E-handel er blevet personlig

E-handel er på vej ind i en mere moden fase. Vinderne er de netbutikker, der målretter deres salg og rådgivning til den enkelte kunde. Resultatet er øget konverteringsrate, større ordrestørrelser og en stærk kundefastholdelse. E-handel er blevet personlig.

Ufokuseret salg og manglende rådgivning
Når du “går ind” i de fleste e-handelsbutikker i dag, er der ingen som byder dig velkommen – ingen der spørger dig, om du skal have hjælp. Du skal selv “gå rundt” i butikken (søge eller navigere) og finde frem til de produkter du leder efter. I nogle butikker kan du dog spørge efter hjælp ved at benytte en chatfunktion, men mange kunder gider ikke bruge tid på at chatte.

Netbutikken kan altså godt være pænt indrettet og nem at finde rundt i, men den er upersonlig:

 

 

 

 

 

 

 

Den personlige netbutik
Jeg har tidligere skrevet om, at den fremtidige netbutik vil være målrettet den enkelte kunde. Denne fremtid er dog i høj grad allerede blevet til nutid og derfor har jeg valgt, at beskrive den personaliserede netbutik nærmere i dette indlæg.

I den personlige netbutik bliver du først og fremmest “budt velkommen” af en kundeekspedient. Her bliver der set på, hvem du er, hvad du tidligere har købt, søgt efter, etc. Dette bliver sammenlignet med, hvad andre kunder der minder om dig har kigget på søgt efter, etc. Med udgangspunkt i dette, modtager du personlige produktanbefalinger.

Hvordan virker det?
Lad os starte med at få styr på begreberne. Den meste udbredte form for målretning af salg på nettet er baseret på “Collaborative filtering”. Dette betyder, at man rent teknisk indsamler data på den enkelte kunde – lad os kalde ham Jens – og sammenligner denne data med alle andre kunder. Faren ved collaborative filtering er, at det datagrundlag man opbygger er baseret på alle andre kunder og ikke baseret på kunder der ligner Jens.

Det som mange omtaler som “Personalisering” er altså rent fagteknisk “Collaborative filtering”. Dette skaber i ny og næ en begrebsmæssig forvirring. Lad os derfor se på, hvad personalisering egentlig er. Her kigger man også på, hvad andre kunder har købt, søgt efter, sat på ønskeliste, mv., men det sker baseret på en langt højere intelligens. Man finder nemlig frem til, hvilke andre kunder der minder om Jens og foretager produktanbefalinger p.b.a. af dette. Man sammenligner altså ikke Jens med alle andre kunder, men finder derimod frem til, hvad andre kunder der minder om Jens synes om – det er både fascinerende og teknisk krævende.

 

 

 

 

 

 

 

 

 

 

 

 

 

Collaborative filtering til kryds-, op-, og mersalg
Du kan komme langt med at sælge mere i din netbutik, ved at arbejde med collaborative filtering. Det interessante er især, at du kan benytte teknologien til at sælge mere til kunden første gang de besøger din netbutik – også, hvis de aldrig kommer igen og køber mere. Det skyldes, at du i forvejen har et godt datagrundlag på, hvad andre kunder køber og derfor kan du benytte collaborative filtering til op-, kryds- og mersalg:

  • På produktsider (“Dem som har købt har også købt”, “Buy the look”, etc.)
  • I indkøbskurven (dette skal gøres med måde og skal brugertestes inden lancering)
  • I købeflowet (evt. mersalg af udflugter, etc. på en rejsehjemmeside)
  • Etc.

Man kan altså med andre ord øge sin konverteringsrate og gennemsnitlige ordrestørrelse, ved at målrette salget. Dette kan du altså også have værdi af, selvom du sælger dyre vaskemaskiner, møbler, etc., hvor kunden måske kun handler hvert 5. eller 10. år.

