP- en online data beter bij elkaar te brengen. Volgens hem zit daar een belangrijke uitdaging voor retailers: systemen weten veel, maar die informatie wordt niet altijd gebruikt om marketingbeslissingen te nemen. ‘Als je iemand online target en die persoon vervolgens in de fysieke winkel een aankoop doet, ziet Google alleen het online gedrag. De offline transactie ontbreekt. Daardoor kan een klant die juist heel interessant is voor een retailer, door een algoritme worden uitgesloten.’ Door transactiedata uit de winkels te koppelen aan online klantdata ontstaat een completer beeld. Niet alleen van wat iemand online bekijkt of koopt, maar ook van wat er in de winkel gebeurt. ‘Je kunt dan bijvoorbeeld zien dat iemand online onderzoek heeft gedaan naar een product en vervolgens voor 500 euro in de winkel heeft gekocht. Die informatie kun je teruggeven aan de marketingplatformen. Daarmee maak je de cirkel rond tussen online oriëntatie en offline aankoop.’
Een centraal klantbeeld is volgens de drie partijen geen doel op zich. Het gaat vooral om wat je vervolgens met die informatie doet. ‘Je wilt uiteindelijk relevant zijn op het juiste moment’, zegt Koetsier. ‘Als je weet dat de gemiddelde tijd tussen twee aankopen 65 dagen is, kun je daar je communicatie op afstemmen. Maar je kunt het nog specifieker maken. Als blijkt dat klanten vooral op zaterdag naar een bepaalde winkel komen, kun je daar je e-mailmoment op aanpassen.’ Ook weersomstandigheden kunnen worden meegenomen. Wanneer uit historische data blijkt dat bij een bepaalde temperatuur de verkoop van korte broeken aantrekt, kan dat automatisch onderdeel worden van een campagne. ‘De volgende stap is dat je niet meer alleen naar een dashboard kijkt, maar dat je die signalen automatisch laat opvolgen.’
Daar komt Copernica in beeld. Het marketing automation-platform wordt gebruikt om de data daadwerkelijk te activeren in campagnes. Volgens Thijs Jenné van Copernica is juist die combinatie interessant. ‘Multiply weet als geen ander wat er met ons platform mogelijk is en hoe je die mogelijkheden optimaal benut. Daardoor kun je samen realistische én ambitieuze stappen zetten.’
Persoonlijker communiceren
Van Dal werkte in het verleden vooral met eenvoudige segmenten en een vaste nieuwsbrief. Inmiddels worden veel meer datapunten gebruikt om klanten persoonlijker te benaderen. ‘Vroeger stuurden we iedere woensdag een nieuwsbrief en maakten we een redelijk plat segment’, vertelt Schoenmakers. ‘Nu kijken we veel meer naar waar de kansen liggen. Welke data kunnen we gebruiken? Welke segmenten kunnen we maken? En hoe kunnen we die vervolgens in Copernica inzetten?’. Een voorbeeld is RFM-segmentatie, waarbij klanten worden ingedeeld op basis van recentheid, frequentie en waarde van hun aankopen. Ook retourgedrag kan worden meegenomen. ‘Als iemand structureel meer dan 50 procent van zijn online bestellingen retourneert, kun je daar anders mee omgaan’, zegt Koetsier. ‘Of als iemand net een aankoop heeft gedaan, hoef je hem niet direct opnieuw een actie te sturen. Je wilt voorkomen dat iemand iets voor de volle prijs koopt en twee dagen later een kortingsmail krijgt.’
Ook na een fysieke aankoop kunnen automatische flows worden ingezet, bijvoorbeeld voor het vragen om een Google-review van de betreffende winkel of voor cross-selling op basis van aankopen. ‘Als we zien dat een bepaald shirt en een bepaalde broek vaak samen worden gekocht, kunnen we die combinatie ook online aanbevelen’, aldus Koetsier.
De data kunnen bovendien helpen bij de presentatie van producten in de webshop. Niet alleen verkoopcijfers zijn relevant, maar ook retourpercentages, marges en de beschikbare maatboog. ‘Als een product in de winkel goed verkoopt, maar online veel wordt geretourneerd, wil je weten waarom’, legt Koetsier uit. ‘Misschien is het een product dat mensen graag eerst passen. Dan kan het slimmer zijn om het online minder agressief te pushen en juist de winkel te gebruiken.’ Voor Van Dal is dat interessant omdat de fysieke winkels zo belangrijk zijn. ‘Onze klanten waarderen de service en het persoonlijke advies’, vertelt Schoenmakers. ‘Ze vinden het prettig om binnen te komen, kleding te passen en geholpen te worden. Dat is een belangrijk onderdeel van onze propositie.’
Niet automatisch mee met Black Friday
Die visie betekent ook dat Van Dal niet automatisch alle trends uit de e-commerce volgt. Black Friday is daar een voorbeeld van. Waar veel retailers in november vol inzetten op korting, kiest Van Dal voor een andere benadering. ‘De afgelopen jaren organiseerden we zelf een soort Sweet Friday in de winkel, waarbij klanten bijvoorbeeld iets lekkers krijgen’, vertelt Schoenmakers. ‘We zijn niet per se van de grote kortingsacties.’ Ook hier kan data helpen om betere keuzes te maken. Welke producten lenen zich voor korting? Waar ligt de sweet spot? En hoe voorkom je dat je onnodig marge weggeeft? ‘Je kunt wel zeggen: we geven 25 procent korting op de hele wintercollectie. Maar misschien kun je bij bepaalde categorieën met 20 procent hetzelfde effect bereiken. En misschien zijn er producten die je helemaal niet hoeft af te prijzen omdat je die nog goed kunt verkopen. Dit alles is iets waar we naar toe aan het werken zijn’.
Voor de betrokken partijen is de samenwerking vooral interessant omdat de verschillende systemen relatief open met elkaar kunnen worden verbonden. Koetsier vergelijkt het met Lego: losse blokken die je op verschillende manieren kunt combineren. Schoenmakers herkent dat beeld. ‘Datafuse is voor ons echt een brug over het zwarte gat dat soms tussen online en offline zit. Je kunt natuurlijk data uit een ERP-systeem halen, maar het is iets anders om die data meteen bruikbaar te maken.’ Ook de flexibiliteit van Copernica speelt daarbij een rol, vindt Jenné. ‘We leveren het platform eigenlijk als een leeg canvas. Partijen die de mogelijkheden kennen, kunnen daar alle kanten mee op. Daardoor kun je campagnes maken die passen bij je doelgroep en bij de acties die klanten daadwerkelijk ondernemen.’
Voor Van Dal is de volgende fase dan ook niet zozeer nóg meer data verzamelen, maar vooral meer doen met de data die er al is. ‘De basis staat inmiddels goed’, zegt Schoenmakers. ‘Nu zien we hoeveel mogelijkheden er nog zijn. Samen kijken we naar de best practices en naar de flows die we verder kunnen automatiseren.’ Volgens Koetsier is dat uiteindelijk de kern: de brug tussen technologie en de winkelvloer. ‘Als bij een retailer het overgrote deel van de omzet offline wordt gerealiseerd, kun je die werkelijkheid niet negeren. Je moet weten wat er in de winkel gebeurt en die informatie terugbrengen naar je online marketing. Niet kiezen tussen online en offline dus, maar ze steeds meer als één klantreis zien.’
Dit artikel is tot stand gekomen in samenwerking met Copernica.
