Autorem poniższego artykułu jest Łukasz Plutecki z agencji interaktywnej NetArch. Tekst pochodzi z magazynu eKomercyjnie.pl #3. Wszystkie numery magazynu można znaleźć tutaj.
Zawsze z uśmiechem na twarzy odpowiadam paniom, które podczas zakupów proszą mnie przy kasie o podanie kodu pocztowego. Ta bardzo prosta metoda ma ułatwić marketerom prowadzenie badań na temat klientów. Dlaczego się uśmiecham? Zastanawiam się wtedy, jak wiele by dali, aby uzyskać dostęp do takich danych na temat klientów, jakie posiadają sprzedawcy internetowi.
Co takiego wiedzą na temat swoich klientów internetowi sprzedawcy?
W momencie, gdy użytkownik wchodzi na stronę sklepu, w bazie danych możemy zacząć gromadzić szereg informacji na jego temat. Najważniejsze z nich to odpowiedzi na następujące pytania:
- gdzie się znajduje (adres IP, miejscowość);
- z jakiego komputera korzysta (wersja systemu operacyjnego, przeglądarka);
- skąd przyszedł (baner reklamowy, wyszukiwarka, link w newsletterze,
- porównywarka, katalog, wejście bezpośrednie);
- czego szukał, zanim do nas trafił (słowo kluczowe, które wpisał w wyszukiwarce);
- czy był u nas wcześniej; jeśli tak, to kiedy.
Następnie, w trakcie wizyty w sklepie można zacząć zbierać kolejne informacje na temat preferencji zakupowych użytkownika. Dzięki nim dowiadujemy się o interesujących go kategoriach produktowych, producentach i produktach. Mierzymy długość wizyt, śledzimy historię zakupionych produktów i sprawdzamy strony wyjścia (np. karta produktu, koszyk). Przy kolejnych odwiedzinach, sprzedawca może łączyć zebrane informacje w taki sposób, aby skuteczniej komunikować się ze swoimi klientami i dostarczać im lepiej dopasowaną ofertę.
Jak wykorzystać wiedzę o klientach w praktyce?
Sklepy internetowe posiadają bardzo dużo informacji o swoich klientach. Nie wszystkie jednak efektywnie tę wiedzę wykorzystują. W jaki sposób baza danych na temat zachowań klientów może pomóc w zwiększeniu sprzedaży? Poniżej przedstawiam kilka praktycznych wskazówek i gotowych pomysłów. Część z nich wdrożyliśmy w systemie AtomStore, część zaś pochodzi od liderów e-commerce z Polski i zagranicy:
- Boksy nowości, Promocje, Polecane, dostosowane do preferencji zakupowych klienta – zabieg ten pozwala na lepsze wykorzystanie strony głównej, niż tylko wyświetlanie przypadkowych produktów;
- Kupony rabatowe dla klientów, którzy porzucili koszyk;
- Newsletter z rekomendacjami dostosowanymi do preferencji zakupowych klienta – np. książki z ulubionej kategorii czy autora, którego kupuje dany klient;
- Auto-segmentacja klientów na podstawie profilu zakupowego i wykorzystanie tych grup np. w newsletterze;
- Przypomnienia o kończących się produktach wraz z kuponem rabatowym na kolejny zakup (np. kosmetyki, szkła kontaktowe);
- Automatyczne ponawianie zakupów, czyli mailing z produktem, który kończy się po X dniach (np. karma dla psów, pieluchy), zachęcający do ponownego zakupu w specjalnej cenie;
- Strona rekomendacji z produktami dla klienta – propozycja tylko dla sklepów, do których klienci często wracają.
Podobnych pomysłów może być jeszcze wiele. To tylko kilka przykładów, które należy dostosować do specyfiki branży, wielkości klienta czy strategii marketingowej. Niemniej jednak, zastosowanie takich mechanizmów może wygenerować dodatkową sprzedaż przy bardzo niskich kosztach pozyskania zamówienia. Sprzedawca nie skupia się w takim wypadku na zdobywaniu klientów, lecz na ich lepszej obsłudze i remarketingu.
Problemy nadmiaru informacji
Niestety, duża baza danych na temat zachowań użytkowników niesie ze sobą pewne problemy. Sprzedawca, który zechce zgromadzić i wykorzystać takie informacje, musi liczyć się także ze skutkami ubocznymi. Stanowią je m. in. koszt implementacji technologii, wyższe koszty hostingu lub koszt dzierżawy oprogramowania (w internecie są już dostępne systemy rekomendacji działające w modelu SaaS). Stosowanie spersonalizowanych ofert może spowalniać działanie sklepu. Dynamiczne wyświetlanie promocji, nowości czy rekomendacji, a także tworzenie indywidualnych newsletterów dużo bardziej obciąża serwer www, niż wyświetlanie identycznych treści wszystkim użytkownikom.
Pracując nad systemem AtomStore, wielokrotnie zmagaliśmy się z problemami optymalizacji kodu systemu tak, aby zapewniał pożądaną funkcjonalność i jednocześnie w sposób ograniczony obciążał serwer. Dla przykładu, robot Google indeksujący zawartość witryny może skutecznie zająć serwer i generować niepotrzebne informacje na temat historii swoich odwiedzin czy odpytywać sklep o rekomendacje. Właściciel sklepu, który po przeczytaniu mojego artykułu pomyśli: “Dlaczego nie dodać takich mechanizmów do skryptów mojego sklepu?”, powinien się kilkukrotnie zastanowić, czy będzie w stanie przeznaczyć na to wystarczające zasoby programistów. Jeśli zaś takie działania próbuje się wdrożyć na własną rękę, dobrze jest zacząć od mechanizmów najprostszych.
Czy warto?
W internecie można znaleźć case studies, w których dostawcy usług dowodzą, iż wdrożenie systemu inteligentnych rekomendacji zwiększyło sprzedaż o 20-30%, przy tych samych nakładach na marketing. A to przecież tylko ułamek możliwości, które daje baza danych sklepu. W przypadku niewielkich sklepów internetowych taki wzrost może być niewystarczający, aby pokryć koszty budowania i wykorzystania bazy wiedzy. W przypadku średnich i dużych sprzedawców, inwestycje powinny zwrócić się z nawiązką.
Należy także pamiętać, iż zastosowanie nowoczesnych mechanizmów sprzedażowych w sklepie internetowym pozwala wyróżnić się na rynku i wspomaga budowanie marki sprzedawcy w sieci. Kto z nas nie marzył o tym, aby w supermarkecie uzyskać podobną obsługę, jak w małym sklepie osiedlowym, gdzie sprzedawca wie dokładnie, jakie bułki lubimy? Skuteczne wykorzystanie bazy danych na temat klientów e-sklepu może pomóc w budowaniu takiego poczucia wśród naszych klientów.
—
Powyższy artykuł pochodzi z Magazynu eKomercyjnie.pl #3. Zapraszamy do przeczytania całego numeru!
