Was wir von Mode-E-Commerce-Vermarktern über Verbrauchereinblicke, Produktdesign und Marketingstrategie gelernt haben

In unserer letzten Runde von UX-Interviews (Dezember 2021) mit unseren datenaffineren Kunden (im Mode-E-Commerce-Geschäft) kam immer wieder eines zum Vorschein: Detaillierte Verbrauchereinblicke aus First-Party-Kundendaten werden für das Design neuer Produkte immer wertvoller und nachhaltige Marketingstrategie. Um unsere Kunden besser zu verstehen, mussten wir diesen roten Faden entwirren. Für den Anfang, warum jetzt? Und wie trägt unsere Plattform dazu bei? Wenn Sie in einem Marketingteam im E-Commerce-Einzelhandel tätig sind und Ihnen das bereits bekannt vorkommt, lesen Sie weiter, Sie sind nicht allein.

First-Party-Daten sind jetzt wichtiger. Wieso den?

Marktforschung und Wettbewerbsanalyse sind immer noch wichtig, aber einzigartige First-Party-Daten von tatsächlichen Kunden werden in Zukunft aus zwei Gründen wichtiger sein:

1. Werbung über Daten von Drittanbietern ist abgeschlossen

Die lange vorhergesagte Zukunft ohne Cookies ist da. Daten von Drittanbietern und sogar Daten von Zweitanbietern haben ihren Wert verloren, und E-Commerce-Marketingteams arbeiten härter daran, den Traffic, den sie bereits haben, für bessere ROAS zu nutzen, indem sie mehr Cross-Selling über personalisierte Empfehlungen durchführen.

2. Personalisierte Erfahrungen werden erwartet

Digital-native Jugendliche kennen nichts anderes als personalisiertes Online-Shopping. Amazon und Netflix nutzen maschinelles Lernen, um herauszufinden, was einzelne Käufer mögen, und jetzt präsentiert Social Shopping angenehm vertraute Artikel, die von ihren Kollegen in einem stetigen Strom von benutzergenerierten Inhalten verwendet werden.

Diese Schlagzeile aus dem Jahr 2020 zum Thema bringt die Situation und die Haltung der Gen-Z auf den Punkt:

Consumer Insights und Produktdesign

Stellen Sie sich ein Produktentwicklungsteam in den frühen Tagen eines neuen Produkts vor: in der Ideenfindungs- und Designphase. Das ultimative Ziel ist natürlich, ein bestimmtes Produkt zu identifizieren, das bei einem bestimmten Publikum ankommt. Aber wenn es darum geht, das Produkt tatsächlich zu entwerfen, woher kommen die Ideen?

Benutzerzentriertes Design in der Modebranche

Unsere Kunden aus der Modebranche haben uns auf einen bekannten Begriff aus der Designwelt aufmerksam gemacht: UCD (User-Centered Design).

Die UCD-Methode:

„Fordert dazu auf, Benutzer durch eine Vielzahl von Forschungs- und Designtechniken in den gesamten Designprozess einzubeziehen, um hochgradig benutzerfreundliche und zugängliche Produkte zu schaffen.“ Quelle: International Design Foundation

Hört sich nach einem guten Plan an!

Ein weiterer Leckerbissen aus unseren Interviews über die Definition von Benutzeranforderungen stach hervor:

Wie ein Produkt angesehen, bewertet und mit anderen Produkten verglichen wird, basierend auf Merkmalen, Preis, Saison usw., alles Faktoren für das Modedesign.

Diese Erkenntnisse tragen zum Produktentwicklungsprozess bei und geben Produktdesignern, dem Produktmanager und tatsächlich jedem im Produktteam viel mehr zu berücksichtigen, wenn sie den „Nutzungskontext“ herausfinden.

über: https://www.interaction-design.org/literature/topics/user-centered-design

Was unsere Kunden für das Produktdesign brauchen

Was sich unsere datenversiertesten E-Commerce-Teams am meisten wünschen, sind Verbrauchereinblicke über Käufer, die bereits oft wiederkommen, um sich entlang der Customer Journey der Marke zu bewegen.

Dies sind die VIP-Kunden, 20 Prozent der alten 80/20-Regel im Verkauf, die uns sagt, dass der größte Teil Ihres Gewinns von Ihren VIPs stammt, die Ihre Marke und das Online-Erlebnis lieben, das sie bietet. Wie sich herausstellt, möchten E-Commerce-Teams wirklich wissen, was ihre einzelnen VIP-Kunden beim Surfen in Echtzeit mögen, damit ihre Designs und ihre Angebote auf dem neuesten Stand sind.

