Panduan Lengkap untuk Personalisasi E-niaga dalam Skala Besar

Cawan suci umur panjang bisnis ritel tumbuh dan mempertahankan basis pelanggan setia.

Menjaga pelanggan tetap senang dan setia membutuhkan perpaduan yang baik antara pengoptimalan penawaran produk dan pengalaman pelanggan Anda.

Pengecer paling sukses terus meningkatkan penawaran produk mereka kepada pelanggan baru dan yang sudah ada serta memelihara pengalaman berbelanja pelanggan mereka dengan cara yang terus-menerus membuat pelanggan menyambut dan senang berbelanja dengan mereka.

Panduan 3 bagian ini bertujuan untuk membahas bagaimana retailer dengan berbagai ukuran dapat mengoptimalkan pengalaman belanja yang dipersonalisasi oleh pelanggan mereka.

Personalisasi Dimulai dengan Pengumpulan Data

Sebelum kita masuk ke aplikasi praktis dari pengalaman yang dipersonalisasi, sangat penting untuk membangun fondasi personalisasi:pengumpulan data.

Landasan untuk mempersonalisasi setiap langkah dalam perjalanan pelanggan Anda – mulai dari penemuan hingga pembelian dan pembelian berulang – adalah pengumpulan data.

Berikut adalah poin pengumpulan data penting yang mendukung personalisasi e-niaga:

• Lalu Lintas.
• Interaksi di tempat (kategori dan kunjungan halaman produk).
• Email.
• Data Pribadi.
• Piksel Media Berbayar (sosial dan penelusuran).
• Pembelian.
• Telusuri.
• Harga.

Penting juga untuk dipahami:

• Data apa yang harus dilacak.
• Siapa yang Anda lacak.
• Saat Anda melacak data – yang paling sering dilakukan secara real-time.
• Cara Anda melacak, yaitu alat dan platform yang akan digunakan.

Semua platform personalisasi terbaik di kelasnya didorong oleh kecerdasan buatan dan pembelajaran mesin; yang melacak di lokasi dan titik data pelanggan secara real time dan kemudian memberikan pengalaman pribadi yang unik kepada setiap pengunjung situs (baik pembeli jendela atau pelanggan).

Dengan infrastruktur yang tersedia untuk mengumpulkan data secara real time secara efisien dan akurat, langkah selanjutnya adalah merumuskan strategi personalisasi seputar kebutuhan dan ukuran spesifik bisnis Anda.

Strategi belanja hasil personalisasi yang Anda terapkan biasanya akan bergantung pada ukuran basis pelanggan Anda, volume penjualan yang dihasilkan toko Anda, dan juga alat yang Anda gunakan untuk menerapkan personalisasi.

Berikut adalah pedoman umum tentang apa yang harus dipersonalisasi berdasarkan ukuran operasi e-niaga Anda:

	Segmen Data	Apa yang Dapat Dipersonalisasi?	Alat untuk Membantu	Ukuran Bisnis
Lalu Lintas	Segmen Lalu Lintas:Geo, Kunjungan Kembali vs Kunjungan Pertama Kali, Lalu Lintas Rujukan, Perangkat	Mata Uang, Konten, Tampilan Produk Pada halaman Kategori, Popup di Situs	Keluar dari Intel,Nosto,BigCommerce memiliki konverter mata uang bawaan	Kecil, menengah, dan perusahaan
Data Pribadi	NameGenderLocation	Popup di Tempat,Rekomendasi produk di tempat,Rekomendasi produk melalui email,Rekomendasi media berbayar,Pesan selamat datang	BigCommerce,Nosto,Keluar dari Intel,Justuno,Omniconvert	Kecil, menengah, dan perusahaan
Email	Pelanggan Buletin Pengabaian KeretaPelanggan BaruPembeli BerulangPelanggan Bernilai TinggiNon Pembeli	Nawala,Otomasi pemasaran,Rekomendasi produk,Penawaran Penjualan,Acara khusus,Survei	Klaviyo.dotmailer	Kecil, menengah, dan perusahaan
Media Berbayar	Data Corong:Semua KunjunganTampilan Laman ProdukTayangan Laman KategoriTambahkan ke Keranjang Sesi CheckoutPembelian	Iklan yang Ditargetkan Ulang di:Facebook,Google,Platform Penemuan Konten	Piksel Sempurna, Criteo, Pemirsa Sempurna, Adroll, TaboolaOutbrain	Kecil, menengah, dan perusahaan
Rekomendasi Produk di Tempat	Produk	Produk ditampilkan di halaman kategori,Upsell dan cross-sell di halaman Produk, Keranjang dan Checkout	Relevansi KayaNosto,Segmentasikan	Tingkat Menengah dan Perusahaan
Penelusuran di Tempat	Kueri penelusuran	Hasil penelusuran,Rekomendasi produk	Algolia,SearchSpring	Tingkat Menengah dan Perusahaan
Pemberitahuan Push	Lalu Lintas:Geo,Nama,Perilaku di Lokasi	Pengumuman,	PushCrew	Tingkat Menengah dan Perusahaan
Harga	Lokasi Pelanggan,Jenis Pelanggan yaitu kembali vs pelanggan pertama kali,Harga produk	Harga Dinamis	Omnia,Prisync,Lebih Bijaksana	Tingkat Menengah dan Perusahaan
Pasca Pembelian	Pelanggan Bernilai Tinggi	Kemasan,Rekomendasi produk	Kartu Terima Kasih dan Catatan Pribadi,	Semua bisnis
Platform personalisasi All-In-One	Data Pelanggan,Riwayat Pembelian,Aktivitas Di Tempat,Otomasi Pemasaran	Tampilan Pelanggan Tunggal	Ometria,MonetateBarlliance	Perusahaan
Halaman Pembayaran	Data Pelanggan,Data Geo	Informasi lokasi yaitu default ke negara alamat IP pembeli,Pembayaran sekali klik	BigCommerce	Kecil, menengah, dan perusahaan

