Prezentacja o możliwościach wykorzystania systemów klasy marketing automation na stronach internetowych (ecommerce) z Kongresu Marketing Automation (Salesmanago & Benhauer, 13. listopada 2k13, Warszawa).
2. MICHAŁ CORTEZ?
Ponad rok temu zdradziłem stronę kliencką
(ANSWEAR.com) na rzecz agencyjnej (The Addictives).
I analogicznie – KRK na rzecz WWA.
I to tyle ;-)
Michał Cortez
facebook.com/iKomersiak
pl.linkedin.com/in/michalcortez
slideshare.net/michal_cortez
michalcortez.com
6. 52% marketerów uważa, że personalizacja jest kluczowa w strategii on-line
54% retailerów zauważyło wzrost AOV (średnia wartośd zamówienia)
65% marketerów zauważyło wzrost CR (współczynnik konwersji)
53% retailerów odnotowało wzrost wartości powracających klientów
32% marketerów używa CMSa umożliwiającego personalizację
94% firm uważa, że personalizacja jest kluczowa dla efektywności biznesu
66% firm uważa, że personalizacja znacząco poprawi customer experience
źródła:
Quarterly Digital Intelligence Briefing (Digital Trends 2013), Adobe, eConsultancy.com
Mass Marketing vs Personalization, Monetate (06.2k13)
BrainSins infographix
MARKETING AUTOMATION | w statystykach
Blah blah blah..
show me the money!
7. MARKETING AUTOMATION = personalizacja?
W marketing automation tak
naprawdę chodzi o… personalizację
(i oczywiście automatyzację procesów).
Nie ma znaczenia, czy wyślemy newsletter z produktami oglądanymi przez usera, czy
wdrożymy moduł odzyskiwania porzuconego koszyka, zastosujemy dynamiczny
retargeting, rekomendacje produktowe czy dopasujemy banery na stronie do źródła
odesłania danego użytkownika… wszystkie te działania mają wspólny
mianownik, którym jest personalizacja. Personalizacja na różnych poziomach.
8. MARKETING AUTOMATION | Personalizacja na różnych poziomach
Strona główna
Karty produktów
Listy kategorii
Koszyk
Rekomendacje produktowe
Placementy reklamowe
Wyniki wyszukiwania
Dynamic pricing
(…)
ON-SITE
OFF-SITE
BACKEND
Statyczny retargeting
Dynamiczny retargeting
Rekomendacje newsletterowe
Widgety
Porzucone koszyki (newsletter)
Programy lead-nurturing
(…)
Śledzenie zachowania użytkowników
Śledzenie historii zakupowej
Integracja z systemami w organizacji (CRM, ESP, call center etc)
(…)
9. OLD SKOOL vs NU SKOOL | W działaniach e-marketingowych
OLD SKOOL
NU SKOOL
• „One size fits all” – statyczne i
uniwersalne strony dla każdego gościa
• Dynamicznie dopasowane do
użytkownika elementy i treści strony
• Kampanie display w żaden sposób
niedopasowane do użytkownika
• Retargeting, retargeting
predykcyjny, similar & look-alike
audiences (…)
• Kampanie email-marketingowe „wyślij i
zapomnij” (ta sama treśd, brak
kontextu, brak dopasowania)
• Testy A/B/x jako jedyne źródło wiedzy o
naszych użytkownikach
• Dynamiczne kreacje newsletterowe
zależne od zachowania danego
użytkownika
• Segmentacja użytkowników na
podstawie ich zachowania, nawyków
czy historii zakupowej
11. REFERRER | źródło odesłania decyduje o formie reklamowej
Wykorzystanie referrera do akwizycji fanów / followersów
(na przykładzie e-sizeer.com)
• Odczytywanie referrera (źródła odesłania) użytkownika wchodzącego na
stronę e-sklepu
• if referrer = flaker.pl then wyświetl_dedykowany_baner
• Zachęta do zostania followerem e-sklepu
• Screen z 2009 roku
• Analogiczna automatyzacja dla
Facebooka i Fotka.pl
• Rozwiązanie dedykowane
(Contium / Grupa Unity)
12. REFERRER | źródło odesłania decyduje o formie reklamowej
Recycling ruchu – budowa bazy użytkowników aplikacji na Facebooku
(symulacja na przykładzie smyk.com)
Stan faktyczny:
• jeśli mamy aplikację promocyjną / konkursową na Facebooku…
• jeśli przy obecnych zasięgach postów na FB i tak nie obejdziemy się bez
wspierania aplikacji social-adsami…
• jeśli mamy pewnośd, że użytkownicy na sklepie mają konto na FB…
Działania:
• włączamy „recycling” ruchu kierowanego z Facebooka na nasz e-sklep
(ruchu za który często i tak zapłaciliśmy, pośrednio lub bezpośrednio)
• automatycznie wyświetlamy baner zachęcający do wzięcia udziału w
konkursie
• i kierujemy zainteresowanych do naszej aplikacji
13. REFERRER | źródło odesłania decyduje o formie reklamowej
Recycling ruchu – budowa bazy użytkowników aplikacji na Facebooku
(symulacja na przykładzie smyk.com)
1.
