Marketing i kundens livscyklus

Marketing i kundens livscyklus

Marketing i kundens livscyklus

Segmentering i 2023: Strategier, tips og værktøjer til DTC-markedsførere

Simon Data

19. april 2023

Dette er et gæsteindlæg fra vores partner, Simon Data .

Indledning

Løftet om personalisering er forførende: Forestil dig en komplet en-til-en-oplevelse for hver kunde, fuldstændig optimeret og drevet af hver eneste detalje og datapunkt om den pågældende person - hvem de er, deres interesser, deres behov og tidligere handlinger eller mangel på handlinger.

Dette billede har længe været en kollektiv drøm blandt marketingfolk, og det har været næsten umuligt for mange organisationer at opnå det.

Simon Data , definerer vi personalisering som enhver oplevelse, der leveres til en person baseret på kendte data om dem. Med denne definition kan personaliseringsstrategier eksistere i et spektrum: de kan være en-til-mange, en-til-få eller en-til-en. I denne blog fokuserer vi på en-til-få personaliseringsstrategier – og det hele starter med segmentering.

Der findes mange løsninger, der er designet til at gøre personlig markedsføring nemmere – men de mest værdifulde blandt dem er værktøjer til målgruppesegmentering. Med disse kan marketingfolk overkomme kompleksiteten i deres markeder og udvikle personlige budskabsstrategier, der fører til omsætning.

Gør data enkle

Du vil også lære, hvordan en kundedataplatform (CDP), ligesom Simon Data , kan hjælpe dig med at samle dine kundedata fra enhver kilde og gøre dem nemme at bruge for dit marketingteam.

Sådan opbygger du en personaliseringsstrategi fra bunden

De virksomheder, der ser det største investeringsafkast fra personalisering, kender to hemmeligheder: For det første afhænger succesfuld personalisering af din evne til at bruge data til at besvare spørgsmål om dine kunder. Og for det andet skal strategien for at se værdi fra personalisering være iboende kundecentreret snarere end forretningscentreret.

Her er, hvad vi mener med det: Jo, dit forretningscentrerede mål kan være noget i retning af "at øge antallet af andet køb blandt nye kunder", men en kundecentreret tilgang kræver, at du arbejder baglæns for at forstå de forskellige segmenter, der findes inden for den nye kundegruppe, og de forskellige grunde til, at de ikke foretager eller foretager et nyt køb.

Kort sagt: At opbygge en kundecentreret personaliseringsstrategi begynder med at få en dyb forståelse af de forskellige typer forbrugere, der interagerer med dit brand, og identificere hvordan og hvorfor de adskiller sig fra hinanden.

Der er grunde til, at nogle mennesker foretager én handling, og andre ikke gør. Dit job er at afdække, hvorfor disse forskelle eksisterer, og ved at gøre det kan du bruge disse indsigter til at skabe relevante, personlige oplevelser, der giver værdi til disse segmenter og driver den handling, du ønsker, de skal foretage.

Og hvis du føler dig overvældet af dette mandat, forstår vi det fuldt ud. Der findes trods alt et utal af kanaler og kampagner, der tilbyder muligheder for at personliggøre kundeoplevelsen for dine nøglesegmenter. Men i stedet for at personliggøre alt eller kun fokusere på det, der er nemmest (vi ser dig, %Fornavn!), er vores råd at bruge dine kundedata til at identificere de største eller mest værdifulde kundesegmenter samt de problemer, der betyder mest for dem.

Hvis du kan fokusere på at løse disse kundeproblemer først , så vil du, ligesom personalisering bruges til at løse ét problem, derefter det næste, og så videre, i sidste ende ende med en helt anden oplevelse, der er personliggjort til en bred vifte af segmenter. Dette fører til alle de målinger, som marketingfolk elsker at se: lavere anskaffelsesomkostninger, øget LTV, AOV – og i sidste ende øget ROI over længere perioder og på tværs af alle marketingindsatser.

