Как гиперперсонализация повышает конверсию, прибыль и лояльность к бренду

Линдси МакЭван, региональный вице-президент и управляющий директор Tealium по региону EMEA.

Пользователи считают гиперперсонализацию обязательным атрибутом современного ритейла — 91% онлайн-покупателей ожидают индивидуального подхода к каждому клиенту.  63% потребителей заявляют о том, что готовы отказаться от брендов с недостаточным уровнем персонализации.

Согласно McKinsey, 80% потребителей склонны отдать предпочтение брендам с персонализированным подходом, 77% из них даже готовы заплатить за персонализированный опыт больше, а 44% заинтересованы в совершении повторной покупки. 

С таким запросом аудитории ритейлерам и e-commerce платформам необходимо, как минимум, адаптироваться, а как максимум — сформировать полностью новую стратегию, в основе которой интересы конкретных клиентов.

В чем разница между персонализацией и гиперперсонализацией?

При традиционной персонализации аудитория в любом случае делится на определенные когорты: по интересам и группам, и сообщение от бренда адресуется тысячам клиентов с похожими интересами. 

Под гиперпесонализацией мы подразумеваем такой формат коммуникации с клиентом, когда для отправки сообщения (формирования предложения) учитывается весь (или по возможности весь) опыт взаимодействия клиента с брендом на основе массива данных, которыми пользователь поделился с брендом. Понимание и накопление всего опыта клиента происходит через создание единого клиентского профиля (360 degrees customer view).  

Единый профиль клиента – это фундамент

Для формирования единого профиля клиента компании могут использовать данные о клиентах, которые уже есть у брендов.  Это информация о потребителях, которая собирается с сайтов, мобильных приложений, точек продаж, емейлов, программ для автоматизации маркетинговых процессов, рекламных кампаний, CRM и умных устройств. Такой тип данных о клиентах называется first party data. Сбор и анализ этих данных (в том числе в режиме реального времени) — основа построения единого пользовательского профиля и последующей персональной коммуникации с клиентами. 

Примечательно, что анализ пользовательского поведения начинается с первого посещения страницы. Например, клиент просматривает несколько страниц сайта с определенными товарами. Наименования, на которые он потратил больше времени, могут появиться у него в подборке рекомендаций.

По мере использования сервиса информация о пользователе будет наслаиваться, его профиль расширяться и становиться более точным, соответственно, он получит более качественный клиентский опыт. Именно поэтому потребители сами заинтересованы в предоставлении данных. Собирать данные в единый профиль можно как вручную, так и с помощью технологических платформ под названием CDP (сustomer data platform), такие платформы агрегируют данные автоматически. 

Какие задачи решает гиперперсонализация

С помощью сбора, сегментации и анализа 1st party data и данных о клиентах компаниям удается решать многочисленные проблемы маркетинга. Например, презентовать товары в обход блокировки рекламы, более качественно настроить таргетинг look-alike аудитории, снизить число брошенных покупок, повысить качество данных, а также — осуществить предиктивный анализ потребительского поведения. 

Формирование доверия клиентов

С одной стороны, статистика говорит, что 69% потребителей обеспокоены постоянным сбором личных данных. С другой стороны, 83% онлайн-покупателей действительно согласны делиться информацией ради уникального пользовательского опыта. 72% ценят отсутствие спама и рассматривают гиперперсонализацию как способ экономии времени на покупки. Таким образом, гиперперсонализация способствует формированию прочного контакта с клиентами и положительному позиционированию бренда.

Однако, для поддержания эффективного диалога с потребителями, ритейлерам необходимо информировать пользователей о безопасности сбора данных. Бренд должен четко говорить, что данные клиентов используется только компанией и только в рамках улучшения пользовательского опыта.

Гиперперсонализация в примерах

Цифровой гипермаркет Rakuten, японский аналог Amazon, был основан в 1997 году. Платформа охватывает ритейл сегменты от электроники до одежды. В 2011 году компания вышла на немецкий рынок, однако бизнес-решения принимались инстинктивно, и выручка не росла. Для расширения клиентской базы и повышения пользовательской лояльности компания перешла на новую стратегию с упором на гиперперсонализацию. 

Rakuten провела сбор информации, а на его основе — сегментацию и анализ поведения посетителей, который включал общее число покупок клиента за все время, среднюю цену покупки, количество просмотров страницы и длительность сессии. На основе полученных данных Rakuten настроили таргетированные рекламные кампании и за 90 дней повысили клиентскую лояльность на 20%, а затем еще на 10% 

Thomas Sabo — немецкий бренд ювелирных украшений и часов. В период локдауна компания столкнулась с закрытием физических магазинов и низкими онлайн продажами. Пользователи добавляли товары в корзину, но не завершали покупку. Пуш-уведомления были неправильно настроены, клиенты получали их не вовремя, и, соответственно, забывали о шоппинге.

Специфика ювелирного сектора в том, что предпочтения каждого покупателя глубоко индивидуальны. Потребителю нужно больше времени на принятие решений, сравнение позиций и поиск идеального товара. Потому онлайн-опыт пользователей должен быть максимально приближен к оффлайн магазинам, где они могут обратиться к консультантам. С такой задачей Thomas Sabo стали выстраивать гиперперсонализированный опыт потребителей. Например, бренд смог определить оптимальное время для уведомлений о незавершенных покупках, а также установить отличия в поведении клиентов, которые совершают покупки на суммы менее 50 евро и более 250 евро. 

Анализ данных помог оперативно создать эффективную рассылку и снизить число брошенных корзин во время локдауна. В результате конверсия компании возросла на 70%.

---

Читайте также:  Как ритейлеры зарабатывают на гиперперсонализации общения с клиентами

---

Adore Beauty — онлайн-магазин косметики в Австралии. Задачей компании было максимально приблизить пользовательский опыт к покупке в физическом магазине, где консультант способен предугадать желание клиента, считав его язык тела. В онлайн-пространстве это возможно благодаря данным о клиенте и последующей гиперперсонализации.

Бренд запустил кампанию для потребителей с проблемной кожей и волосами. С помощью платформы по работе с данными клиентов Adore Beauty идентифицировали активность просмотров отдельных продуктов, что позволило создать эффективный призыв к действию. Клиенты получали релевантные письма, побуждающие их к дальнейшей покупке заинтересовавших их товаров.

В результате кампании коэффициент пользовательской вовлеченности поднялся на 400%, конверсия на 17%, средняя сумма разовой покупки выросла на 9%, а прибыль повысилась на 249% с момента запуска. 

Международный магазин косметики и парфюмерии Sephora собирает данные о предпочтениях своих клиентов в приложении по мере того, как клиенты изучают и оценивают косметические продукты онлайн. Эти данные становятся доступными для сотрудников оффлайн-магазинов Sephora, когда клиенты появляются в конкретном магазине. По оценкам McKinsey, такие кроссплатформенные активности снижают расходы на маркетинг на 20%. 

* * *

В настоящий момент 80% маркетологов убеждены в эффективности гиперперсонализации, а 25% компаний перешли на эту стратегию. Компании, которые развивают стратегии работы с клиентскими данными и делают акцент на гиперперсонализацию, эффективнее достигают целей по улучшению клиентского опыта, росту конверсии, повышению долгосрочной клиентской лояльности, повышению LTV.

Линдси МакЭван, 
региональный вице-президент и управляющий директор Tealium по региону EMEA.

Для NEW RETAIL