Personalisering fokuserer på eksisterende kunder
Hvis du først har fået en kunde, så handler det om, at holde fast i hende. Dette kan du gøre yderst begavet, ved at arbejde med personalisering. Når kunden besøger din hjemmeside, kan du målrette produkter, ydelser og indhold eksplicit til hende – dette skaber grundlaget for en meget gennemført købeoplevelse.

Få kunden tilbage igen
Men, personalisering vedrører ikke udelukkende din hjemmeside – det gælder i høj grad også dine nyhedsbreve. I stedet for at sende ét generisk nyhedsbrev til samtlige kunder (hvor du med stor sandsynlighed spammer en meget stor procentdel af dine kunder med irrelevante tilbud), så kan du sende et “nyhedsbrev” der er målrettet den enkelte kunde.

Et eksempel på dette, er denne salgsmail Amazon.com har sendt til mig:

I denne mail har Amazon.com fundet frem til, hvilke bøger jeg med størst sansynlighed vil købe. De har indsat navnet på den bog jeg med størst sandsynlighed vil købe i headeren (som jeg ser i min inbox), for hermed at få mig til at åbne e-mailen. Denne bog viser de ligeledes øverst i e-mailen, for hermed at give den mest fokus. Nedenunder bogen findes andre bøger, som jeg også kan være interesseret i at købe.

Forstå kundens livscyklus
Det er tilmed ikke tilfældigt, hvornår Amazon har sendt denne e-mail til mig. De har gjort brug af det der indenfor personalisering hedder “Prediction”. Sagt på jævnt dansk, så kan deres personaliseringsteknologi forudsige, hvornår jeg med størst mulig sansynlighed har lyst til at købe den bog de anbefaler – smart ikke? Udover at dette i sig selv er spændende, så sælger det også. Amazons personaliserings-teknologi er med til, at Amazon har en konvereringsrate på 8-12%, hvilket de færreste netbutikker kan prale af.

Kundefastholdelse
Amazon.com benytter altså i høj grad e-mails til at fastholde deres kunder. Hvis jeg ikke synes om de bøger der er i den e-mail Amazon har sendt til mig, så er der et “See more recommendations” link i bunden af siden, som tager mig ind på et personaliseret område på Amazon.com:

 

 

 

 

 

 

 

 

 

 

I dette område, kan jeg navigere på tværs af produkter indenfor forskellige kategorier, som alle er målrettet mig – det sælger godt:

Hele hjemmesiden er personaliseret
Men, Amazon.com stopper naturligvis ikke her. Når jeg navigerer rundt på deres hjemmeside, så anbefaler de produkter eksplicit til mig – eksempelvis i deres “Science & math” sektion:


…hvilket leder mig frem til en vigtig pointe: der er meget stor forskel på collaborative filtering og personalisering. Det ved Amazon.com. Forskellen består bl.a. i, at Amazon.com i dette tilfælde anbefaler produkter til mig: “Recommended for you”. Hvis de gjorde dette baseret på collaborative filtering (hvad alle andre kunder har købt) og ikke personalisering (hvad andre kunder der minder om mig har købt), så vil det ikke være anbefalinger til mig. Overskriften “Recommended for you” har altså en stor betydning, da det kræver, at de rammer korrekt til mig som kunde – hvis ikke, så giver det et tilbageslag, da det i så fald vil irritere mig. Især her i Skandinavien hvor vi er ganske følsomme overfor denne type af anbefalinger og salgsforsøg.

Præcist derfor kalder Amazon.com det også for “More items to consider” og ikke “Recommended for you” i de tilfælde, hvor de benytter collaborative filtering og ikke personalisering. De forklarer tilmed, at de viser de relaterede produkter, fordi jeg har kigget på “Double Cross” bogen:

Start med collaborative filtering
Hvis du overvejer at arbejde mere målrettet med kryds-, mer- og opsalg, så anbefaler jeg, at du starter med collaborative filtering og ikke med personalisering, da det er langt mere krævende. Du kan teste collaborative filtering på dine produktsider, etc. – der, hvor du ikke gør for meget skade, hvis det ikke virker. Hvis du derimod ønsker at sende målrettede salgsmails, at krydssælge aggresivt i din indkøbskurv, etc., så er du nødsaget til at arbejde med personalisering.