Trin 1: Bestem dine vigtigste kundesegmenter

Det første skridt er selvfølgelig at afdække, hvilke af dine kundesegmenter og oplevelser der er egnede til personalisering.

De fleste e-handelsmarkedsføringsværktøjer tilbyder nogle grundlæggende, præbyggede kundesegmenter, der er oprettet ved hjælp af en kombination af adfærdsmæssige eller demografiske data, såsom høj LTV, kunder, der har forladt indkøbskurven, kunder baseret på en bestemt lokation, kategorispecifikke kunder, kunder med lavprissalg. Listen fortsætter.

Og selvom du kan starte med disse færdiglavede segmenter (vi tilbyder dem også!), kan du få mere ud af at starte helt fra bunden. Dit brand og dine kunder er trods alt unikke, og den måde, du definerer dine mest værdifulde kunder på, kan være anderledes end andre virksomheders.

Overvej de følgende 30 spørgsmål om dine kunder. Svarene på disse spørgsmål kan informere den måde, du opbygger dine segmenter på, og belyse de oplevelser, du ønsker at personliggøre.

Trin 2: Design personlige oplevelser for hvert segment

Det kan selvfølgelig være vanskeligt at omsætte svarene på de foregående spørgsmål til en egentlig strategi.

Mange af vores klienter oplever, at det kan føles overvældende at organisere deres tanker som reaktion på så mange data.

Her er en lille skabelon, som vi har sammensat for at vise, hvordan vi griber opgaven med at udtænke personaliseringskampagner an, og et eksempel på det i praksis ved hjælp af vores tidligere case med at fremme genkøb hos en ny kundegruppe.

Dette er en forenklet tilgang. I virkeligheden bør hver udtalelse være afstemt med kvantitative og kvalitative data.

Hvis du for eksempel bruger data til at definere dine segmenter, bør de vigtigste differentieringsfaktorer afspejle de faktorer, der definerer hvert segment, eller inkludere yderligere metrikker for yderligere at profilere hver gruppe.

Når du har din liste over målsegmenter eller undersegmenter og har udviklet levedygtige personaliseringsstrategier, kan du prioritere dem ved at sammenligne det opfattede niveau af indsats, der kræves for at lancere den ønskede oplevelse for hver gruppe, med det forventede investeringsafkast (ROI).

Trin 3: Identificer de data, du har brug for

Når marketingfolk kæmper med at opbygge en personaliseringsstrategi, er de ofte nødt til at stille sig selv nogle meget vanskelige spørgsmål vedrørende data. Spørgsmål som:

  1. Hvilken slags data har jeg brug for?

  2. Hvilke data mangler jeg?

  3. Har jeg nok af det?

  4. Hvor finder jeg dataene?

  5. Hvordan ved jeg overhovedet, om jeg har nok?

  6. Kan jeg få adgang til disse kundedata i dag?

Fordi du opbygger en personaliseringsstrategi, der er baseret på ideen om, at forskellige kunder har brug for forskellige oplevelser, bør de data, du indsamler, hjælpe med at belyse de forskelle, der findes mellem kunderne.

At identificere de præcise datapunkter eller attributter, du har brug for til at drive disse differentierede oplevelser, afhænger i høj grad af din virksomhed, dine produkter og dine kunder. De falder generelt i et par kategorier.

Rådata alene er ikke altid det mest nyttige. Brug af en kundedataplatform (CDP) hjælper med at omdanne rådata fra enhver kilde til samlede kundeprofiler, så de er mere nyttige og beskrivende for dine kunders karakteristika.

Vigtigheden af kontekstuelle data for segmentering

Contextual data is information that provides a broader understanding of an event, person, or item.

Kundesegmenter er ofte bygget op omkring dataattributter med høj aggregering – f.eks. om nogen er en ny eller tilbagevendende bruger – men jo flere kontekstuelle data du indsamler om dine kunder, desto mere effektivt kan du målrette og time dine personaliseringskampagner.

