Blog de personnalisation du commerce électronique
Publié: 2021-04-22 Les données client sont essentielles au succès.
Les entreprises qui réussissent utilisent les données tout au long du cycle de vie du client - de l'acquisition à l'engagement, en passant par l'achat répété.
Le défi consiste à combiner efficacement les données. Les clients interagissent avec les marques sur de nombreux canaux. Les plateformes de données client visent à résoudre ce problème en unifiant les données et en les rendant facilement accessibles aux équipes marketing.
Cet article explore ce que sont les plates-formes de données client et comment les utiliser au mieux pour générer des résultats commerciaux. Pour passer directement aux exemples de données client, cliquez ici.
Qu'est-ce qu'une plateforme de données client (CDP) ?
Une plateforme de données client (CDP) est une technologie qui unifie les données client provenant de plusieurs sources pour créer un profil client unique. Contrairement à d'autres systèmes, les plateformes de données client sont conçues pour être accessibles avec des interfaces simples.
Les membres de l'équipe moins techniques comme le marketing et le service client sont censés interagir et utiliser les données via la plate-forme de données client - sans utiliser de ressources informatiques.
Enfin, les plateformes de données clients rendent ces données exploitables. Certaines plates-formes de données se concentrent uniquement sur les données et s'appuient sur des intégrations pour y parvenir. D'autres, comme Barilliance, équipent les clients pour utiliser ces données directement dans leurs applications.
Bien qu'un CDP semble simple dans sa conception, il résout une série de questions trompeusement difficiles : qui sont vos clients potentiels et actuels ? Quand faut-il les contacter ? Quelle offre utiliser ?
Exemples de données client
Les données client font référence aux informations collectées sur un client. Les données client peuvent inclure des caractéristiques, des comportements et des données démographiques collectées par l'entreprise. Il est préférable d'organiser les données client autour du client.
Ci-dessous, nous décrivons des exemples de données client et mettons en évidence les données que les magasins de commerce électronique doivent utiliser pour créer de meilleures expériences client.
1. Données d'identité du client
Le premier type de données client est l'identité. L'identité du client est une donnée qui vous permet de distinguer un client d'un autre.
La plupart des prospects étant des relations avec des marques en tant qu'acheteur anonyme. Des plates-formes telles que Barilliance suivent les actions des utilisateurs anonymes et les connectent finalement à un dossier client connu.
Cela se fait le plus souvent lorsque le visiteur anonyme entreprend une action d'auto-identification. Cela peut être demandé par les marques via des bonus d'inscription, lorsqu'un prospect se connecte à un compte existant ou crée un nouveau compte dans le cadre du processus de paiement.
Vous trouverez ci-dessous un exemple d'identité de client de Bookings.com.
Ci-dessus, Bookings.com reconnaît les visiteurs potentiels qui reviennent via l'adresse IP. Ils créent une popup incitant le visiteur anonyme à s'identifier en se connectant.
Un exemple plus typique d'identité client vient de Pampers. Ici, un visiteur anonyme est accueilli par une fenêtre contextuelle de bienvenue. Le pop-up offre une incitation en échange de la création d'un compte, de l'identification du client et de l'ouverture de la possibilité de joindre des données client à l'individu.
Ci-dessus, Pampers utilise des pop-ups de bienvenue pour transformer les visiteurs anonymes en prospects connus.
2. Données comportementales de base sur les clients
Les données comportementales sont les données client les plus importantes qu'une marque peut collecter. Il démontre l'intention d'un client plus que d'autres types de données et est crucial pour les techniques d'analyse telles que la segmentation comportementale et l'analyse des cohortes de commerce électronique.
Les données comportementales de base font référence aux actions typiques qu'un client entreprend sur un site de commerce électronique. Cela inclut des actions telles que l'affichage d'un article, l'ajout d'un article à un panier, la suppression d'un article d'un panier et la réalisation d'un achat.
Ci-dessus, un exemple de tableau de bord d'analyse de cohorte, qui combine les données comportementales de base des clients par les clients qui ont effectué leur premier achat au cours d'un mois donné. L'analyse de cohorte permet aux marques de mieux évaluer la LTV, les périodes de récupération et aide à l'allocation des ressources.
3. Vérifiez les comportements des données client
L'abandon du panier d'achat reste un problème important dans le commerce électronique. Le taux moyen d'abandon de panier dans tous les secteurs est de 78,65 %.
Cela fait du processus de paiement la meilleure opportunité de ROI pour les marques de collecter des données clients. Les marques doivent vérifier quand le processus de paiement a été lancé, quelles étapes de paiement sont terminées, si les clients ont saisi un mode de paiement et, finalement, si une commande a été terminée ou abandonnée. A partir de ces données, une plateforme de données client peut déclencher des campagnes d'abandon de panier pour récupérer les ventes.
Il existe de nombreuses façons de récupérer des ventes avec des campagnes d'abandon de panier. Ci-dessus, un exemple de Thrive Market. Nous avons mis un guide complet sur les modèles d'e-mails abandonnés.
4. Données client post-achat
Dans notre dernière analyse des statistiques de marketing par e-mail, nous avons constaté que les campagnes post-achat étaient incroyablement efficaces, avec un taux de conversion supérieur à 7 %.