Test inden du bygger
Derfor vil jeg også give dig et godt tip. Du kan med fordel implementere og teste en collaborative filtering teknologi på din hjemmeside, uden at du viser den overfor dine kunder. På denne måde, kan du i en repræsentativ periode (eksempelvis 3 mdr.) indsamle data om dine kunders købeadfærd for at vurdere, om det er en teknologi der giver mening for din virksomhed.

Værktøjer
Til collaborative filtering kan du se nærmere på disse værktøjer: D60 Raptor, Avail og Apptus.

Jeg håber meget, at du kunne bruge mit indlæg? Kommentér gerne!

Posted in Collaborative filtering, E-handel, personalisering.

24 Comments

    • Hej Kasper. Jeg er glad for, at du kan bruge indlægget – det er jo nok lidt langhåret for de fleste, omend super relevant at sætte sig ind i 🙂

  1. Rigtig god artikel Benjamin.

    Det overrasker mig lidt at de fleste kunder rent faktisk forventer personaliseret indhold, og en nærmest personlig offshore betjening, når de handler i en netbutik.
    Jeg har længe vidst at det gør at kunden får en bedre oplevelse, fordi det selvfølgelig er relevant indhold man præsenterer ham for, men synes der er et stykke vej til at det er forventeligt.
    Det der får mig til at undres er, at der er rigtig mange der er utrolig dårlige til at navigere og bruge internettet (er med på, der også er mange netbutikker og hjemmeside, der ikke ligefrem oser af brugervenlighed), og derfra så forvente så meget af et teknisk medie.

    med det sagt, så er det utrolig interessant at arbejde med, og meget meget tidskrævende…. for man kan jo ikke stoppe igen 😉

    • Hej Martin.

      Tak for super input. Jeg er lidt usikker på, hvor i mit indlæg du læser, at jeg mener at personalisering er forventet af kunder p.t.? Det er ikke min holdning.

      Jeg er helt enig med dig i, at 90% af alle netbutikker vil kunne tjene flere penge på at gøre deres hjemmeside mere brugervenlig, etc., inden de arbejder med collaborative filtering / personalisering, men vi kan ikke blive ved med at holde os på det niveau og mange af de større virksomheder er kommet videre 🙂 Derfor prøver jeg at beskrive et mål for det næste niveau indenfor e-handel.

      Til de mindre webshops prøver jeg derfor også at forklare, at man godt kan komme i gang ved at benytte collaborative filtering og ikke personalisering, hvilket er nogle begreber som p.t. misforstås af de fleste. Også, at collaborative filtering kan benyttes til helt nye kunder og ikke til kundefastholdelse, hvilket er en anden meget gængs misforståelse.

      Ja, det er super spændende at arbejde med – og, godt at du / I er kommet i gang, for det er her for at blive! 🙂

      Fortsat rigtig god arbejdslyst.

      Mvh,

      Benjamin

      • Hej Benjamin,

        Jeg mener ikke personalisering som sådan.
        Jeg tænker mere på forventningerne til en netbutik som helhed,

        Det virker som om, at der er langt større krav til en netbutik fra kundens side, end der er til en offshore butik.
        Det kan selvfølgelig også blot være fordi man ganske enkelt ikke kan måle på det i samme omfang.

        Jeg er helt enig i, at der er mange der bruger begrebet personalisering om det hele, og synes det er rigtig godt at forklarer det så tydeligt, som du gør her.

        • Hej Martin.

          Jeg tror det hænger sammen med, at det grundlæggende set er svære at “bevæge” sig rundt (navigere, søge, etc.) i en digital butik end det er i de fleste fysiske butikker. Det skyldes ringe brugervenlighed og dårlige søgefunktioner. Hernæst er det nemmere, at forlade en online butik end en fysisk butik, så kunderne har nemmere ved at gå et andet sted hen for at finde det de leder efter. Det der måske kan opleves som større krav til en online butik, tror jeg ofte handler om en mindre tålmodighed med online mediet versus offline butikker.