Kontekstuelle data kan påvirke, hvilket segment en kunde falder ind under, timingen eller hyppigheden af dine beskeder, de kanaler, du bruger til at levere beskeden, og selve beskedens kontekst. Denne type data kan omfatte ting som vejr, trafikplacering, sæsonbestemthed, tidligere køb, foretrukne kanaler og mere.

Sådan opbygger du et teknisk fundament for personalisering

Et solidt sæt af kundedata er kun begyndelsen. Du kan ikke oprette kundesegmenter med omfattende kontekstuelle data uden den rette teknologi på plads. Du har brug for de rigtige værktøjer til at kunne indsamle og bruge disse data for at realisere din strategi.

Dit tekniske grundlag for personalisering afhænger i høj grad af din virksomheds datainfrastruktur, tilgængelig teknologi og konfiguration, budget, omsætningsmål, den måde, dine interne teams er organiseret på, og datastyring.

For at kunne køre sofistikerede segmenterings- og personaliseringsstrategier har du brug for en teknologistak, der giver dig mulighed for at gøre flere ting:

  1. Forbind dine kundedata: Det er vigtigt, at din teknologistak kan forbinde og centralisere dine kundedata og gøre dem lettilgængelige for dit marketingteam. Ved at gøre dette kan marketingfolk lettere genkende adfærdsmønstre, oprette brugerdefinerede segmenter og levere personlige budskaber. Kort sagt vil det hjælpe dig med at få en omfattende forståelse af din målgruppe og handle på disse indsigter.

  2. Administrer kundeprofiler: Oprettelse af samlede kundeprofiler giver dig en detaljeret oversigt over brugeraktivitet, præferencer og interesser, så du kan engagere dine kunder med målrettede og personlige berøringspunkter. De rigtige værktøjer tilbyder funktioner til administration af brugerprofiler, der giver dig mulighed for at spore brugernes fremskridt. Dette vil hjælpe dig med at optimere dine kampagner og tilpasse din kommunikation efter behov for at levere de bedste kundeoplevelser.

  3. Organiser og lever personlige oplevelser: Ved at kombinere brugerdata, segmentering og prædiktive modeller kan marketingfolk skabe oplevelser, der er skræddersyet til forskellige kunders behov og præferencer, med det rigtige budskab på det rigtige tidspunkt. Dette fører til øget kundeengagement og loyalitet, hvilket driver flere konverteringer og omsætning.

  4. Få adgang til realtidsrapportering for hurtig analyse og segmentering: En af de største konkurrencefordele på ethvert marked er at kunne reagere på information i realtid, når den kommer. Ved at reagere hurtigt på ændringer i kundeadfærd eller interesser forbliver du i kundernes bevidsthed og fortsætter med at skabe værdifulde kontaktpunkter mellem brand og kunde, der fører dem gennem hele livscyklussen.

Med al denne potentielle værdi er det næste spørgsmål: Har du de rette lag i din teknologistak til at facilitere den samlede segmenteringsprocessen?

Lagdeling af værktøjer til at opbygge ensartede, handlingsrettede kundeprofiler

Den bedste måde at gribe segmenterings- og personaliseringsudfordringen an på er ved at kombinere et cloud-datalager (CDW) og en kundedataplatform.

Cloud-datalagre (CDW'er) er cloudbaserede databaser, der lagrer værdifulde data fra næsten alle dele af virksomheden, inklusive kundedata fra førsteparter. CDW'er blev primært konstrueret som et business intelligence-værktøj, og adgangen til dataene er ofte begrænset til IT, ingeniører eller andre tekniske gatekeepere. For at sige det i lægmandstermer, tænk på din CDW som din fars garage. Den er fuldstændig fyldt med værdifulde ting og et totalt rod - hvilket gør det fuldstændig umuligt for andre at finde noget. Så selvom CDW'er leverer en centraliseret kilde til kundedata, kræver understøttelse af aktiviteter som personalisering og segmentering, at brands investerer i teknologier, der integrerer direkte med en CDW, som f.eks. Simon Data , for at gøre det muligt for marketingfolk at få adgang til og bruge dataene indeni.