Panduan ini akan membawa Anda melalui 3 fase personalisasi e-niaga.

Saya menyarankan pengecer online untuk menggunakan CRAWL – WALK – RUN mendekat ke sini.

Konten dan harga yang disesuaikan menurut segmen lalu lintas (CRAWL)

Sebagai seorang retailer, berusahalah untuk menghindari membuat generalisasi tentang maksud pengunjung situs dan lalu lintas, karena semua lalu lintas pada kenyataannya tidak sama.

Beberapa sumber dan segmen lalu lintas jauh lebih berharga daripada yang lain.

Penting untuk memahami segmen lalu lintas dan melayani setiap segmen dengan perhatian yang layak.

Di dunia nyata misalnya, ketika Anda sering ke kedai kopi, Anda biasanya mendapatkan perlakuan istimewa dari barista yang mungkin memukuli Anda hingga mengucapkan pesanan 'biasa' Anda dengan lantang.

Segmentasi lalu lintas atau pengunjung adalah langkah pertama dalam personalisasi karena semakin dekat Anda dengan setidaknya ekspektasi luas pengunjung, semakin menarik pengalaman yang dapat Anda dorong.

Kemampuan untuk menyajikan konten yang disesuaikan ke segmen pengguna anonim (lalu lintas web) adalah langkah pertama dalam personalisasi.

Jadi, bagaimana cara Anda mengelompokkan lalu lintas?

Berikut adalah 6 segmen lalu lintas yang luas:

1. Pengunjung baru, pengunjung kembali (non-pelanggan) dan pengunjung kembali (pelanggan): Anda ingin membuat perbedaan yang jelas antara pengunjung baru dan pengunjung yang kembali serta melangkah lebih jauh dengan mengidentifikasi pengunjung yang kembali sebagai pelanggan yang sudah ada atau bukan pembeli.
2. Sumber lalu lintas: Segmentasikan pengunjung dengan jelas melalui saluran asal mereka, yaitu pemasaran email, penawaran khusus, Bayar Per Klik (PPC), sosial, penelusuran organik, dan URL rujukan.
3. Geolokasi / alamat IP :Mungkin jenis segmentasi yang paling umum digunakan –– mengelompokkan pengunjung menurut bahasa, mata uang, negara, wilayah, kota, dan kondisi cuaca setempat.
4. Perilaku :Ada berbagai pilihan di sini; mengelompokkan pengunjung menurut pengunjung yang kembali dan pengunjung baru, menelusuri pengunjung yang kembali, Anda dapat mengelompokkan lebih lanjut menurut hari sejak kunjungan pertama atau sebelumnya.
5. Parameter UTM :Anda juga harus dapat menggunakan parameter UTM untuk mengelompokkan menurut utm_source, utm_medium, utm_term, utm_content, dan utm_campaign.
6. Perangkat :Ponsel, tablet, atau desktop. Parameter khusus perangkat lainnya untuk segmentasi meliputi:sistem operasi, nama browser, lebar &tinggi layar.

Menyajikan Konten Dinamis ke Segmen Lalu Lintas

Setelah menetapkan segmen terpenting, Anda ingin memberikan pengalaman yang dipersonalisasi dengan menyajikan setiap segmen lalu lintas dengan konten dinamis.

Jadi, dari contoh segmentasi lalu lintas kami di atas, berikut adalah 6 cara untuk menyajikan konten dinamis setiap segmen.