Au-delà de l'alimentation des campagnes post-achat, ces données clients sont vitales pour les équipes de réussite client. Les données post-achat peuvent inclure si une commande est mise à jour, quelles mises à jour sont effectuées, si une commande est annulée et si un client a laissé un avis ou non.
Ci-dessus, Amazon utilise les données client en combinaison avec les données post-achat pour suggérer des recommandations de produits spécifiques et créer des achats répétés.
5. Données sur le comportement de navigation des clients
La plupart des clients potentiels n'atteignent jamais les pages de paiement. Pour maximiser les conversions, les marques doivent étendre leurs campagnes déclenchées par les paniers abandonnés afin d'inclure également des mesures plus en amont du parcours d'achat.
Pour ce faire, les données client telles que les produits recherchés, consultés et filtrés doivent être collectées. Ces données peuvent ensuite être utilisées pour personnaliser le contenu des campagnes d'abandon de navigation.
Ci-dessus, Fashion Nova utilise Facebook Messenger pour ramener les clients après avoir parcouru un article. L'utilisation des données client dans les campagnes déclenchées crée des offres pertinentes et personnelles.
Cas d'utilisation de la plateforme de données client
Comme mentionné, les plateformes de données client ont de nombreux cas d'utilisation, couvrant l'acquisition, l'engagement, la conversion et la maximisation.
Pour aider à illustrer, j'ai tiré quelques exemples de nos clients qui montrent comment ils utilisent un CDP pour améliorer les ventes.
Cas d'utilisation n° 1 : Rendre les audiences personnalisées de Facebook plus efficaces avec le CDP
Vous devez utiliser les plateformes de données client pour améliorer les audiences personnalisées Facebook.
Les audiences personnalisées permettent aux entreprises de cibler une liste de clients spécifique sur Facebook, Instagram ou le réseau d'audience.
L'efficacité de ces annonces dépend de la qualité de votre liste. C'est là qu'interviennent les plateformes de données clients.
Les CDP vous donnent le pouvoir de segmenter vos clients, en créant des messages uniques pour chaque type.
Pour illustrer, j'utiliserai quelques exemples anonymes de nos clients.
Cibler les acheteurs récents
Les acheteurs récents sont très engagés avec votre marque et beaucoup plus susceptibles de faire un deuxième achat.
La recherche montre que même une petite amélioration de la rétention crée des rendements massifs.
Malheureusement, compter uniquement sur le pixel FB réduit votre capacité à cibler ce groupe.
Avec Barilliance, notre client peut ajouter des clients qui ont acheté sur d'autres canaux, y compris leurs magasins physiques, pour créer une liste complète de clients.
Ci-dessus, la capture d'écran ci-dessus, ils définissent les acheteurs récents comme une personne qui a effectué un achat il y a moins de 90 jours et dont la valeur de la commande était de 100 $ ou plus.
Vous pouvez synchroniser cette audience en continu avec Facebook. Chaque fois qu'un prospect effectue un achat, il sera automatiquement ajouté à cette audience. De même, lorsque leur dernier achat se prolonge au-delà de 90 jours, ils seront supprimés.
Cibler les premiers acheteurs
Une variation significative des acheteurs récents sont les premiers acheteurs.
Ces clients ont moins d'affinités avec votre marque que les clients fidèles, et de nombreuses grandes marques investissent massivement dans la motivation des visites de retour.
Ci-dessus, notre client fait une spécification supplémentaire - limitant le nombre total de commandes à 1 et s'assurant que la première commande remonte à moins d'un jour.
Cela crée un public tournant de nouveaux clients qui ont acheté il y a 24 heures ou moins.
Cas d'utilisation n° 2 : Utilisation des plateformes de données client pour créer un engagement pertinent
Un message pertinent dépend de bonnes données.
Vous devez tirer parti de l'historique des achats, du comportement de la session en cours, des données démographiques, etc., pour créer de meilleures offres.
Les plateformes de données clients vous donnent accès à ces données. Ci-dessus, notre client Skandium est capable d'engager les clients en temps réel en fonction d'un certain nombre de facteurs, notamment le type d'appareil, l'emplacement et le comportement.
Dans ce cas, une fenêtre contextuelle s'affiche lorsqu'un prospect met en surbrillance un nom de produit. Ce comportement est normalement suivi d'une recherche de prix comparatifs.
Pour répondre à cette préoccupation, nous créons une garantie de correspondance des prix. Nous ajoutons de la crédibilité et de la pertinence en modifiant dynamiquement les messages pour refléter leur emplacement actuel, dans ce cas le Royaume-Uni.
Vous pouvez lire une étude de cas complète sur la façon dont Skandium utilise Barilliance ici .
Prochaines étapes
Utilisez-vous les données avec succès ? Ou traitez-vous la plupart des clients de la même manière ?
Nous avons rédigé un guide sur les segments de clientèle importants pour le commerce électronique ici . C'est une excellente introduction pour identifier les clients à fort impact et comprendre le besoin de différents messages et offres.
Si vous êtes prêt à faire un choix technologique, je vous recommande de consulter notre guide Comment sélectionner un fournisseur de personnalisation .
Enfin, si vous souhaitez en savoir plus sur la façon dont Barilliance aide les entreprises à unifier leurs données pour augmenter leurs ventes, planifiez une démo ici .