Präferenzanalysen in Echtzeit

Unter Berücksichtigung der Bedürfnisse unserer Kunden hat unser Data Science-Team die Preference Analytics-Funktion so optimiert, dass die bevorzugten Produkt-Tags für jeden Käufer mit einem Prozentsatz gewichtet werden, der die Wahrscheinlichkeit angibt, dass ein Käufer auf einen Artikel mit einem durch dieses Tag beschriebenen Attribut klickt.

Es erstellt anonyme, GDPR-konforme Käuferprofile aus Erstanbieterdaten, um herauszufinden, welche Produktattribute den Käufern in den Bildern gefallen, die sie durchsuchen.

Dabei kann es sich um Längendesign, Farbe, Muster, Material oder jedes andere benutzerdefinierte Attribut handeln, das sie für die Analyse von Attributpräferenzen in Echtzeit aus ihren Erstanbieterdaten benötigen.

In der sich ständig verändernden Modebranche geben diese Arten von detaillierten Verbrauchereinblicken auf Merkmalsebene den Designern auf der Grundlage von Kundendaten die Richtung vor und geben ihnen die Gewissheit, dass sie jederzeit die richtigen Produkte entwickeln.

Consumer Insights und Marketingstrategie

Die ehemalige CDO von L'Oreal, Lubomira Rochet, leitete während ihrer Zeit im Unternehmen viele Marketingkampagnen und betonte die Bedeutung der Kundenorientierung und des Aufbaus von 1-zu-1-Beziehungen.

Unique Consumer Insights sind der Schlüssel. Sie sind unerlässlich, um eine Marketingstrategie zu entwickeln, die die Käufer einzeln anspricht.

über: https://twitter.com/LOrealGroupe/status/1118423858338500609

In einem Interview mit Commonwealth aus dem Jahr 2018 erklärte Rochet:

„Die digitale Technologie hat die Art und Weise, wie wir vermarkten, verändert. Ein wichtiges Ziel ist die Fähigkeit, reichhaltige, personalisierte Verbraucherbeziehungen aufzubauen und Inhalte zu erstellen, die die Verbraucher ansprechen und sie glücklich machen, sie zu teilen.“ Quelle: Gemeinwesen

Aber was ist an personalisierten Inhalten so ansprechend?

Consumer Insights und schöne Überraschungen

Wenn es gut gemacht ist, können Verbrauchereinblicke personalisierte Empfehlungen liefern, die äußerst einprägsam sind. Ein typisches Beispiel ist die herrlich ungeplante Kaufentscheidung , wie sie von Hubspot Marketing Bloggerin Amanda Zantal-Wiener beschrieben wird:

„Diejenigen, die mich kennen, wissen um meine grenzwertige Hip-Hop-Besessenheit, die auch die Motivation für einen Großteil meines Online-Shopping-Verhaltens ist. Amazon hat es offensichtlich zur Kenntnis genommen … der Zweck meines letzten Besuchs bei Amazon war es, die Personalisierungsfunktionen für diesen Artikel zu überprüfen. Aber dann entdeckte ich, dass Rapper's Delight: The Hip Hop Cookbook in meinen empfohlenen Büchern war. Habe ich etwas gekauft, das ich nicht brauche? Sicher. Aber ich war auch begeistert von der Tatsache, dass ich mit sehr wenig Aufwand darauf aufmerksam gemacht wurde … das Beste daran für den Benutzer ist die daraus resultierende Entdeckung neuer Dinge, die uns gefallen – ob es ein Buch, ein Werkzeug, oder ein Artikel.“ Quelle: Hubspot, diese 9 Marken bringen personalisiertes Marketing auf eine neue Ebene

über: Amazon

Ein Einkaufserlebnis mit Verbrauchererkenntnissen zu personalisieren und Käufer mit vertrauten Empfehlungen zu begeistern, ist eine bewährte Marketingstrategie, die Amazon seit Jahren anwendet, um Käufer dazu zu bringen, immer wiederzukommen. Und wie das obige Hip-Hop-Kochbuch veranschaulicht, teilen Sie die Freude mit anderen.

Von der Marketingstrategie zur Taktik wechseln

Das Verfolgen von Daten über Transaktionen und darüber, welche Produkte verkauft werden, ist immer noch Teil des Spiels, und die Plattform bietet viele praktische Metriken auf einen Blick.

Aber der wirklich wertvolle Beitrag, den die Plattform leistet – das, was die kundenorientierte Marketingstrategie antreibt – ist die Präferenzanalyse. Und das Tool, das mehr Cross-Selling und höhere Verkäufe antreibt, ist der personalisierte Empfehlungsgeber.