1:Untuk pengunjung yang kembali (baik non-pelanggan maupun pelanggan).

Tampilkan riwayat penjelajahan mereka sebelumnya di bagian yang ditunjuk sebagai 'item yang baru dilihat.'

Berikut adalah contoh dari beranda REI:

Dan beranda Kohls:

Untuk pengunjung pertama kali dan pelanggan yang kembali, Anda dapat memberikan mereka modal dengan kupon pada pesanan pertama mereka seperti yang telah dilakukan Chickidee di sini:

2:Sumber lalu lintas.

Sumber lalu lintas dapat memberi tahu Anda banyak hal tentang pembeli, termasuk niat, minat, dan industri, serta seberapa dekat mereka dengan pembelian.

Dengan menyajikan konten yang berbeda kepada pengunjung yang datang dari sumber yang berbeda, Anda dapat meningkatkan relevansi pesan Anda dan memotivasi pembeli melalui perjalanan pembeli mereka.

Lalu lintas dari iklan Amazon mungkin memiliki tujuan yang lebih besar daripada lalu lintas dari Facebook, jadi menyesuaikan halaman arahan dengan menambahkan kode kupon 1 kali atau pengiriman gratis hari berikutnya mungkin memberi keseimbangan untuk konversi.

Sumber gambar.

3:Geolokasi / alamat IP.

Penargetan geolokasi didasarkan pada alamat IP pengunjung.

Contoh di bawah dari TopMan.com mengenali alamat IP UK saya dan membuat rekomendasi penukaran mata uang ke GBP (£).

Itu juga ingin mempersonalisasi harga jika saya menyatakan bahwa saya seorang pelajar.

Cara lain personalisasi Geo-Location berdasarkan alamat IP adalah dengan mengambil cuaca saat ini di IP pembeli untuk membuat rekomendasi produk seperti yang dilakukan Burton dalam contoh ini:

Sumber gambar.

4:Perilaku.

Naked Wines menyambut pengunjung baru dengan halaman beranda dan menu navigasi yang sama sekali berbeda.

Tingkat personalisasi pengunjung baru pertama kali ini diarahkan dan dioptimalkan untuk menjadikan mereka sebagai pelanggan dan anggota klub anggur mereka.

Pengunjung yang masuk juga dibuat merasa betah dengan pesan pribadi yang ditujukan kepada mereka dengan nama depan di halaman beranda.

Di SportsShoes.com, pengunjung yang kembali (pelanggan) disapa dengan nama depan mereka di sekitar area keranjang belanja.

5:Parameter UTM.

Parameter UTM membantu menentukan dan mengelompokkan lalu lintas menurut sumber rujukan, nama kampanye, dan jenis konten. Halaman arahan dapat dipersonalisasi dengan salah satu atau kombinasi dari ketiga parameter ini.

Semua platform CRO mendukung menjalankan pengujian A/B split dan multivariasi dengan tag UTM.

Ini adalah tangkapan layar dari Optimizely:

6:Perangkat.

Dengan penggunaan perangkat seluler yang dominan, personalisasi berbasis perangkat adalah tren e-niaga yang berkembang pesat.

Konten yang dipersonalisasi dapat disajikan berdasarkan jenis perangkat dan/atau lokasi.

Responsivitas seluler atau tablet atau layar adaptif sekarang diberikan. Perbatasan berikutnya adalah konten yang disesuaikan untuk perangkat seluler dalam upaya mendorong konversi.

Berikut adalah beberapa cara untuk menyajikan konten e-niaga khusus ke browser di perangkat seluler:

• Perdagangan halaman katalog produk: Pertimbangkan untuk menampilkan produk terlaris dengan lebih menonjol di halaman kategori untuk pembeli seluler.
• Satukan riwayat penjelajahan desktop :Jika pembeli yang kembali masuk ke akun mereka melalui perangkat seluler, memastikan riwayat penjelajahan desktop mereka sebelumnya diperhitungkan dalam pengalaman penjelajahan seluler akan menyatukan pengalaman penjelajahan yang dipersonalisasi.
• Tawarkan info masuk sosial :Ini akan membantu mengurangi gesekan pada saat pendaftaran akun untuk pembeli seluler pertama kali.

Alat CRO menawarkan segmentasi tingkat dasar untuk konten yang disesuaikan

Alat CRO berikut dapat mengelompokkan lalu lintas serta menyajikan konten dinamis ke setiap segmen lalu lintas.

