Pytanie powinno brzmieć raczej „Jak nie działa marketing automation w -e-commerce”. Nie może działać z kilku powodów: uruchamia się w złym czasie, w złym miejscu ze złym produktem. Czy może być jeszcze gorzej? Obrazowo opowiemy, co się dzieje w Twoim sklepie jeśli korzystasz tylko z marketing automation lub CDP.
Ostatnio poruszaliśmy obrazowo temat rekomendacji w sklepie w kilku przypadkach: rekomendacje natywne z platformy e-commerce, rekomendacje w marketing automation i CDP i rekomendacje z silnika rekomendacji AI. Ten artykuł znajdziecie tutaj: Rekomendacje a rekomendacje. Prosto i obrazowo. Teraz rozwinięcie tamtego tematu – w obszarze wyłącznie tych dwóch rodzajów narzędzi – CDP i MA.
Zacznijmy więc w tym samym momencie – w sklepie odzieżowym, takim zwykłym, przy ulicy Zwyczajnej. Wiemy, że najlepiej sprzedają się koszulki po 10 zł. Białe, żółte, zielone. Do sklepu wchodzi nowa klientka. Przegląda czerwoną sukienkę za 300 zł. Wkracza asystentka (system marketing automation / CDP) żeby podpowiadać w sklepie.
95% przypadków – system nie rozpoznaje klientki
Tak więc do sklepu wchodzi nowa klientka. Asystentka jej nie rozpoznaje, bo albo jest naprawdę nowa, albo ma krótką pamięć / złą pamięć do twarzy (kasowanie cookies, ad-blocki, incognito). Klientka przegląda czerwoną sukienkę za 300 zł.
Podchodzi asystentka i mówi: „Pani lepiej kupi sobie tę koszulkę. Tylko 10 zł”.
Fail! Taka asystentka nie popracowała by długo w takim sklepie, prawda? A w dużej części e-commerce jest właśnie zatrudniona taka asystentka (marketing automation)!
Właśnie tak działają „ramki rekomendacyjne” w w marketiong automation na 95% Twoich klientów. System rekomenduje to, co sprzedaje się najlepiej, niezależnie od tego, co robi klient.
Nie obserwuje klienta i nie dostosowuje się do jego potrzeb w czasie rzeczywistym.
95% Twoich klientów otrzymuje przeszkadzacze podczas zakupów
Żeby sobie lepiej wyobrazić dramaturgię sytuacji musimy zastąpić asystentkę, ponieważ nie może się to pomieścić w głowie nikomu, żeby asystentka robiła takie rekomendacje.
Musimy wstawić więc bardziej „randomową” osobę – technika od instalacji elektrycznej.
Klientka przegląda czerwoną sukienkę za 300 zł. Podchodzi technik i mówi: „Siedzę tu od rana, dużo osób bierze te białe koszulki. Pani lepiej kupi sobie taką koszulkę”.
Fail! Taki technik w najlepszym przypadku otrzymałby uwagę od właścicieli „Niech się pan nie wtrąca!”. Tymczasem dla 95% Twoich klientów taki pan się właśnie wtrąca i im doradza!
5% klientów – zostali rozpoznani
5% klientów jest rozpoznawanych. Nie zdążyli wykasować cookiesów lub nieświadomi kliknęli w maila wysłanego do nich. Co się wtedy dzieje?
Zaczynamy więc jeszcze raz – do sklepu wchodzi rozpoznana klientka. To Barbara (pamiętamy, że Marian poszedł po nowy telewizor).
Asystentka krzyczy w drzwiach: „Dzień dobry Pani Basiu!”.
Tu dzieje się magia wg. systemów marketing automation. System rozpoznał klientkę.
Pani Basia ogląda czerwoną za 300 zł. Asystentka, jak mówiliśmy – cwana bestia, pamięta, że pani Basia kupiła spodnie miesiąc temu, więc proponuje: „Pani Basiu, mamy super spodnie na promocji”.
Fail! Asystentka (marketing automation) bazuje na danych historycznych. System reaguje na to, co klient kupił wcześniej, nie na to, co robi teraz. Zmieniło się tylko to, że zamiast białej koszulki mamy personalizowane niebieskie jeansy.
Ciekawe więc kiedy asystetnka (marketin automation) się zorientuje i zareaguje?
Kasa, czy to już tutaj?