User przechodzi z
Facebooka na e-sklep
2.
Odczytanie referrera (*facebook*) i warunkowe
wyświetlenie banera o aktualnej aplikacji konkursowej
Wygraj zabawki...
3.
• Rok 2009
• Rozwiązanie dedykowane
Przekierowanie z banera
sklepowego do aplikacji
konkursowej na FB
(w nowym oknie przeglądarki! )
15. KEYWORDS vs WYSZUKIWARKA | ingerencja w wyniki wyszukiwania
Symulacja: shop-in-shop Microsoft w sklepie www.euro.com.pl
16. KEYWORDS vs WYSZUKIWARKA | ingerencja w wyniki wyszukiwania
Jeden z kluczowych elementów wpływających na powodzenie SiSa?
Ruch…
Wartościowy ruch…
17. KEYWORDS vs WYSZUKIWARKA | ingerencja w wyniki wyszukiwania
•
Wpisanie frazy brandowej powoduje automatyczne
przekierowanie do SiSa
(zamiast do standardowych wyników wyszukiwania)
18. KEYWORDS vs WYSZUKIWARKA | ingerencja w wyniki wyszukiwania
•
Wpisanie nazwy wybranej grupy asortymentowej powoduje
wyświetlenie banera w wynikach wyszukiwania
Microsoft rockz! ;-)
19. KEYWORDS vs WYSZUKIWARKA | ingerencja w wyniki wyszukiwania
SKLEP
Placement w wynikach wyszukiwania:
BRAND
• jest płatny
• uatrakcyjnia ofertę reklamową e-sklepu
• pozwala wykorzystad często niezagospodarowany, a świetnie
wyeksponowany placement reklamowy
• gwarantuje mocniejszą ekspozycję shop-in-shopów / landingpages
• gwarantuje dotarcie z przekazem reklamowym do
użytkowników zainteresowanych danym produktem / grupą
asortymentową
Early adopter jak zwykle
zyska najwięcej…
20. KEYWORDS vs WYSZUKIWARKA | ingerencja w wyniki wyszukiwania
Warto sprawdzid:
• Co użytkownicy wpisują w wyszukiwarkę sklepową i dopasowanie
zwracanych wyników do najpopularniejszych fraz niezwiązanych z
produktami (regulamin, konkurs, promocja etc)
• Case zwiększenia konwersji w BedBathStore.com dzięki
warunkowo wyświetlanym banerom (rok 2008!)
http://bit.ly/Case-BedBathStore
Dlaczego porównywarki do tej
pory nie zaimplementowały takiej
funkcjonalności (placementu)? ;-)
22. GEOTARGETOWANIE | elementy strony zależne od lokalizacji użytkownika
Gdy zima jak zwykle zaskoczy drogowców… a śnieg zasypie
całą południową Polskę…
- geotargetowany baner lub boks produktowy na stronie
głównej
- geotargetowane banery na listach
produktów
- geotargetowany mailing
- geotargetowany pop-up po wejściu na sklep
- (…)
z ofertą np. łopat do śniegu czy odmrażaczy.