          Når det er sagt har du dog meget ret i, at kravene til online butikker er steget meget i det seneste år. Det er nok også derfor, at vi ser færre og færre der forsøger at bygge en netbutik ved siden af deres job, da det er blevet svært at få til at lykkedes. I dag kræver det en fuldtidsindsats og lykkedes sjældent på “hobby-basis”.

          Mvh,

          Benjamin

    • Hej,

      Som jeg forstår det, hentyder Benjamin ikke til at det forventes hos kunderne. Men ved at benytte tilgængelige værktøjer, som collaborative filtering / personalisering overfor en kundegruppe, der måske ikke er vant til det, er der god grund til at forvente en højere kundetilfredshed og brugeroplevelse, som i sidste ende kan differentiere købsoplevelsen fra konkurrenternes. Med andre ord er der rigtig god grund til at benytte disse værktøjer, da det sætter den individuelle kundes købsbehov i centrum – om det forventes eller ej.

      I bund og grund handler det ikke om hvad andre gør og hvad kunden forventer. Det handler om hvorvidt en given teknologi kan skabe en merværdi for kunden, som deraf kan påvirke konverteringsraten i en positiv retning.

      Jeg tror ikke alene personalisering skaber en højere konverteringrate. På den lange bane, tror jeg også det er med til at påvirke kunde loyaliteten. Dette er netop en af Amazon’s største styrker. De får kunden til at føle sig i centrum, i modsætning til mange lignende webshops.

      • Hej Kasper.

        Tak for din kommentar 🙂

        De steder, hvor jeg / vi har implementeret collaborative filtering, har det løftet konverteringsraten med 10-20% – bl.a. hos Smartguy.dk

        Personalisering er – som du skriver – især godt til at dyrke kundefastholdelsen, hvilken påvirker genkøbsraten (customer retention rate).

        Fortsat rigtig god arbejdslyst.

        Mvh,

        Benjamin

  2. Hej Benjamin,

    Tack för ett mycket bra inlägg. Håller helt med dig i dina tankar och känner igen många av dina resultat. Vi på Apptus har även arbetat en hel del med att bygga in stöd så att man kan optimera sin personaliseringsstrategi med utgång från användarnas beteende. Tänkte fråga vad dina erfarenheter är kring sambandet mellan personalisering och A/B tester. Hur vet man att den strategi man har för vad som ska visas i de olika rutorna/panelerna är optimal för varje användare när man inte längre kan generalisera besökarna i respektive grupp längre? Vi har noterat att spelreglerna förändras lite och man behöver helt nytt stöd för att kunna utföra multivariattester i en personaliserad miljö, nu när besökarna i grupp A förmodligen inte har exponerats för samma context. Känner du igen våra resultat?

    Mvh
    Michael@Apptus

  3. Rigtig spændende indlæg. Sidder selv med et projekt hvor vi arbejder meget med de begreber du snakker om (collaborative filtering og personalisering), og vi bruger blandt andet Avail.

    Vi kan mærke på den feedback vi får, at kunderne er glade for det, og så skaber det jo en større omsætning 🙂

    • Hej Lars.

      Tak for din kommentar.

      Rigtig godt at høre, at det har en positiv indvirkning på kunder og omsætning 🙂

      Mvh,

      Benjamin

  4. Hej Benjamin,

    Super spændende og relevant indlæg!

    Kan du komme nærmere ind på dine erfaringer med dine 3 anbefalinger, henholdsvis D60, Avail og Apptus? Hvor vil du anbefale at starte for mellemstore og store danske webshops i forhold til implementering, prisniveau, brugervenlighed, kundeservice osv.?

    Du skriver, at Amazon har en konvereringsrate på 8-12% på baggrund af personalisering, men kan du sige lidt om, hvad man kan forvente i forhold til konverteringsraten ved succesfuld implementering af collaborative filtering?