Wydawać by się mogło, że check-out to już pewne miejsce na dostosowanie się.
Jednakże nie! Asystentka (marketing automation) dalej pracuje na danych historycznych. Pani Basia jest w segmencie „kupili spodnie 30 dni temu”, więc asystentka chodzi za nią ze spodniami.
Segmentu nie da się zmienić tak łatwo. Można go zmodyfikować. Właściciele szkolą więc asystentkę – jak przyjdą te osoby, które kupiły spodnie, to nie proponuj im spodni, tylko pasek. Więc asystentka chodzi za klientką po sklepie z paskiem.
Czy jest lepiej? Raczej nie.
Co się dzieje po zakupie?
Po zakupie niestety do asystentki (marketing automation) jeszcze niewiele dotarło. Robi tak, jak jej powiedziano, nie podejmuje autonomicznych decyzji.
Dopiero rano właściciele, po przeanalizowaniu danych, dokonają modyfikacji segmentów i dadzą nowe instrukcje asystentce – Pani Basia już nie jest w segmencie „kupili spodnie”. Pani Basia od dzisiaj jest w segmencie „kupili sukienki”.
Ale dzisiaj, po odejściu od kasy dla asystentki pani Basia jest w segmencie kupili spodnie. Więc leci za nią ze spodniami.
Po co? Na to pytanie nikt nie zna odpowiedzi.
Jednakże odejście od kasy to moment, kiedy marketing automation dostaje nowe dane i zaczyna je wykorzystywać. Jak hieny, rzuca się na klientów, którzy już coś kupili i zachęca ich do ponownych zakupów. Znów FAIL!
Gdzie się zaczyna dziać magia? Raczej nigdzie
Tak, raczej nigdzie. Ale CDP i marketing automation twierdzą, że można dotrzeć omnichannel do klientów. Poza sklepem, w miejscu rozrywkowym. Ale tu zaczyna się prawdziwy upadek, nie magia.
Pani Basia następnego dnia idzie do kina (YT). Asystentka dostała rano nowe instrukcje o nowym segmencie „kupili sukienkę”.
Od rana biega po mieście za panią Basią z sukienką. „Pani Basiu, fajna żółta sukienka. Może Pani jeszcze ją kupi”.
Jeszcze raz, po co? Nikt nie wie. Zły timing, bardzo zły timing …
Tutaj dokonaliśmy dużego uproszczenia – to nie asystentka biega po mieście, ale inny system retargetujacy. System MA trochę udaje, że bierze w tym udział. Asystentka musiałby więc się zmienić na inna asystentkę. Ale o tym w kolejnej części.
Marketing automation / CDP – co poszło nie tak?
W skrócie, co poszło nie tak po implementacji marketing automation i CDP w e-commerce:
– w sklepie nie zajmuje się w zasadzie klientami, tylko tymi, których rozpozna
– jeśli rozpozna (5% klientów) – pracuje na danych historycznych, które obecnie nie mają żadnego sensu
– zaczyna łapać klienta po transakcji, kiedy w zasadzie jest już za późno
– retargeting na rozpoznanych nie ma żadnego sensu – jest już za późno
Dlaczego więc wszystkim wydaje się, że działa, że przynosi efekty. Chodzi o statystyki, lecz o tym w kolejnej części.
Jaka alternatywa?
Większość e-commerce polega na systemach, które w najlepszym wypadku aktualizują się wtedy, kiedy ostatni raz zalogował się klient. To jak nasza asystentka, która podsuwa spodnie, a nie obserwuje tego, co dzieje się teraz.
Silniki rekomendacji produktowych AI pracują inaczej: dostosowują się natychmiast, uczą się z każdej interakcji i działają dla każdego, czy to klient nowy, czy stały.
To różnica między:
- Systemem, który krzyczy: „Kup to, co wszyscy kupują!”
- Systemem, który słucha: „Widzę, że Ci się ta sukienka podoba, a ja znam podobną, która Ci się jeszcze bardziej spodoba.”
Prawda, że widać różnicę! To nie tylko temat: czy będzie lepiej, bo będzie. To też temat – jak przestać szkodzić od zaraz. Ponieważ przypadek pierwszy i drugi to niszczenie experience klientów.
Umów się na demo, żeby dowiedzieć się więcej.
Dla dociekliwych już mniej obrazowo na ten temat na naszej stronie: silnik rekomendacji produktowych