23. GEOTARGETOWANIE | elementy strony zależne od lokalizacji użytkownika
System klasy marketing automation, dzięki któremu znamy miasto danego
użytkownika pozwala na jeszcze dokładniejsze targetowanie oferty i
wykorzystanie <modne słowo>real-time marketingu (RTM)</modne słowo>.
Szybka reakcja na lokalne wydarzenia i nawiązanie do nich w komunikacji
• on-site: np. banery, rekomendacje
produktow
• off-site: np. newslettery,
retargeting
nie dośd, że mogą mied pozytywny
wpływ na sprzedaż, to również na
wizerunek samej marki / e-sklepu.
Czy promocyjny zestaw kaloszy
+ peleryny dostarczony do Paczkomatu
na Open’era, gdy akurat rozpoczęły
się ulewy nie brzmi kusząco?
25. PŁED | po najmniejszej linii oporu?
Identyfikacja płci:
• Anonimowy gośd (no cookies): płed użytkownika jest
możliwa do rozpoznania już po kilku kliknięciach
• Śledzony gośd (cookies, system marketing automation): od
ręki
Informację o płci można wykorzystad do personalizacji m.in.:
• całej strony głównej (vide asos.com)
• wybranych boksów / banerów
• elementów karty produktu
• wyników wyszukiwania („trzymamy filtr płci” dla sesji danego
użytkownika)
26. PŁED | po najmniejszej linii oporu?
W jakiej branży płed ma kluczowe znaczenie?
FASHION – LIFESTYLE – SPORT
1.
Pierwsza wizyta (no cookies): wersja unisex strony
2.
Asos.com zadziałał low-costowo:
przekierował po prostu użytkownika do
męskiej kategorii w sklepie, nie tworzył
niczego nowego…
Druga wizyta (cookies)
– treśd dopasowana do płci
27. Podejście do procesu zakupowego zależne od płci*
Przegląda bardzo dokładnie strony produktów
Zagłębia się w opisy i informacje techniczne
Korzysta z porównywarek sklepowych (telefon X vs telefon Y)
Korzysta z socialmediów w poszukiwaniu informacji produktowej, opinii,
porównao, testów
•
•
•
•
Skanuje strony produktów i idzie dalej
Szuka częściej po marce niż grupie asortymentowej
Przegląda więcej produktów (produkty podobne itp.)
Korzysta z socialmediów w poszukiwaniu promocji i kuponów
ONA
ON
•
•
•
•
Zastosowanie
•
•
•
E-sklep AGD/RTV/DIY dopasowujący elementy
strony produktowej do płci przeglądającego
i eksponujący kluczowe „płciowo” informacje?
E-sklep fashion zmieniający ułożenie karty produktu
(opisy vs produkty podobne) zależnie od płci
przeglądajądego?
(…)
* źródło: Empathica.com
PŁED | level: bad ass
28. PŁED | level: bad ass
Dopasowanie wyglądu strony do „płci” użytkownika
(symulacja na przykładzie ANSWEAR.com)
•
Video produktowe na pierwszym
planie
Program lojalnościowy na pierwszym
planie
Produkty „podobne / inne” dla
szybszej nawigacji i przeglądania
•
•
•
•
•
•
Dokładny opis produktowy na
pierwszym planie
Opinie na pierwszym planie (akurat
mniejsze znaczenie w tej branży )
Zdjęcia zamiast filmów
Produkty podobne – mogą zostad
przesunięte pod fold (na dół strony)
30. DYNAMICZNA TREŚD STRONY + MAILING
W poszukiwaniu urlopu…
(doświadczenia własne )
• Przeglądanie booking.com w poszukiwaniu hoteli (m.in. Railay Beach /
Tajlandia)…
• ..wygenerowało serię newsletterów z najciekawszymi ofertami w
wybranych destynacjach.
• Przeglądanie warszawskich noclegów – zaowocowało natychmiastową
reakcją systemu i wysłaniem tematycznego newslettera.
31. DYNAMICZNA TREŚD STRONY + MAILING
Branża turystyczna
<3
marketing automation
• Konkretne zainteresowania użytkownika widad po powrocie na serwis –
dynamiczne bloki strony prezentują treśd na temat noclegów w: Warszawie
/ Railay Beach (Tajlandia) / Bagan (Birma)
• Personalizowana treśd widoczna jest w kilku miejscach strony głównej
34. „AUTOMATYZACJA KONKURENCJI” | personalizacja przekazów reklamowych
W którą ktoś wpisuje naszą konkurencję…
..a gdybyśmy mogli dotrzed do tego usera z naszą ofertą?