Personalisierte Empfehlungen

Außerhalb der Marktplätze verwenden große Markenwebsites dieselbe Marketingstrategie, erstellen jedoch häufig ihre eigenen internen Empfehlungssysteme und beschäftigen kleine Armeen von Backend-Ingenieuren, die sich auf Datenwissenschaft und maschinelles Lernen spezialisiert haben.

In letzter Zeit haben einige Marken jedoch den No-Code-SaaS-Ansatz gewählt und die Backend-Arbeit an automatisierte Systeme ausgelagert, die einfach als Plugins zu ihren bestehenden Websites hinzugefügt werden können. Ein Marketingteam ohne Programmiererfahrung kann diese Marketingtools verwenden, um ein tieferes Verständnis der Verbrauchereinblicke von seinen Website-Besuchern zu erlangen.

Multimarken-Website für koreanische Mode, Codibook

Codibook stellt seine Verbrauchereinblicke automatisch mit ihrem Abonnement der Rosetta AI Personalization Experience Platform zusammen.

Das In-Page-Karussell-Recommender-Plug-in bietet Cross-Selling-Artikel an, die mit zuvor angezeigten Attributen übereinstimmen, während der Käufer Produktbilder durchsucht. Dieses Tool erhöhte den durchschnittlichen Bestellwert für Codibook um 38 %.

Die Shu Uemura-Website in Taiwan

Shu Uemura setzte auch seine Marketingstrategie mit personalisierten Produktempfehlungen um. Sie passten das Aussehen des Empfehlungstexts an den von Shu Uemura angepassten Look an und optimierten ihn für Mobilgeräte auf den „In den Einkaufswagen“-Seiten. Der Umsatz stieg im Jahr 2021 um 149 %.

Sie nutzten auch das Plugin Hesitant Customer Promotions, um Käufer genau zum richtigen Zeitpunkt (bevor sie abspringen wollen) mit Rabatt-Popups anzusprechen, die auf ihre individuellen Vorlieben zugeschnitten sind.

Und um Kunden zu halten, die ohne einen Kauf davonkommen, gewinnen sie ihre Verbrauchererkenntnisse aus ihren eigenen First-Party-Daten und senden dann mithilfe des Plugins für personalisiertes Omnichannel-Marketing personalisierte Nachrichten per E-Mail oder SMS.

Die vollständige Aufschlüsselung der Ergebnisse von Shu Uemuras Vorstoß in die Personalisierung finden Sie in der Fallstudie.

Abschließende Gedanken

Laut unseren Kunden sind Verbrauchereinblicke heutzutage für den E-Commerce-Erfolg von zentraler Bedeutung für die Produktentwicklung und Marketingstrategie.

• First-Party-Daten sind der Schlüssel zur Maximierung des ROAS, und Personalisierung ist online üblich geworden, und Käufer erwarten, dass sie dies sehen.
• Dies gilt insbesondere für die Digital Native Generation Z und die Millennials, die bereit und in der Lage sind, mehr für Online-Erlebnisse zu bezahlen, die sie als Einzelpersonen erreichen.
• Die stärker datengesteuerten E-Commerce-Teams verfolgen eifrig Transaktionsmetriken, aber der wahre Wert liegt in den Verbrauchererkenntnissen zu Produktattributen aus Erstanbieterdaten.

Für Mode-E-Commerce-Teams, die ihre Marktforschung mit Verbrauchereinblicken in Echtzeit vervollständigen möchten – und den Conversion-Tools, um eine kundenorientierte Marketingstrategie in die Tat umzusetzen – ist jetzt die Zeit gekommen.

Über Rosetta AI

Die Rosetta AI Personalization Experience Platform erkennt Käuferpräferenzen aus Ihren First-Party-Daten und bietet 1-zu-1-Produktempfehlungen, zögernde Kundenaktionen und Omnichannel-Marketing.

Unsere KI-Algorithmen wurden speziell für E-Commerce-Händler für Bekleidung, Schönheit und Accessoires geschrieben und wir bedienen sie leidenschaftlich, denn ihr Erfolg ist unser Erfolg.

Im Durchschnitt verdoppeln unsere Kunden ihren Bestellwert und verdreifachen ihre Konversionsrate, weil ihre Käufer von den Erlebnissen, die unsere Plattform bietet, wirklich begeistert sind.

Rosetta.ai wurde in Forbes Top 25 ML-Startups und Analytics Insights Top 10-Unternehmen aufgeführt.