Dan, karena ini adalah alat CRO, Anda dapat membagi A/B atau menguji multivarian kosakata atau Ajakan bertindak (CTA) pilihan Anda:

• Omnikonversi.
• Pengoptimal Web Visual.
• Monetasi.
• Optimalkan.
• Nosto.
• Qubit.
• TrackIf.
• Bunting.
• Keberanian.
• BrainSINS.

Harga dinamis.

Penetapan harga ulang produk secara dinamis berdasarkan segmen lalu lintas dan faktor lain seperti waktu dan harga pesaing masih merupakan area personalisasi eksklusif untuk pemain perusahaan e-niaga.

Hanya sedikit solusi yang saat ini menawarkan harga dinamis.

Di tingkat perusahaan, Amazon dan Staples sebelumnya telah membebankan harga yang berbeda kepada pembeli karena estimasi pendapatan dan lokasi geografis mereka secara real-time.

Amazon sebenarnya mengubah harga setiap 10 menit.

Pengecer lain seperti Home Depot, Sears, JC Penneys, Macy's, Cheaptickets, Orbitz, Priceline, Expedia, dan Travelocity membebankan harga yang lebih tinggi kepada pembeli online di komputer Mac atau perangkat Android.

Pembeli online yang mengakses Home Depot adalah 'pengaturan harga', yang berarti bahwa mereka dengan sengaja diperlihatkan lebih sedikit hasil pencarian produk dalam kisaran harga yang lebih mahal saat menelusuri halaman kategori atau melihat hasil pencarian dari perangkat seluler daripada daftar hasil yang lebih ekstensif jika mereka menelusuri kategori atau hasil penelusuran yang sama dari PC desktop mereka.

Temuan saya menunjukkan WiseDynamic oleh Wiser menjadi satu-satunya penyedia solusi utama dalam ruang penetapan harga dinamis. Mereka melayani e-tailer perusahaan dan menengah.

Prisync memeriksa harga di toko pesaing Anda dan menyesuaikan harga secara otomatis berdasarkan aturan yang Anda tetapkan.

Sekarang setelah Anda memahami sepenuhnya dasar-dasar personalisasi berdasarkan segmen lalu lintas, fase personalisasi berikutnya – yang akan dibahas di bagian 2 artikel ini – bertujuan untuk lebih terperinci dengan mengenali setiap pembeli dalam berbagai tingkat detail dan penawaran setiap pembelanja mendapatkan pengalaman 1:1 yang dipersonalisasi.

Kami telah berhasil belajar CRAWL.

Pasar Aplikasi BigCommerce memiliki 600+ Aplikasi yang Anda Butuhkan untuk Membuat Toko Online yang Sukses

Dapatkan aplikasi yang Anda butuhkan untuk menciptakan pengalaman personalisasi e-niaga yang luar biasa bagi pelanggan Anda.

Unduh aplikasi seperti:

• Pengoptimal Web Visual.
• Optimalkan.
• Dan Lainnya.

Kunjungi Pasar Aplikasi E-niaga.

3 Fase Personalisasi E-niaga

Sekarang, mengikuti CRAWL – WALK – RUN pendekatan, kami siap untuk membahas aspek WALK dari personalisasi –– dan transisi dari personalisasi satu-ke-banyak menggunakan segmen lalu lintas ke pemasaran yang dipersonalisasi 1:1.

Ini melibatkan penyesuaian pengalaman pelanggan di dalam dan di luar lokasi untuk setiap pelanggan Anda.

Penargetan Perilaku.

Personalisasi e-niaga 1:1 didasarkan pada tindakan di tempat yang dilakukan pelanggan atau dikenal sebagai data perilaku.

Idenya adalah untuk menggunakan interaksi di tempat sebagai sinyal untuk memberikan konteks sesi pengguna. Saat konteks pengguna ditentukan, penargetan perilaku dapat dipicu.

Penargetan perilaku melampaui data penargetan demografis tradisional (yaitu segmen pelanggan berdasarkan usia, jenis kelamin, lokasi, pendapatan, dll).

Sebaliknya, lapisan penargetan perilaku dalam tindakan yang lebih spesifik yang dilakukan pelanggan untuk membuka situs Anda dan 'pola perilaku di tempat' mereka untuk tujuan segmentasi, seperti:

• Jumlah kunjungan pembeli sebelumnya ke toko online Anda.
• Halaman kategori yang paling sering dikunjungi.
• Tamu v. anggota terdaftar.
• Jumlah kunjungan yang dilakukan anggota terdaftar ke situs web Anda.
• Riwayat pembelian mereka.
• Sumber lalu lintas rujukan mereka (untuk mengaktifkan penargetan kelompok).
• Lokasi geografis mereka.
• Perangkat yang digunakan dan variabel data perilaku lainnya.

