Pitanje bi zapravo trebalo glasiti: “Kako marketing automation ne funkcionira u e-trgovini”. Može zakazati iz nekoliko razloga: aktivira se u pogrešno vrijeme, na pogrešnom mjestu i s pogrešnim proizvodom. Može li biti još gore? Slikovito ćemo ispričati što se događa u vašoj trgovini ako koristite samo marketing automation ili CDP.
Nedavno smo slikovito obradili temu preporuka u trgovini u nekoliko slučajeva: izvorne preporuke s platforme za e-trgovinu, preporuke u marketing automationu i CDP-u te preporuke iz AI mehanizma za preporuke. Članak možete pronaći ovdje: Preporuke i preporuke. Jednostavno i slikovito. Sada ćemo proširiti tu temu – isključivo na područje ove dvije vrste alata: CDP-a i MA-a.
Krenimo, dakle, od istog trenutka – u trgovini odjećom, sasvim običnoj, u Ulici Običnoj. Znamo da se majice od 3€ najbolje prodaju. Bijele, žute, zelene. U trgovinu ulazi nova kupkinja. Razgledava crvenu haljinu od 100€. Prilazi joj asistentica (sustav marketing automation / CDP) kako bi je savjetovala u trgovini.
U 95 % slučajeva sustav ne prepoznaje kupkinju
Nova kupkinja ulazi u trgovinu. Asistentica je ne prepoznaje jer joj je ili prvi put u trgovini ili ima kratko pamćenje / loše pamti lica (brisanje kolačića, blokatori oglasa, anonimni način rada). Kupkinja razgledava crvenu haljinu od 100€.
Prilazi joj asistentica i kaže: „Bolje si kupite ovu majicu. Stoji samo 3 €.”
Promašaj! Takva asistentica ne bi dugo radila u toj trgovini, zar ne? A u velikom je dijelu e-trgovina zaposlena upravo takva asistentica (marketing automation)!
Upravo tako funkcioniraju „okviri s preporukama” u marketing automationu za 95 % vaših kupaca. Sustav preporučuje ono što se najbolje prodaje, neovisno o tome što kupac radi.
Ne promatra kupca i ne prilagođava se njegovim potrebama u stvarnom vremenu.
95 % vaših kupaca dobiva smetnje tijekom kupnje
Kako bismo bolje predočili dramatičnost situacije, moramo zamijeniti asistenticu jer je nezamislivo da bi asistentica davala takve preporuke.
Moramo, dakle, postaviti neku “nasumičniju” osobu – tehničara koji postavlja električne instalacije.
Kupkinja razgledava crvenu haljinu od 100€. Prilazi joj tehničar i kaže: „Ovdje sam od jutra, puno ljudi uzima te bijele majice. Bolje si kupite takvu majicu.”
Promašaj! U najboljem bi slučaju vlasnici upozorili takvog tehničara: “Nemojte se miješati!” A upravo se taj gospodin miješa i savjetuje 95 % vaših kupaca!
5 % kupaca – prepoznati su
5 % kupaca sustav prepoznaje. Nisu stigli izbrisati kolačiće ili su nesvjesno kliknuli na e-poruku koja im je poslana. Što se tada događa?
Krenimo, dakle, ispočetka – u trgovinu ulazi prepoznata kupkinja. To je Petra.
Asistentica viče na vratima: „Dobar dan, gospođo Petra”
Tu se događa čarolija prema sustavima marketing automationa. Sustav je prepoznao kupkinju.
Gospođa Petra razgledava crvenu haljinu od 100€. Asistentica, kao što smo rekli – lukava je zvjerka, sjeća se da je gospođa Petra prije mjesec dana kupila hlače pa predlaže: „Gospođo Petra imamo odlične hlače na sniženju”.
Promašaj! Asistentica (marketing automation) oslanja se na povijesne podatke. Sustav reagira na ono što je kupac kupio ranije, a ne na ono što radi sada. Promijenilo se samo to što umjesto bijele majice imamo personalizirane plave traperice.
Zanima nas, dakle, kada će asistentica (marketing automation) shvatiti što se događa i reagirati?
Blagajna, je li to već to?
Moglo bi se činiti da je naplata pravo mjesto za prilagodbu.