    Henrik

    • Hej Henrik.

      Tak for nogle gode spørgsmål.

      Jeg ønsker ikke at anbefale én af de 3 collaborative filtering teknologier, da jeg er en uafhængig rådgiver der ikke ønsker at anbefale én teknologi frem for en anden (Læs evt. mere her). De har hver deres fordele / ulemper. Hvis man er en B2C virksomhed, er produktsiderne et godt sted at starte med at teste værdien af collaborative filtering.

      Det kan være lidt svært at isolere den kommercielle værdi af collaborative filtering, men eksempelvis SmartGuy vurderer, at deres omsætning er steget ca. 15% ved at foretage en ok omfangsrig implementering.

  5. Super interessant indlæg Benjamin!

    Sjovt jeg sad faktisk og tænkte på Amazon før du virkelig begyndte at gå i dybden med dem. De gør det bare godt.

    Jeg har selv arbejdet meget med collaborative filtering og for nylig med mersalg i købsflowet. Der er ingen tvivl om at rigtig personalisering, hvor køberen grupperes med andre lignende købere åbner op for langt flere muligheder for at personalise indholdet – både on- og offsite – og i en så høj grad af relevans, som du netop giver eksempler på, ligesom er “the next level”.

    Spørgsmålet er hvor mange danske webshops der idag er nået til dette stadie af personlisering og samtidig gør det godt?

    • Hej Jesper.

      Jeg er glad for, at du kan bruge indlægget.

      Mig bekendt arbejder danske webshops udelukkende med collaborative filtering og ikke personalisering. Det er primært udenlandske virksomheder der er nået til det niveau – men, det skal nok komme til Danmark, det er helt sikkert. Jeg arbejder p.t. på et par projekter 🙂

      Fortsat rigtig god arbejdslyst med dit projekt!

      Mvh,

      Benjamin

  6. Takk for et veldig interessant innlegg. Dette er noe vi vil begynne å arbeide mer med. Vi bruker Magento, og jeg er sikker på at det finnes muligheter for collaborative filtering i Magento. Men det virker som et stort og vanskelig arbeid, og vi er ganske ferske i gamet netthandel, så det er nok en del andre ting som er viktigere for oss i første omgang (som å få større sortiment i nettbutikken og bedre produkttekster, bildet etc.). Men jeg er sikker på at jeg vil bruke mange av dine råd fremover.

  7. Hej Benjamin,

    Tusind tak for et super indlæg, som har genåbnet nogle tanker, der har ligget i dvale / stået på standby for en stund.

    Dette delvist fordi vi i MPO langt hen ad vejen har arbejdet med rene affiliate projekter indtil vi i november 2011, hvor vi startede Krydsord.dk op (en MEGET simpel webshop, der deraf ikke er SÅ relevant i denne sammenhæng).

    Dette skulle vise sig at blive starten på det, man kunne kalde et “web shop eventyr”, og vi har således udnævnt 2013 til at stå “i web shoppens tegn” 🙂

    Lige pt arbejder vi så på to lidt tungere webshops med +300 produkter i hver af dem, hvilket har fået os til at vælge Magento (Krydsord.dk er lavet i Drupal pga sin meget begrænsede shop-del), blandt andre udmærkede alternative.

    I den forbindelse kunne jeg godt tænke mig at høre hvad dit eget foretrukne CMS system er, når det kommer til (mellem-komplicerede) webshops?

    Jeg er helt med på, at 1) dette sikkert kommer an på så meget, og 2) at du med stor sandsynlighed har skrevet om dette andetsteds.

    Til sidstnævnte kan jeg kun sige, at jeg – efter at have læst ovenstående artikel – er i gang med at læse din hjemmeside fra ende til anden, men at dette er den første, jeg læser 🙂

    Jeg er naturligvis interesseret i at høre hvordan du mener Magento klarer sig med henblik på collaborative filtering? Er der tale om en shop, der egner sig godt til at arbejde med dette?