Platform personalisasi e-niaga menggunakan beberapa atau semua titik data di atas untuk memprediksi dan kemudian memicu rekomendasi dan konten yang dipersonalisasi.

Peran Kecerdasan Buatan.

Kecerdasan buatan adalah kumpulan teknologi yang memungkinkan komputer membuat keputusan seperti manusia dalam skala besar sebagai 'agen cerdas'.

Kecerdasan buatan kini memainkan titik fokus dalam personalisasi e-niaga.

Pembelajaran mesin dan penambangan data adalah teknologi AI yang paling menjanjikan saat ini karena keduanya bekerja dalam skala besar dengan memproses data besar secara efisien, menemukan pola di dalamnya, dan membuat keputusan atau saran yang cerdas.

AI dengan cepat membentuk personalisasi dalam e-niaga dan harus menjadi teknologi inti yang mendorong upaya personalisasi Anda.

Platform personalisasi yang digerakkan oleh AI umumnya akan berfungsi sebagai berikut,

• Kumpulkan data perilaku pembeli dalam skala besar, misalnya tindakan yang diambil di setiap sesi pengguna seperti kategori dan halaman produk yang dijelajahi, tambahkan ke keranjang, kunjungan halaman checkout, kueri penelusuran, kupon yang diterapkan, data pembelian, dll.
• Segmentasikan data berdasarkan data perilaku aturan yang dikumpulkan dan ditetapkan sebelumnya.
• Ambil tindakan dengan membuat rekomendasi seperti cross-sell, up-sell, pesan di tempat dan di luar situs, menawarkan diskon dan rekomendasi produk di tempat. Platform personalisasi yang lebih canggih juga akan mempertimbangkan data inventaris akun dalam rekomendasinya.

Setiap transaksi baru memungkinkan platform personalisasi AI untuk mempelajari lebih lanjut tentang pelanggan, sehingga membuat rekomendasi yang disajikan kepada pelanggan yang kembali menjadi lebih relevan dan akurat dari waktu ke waktu.

Meskipun manusia dapat membuat rekomendasi pribadi, ini benar-benar menantang dalam skala dengan ratusan atau ribuan SKU dan ribuan atau bahkan jutaan pelanggan.

AI memungkinkan pemasaran yang dipersonalisasi 1:1.

Strategi pemasaran hasil personalisasi 1:1 Anda harus dipecah menjadi segmen luas berikut:

• Penargetan di tempat:
  • Blok Konten Dinamis :pada penempatan konten di tempat yang dialokasikan.
  • Hamparan: Modal pop-up, banner header/footer, slider, dan pop-under.
  • Perdagangan &Rekomendasi Produk yang Dipersonalisasi di Tempat menggunakan data sesi pengguna.

• Penargetan di luar situs
  • Penargetan media sosial berbasis piksel :di Facebook, Instagram, Twitter, dan Pinterest.
  • Otomasi email transaksi satu-ke-satu , yaitu otomatisasi email.

Penargetan Di Situs:Blok Konten Dinamis

Blok konten dinamis adalah area yang dialokasikan dalam halaman yang didedikasikan untuk mengganti dan menambahkan konten khusus untuk grup atau segmen pengunjung.

Berikut adalah contoh di ThinkGeek:

Saat menjelajah di Inggris Raya, konten yang terkait dengan 'pengiriman ekspres internasional' dan 'penjualan terlaris internasional' akan ditampilkan.

Namun, jika saya menjelajahi halaman yang sama di AS, konteksnya adalah 'Pengiriman Standar Gratis.' Bahkan ambang nilai pesanan telah diturunkan dari $150 menjadi $30 untuk pengiriman gratis.

Penargetan Di Situs:Hamparan

Dengan penargetan di tempat, opsi yang Anda miliki adalah modal pop-up, spanduk header/footer, dan bilah geser .

Saya akan memulai dengan modal pop-up.

Modal pop-up.

Jika Anda baru saja menjelajahi beberapa situs e-niaga, Anda pasti akan menemukan jendela pop-up modal yang meminta alamat email Anda dengan imbalan kupon satu kali atau semacam insentif.

Setiap situs web e-niaga tampaknya melakukan ini saat ini, tetapi seperti yang mereka katakan, setan ada dalam detailnya .

Ini terutama benar dalam hal personalisasi.

Pemicu berbasis waktu dan tindakan sangat penting dalam hal pop-up modal dengan keikutsertaan email.

Ambil contoh di atas di situs web Samsung:ketika item ditambahkan ke keranjang belanja dan pembelanja akan meninggalkan halaman checkout mereka, modal muncul dan meminta email pembelanja agar isi keranjang mereka 'disimpan'.

Itu sengaja ditempatkan di kasir untuk mengambil belanja yang ditinggalkan dan pemasaran email lebih lanjut.