Kundedataplatforme er designet til at integrere nul-, første- og tredjepartsdata for at skabe samlede kundeprofiler, der er let tilgængelige og brugbare for marketingfolk. Da en kundedataplatform forener data på tværs af digitale berøringspunkter, giver den et mere omfattende overblik over dine kunder, hvilket gør den til en fantastisk tilføjelse til enhver teknologistak. CDP'er giver marketingfolk en centraliseret kilde til kundedata, der kan bruges til at oprette målrettede kampagner og levere personlige beskeder til kunderne. Derudover giver kundedataplatforme mulighed for rapportering i realtid. Dette er fantastisk for marketingfolk, der ønsker at omstille sig hurtigt, når der sker ændringer. Selvom platformtypen er vigtig, er det funktionerne, der afgør eller ødelægger en CDP's evne til at føre din segmenteringsstrategi til målstregen.

Opnåelse af datafluiditet

At sikre dataintegritet, når de flyttes mellem kilder, er udfordrende for selv de mest sofistikerede marketingteams. Dette skyldes, at datadrevet marketing involverer mange bevægelige dele.

Data, der er indsamlet fra én kilde, kan være formateret på en bestemt måde, men det kan være nødvendigt at formatere dem anderledes, når de sendes til en anden kanal. Dataene i dit datalager kan kræve kontinuerlig hygiejne.

En væsentlig merværdi ved Simon er, at vi er skemaløse. Der er ingen transformation nødvendig, før dataene kommer ind i billedet. Simon .

At orkestrere disse bevægelige dele kræver en enorm mængde koordinering på tværs af forretningsgrupper, der muligvis ikke har de samme ressourcer eller færdigheder til at få det til at ske. Når din teknologistak ikke er samlet, kan det betyde konstante problemer med SaaS-spredning og silo-opdelte data.

Og overholdelse af relevante datasikkerhedsregler, såsom GDPR og CCPA , tilføjer et ekstra lag af kompleksitet, som ikke kan ignoreres.

Så hvordan kan marketingfolk håndtere alt dette? Det er et godt udgangspunkt at definere parametrene for din dataintegration. Her er tre primære overvejelser:

Sådan planlægger du at håndtere identifikation og forening på tværs af kanaler: Identifikation og forening af data på tværs af kanaler er afgørende for at opnå datafluiditet. Dette skyldes, at kundedata, der indsamles fra én kanal (f.eks. webstedsbesøg), skal forbindes med kundedata, der indsamles fra andre kanaler (f.eks. e-mailaktivitet).

Denne proces med at forbinde data fra forskellige kilder for at skabe et enkelt kundebillede kaldes dataforening. Dataforening hjælper med at skabe mere præcise kundeprofiler, som kan bruges til at personliggøre marketingkampagner og give kunderne mere relevante oplevelser.

Hvilke unikke identifikatorer vil blive brugt til at sammensætte dataene igen: Marketingfolk skal finde præcise identifikatorer for at kunne sammensætte deres data igen. Brug af unikke identifikatorer til at matche dine kundedata på tværs af forskellige systemer og kilder (f.eks. webstedsbesøg, køb og e-mailaktivitet) giver dig mulighed for at oprette præcise kundeprofiler. Uden dem er det praktisk talt umuligt at skabe samlede kundevisninger eller optimere dine marketingstrategier.

Disse vigtige identifikatorer hjælper dig også med at sikre overholdelse af relevante databeskyttelsesregler.

Hvor detaljerede dine data skal være for at kunne handle på dem: Det er afgørende at vide, hvor detaljerede dine data skal være, i datadrevet markedsføring – især når det kommer til målrettet indhold. Datapunkter som brugernes adfærd på tværs af forskellige kanaler og deres historik med dine produkter eller tjenester kan hjælpe dig med at beslutte, hvordan du skal gribe indholdspersonalisering og marketingkampagner an.

