Блог о персонализации электронной коммерции

Данные о клиентах необходимы для успеха.

Успешные компании используют данные на протяжении всего жизненного цикла клиента — от приобретения до взаимодействия и повторной покупки.

Проблема заключается в том, как эффективно объединить данные. Клиенты взаимодействуют с брендами по многим каналам. Платформы клиентских данных призваны решить эту проблему путем объединения данных и обеспечения легкого доступа к ним для маркетинговых групп.

В этой статье рассказывается, что такое платформы данных о клиентах и ​​как их лучше всего использовать для достижения бизнес-результатов. Чтобы сразу перейти к примерам данных о клиентах, нажмите здесь.

Платформа клиентских данных (CDP) — это технология, которая объединяет данные о клиентах из нескольких источников для создания единого профиля клиента. В отличие от других систем, платформы клиентских данных созданы для обеспечения доступности с помощью простых интерфейсов.

Ожидается, что менее технические члены команды, такие как отдел маркетинга и обслуживания клиентов, будут взаимодействовать и использовать данные через платформу данных клиентов без использования ИТ-ресурсов.

Наконец, платформы данных о клиентах делают эти данные действенными. Некоторые платформы данных сосредоточены исключительно на данных и полагаются на интеграцию для достижения этой цели. Другие, например Barilliance, предоставляют клиентам возможность использовать эти данные непосредственно в своих приложениях.

Хотя концепция CDP кажется простой, она решает ряд обманчиво сложных вопросов: кто ваши потенциальные и нынешние клиенты? Когда следует обратиться к ним? Какое предложение следует использовать?

Данные клиента относятся к собранной информации о клиенте. Данные о клиентах могут включать характеристики, поведение и демографические данные, собранные бизнесом. Лучше всего организовать данные о клиентах вокруг клиента.


Ниже мы приводим примеры данных о клиентах и ​​выделяем, какие данные магазины электронной коммерции должны использовать для повышения качества обслуживания клиентов.

Первый тип данных о клиентах — это идентификационные данные. Личность клиента — это данные, которые позволяют отличить одного клиента от другого.

Наиболее перспективны отношения с брендами в качестве анонимного покупателя. Такие платформы, как Barilliance, отслеживают действия анонимных пользователей и в конечном итоге связывают их с известной записью клиента.

Чаще всего это делается, когда анонимный посетитель идентифицирует себя. Это может быть вызвано брендами с помощью бонусов за регистрацию, когда потенциальный клиент входит в существующую учетную запись или создает новую учетную запись в процессе оформления заказа.

Ниже приведен пример идентификации клиента с Bookings.com.

Выше Bookings.com распознает потенциальных постоянных посетителей по IP-адресу. Они создают всплывающее окно, побуждающее анонимного посетителя идентифицировать себя, войдя в систему.

Более типичный пример потребительской идентичности — Pampers. Здесь анонимного посетителя встречает приветственное всплывающее окно. Всплывающее окно предлагает поощрение в обмен на создание учетной записи, идентификацию клиента и возможность прикрепить данные клиента к физическому лицу.

Выше Pampers использует приветственные всплывающие окна, чтобы превратить анонимных посетителей в известных потенциальных клиентов.

Поведенческие данные — это самые важные данные о клиентах, которые бренд может собрать. Он демонстрирует намерения клиента больше, чем другие типы данных, и имеет решающее значение для таких методов анализа, как поведенческая сегментация и когортный анализ электронной коммерции.

Базовые поведенческие данные относятся к типичным действиям, которые покупатель совершает на сайте электронной коммерции. Сюда входят такие действия, как просмотр товара, добавление товара в корзину, удаление товара из корзины и завершение покупки.

Выше приведен пример панели когортного анализа, которая объединяет основные данные о поведении клиентов, совершивших свою первую покупку в определенном месяце. Когортный анализ позволяет брендам лучше оценивать LTV, периоды окупаемости и помогает в распределении ресурсов.

Брошенная корзина остается серьезной проблемой в электронной коммерции. Средний показатель отказа от корзины в разных отраслях составляет ошеломляющие 78,65%.

Это делает процесс оформления заказа самой прибыльной возможностью для брендов собирать данные о клиентах. Бренды должны следить за тем, когда был запущен процесс оформления заказа, какие этапы оформления заказа завершены, указали ли покупатели способ оплаты и, в конечном счете, был ли заказ завершен или отменен. На основе этих данных платформа данных о клиентах может инициировать кампании по отказу от корзины для восстановления продаж.

Есть много способов восстановить продажи с помощью кампаний по отказу от корзины. Выше приведен пример из Thrive Market. Мы помещаем целое руководство по заброшенным шаблонам электронной почты.

В нашем последнем анализе статистики маркетинга по электронной почте мы обнаружили, что кампании после покупки невероятно эффективны с коэффициентом конверсии более 7%.

Помимо подпитки кампаний после покупки, эти данные о клиентах жизненно важны для команд по работе с клиентами. Данные после покупки могут включать в себя, обновляется ли заказ, какие обновления вносятся, отменен ли заказ и оставил ли покупатель отзыв или нет.

Выше Amazon использует данные о клиентах в сочетании с данными после покупки, чтобы предлагать конкретные рекомендации по продуктам и создавать повторные покупки.

Большинство потенциальных клиентов никогда не доходят до страницы оформления заказа. Чтобы максимизировать конверсию, бренды должны расширить свои кампании, инициированные брошенной корзиной, чтобы также включать меры на более высоком этапе пути к покупке.

Для этого необходимо собрать данные о клиентах, такие как продукты, которые были найдены, просмотрены и отфильтрованы. Затем эти данные можно использовать для персонализации контента в кампаниях по отказу от просмотра.

Выше Fashion Nova использует Facebook Messenger, чтобы вернуть клиентов после просмотра товара. Использование данных клиентов в триггерных кампаниях создает релевантные персональные предложения.

Как уже упоминалось, платформы клиентских данных имеют множество вариантов использования, включая привлечение, вовлечение, конверсию и максимизацию.

Чтобы проиллюстрировать это, я привел несколько примеров от наших клиентов, которые демонстрируют, как они используют CDP для увеличения продаж.

Вы должны использовать платформы данных о клиентах для улучшения пользовательских аудиторий Facebook.

Пользовательские аудитории позволяют компаниям ориентироваться на определенный список клиентов в Facebook, Instagram или Audience Network.

Эффективность этих объявлений зависит от качества вашего списка. Именно здесь вступают в игру платформы данных о клиентах.

CDP дают вам возможность сегментировать ваших клиентов, создавая уникальные сообщения для каждого типа.


Для иллюстрации я приведу несколько анонимных примеров от наших клиентов.

Недавние покупатели очень заинтересованы в вашем бренде и с большей вероятностью совершат повторную покупку.

Исследования показывают, что даже небольшое улучшение удержания клиентов приводит к огромной отдаче.

К сожалению, полагаясь исключительно на FB Pixel, вы не сможете ориентироваться на эту группу.

С помощью Barilliance наш клиент может добавлять клиентов, которые покупали по другим каналам, в том числе в физических магазинах, для создания полного списка клиентов.

Выше, на снимке экрана выше, они определяют недавних покупателей как тех, кто совершил покупку менее 90 дней назад и чья стоимость заказа составила 100 долларов США или больше.

Вы можете постоянно синхронизировать эту аудиторию с Facebook. Всякий раз, когда потенциальный клиент совершает покупку, он автоматически добавляется в эту аудиторию. Точно так же, когда их последняя покупка продлится более 90 дней, они будут удалены.