Ini adalah tindakan penargetan perilaku karena berbasis konteks dan tindakan.

Berikut adalah beberapa cara lain untuk memicu munculan modal berdasarkan keadaan pribadi pembeli.

Pencocokan harga saat produk baru saja akan ditambahkan atau telah ditambahkan ke keranjang belanja.

Mengenali pembeli baru (atau anggota yang tidak terdaftar) dan menawarkan kupon sebagai imbalan atas email dan seks mereka (untuk pengecer mode).

Menjalankan hadiah dan melapisi dalam gamifikasi hanya untuk pembeli baru.

Berikut adalah cara Laterooms menambahkan lapisan gamifikasi ke dalam pesan dan materi iklan mereka untuk berpotensi meningkatkan lebih banyak alamat email.

Mereka meminta browser untuk mengikuti kompetisi untuk memenangkan malam di hotel dan tiket acara.

Tujuannya adalah untuk memasukkan browser ke dalam daftar mereka untuk mengirim pesan dan penjualan yang lebih dipersonalisasi.

Anda juga hanya dapat menampilkan voucher untuk pelanggan yang login berulang dan anggota terdaftar dengan setidaknya satu transaksi.

Di mana sebagian besar situs web e-niaga gagal dengan popup modal adalah dengan konteks pembelanja.

Biarkan konteks pembelanja mendorong strategi Anda.

Penargetan Di Situs:Spanduk Header / Footer

Jika data keterlibatan Anda menunjukkan bahwa browser di situs Anda mengalami kelelahan modal pop-up (karena sebagian besar cukup klik tombol 'X' untuk menutup modal popup yang Anda layani), Anda mungkin ingin mempertimbangkan untuk mengarahkan pesan utama, insentif, dan penawaran menggunakan salah satu header atau footer banner seperti contoh di atas.

Penargetan Di Situs:Slider dan Pop-under

Penggeser pop-under biasanya digunakan oleh layanan obrolan online dan widget seperti widget Google Trust Sites.

Penggeser modal pop-under adalah cara yang sangat kurang dimanfaatkan untuk menyajikan konten bertarget di tempat dalam e-niaga. Sangatlah layak untuk menempatkan modal pop-under dalam campuran gudang penargetan di tempat Anda dan mengujinya secara berdampingan.

Teknologinya sederhana:sebuah kotak meluncur keluar di sudut kiri bawah atau kanan halaman yang menampilkan penawaran yang dipesan lebih dahulu. Kecepatan masuk adalah kuncinya dan semakin tidak mengganggu penempatannya, semakin baik.

Alat yang Direkomendasikan

Berikut adalah alat yang saya rekomendasikan untuk penargetan di tempat:

• Keluar dari Intel
• Wisepopup
• Omnikonversi
• BrainSINS
• Tambah Pembeli

Rekomendasi Produk yang Dipersonalisasi Di Tempat Dinamis

Cara ketiga dan paling efektif untuk mendorong pendapatan tambahan melalui personalisasi adalah dengan rekomendasi produk di tempat yang dipersonalisasi, yang menurut riset pasar yang dilakukan oleh Barilliance dan data berdasarkan 1,5 miliar sesi belanja di situs yang berlokasi di 26 negara di Amerika Utara dan Selatan, Eropa dan Australia, menyumbang 11,5% dari pendapatan di situs e-niaga.

Rekomendasi produk dinamis didasarkan pada data pengunjung, data perilaku, dan riwayat sesi. Bagan di bawah menunjukkan temuan Barilliance dan 10 jenis rekomendasi produk teratas yang menghasilkan pendapatan tertinggi.

Tujuan inti dari rekomendasi yang dipersonalisasi di tempat adalah untuk meningkatkan nilai pesanan rata-rata setiap sesi belanja.

Dengan kata lain, Anda ingin pembeli menambahkan lebih banyak item ke keranjang belanja mereka dengan harapan mereka melakukan checkout dengan sebanyak mungkin jika tidak semua item di keranjang mereka.

Kami melakukannya dengan memanfaatkan strategi up-selling dan cross-selling.

Di atas adalah taktik cross-sell klasik yang diterapkan oleh e-tailer Net-a-Porter. Baris pertama di bawah produk utama yang terlihat adalah kumpulan produk yang melakukan cross-sell dan upsell produk utama.

Item 'Anda Mungkin Juga Menyukai' di baris kedua adalah kumpulan dari alternatif yang lebih murah (jika item tersebut di luar anggaran pembelanja) dan up-sells.

Ini contoh lain:

Ini adalah rekomendasi halaman produk di GO outdoor:ini menampilkan dua unit rekomendasi produk.

