Kennis

Personalisatie: vijf redenen waarom het niet goed lukt

12 november 2018

We kunnen het gedrag van klanten online in kaart brengen en daar inzichten aan ontlenen om personalisatie toe te passen. Maar de scheidslijn tussen slimme campagnes en irritante of zelfs enge content is dun. Hoe blijf je aan de goede kant?

Vijf redenen waarom personalisatie niet goed lukt

Een recente studie van Inmoment laat zien dat driekwart van de consumenten personalisatie vaak nogal eng vindt. De helft van de bedrijven is zich hiervan bewust en zijn het hier zelfs mee eens. Waar de consumenten over vallen, zijn onder andere:

  • het geven van een telefoonnummer als ze een product kopen;
  • retargeting op websites die niets met de retailer te maken hebben;
  • stelselmatig mails krijgen over het product dat de consument in het winkelwagentje heeft gedaan, maar niet heeft gekocht;
  • Google die vraagt of ze een plek willen recenseren waar ze net zijn geweest;
  • apps die toegang vragen tot contacten, foto’s, et cetera.

 

Betekent dit het einde van personalisatie in de marketing? Natuurlijk niet. Er bestaat niets mooiers dan een nieuwsfeed die alleen maar voor jou relevante berichten toont of je favoriete winkel die altijd met de juiste aanbieding komt. Hoe vaak dit echt goed lukt, kun je zien in je eigen e-mail inbox. Dit zijn de vijf belangrijkste redenen waarom personalisatie niet van de grond komt:

 

1. Machine-learning is niet hetzelfde als personalisatie

Personaliseren is niet een kwestie van een algoritme loslaten op je data en dan gaat alles vanzelf. Machine-learning is de motor die personalisatie mogelijk maakt. Maar je moet ook actuele data kunnen verzamelen en deze snel verwerken, waarvoor je een veilige en flexibele infrastructuur nodig hebt. Voordat je op schaal gaat personaliseren, moeten het platform, de data en de gebruikersfeedback worden geïntegreerd. Daarna kun je aan de slag met algoritmen.

De enige manier waarop je accurate, interactieve en contextgedreven personalisatie kunt toepassen, is door de feedback van consumenten op je producten te blijven meten. Alleen zo begrijp je je gebruikers, hun voorkeuren, aarzelingen en acties en kun je daarop inspelen.

 

2. Voor het grootste segment gaan

Personalisatie valt niet bij iedereen in goede aarde. Wat nu vaak gebeurt, is dat als 75 procent van de gebruikers bijvoorbeeld goed reageert op dynamische content en 25 procent niet, de dynamische content als een succes wordt bestempeld en wordt gehandhaafd. Maar je raakt dan wel een kwart van je gebruikers kwijt.

De oplossing: je systemen moeten gebruikers onthouden. Zo kun je iedereen een beleving bieden die hen aanspreekt. De 25 procent die niet blij is met de dynamische content op de website kun je bijvoorbeeld de standaardversie tonen zodat je ze niet kwijtraakt.

 

3. Design voor data laten gaan

De waarde van personalisatie zit hem niet in hoe het eruitziet of werkt, maar hoe goed de inzichten zijn waardoor je de gebruiker kunt verrassen met precies de juiste content op het perfecte moment en via het beste kanaal. Die inzichten kun je ontlenen aan machine-learning maar het kunnen ook eenvoudige ‘als, dan’ business rules zijn.

 

4. Aannames doen op basis van één aankoop

Het gebeurt iedereen: je koopt een cadeau voor een ander, zoals LEGO voor een nichtje of een PSV-shirt voor je broer. Zelf speel je niet meer met LEGO en ben je geen voetballiefhebber, maar toch blijft de verkoper je mailen met aanbevelingen voor speelgoed of PSV-parafernalia.

De logica hierachter is begrijpelijk: promoties worden gepersonaliseerd op basis van je aankoophistorie. Het probleem is alleen dat de verkeerde conclusie wordt getrokken over de interesses van de klant omdat er maar één datapunt wordt gebruikt. De oplossing: ga niet af op de eerste interactie maar baseer de personalisatie in eerste instantie op een aantal personas of kies een datapunt dat belangrijk is voor het personaliseren van de content, zoals de locatie van de klant. Vraag vervolgens in de welkomstmail of de klant wil aangeven waarin hij geïnteresseerd is, zodat je hem niet lastigvalt met content waar hij geen behoefte aan heeft.