Men overvej, hvor detaljerede dine data rent faktisk skal være for at kunne handle.

Data fra salgssteder kan give dig adgang til hver eneste transaktion, en bruger har foretaget på dit websted – men har du virkelig brug for det samme granularitetsniveau for at sende målrettet e-mailindhold? Eller har du blot brug for at vide, hvilke typer køb brugeren typisk foretager?

5 punkter at overveje, når du evaluerer en CDP

Når du tilføjer en ny kundedataplatform, er det vigtigt at overveje implementeringens tekniske kompleksitet. En vellykket opbygning af din teknologiske stak kræver en kombination af data engineering, cloudinfrastruktur og marketingindsigt for at sikre, at platformen er konfigureret til at opfylde både dine nuværende og fremtidige behov. Her er nogle ting, du skal huske på:

Brugsscenarier

Overvej dine use cases: De mest sofistikerede funktioner vil ikke gøre noget godt, hvis de ikke er dem, der fungerer bedst for din forretningsmodel. Tænk over, hvordan du rent faktisk vil bruge platformen.

Lad os sige, at du vil sende e-mails til dine kunder baseret på, hvilke produkter de har kigget på på dit websted. Eller måske vil du gerne have en ekspert til at kontakte dig med en skræddersyet e-mail eller et opkald baseret på det indhold, en bruger interagerer med.

Med udgangspunkt i dine use cases vil du være i stand til at afdække, hvilke funktioner på kundedataplatformen der er uundværlige i stedet for bare rare at have.

Spørgsmål at stille:

  1. Hvordan ser jeres personaliserings-/segmenteringspraksis ud i dag?

  2. Hvad skal ændres?

  3. Hvilke er de vigtigste kundeoplevelser, du ønsker at prioritere?

  4. Hvordan vil du måle succes?

  5. Hvilke datakilder eller kanaler skal integreres for at styrke din segmenteringsstrategi?

  6. Hvordan vil du definere segmenter, udvikle regler og sikre, at de forbliver opdaterede over tid?

  7. Hvad vil du gøre med den indsigt, platformen giver?

Fremtidssikring

Tænk altid fremad: Når du opbygger din teknologistak, skal du ikke begrænse din tænkning til aktuelle behov. Overvej at investere i værktøjer, der håndterer e-mails, callcenterdata eller andre kanaler, du måske ønsker at indbygge i din marketing- og personaliseringsstrategi over tid.

At være proaktiv omkring at vide, hvor din nuværende strategi er på vej hen, samt hvilken vej dit målmarked bevæger sig, vil vise sig uvurderligt i planlægningen af en lagdelt tech-stak, der er bygget til det lange løb.

Spørgsmål at stille:

  1. Hvilke kanaler kan platformen understøtte?

  2. Hvilke kanaler bruger du nu?

  3. Hvilke kanaler vil du sandsynligvis bruge i fremtiden?

  4. Har du brug for yderligere integrationer eller tjenester for at imødekomme disse kanaler?

  5. Hvad er de specifikke begrænsninger eller udfordringer for jeres use cases?

  6. Er der en måde at understøtte skalerbarhed, hvis din kundebase vokser markant?

Integrationer

Sørg for total integration: For at få mest muligt ud af dine værktøjer, skal du sørge for at integrere disse teknologier på tværs af alle dine digitale ejendomme. Dette inkluderer at kunne oprette en samlet profil for hver kunde og berige denne profil med yderligere data fra flere kanaler.

Spørgsmål at stille:

  1. Hvilke kanaler kan platformen understøtte?

  2. Kan du integrere platformen med enhver tredjepartsteknologi , såsom en platform til kundeforholdsstyring (CRM) eller et analysesystem?