Yang pertama didasarkan pada produk yang mirip dengan produk yang dilihat dan blok kedua didedikasikan untuk produk yang dilihat oleh pembeli.

Rekomendasi Produk di Halaman Checkout

Setiap item di sebelah kanan halaman produk untuk halaman produk Star Wars:The Force Awakens Blu-ray Disc di Tesco Direct adalah penjualan silang.

Item terakhir di bawah sebenarnya adalah up-sell, yaitu membeli seri Saga lengkap.

Kiat Pro untuk Penerapan Strategi Cross-sell dan Upsell Anda

Sebelum menyelesaikan pembelian, cobalah sebisa mungkin untuk memesan beberapa real estat pada kategori dan halaman produk Anda untuk melakukan cross-sell item yang dilihat pembeli secara aktif.

Setelah item ditambahkan ke troli atau saat check out, lakukan upsell.

Ini contohnya:

Di situs web Paul Smith, jual-silang sebelum penambahan keranjang biasanya bernilai lebih rendah dibandingkan dengan penambahan keranjang pos 'produk serupa' yang direkomendasikan.

Tip lainnya adalah meletakkan rekomendasi di paro bawah halaman produk agar tidak mengalihkan perhatian mereka dari produk yang dilihat (seperti dalam contoh Net-a-Porter).

Jika Anda melapisi titik data penargetan perilaku seperti riwayat pembelian pelanggan, riwayat penjelajahan mereka, dan item yang telah mereka klik dari email pribadi sebelumnya, maka Anda dapat membuat gambaran tentang pelanggan dan menyajikan produk yang lebih relevan bagi mereka.

Jika, misalnya, pelanggan A biasanya tidak menghabiskan lebih dari $300 per sesi belanja, Anda mungkin ingin menampilkan produk dari kategori tempat pelanggan biasanya membeli produk dan produk yang sesuai dengan anggaran $300 pelanggan.

Ini adalah kasus penggunaan lanjutan dari penargetan perilaku yang terkait dengan up-selling dan cross-selling.

Pemasangan produk menggunakan lookbook di e-niaga mode juga membantu meningkatkan nilai pesanan rata-rata. Dengan personalisasi, penyandingan yang lebih akurat dimungkinkan.

Platform rekomendasi produk Anda harus secara native menggunakan poin data yang saya soroti di atas terkait dengan interaksi di tempat dan jika mungkin juga mempertimbangkan interaksi email.

Ini akan memungkinkan Anda untuk menentukan strategi rekomendasi produk Anda, yang paling umum adalah:

• Penawaran yang dipersonalisasi di halaman beranda.
• Penawaran yang dipersonalisasi di bagian halaman kategori yang dipesan.
• Produk serupa dan up-sell di halaman produk.
• Cross-selling dan up-selling di halaman keranjang belanja Anda.

Alat yang Direkomendasikan

Berikut adalah alat yang saya rekomendasikan untuk email pribadi yang dipersonalisasi:

• Keberanian.
• Monetasi.
• Relevansi Baru.

Penargetan di Luar Situs:Penargetan Media Sosial Berbasis Piksel

Sama pentingnya untuk memberikan pengalaman pelanggan yang dipersonalisasi di luar situs seperti di dalam situs.

Karena media sosial kemungkinan merupakan saluran utama yang digunakan toko Anda untuk berkomunikasi dengan calon pelanggan dan pelanggan yang sudah ada, sangat penting untuk membuat titik data di tempat dalam bentuk pemirsa khusus di platform periklanan semua saluran media sosial utama.

Berikut ringkasannya:

• Pemirsa Facebook &Instagram.
• Facebook Messenger.
• Pemirsa Khusus Twitter.
• Penargetan Pemirsa Pinterest.

Dengan semua platform di atas, Anda dapat membuat pemirsa khusus untuk menargetkan ulang lalu lintas berdasarkan:

• Semua kunjungan situs web.
• Kunjungan halaman produk.
• Penelusuran Di Situs.
• Tambahkan ke Keranjang.
• Sesi Pembayaran.
• Pembelian.

Yang lebih menarik adalah kampanye iklan Facebook menggunakan level halaman produk ID produk untuk memungkinkan pengiklan mengirim pesan penargetan ulang berdasarkan data perilaku dari halaman produk.

Kasus penggunaan adalah untuk menargetkan ulang semua sesi add-to-cart produk A yang tidak membeli.

Ini memungkinkan iklan hasil personalisasi yang sangat bertarget.

Segmen lalu lintas luas yang diuraikan di atas masih memungkinkan pengiklan untuk mengirim pesan iklan yang disesuaikan ke setiap segmen lalu lintas di semua platform media sosial utama.