35. „AUTOMATYZACJA KONKURENCJI” | personalizacja przekazów reklamowych
Defaultowy proces przejęcia użytkownika:
WYSZUKIWARKA
PRZECHWYCENIE
UŻYTKOWNIKA
KAMPANIA
REKLAMOWA
DEDYKOWANY
LANDING-PAGE
ODCINANIE
KUPONÓW ;-)
MARKETING
AUTOMATION
mode: on
Jakkolwiek do samego przejęcia użytkownika nie potrzebujemy systemów
marketing automation, tak zarówno do personalizacji landing-page jak i dalszej
komunikacji i nawiązania relacji z tak pozyskanym userem – owszem.
36. „AUTOMATYZACJA KONKURENCJI” | personalizacja przekazów reklamowych
Przechwycenie użytkownika
Jak dotrzed do użytkowników, którzy:
• szukali w Google „dekodery UPC” i
pokazad im reklamę dekoderów…
NC+?
• korzystali z porównywarek do
sprawdzenia cen tabletów Sony i
dotrzed do nich z konkursem
Samsunga?
• korzystają z blogów branżowych
traktujących o naszym
asortymencie ale… nie angażowad
w akcję samego blogera?
Remarketing a.k.a Retargeting
» http://bit.ly/Remarketing-eCommerceTrends2k13
38. POP-UP LEADOWY | zawsze i każdemu?
Fakty
• Pop-upy to wciąż jedno z najefektywniejszych źródeł pozyskiwania leadów
on-site
• W większości przypadków pop-upy pojawiają się zaraz po wejściu na
stronę i oferują stałą, w założeniu uniwersalną incentywizację dla
użytkownika (rabat 20%, kupon 30zł itp.)
• „one size DOES NOT fit all!”
Ciekawostka:
Pop-up bez „przekupstwa” rabatowego, za to
prezentujący Unique Selling Proposition e-sklepu
39. POP-UP LEADOWY | zawsze i każdemu?
Marketing automation vs pop-upy: co nam dają dane
gromadzone przez systemy MA i jak je wykorzystad?
•
Pop-up tylko dla nowych użytkowników, nie powracających, z ew. cappingiem 1x /
30 dni [brak irytacji]
•
Pop-up dla użytkowników przeglądających określoną grupę asortymentową /
markę z incentywizacją dopasowaną do tych produktów
*łatwiejsze sprzedanie danych w zamian za rabat na interesujący nas produkt+
•
Pop-up dopasowany do źródła odesłania / referrera: socialmedia, strony z kodami
rabatowymi, blogi itp.
*możliwośd dopasowania przekazu
i zachęty do „pochodzenia” usera]
•
Incentywizacja zależna od płci – rabat
dla kobiet, dostęp do video-testów
produktów dla mężczyzn
*jak rodzi się decyzja zakupowa?+
40. POP-UP LEADOWY | zawsze i każdemu?
Podejście „bo żona kolegi powiedziała…” nie zawsze działa:
Problem:
• Czy pop-up pokazany nie od razu po wejściu na stronę, ale po obejrzeniu
3. podstrony będzie konwertował lepiej?
Przekonanie:
• Użytkownik „zaangażowany” w stronę (przegląda już trzecią!) chętniej
odda nam swoje dane, niż ten atakowany zaraz po wejściu.
Bolesna prawda (test A/B)*:
• Przekonanie, mimo że z pozoru logiczne, było błędne
• Pop-up na wejściu generował o kilkadziesiąt % więcej leadów niż ten po
3. odsłonie strony.
Dlaczego?
• Byd może użytkownik „zaangażowany” w przeglądanie strony nie lubi jak
mu się przeszkadza, bo zmierza już do konkretnego celu, w
przeciwieostwie do świeżynki, która dopiero weszła na stronę…
41. POP-UP LEADOWY | zawsze i każdemu?
Celem cały czas jest rozpoznanie intencji i
upodobao użytkownika, od którego chcemy
pozyskad dane.