    Jeg blev anbefalet af en bekendt at købe din bog, og deraf endte jeg meget behændigt her midt i vældet af kvalitets-artikler ….. og TAK for det 🙂

    På forhånd tak, og god dag!

    Nicolai Kostakis, partner http://www.mpo-ltd.com

  8. Pingback: Konverteringsoptimering i 187 trin - Benjamin Gundgaard

  9. Rigtigt spændende indlæg. Jeg arbejder selv med den tekniske del af de her produktanbefalinger, bl.a. udvikling af specialiserede Collaborative Filtering algorithmer. Jeg bider dog mærke i at du bruger Collaborative Filtering som synonym for det at anbefale produkter, hvorimod det iflg. min forståelse blot er én teknik ud af mange. Collaborative Filtering virker ved at sammenligne hver enkelt kunde med kunder der “ligner” – og kunderne Collaborater eller samarbejder altså – men der findes andre teknikker som Content-Based Filtering og Association Rule Mining, som også bruges til at finde produktanbefalinger – bare på andre måder. Ofte benytter “gode” algorithmer en hybrid af de forskellige teknikker, for at udfylde huller som skabes af én teknik. F.eks. er Collaborative Filtering ofte dårlig til at finde forslag for nye brugere, da det kræver information om brugeren som man endnu ikke har indsamlet. Det skaber et hul, der i stedet kan udfyldes af f.eks. Content-Based Filtering, som er baseret på direkte bruger-præferencer og meta-data om produkterne.

    Min pointe er at brugen af ordet Collaborative Filtering som synonym for produktanbefalinger ikke er 100% korrekt, da der i mange tilfælde bruges forskellige teknikker som vælges afhængig af situationen.

    Men under alle omstændigheder et spændende og (stadig) relevant indlæg, Tak for det.

    Og god weekend 🙂

    Med venlig hilsen
    Nikolaj

    • Hej Nikolaj.

      Jeg er glad for, at du kan bruge indlægget og at du byder ind med en uddybning af begreberne.

      Min erfaring er, at “blot” det at nævne ordet collaborative filtering får en del – også professionelle ehandelsansvarlige – til at blive lidt fjerne i blikket, da det lyder kompliceret. Derfor har jeg holdt mig til et begreb, men du har naturligvis helt ret i, at der findes mange teknikker / metoder. En af mine primære pointer med indlægget består i at adskille “alle til en” anbefalinger, med “anbefalinger baseret på kunder der ligner hinanden”. Det har – som du så også helt sikker ved – en ganske stor betydning for den kommercielle værdi.

      Det er et spændende felt, som helt sikkert bliver en stor del af fremtiden hos de intelligente ehandelsbutikker og hos de chefer der forstår at sætte ind på dette felt nu.

      Fortsat rigtig god arbejdslyst.

      Mvh,

      Benjamin

  10. Hej Benjamin

    Er bare så glad fordi jeg har fundet din blog. Gang på gang skriver du indlæg i et læsbar sprog som vi alle kan forstå 🙂

    Tror du har helt ret i at dette bliver et større fokus område i fremtiden. Håber bare på at man vil se en forbedring af disse punkter på de standard webshop platforme der findes på det danske marked. Men som du også skriver, så skal det bruges med omtanke. Ellers kan det meget nemt få en negativ effekt.

    Tak for et godt indlæg 🙂

  11. Rigtig god artikel du har lavet her. Det kommer vi nok alle til at skulle holde mere fokus på i fremtiden. Jeg tror dog det er rigtig vigtigt at man gør det ud fra hvem ens kundegruppe er. En shop der sælger varer B2B skal nok ikke kopiere mønstrene fra en B2C butik.

    • Så store er forskellene ikke imellem BTC og BTB. Det er mennesker der benytter begge typer af løsninger, hvor der stilles større krav til funktioner på BTB i.f.t. levering, genkøbsmuligheder, betalingsformer, etc. men grundprincipperne er de samme.

Skriv et svar

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *