[Multichannel17] Hyperpersonalisatie: Cross-sell op maat

Goede cross-sell suggesties verbetert de klantervaring en verhoogt de omzet. Maar hoe zorg je ervoor dat de suggesties relevant zijn? Welke data heb je nodig en hoe modelleer je de verschillende aspecten zodat suggesties afgestemd zijn op iedere individuele klant?

Hoe zijn SPARQUE en Raab Karcher in samenwerkingsverband tot optimale cross-sell suggesties gekomen?

Chi Shing Chang: ‘Voor Raab Karcher was het belangrijk een technologiepartner te vinden die de kennis die Raab Karcher heeft van haar klanten kon uitdrukken in een model. En ook hoe dat model gemakkelijk kon worden verfijnd met de voortdurende feedback van deskundigen binnen de eigen organisatie.’

Welke rol speelt het algoritme bij optimalisatie van cross-sell suggesties?

‘Een algoritme is niet iets geheimzinnigs. Het is een transparante en modelmatige weergave van de manier waarop data bij elkaar komt om tot aanbevelingen te komen. Wat echt belangrijk is, is dat marketing en eCommerce professionals begrijpen hoe klanten geholpen kunnen worden. Als die basis er ligt, zijn het identificeren van de juiste databronnen en het zelf leren o.b.v. klikgedrag relatief eenvoudige stappen.’

Gelden de inzichten uit deze case alleen voor het b2b-segment, of kunnen b2c-bedrijven deze ook toepassen?

‘Zowel b2b als b2c-bedrijven kunnen hun voordeel doen met de inzichten over de aanpak. Bij b2b is voor personalisatie meer data beschikbaar. Het zijn veelal vaste klanten die regelmatig afnemen en met wie geregeld klantcontactmomenten vastgelegd wordt.’

Tot in hoeverre speelt de betreffende branche een rol in het ontwerpen van productsuggesties?

‘De enige die echt kan bepalen of een suggestie goed is, is de klant. Maar de aanbieder is een goede tweede. Het juiste model om te komen tot de cross-sell suggesties verschilt per branche, het is afhankelijk van de wensen en het gedrag van klanten. Men koopt kampeerartikelen anders dan de dagelijkse boodschappen. Het is de aanbieder die de beweegredenen van de afnemer begrijpt en kan duiden welke databronnen zinvolle informatie bevatten.’

Zijn er verschillen tussen productsuggesties in multichannel-opzicht, wanneer klanten gebruikmaken van verschillende kanalen?

‘Het kanaal en de context waarbinnen dat kanaal gebruikt wordt is heel belangrijk. Bijvoorbeeld of iets op voorraad is. Voor een klant die ergens naartoe rijdt, is het wel zo praktisch dat de getoonde productsuggesties in die vestiging voorradig zijn. Bij levering op adres is dat weer anders.’

Kijk hier voor meer informatie en meld je gratis aan: http://multichannelconference.nl/