Personalisatie
Wat is het en waarom is het belangrijk
Personalisatie gebruikt gegevens en analyses om klantervaringen af te stemmen op individuen. Met behulp van winkelgeschiedenis, demografische gegevens en patroonherkenning kan de ervaring van individuen worden aangepast aan hun unieke voorkeuren. Door opties aan te bieden die het beste bij hun behoeften passen, kunnen klanten snel vinden wat ze zoeken en krijgen ze een meer persoonlijke ervaring. En uiteindelijk leidt dat tot tevreden klanten en meer omzet.
Geschiedenis van personalisatie
Personalisatie is echt van deze tijd en je zou kunnen denken dat het alleen door technologie wordt aangedreven, maar dat is verre van waar. Personalisatie is er al sinds de eerste winkels.
In 1800 bijvoorbeeld ging iemand naar de schoenmaker voor een paar schoenen. De schoenmaker keek op de klantenkaart welke maat de klant droeg, hoeveel hij gewoonlijk uitgaf en hoeveel hij stond of liep. Op basis van deze klantgegevens maakte hij een paar schoenen. Vooral in kleinere steden en dorpen herkenden de allereerste winkeliers hun klanten en konden ze precies maken wat de klant nodig had. Na de industriële revolutie, toen massaproductie grotendeels de plaats innam van handgemaakte voorwerpen, werd dit niveau van personalisatie schaars. In het beginstadium van het internet werd personalisatie nog steeds niet als erg belangrijk gezien en de meeste marketingteams benaderden elke klant op dezelfde manier.
Maar met de opkomst van webgebaseerde bedrijven zoals Amazon veranderde de klantervaring. Webpersonalisatie nam een vlucht toen Amazon de functie 'klanten die dit item kochten, kochten ook …' introduceerde. En dit was het begin van het zogenaamde aanbevelingssysteem. Hiermee konden klantsegmenten op basis van productvoorkeuren worden gegroepeerd en aan andere kopers in hetzelfde segment worden getoond. En al wordt segmentatie niet meer gezien als de zuiverste vorm van personalisatie, het stond aan de wieg van gepersonaliseerde ervaringen en was de start van de enorme groei van dit concept.
Personalisatie is onmisbaar in telecommunicatie. En analyse is de natuurlijke oplossing.
Lees hoe het Noorse telecommunicatiebedrijf Telenor realtime gegevens en machine learning gebruikt om aanbiedingen te personaliseren, zakelijke beslissingen én de klantenservice te verbeteren en zich voortdurend aan te passen aan de behoeften van de klant.
Personalisatie in de wereld van vandaag
Ontdek hoe personalisatie nu wordt gebruikt.
Balans tussen personalisatie en privacy
Naarmate de technologie vooruitgaat en meer en meer klantgegevens verzamelt, zijn mensen steeds meer op hun hoede over hoe dit hun privacy beïnvloedt. Door inbreuken op de veiligheid, het gebruik van persoonlijke informatie door de overheid en marketingcommunicatie die net een beetje té persoonlijk is, maken mensen zich meer zorgen over het delen van hun persoonlijke informatie. Dit maakt het voor marketeers lastig om het juiste evenwicht te vinden tussen de mate van personalisatie en het respecteren van iemands privacy. Naarmate de technologie zich uitbreidt, wordt het voor bedrijven cruciaal om twee dingen te kunnen laten zien: dat ze de klant begrijpen en dat ze hun persoonlijke gegevens kunnen beschermen.
Wie maakt gebruik van personalisatie?
In de detailhandel wordt er veel gesproken over personalisatie, maar het is toepasbaar én nuttig in vrijwel elke branche. Dat komt omdat mensen uniek zijn. Er is niet één enkele mal voor iedereen en daarom is een gepersonaliseerd aanbod zo succesvol. Met behulp van machine learning houden marketingteams rekening met de verschillen tussen mensen en aan de hand van klantgegevens presenteren ze hen wat ze individueel willen of nodig hebben.
Als ik kijk naar hype en innovatie, denk ik aan bedrijven die in staat zijn om zich te onderscheiden door een glimlach op het gezicht van mensen te toveren en echt te zorgen voor wat ik een naadloos klanttraject noem. Dit zijn bedrijven die gemak, personalisatie en timing combineren om uit te blinken en hun klanten tevreden te maken. Steven Hofmans Customer Experience, Analytics and Marketing Adviser SAS
CNM helpt non-profits
Non-profitorganisaties waren een van de vele organisaties die aanzienlijk werden getroffen door COVID-19. Maar dankzij het personaliseringsaanbod konden ze aan de vraag blijven voldoen en hun werkzaamheden tijdens de crisis voortzetten. Door het gebruik van analyse konden ze weer veiligere en gezondere gemeenschappen opbouwen. Bekijk deze video om te zien hoe non-profitorganisaties terugvochten tijdens COVID.