Penargetan di Luar Situs:Otomatisasi Email Transaksional Satu-ke-Satu

Jika dijalankan secara optimal, pemasaran email tetap menjadi kekuatan utama untuk mendorong loyalitas dan retensi pelanggan bagi sebagian besar bisnis e-niaga.

Personalisasi merupakan inti dari strategi e-niaga yang paling efektif.

Jika dibandingkan dengan pemasaran email siaran umum, email yang dipersonalisasi 26% lebih mungkin untuk dibuka dan 760% lebih baik dalam menghasilkan pendapatan.

Langkah-langkah kunci untuk secara efektif menerapkan rekomendasi produk yang dipersonalisasi dengan pesan email pribadi adalah:

• Mengumpulkan data pelanggan email sebanyak-banyaknya mungkin dengan penargetan di tempat dan pada saat pendaftaran.
• Identifying customers through purchases.
• Tracking each customer’s interaction with your website.
• Tracking each customer’s interactions with your email marketing.
• Segmenting and extrapolating your top VIP customers.
• Having a single customer view.

Gathering as much email subscriber data as possible.

The most basic data points for email subscriber data are a name and email address.

This is typically retrieved through on-site targeting and at the point of the registration of an account.

Fashion e-tailers should collect additional data about their subscribers such as their gender and date of birth .

The age or date of birth of subscribers can be used for birthday messaging and more tailored product recommendations that will be relevant to age group interests attributes you may have set to product-sets in your product catalog.

Aim to send new subscribers a welcome email, encouraging them to ‘edit their preferences.’

Here is an example from Astley Clarke.

And below is a more comprehensive ‘edit preferences’ page by MrPorter.com based on brands their customers like.

Encourage Facebook logins to retrieve date of birth, gender, locale and other social data points.

Consider sending drip emails to help build your customer profiles. Amazon sent this email intentionally to help them improve their product recommendations.

Identifying customers through purchases.

Sending each customer emails on the basis of their previous purchases in a bid to upsell, cross-sell or recommend similar products (based on purchase trends of other customers) can help significantly drive up conversions.

One of your selection criteria for an ecommerce email platform should be the platform’s ability to send personalized emails on the basis of the purchase history of each customer.

The platform should, in other words, connect with your ecommerce platform’s customer purchase history database.

And, it should be able to dynamically email each customer personalized product recommendations based on their specific purchase history.

Tracking each customer’s interaction with your website.

Your one-on-one product recommendations strategy can also be based on each customer’s historical interaction with your store.

This will factor in both category and product pages they’ve visited within a specified period of time.

If for instance, no action was taken by a customer within a specific browsing session, an email could be triggered to send them a few of the items they view as well as related items.

Free shipping or a limited time offer could be used as a nudge to lure them back in to make a purchase.

Other customer interactions on your site that should trigger personalized one-to-one emails:

• Abandoned cart messages :to encourage customers to return to purchase items left in the shopping cart.
• Post-purchase transactional emails :thanking customers for purchasing and then including personalized product recommendations.
• New account sign-ups welcome emails :thanking customers for signing up to your store and giving them incentives such as free shipping or a coupon code.
• Send latest products emails :from the category of most interest to each customer.

Tracking each customer’s interactions with your email marketing.

Ometria triggered messaging (source:techcrunch)

Along with website interactions, sending personalized emails based on clicks and interactions with previous emails can be a highly lucrative means of driving more conversions through workflow automation.

If a customer, for instance, has opened a previous email more than three times and clicked on specific product links several times without actually making a purchase, an email could be triggered to send them either an offer or similar products at a lower price range.

The best results from triggered emails are often a result of using data points from interactions with previous emails and interactions with your website.

Segmenting and extrapolating your top VIP customers.

We’ll go into more detail on RFM analysis and the identification of your highest value customers.

The core point to note here is that segmenting your customers into groups based on their purchase power will be a key driver to your one-to-one email marketing strategy.

This will enable you to build out a long-term customer retention strategy.

The general rule of the thumb is that your VIP customers should be treated specially as they will, in most situations, account for 60-80% of revenue.

Having a single customer view:e-CRM.

image reference

A final point to note about email personalization is the need to have a single customer view.

This is important for stores handling 5,000 or more transactions a month.

You want to be able to log into a dashboard to view each customer’s transaction history, on-site interactions and email interaction (see the screenshot above from Ometria).

This data will, of course, be consolidated and also segmented to drive more insights that inform your personalized one-to-one email marketing strategy.

Recommended Tools

Here are my recommended tools for personalized one-to-one emails:

• Klaviyo
• ExactTarget
• Bronto
• Ometria
• dotmailer