Om relevant te personaliseren moet je de context van je producten begrijpen en hoe deze past in de context van je klanten. Daarvoor heb je demografische en locatiegegevens nodig, maar wil je bijvoorbeeld ook weten wat de klant aan het doen is (forenzen, werken, relaxen), waar hij zich bevindt in de customer journey, de motivatie om naar een product op zoek te gaan, eerdere ervaringen met je bedrijf, maar ook het seizoen, de dag en tijd, de rol van je product in het leven van je klant, et cetera.

 

5. Te opdringerig communiceren

Personalisatie is bedoeld om je relevantie te verhogen maar leidt in de praktijk vaak tot irritatie bij de klant. Twee veel voorkomende voorbeelden: eindeloze retargeting terwijl de consument het product allang heeft gekocht en bij elk websitebezoek een popup met de vraag lid te worden van de nieuwsbrief terwijl de bezoeker dat al is of heeft aangegeven niet geïnteresseerd te zijn. Ook hier geldt dat de oplossing hem zit in herkenning: als je het gedrag van de bezoeker analyseert, kun je beoordelen hoe groot de kans is op een aankoop en daar je retargeting op afstemmen. En die pop-up laat je natuurlijk niet meer zien als je weet dat de bezoeker er niet in is geïnteresseerd.

Met marketing automation klanten zo relevant mogelijk benaderen | Ternair
Lees ook
Met marketing automation klanten zo relevant mogelijk benaderen

Herkennen van anoniem klikgedrag

Veel van de hierboven beschreven redenen waarom personalisatie niet (optimaal) werkt, zijn terug te herleiden op een incompleet klantbeeld. Op het moment van personaliseren is niet alle klantinformatie aanwezig om relevant te kunnen communiceren. Vaak kan de combinatie tussen anoniem online gedrag (oriëntatie op websites) en offline gedrag (CRM, aankopen) niet worden gelegd. Er zijn echter mogelijkheden om dit probleem op te lossen. Door het vastleggen van trackers (e-mail GUID, digital fingerprinting, cookies, login-id’s) wordt het mogelijk om de klant achter het anonieme klikbedrag te herkennen.

Schematisch werkt dit als volgt:

Herkennen van anoniem klikgedrag | Ternair

 

Een bezoeker bezoekt een website en klikt op links. Alle clicks op de website, inclusief de gedefinieerde trackers en tags, worden op basis van definities die zijn vastgelegd in de code in het Google Analytics-script opgeslagen. Via de Google Analytics API wordt de clickdata opgehaald naar je eigen data-omgeving. Hier vindt matching plaats tussen clickdata en klantdata. Door deze matching kan (een gedeelte van) de clickdata worden toegewezen aan uw individuele klanten en prospects. Het voorheen anonieme clickgedrag wordt hierdoor (deels) identificeerbaar.

 

AVG

Tot slot, is het identificeren van je bezoekers AVG-proof? Uiteraard moet je in je privacy-statement netjes melden wat je vastlegt, wat je met de verzamelde data doet en moet je de klant hiervoor toestemming vragen zodra hij of zij de website bezoekt. Maar als je hierover eerlijk en transparant communiceert dan kun je zonder problemen je bezoekers proberen te identificeren.

 

Meer relevantie, minder irritatie

Het herkennen van je websitebezoeker geeft je mogelijkheden om klantprofielen te verrijken door het combineren van oriëntatiegedrag (op websites) met klantprofielen en transacties (CRM). Met deze klantkennis kun je de communicatie richting je klanten, prospects en bezoekers verder optimaliseren. Met als resultaat: meer relevantie en minder irritatie.

Dit artikel is gepubliceerd op Emerce op 16 oktober 2018.

Volgende

Drie van de vier LOFonderscheiding nominaties 2019 werken met Ternair

Vorige

Van databerg naar inzichten – hoe ontsluit je je data?