Hoe personalisatie werkt
Vandaag de dag gebeurt personalisatie voornamelijk met behulp van algoritmes en machine learning. De complexiteit van algoritmes varieert van basic tot geavanceerd, maar ze bieden allemaal een mate van differentiatie. Basic algoritmes presenteren bijvoorbeeld nieuwe producten of bestsellers aan een koper. Meer geavanceerde algoritmes voor personalisatie kunnen specifieke zaken identificeren over een klant en vergelijkbare items voorstellen. Zo gebruikt Netflix een algoritme dat realtime analyseert welke shows je bekijkt en het beveelt shows aan op basis van je kijkgedrag. Beslissingsbomen worden gemaakt om je naar verschillende paden te leiden en zo meer producten te vinden die gerelateerd zijn aan je bekende interesses.
In veel opzichten is personalisatie het moderne equivalent van uitmuntende klantenservice. Klanten verwachten het en kunnen zelfs geïrriteerd raken als de sites die ze bezoeken geen personalisatiefuncties bevatten. Laten we als voorbeeld een autoverzekering nemen voor een nieuwe bestuurder in je huishouden: een verzekeraar die de leeftijden van je kinderen kent en weet in wat voor type auto je rijdt, kan sneller een offerte op maat maken.
Er zijn meerdere benaderingen van personalisatie. Hier zijn vier manieren waarop personalisatie kan worden gebruikt in bedrijven, afzonderlijk of in combinatie met elkaar:
Contextualisering
Deze vorm van personalisatie richt zich op het gebruik van factoren (zoals locatie of opleidingsniveau) om meer te weten te komen over iemands perspectief, en dus over de context. Dit zorgt voor inhoud die kijkers niet alleen graag willen zien, maar die ook betrekking heeft op hun situatie. Door bijvoorbeeld iemands locatie te kennen, stelt een bedrijf de dichtstbijzijnde winkel voor die het shirt op voorraad heeft dat een kijker wil kopen. Contextualisering maakt het voor klanten gemakkelijker om te navigeren door de grote hoeveelheden informatie op het internet.
Hyperpersonalisatie
Hyperpersonalisatie is precies zoals het klinkt. Machine learning wordt gebruikt om meer klantgegevens te overwegen dan personalisatie om zo een nuttiger personalisatieaanbod te bereiken. Daarmee kan je website in realtime handelen en de inhoud aanpassen terwijl de klant door een webpagina beweegt.
Realtime interacties voor het klanttraject
Personalisatie kan ook verder gaan dan marketing en een aanwinst zijn voor klantgerichte functies zoals verkoop, service en ondersteuning. Verfijnde analytische beslissingsengines kunnen two-way interacties tussen consumenten en merken realiseren, waardoor onmiddellijk aan de behoeften van de klant kan worden voldaan. Deze next-best ervaringen in realtime vereisen "customer data platforms", geavanceerde analytics, machine learning, geautomatiseerde processen, en integraties met operationele systemen om een aantrekkelijke klantervaring te creëren.
Klantenherkenningsprogramma's
Klantenherkenningsprogramma's zijn tegenwoordig erg populair. Merken hebben ontdekt dat het analyseren van consumentengedrag een van de vijf belangrijkste drijfveren is voor klantenloyaliteit. Daarom implementeren veel bedrijven functies zoals beloningssystemen en loyaliteitsprogramma's. Dit is in het voordeel van zowel de klanten als de bedrijven omdat de erkenningsprogramma's de klant enthousiast en gemotiveerd maken om terug te komen en hun beloningen te claimen.
Volgende stappen
Luister naar de podcast Reimagine Marketing en kom meer te weten over hoe customer experience technologisch evolueert.
Oplossingen voor personalisatie
Customer experience is de kern van elk bedrijf. Met SAS kun je je bedrijf naar de top stuwen door gebruik te maken van de nieuwste technologie, machine learning en tactieken om je klant beter te leren kennen. Dit zorgt voor een groot aantal personalisatieopties voor individuen en je kunt beter voorspellen wat een klant wil of nodig heeft.