Ipak, ne! Asistentica (marketing automation) i dalje radi s povijesnim podacima. Gospođa Petra pripada segmentu “kupili hlače prije 30 dana”, pa je asistentica prati s hlačama.
Segment se ne može tako lako promijeniti. Može ga se izmijeniti. Vlasnici zato obučavaju asistenticu: kad dođu oni koji su kupili hlače, nemoj im nuditi hlače, nego remen. Tako asistentica prati kupkinju po trgovini s remenom.
Je li bolje? Baš i ne.
Što se događa nakon kupnje?
Nakon kupnje, nažalost, do asistentice (marketing automation) još je doprlo vrlo malo informacija. Radi kako joj je rečeno i ne donosi samostalne odluke.
Tek ujutro vlasnici će, nakon analize podataka, izmijeniti segmente i dati asistentici nove upute – gospođa Petra više nije u segmentu “kupili hlače”. Od danas je gospođa Petra u segmentu “kupili haljine”.
Ali danas, nakon što se odmakne od blagajne, gospođa Petra za asistenticu pripada segmentu “kupili hlače”. Zato trči za njom s hlačama.
Zašto? Nitko ne zna odgovor na to pitanje.
Ipak, odlazak od blagajne trenutak je kada marketing automation dobiva nove podatke i počinje ih koristiti. Poput hijena, obrušava se na kupce koji su već nešto kupili i potiče ih na ponovnu kupnju. Opet promašaj!
Gdje počinje čarolija? Vjerojatno nigdje
Da, vjerojatno nigdje. No CDP i marketing automation tvrde da se do kupaca može doprijeti omnichannel pristupom. Izvan trgovine, na mjestu za zabavu. Ali tu počinje pravi fijasko, a ne čarolija.
Gospođa Petra sljedećeg dana ide u kino (YT). Asistentica je ujutro dobila nove upute o novom segmentu “kupili haljinu”.
Od jutra trči po gradu za gospođom Basiom s haljinom. “Gospođo Petra, lijepa žuta haljina. Možda biste je još kupili”.
Još jednom: zašto? Nitko ne zna. Pogrešan trenutak, jako pogrešan trenutak …
Ovdje smo napravili veliko pojednostavljenje – gradom ne trči asistentica, nego drugi sustav za retargetiranje. Sustav MA pomalo se pretvara da sudjeluje u tome. Asistenticu bi zato trebalo zamijeniti drugom asistenticom. No o tome u sljedećem nastavku.
Marketing automation / CDP – što je pošlo po zlu?
Ukratko, što je pošlo po zlu nakon implementacije marketing automationa i CDP-a u e-trgovini:
– trgovina se zapravo ne bavi kupcima, već samo onima koje prepozna
– ako ih prepozna (5 % kupaca), radi s povijesnim podacima koji trenutačno nemaju nikakvog smisla
– počinje ciljati kupca nakon transakcije, kada je zapravo već prekasno
– retargetiranje prepoznatih kupaca nema nikakvog smisla – već je prekasno
Zašto se onda svima čini da funkcionira i donosi rezultate? Riječ je o statistici, no o tome u sljedećem nastavku.
Koja je alternativa?
Većina se e-trgovina oslanja na sustave koji se u najboljem slučaju ažuriraju tek kada se kupac posljednji put prijavio. To je kao naša asistentica koja nudi hlače, umjesto da promatra što se događa sada.
AI mehanizmi za preporuku proizvoda rade drukčije: trenutačno se prilagođavaju, uče iz svake interakcije i rade za sve, bilo da je riječ o novom ili postojećem kupcu.
To je razlika između:
- Sustava koji viče: „Kupite ono što svi kupuju!”
- Sustava koji sluša: „Vidim da vam se sviđa ova haljina, a znam i za sličnu koja će vam se svidjeti još više.”
Vidi se razlika, zar ne? Nije riječ samo o tome hoće li biti bolje – hoće. Riječ je i o tome kako odmah prestati nanositi štetu. Jer prvi i drugi slučaj narušavaju iskustvo kupaca.
Dogovorite demo kako biste saznali više.
Za one koji žele znati više, o ovoj temi možete pročitati i manje slikovito na našoj stranici: mehanizam za preporuku proizvoda