  3. Tillader værktøjet, at webhooks eller andre notifikationssystemer udløser handlinger, når bestemte hændelser opstår?

  4. Tænk på brugertilmeldinger, køb, supportsager osv.

  5. Kan det integreres med tredjepartsplatforme eller -applikationer, såsom Salesforce eller Shopify?

  6. Hvordan henter værktøjet eksterne data ind, hvis der ikke er en forudbygget integration?

  7. Udfører den dataopdateringer i realtid eller batchdataopdateringer?

Sikkerhed og overholdelse

Overvej sikkerheds- og compliancebehov: Det er vigtigt at anerkende vigtigheden af kundernes privatliv og overholdelse af regler, når man vælger og implementerer en kundedataplatform. Frem for alt skal du sørge for, at den platform, du vælger, overholder GDPR og andre regler, og sørg for at forstå, hvilke typer kundedata den arbejder med.

Spørgsmål at stille:

  1. Hvilke sikkerhedsprotokoller er der på plads for at sikre sikkerheden og privatlivets fred for dine kundedata? Overholder platformen relevante regler, såsom GDPR eller CCPA?

  2. Hvordan opbevares og tilgås kundedata?

  3. Hvilke processer er der på plads til at opdatere platformen og kundedataene?

Maskinlæring

Maskinlæringsalgoritmer: ML-algoritmer bruges ofte til at levere personligt tilpasset indhold "automatisk". Deres output kan ligne segmentdrevne kampagner, men disse algoritmer bruges til at forudsige det optimale indhold for hver besøgende ved at evaluere kundedata i realtid.

Hvis du vil være mere sofistikeret, så undersøg, om værktøjet kan bruges til en multivariat tilgang, så du får mere kontrol over, hvilke data algoritmen bruger, og så du kan finjustere dens anvendelse.

Spørgsmål at stille:

  1. Har værktøjet en automatiseret personaliseringsalgoritme (dvs. en online læringsmodel)?

  2. Hvilken type model ligger til grund for algoritmen?

  3. Kan du tilpasse, hvilke dataattributter algoritmen bruger?

  4. Kan du sikre, at bestemte attributter altid inkluderes eller aktivt ekskluderes?

  5. Kan du vælge mellem forskellige algoritmer og/eller teste dem mod hinanden

  6. Hvilke oplysninger gives om modellens ydeevne over tid?

  7. Hvilke oplysninger gives om dataattributter i forhold til modellens ydeevne?

  8. Datateknologi kan være et effektivt værktøj til at skabe effektive, personlige kundeoplevelser – men kun hvis det bruges korrekt.

Datateknologi kan være et effektivt værktøj til at skabe effektive, personlige kundeoplevelser – men kun hvis det bruges korrekt .

Tak fordi du læste med!

Opnå avanceret segmentering og personalisering i stor skala med Simon Data

Anmod om en skræddersyet demo for at lære hvordan Simon Data kan hjælpe dig:

  • Reducer dine omkostninger til kundeerhvervelse og forbedr kundefastholdelse og LTV ved at gøre dine data lettilgængelige og handlingsrettede for dit marketingteam.

  • Saml data fra dit cloud-datalager plus over 70 marketing- og analyseværktøjer, samtidig med at datakvalitet og -integritet opretholdes.

  • Opret sofistikerede målgrupper i en brugervenlig segmenteringsbygger ved hjælp af både historiske data og streamingdata, og synkroniser disse målgrupper med dine marketingkanaler.

  • Bliv onboardet på så lidt som 45 dage, så du kan nå dine marketing- og omsætningsmål hurtigere.

  • Hvis du har brug for hjælp til at skabe en effektiv og tydelig e-mail marketingstrategi, Scaleros hold af e-mail-eksperter kan give værdifuld vejledning. Vi kan samarbejde med dig om at udvikle en skræddersyet e-mailmarketingplan, oprette brandede e-mailskabeloner med kodning og automatisere dine kampagner for maksimal effektivitet.

    Kontakt os for at komme i gang!