Im lepiej dopasujemy przekaz, jego czas i
sam rodzaj incentywizacji – tym większa
szansa na konwersję na leada.
Testy rozwiązao są konieczne.
43. WALKA Z „FUD” (Fear, Uncertainty, Doubt)
Główne obawy przed zakupami on-line?
- zwroty / reklamacje / wymiany / czas wysyłki / koszt wysyłki
Remedium
- Rozwianie wątpliwości w dwóch miejscach, gdzie rodzi się
decyzja zakupowa: karta produktowa i koszyk - z wykorzystaniem
automatycznie generowanych informacji
44. WALKA Z „FUD” (Fear, Uncertainty, Doubt)
Technikalia
• Dynamicznie zmieniany czas wysyłki – zależny od pory dnia i dnia
tygodnia
• O 15:15 we wtorek – „wysyłka jeszcze dzisiaj”
• O 16:15 w piątek – „wysyłka już w poniedziałek”
• Koszt wdrożenia: kilka godzin IT
Efekty
• Odciążenie BOK w odpowiedziach na pytania dot. czasu realizacji
zamówienia i kosztów
• Zlikwidowanie jednej z podstawowych obaw przed zakupami
on-line
46. DYNAMIC PRICING | to proste…
Dynamicznie zmieniana strategia cenowa… to nie jest żadne rocket-science.
• Dane zbierane w systemach marketing automation umożliwiają
dopasowywanie cen do konkretnych użytkowników lub ich segmentów
• Ceny można automatycznie różnicowad nawet prościej… np. zależnie od
źródła odesłania użytkownika (cena X dla ruchu przychodzącego z
porównywarek, cena Y dla kampanii display na portalu horyzontalnym)
• Wartośd dodana w postaci darmowej przesyłki dla użytkowników,
komunikowanej jako USP e-sklepu na banerach afiliacyjnych jest również
opcją
47. DYNAMIC PRICING | ale czy warto?
Dynamic pricing ma swoje wady:
• w Polsce klienci są bardzo wyczuleni na manipulację cenami i zauważają
(i krytykują) nawet powrót do cen pierwszych po zakooczonych
wyprzedażach (sic!)
• użytkownik orientując się, że cena może zaraz się zmienid – może odłożyd
zakup na później (a Klienta powinno się konwertowad tu i teraz,
minimalizując szanse na „to ja wrócę później…”)
• problemy technologiczne (zgodnośd i aktualizacja danych)
• (…)
Ale „personalizacja” samej oferty prezentowanej
konkretnym użytkownikom? Czemu nie…
48. SELEKCJA OFERT | dopasowanie oferty do segmentów użytkowników
Wykorzystanie danych z systemów marketing automation w doborze
prezentowanej oferty
• Segment premium (wysoka AOV): produkty w wynikach wyszukiwania
i/lub kategoriach układamy eksponując produkty drogie
• Segment kobiety (profil usera): szukając „niebieskie spodnie” pokazujemy
tylko damskie produkty (filtr płci)
• Segment muzyka rockowa (historia zakupowa): po wejściu na sklep
prezentujemy rekomendacje i nowości z danego gatunku muzyki
• Segment użytkownik Apple/Mac (user agent): w serwisie turystycznym
możemy jako pierwsze prezentowad droższe oferty (hotele, wycieczki),
opierając się na badaniach dowodzących, że posiadacze urządzeo Apple
wydają więcej na zakupy on-line
49. SELEKCJA OFERT | dopasowanie oferty do segmentów użytkowników
Posiadacz Maca wydaje więcej – case Orbitz
•
Serwis Orbitz.com, analizując zachowanie swoich użytkowników, zauważył, że
posiadacze Maców wydają średnio o 30% więcej na noclegi niż „pecetowcy”
•
Na podstawie tych danych:
• NIE dopasowywał i NIE zmieniał cen zależnie od komputera użytkownika
• ALE w wynikach wyszukiwania prezentował więcej oferty droższych hoteli
•
Więcej: http://bit.ly/Case-Orbitz-MacPC (Wall Street Journal)