Com ja sabeu, el món del màrqueting viu un gran repte: la nova era cookieless, amb l’eliminació de les cookies de tercers per part de Google.
Com hauríem d’afrontar aquest repte?
Davant d’aquest paradigma, el First Party Data es converteix en una veritable oportunitat per treure el màxim profit d’aquesta nova realitat, en què entren en joc conceptes com la Intel·ligència Artificial i el Big Data. En aquest sentit, disposar d’eines de Marketing Automation com Connectif és més important que mai.
La integració del Marketing Automation a l’eCommerce engloba nombroses estratègies i avantatges que milloren l’experiència de l’usuari i la relació amb la marca. Mitjançant una tècnica de segmentació avançada basada en el Data First, és a dir, en l’ús intel·ligent de dades pròpies que podem obtenir a través del nostre lloc web, el CRM o les xarxes socials, aconseguirem oferir experiències molt més personalitzades que aportin valor afegit a les nostres accions de màrqueting.
En aquest cas, parlarem d’un sistema de segmentació versàtil amb què els eCommerce poden orientar les seves estratègies a segments específics, guanyar impacte i augmentar la rendibilitat: l’anàlisi RFM de Connectif.
Què és l’anàlisi RFM?
El model RFM (sigles en anglès de Recency, Frequency, Monetary) ens permet identificar clients d’alt valor estratègic per agrupar-los de manera útil a partir de l’estudi de tres paràmetres:
- Recència de compra: dies transcorreguts des de l’última compra.
- Freqüència de compra: nombre de compres en un període de temps determinat.
- Valor de la compra: valor total de les compres fetes durant el període d’anàlisi.
Per tant, la idea és segmentar els clients en funció de quan van fer l’última compra, amb quina freqüència compren i quant han gastat en total. Així podem entendre millor com es comporta la nostra base de clients i, com més la coneguem, més podrem adaptar el missatge i obtenir millors resultats.
Aquesta tècnica d’anàlisi de dades es basa en un rànquing en què a cada client se li assigna una puntuació de l’1 al 5 per a cadascun dels tres paràmetres del model RFM. Així, els clients més rendibles i de més valor per al negoci seran els que tinguin una puntuació de 555, i els menys rendibles, de 111.
Com crear una estratègia basada en el Data First i el model RFM: cas pràctic
Aplicarem aquesta estratègia a un cas pràctic, com podria ser el d’un eCommerce de menjar per a animals.
1. Definició de l’objectiu
Com en qualsevol estratègia de màrqueting, fixem un objectiu, que en aquest cas serà fidelitzar els nostres clients per convertir-los en subscriptors d’un Membership Club i, amb això, augmentar la recurrència de compra.
A partir del model RFM que ens ofereix Connectif, podem distingir entre 11 segments de clients en funció del seu valor, ordenats de l’1 (els Champions) a l’11 (els perduts) segons la seva rendibilitat.
La nostra intenció és que avancin posicions en el rànquing fins a arribar al client objectiu marcat.
Imaginem que tenim un grup d’usuaris que actualment són al segment 9 (Cannot Lose Them): clients que podríem perdre perquè feien compres grans i sovint, però fa molt de temps que no tornen a comprar a l’eCommerce. El nostre objectiu és retenir-los perquè tornin a comprar a l’eCommerce i no se’n vagin a la competència. Per fer-ho, durem a terme les accions següents.
2. Accions
Gràcies al First Party Data, sabem que aquest grup de clients solia comprar una marca que tenim en exclusiva per a la seva mascota. Els enviarem un email amb els productes que tenim d’aquesta marca, de la qual som distribuïdors únics al país. A més, tenim enviament en 24 h a les adreces que havien fet servir en compres anteriors, de manera que també els podrem recordar aquest avantatge.
Després d’aquest impacte, alguns usuaris han tornat a l’eCommerce, han visitat diversos productes però han acabat comprant un article de menys valor en comparació amb les compres anteriors. Han avançat posicions en el rànquing i s’han situat al nivell 5 (Promising).
Tanmateix, nosaltres volem recuperar aquest grup de clients i que tornin a fer compres grans com les que solien fer. Per això, gràcies a tota la informació que tenim del seu historial de compres, el tiquet mitjà que solien fer i el seu comportament al web, els podem enviar un codi de descompte personalitzat amb condicions específiques, com ara una durada de 72 h per crear una certa urgència i que només sigui aplicable a compres d’un import mínim que ens interessi.
3. Seguiment
Al cap d’una setmana, veiem que la major part dels usuaris han tornat a comprar, han fet servir el codi de descompte i el seu tiquet mitjà ha augmentat considerablement. Per tant, ara són al nivell 3 (Potential Loyalist). Com que el nostre objectiu general era aconseguir el màxim de clients possible al Membership, ara és el moment perfecte per oferir-los el nostre programa de fidelització. Aquesta vegada, quan tornin a visitar el nostre eCommerce, els mostrarem un popup que els convidi a formar part del club. Si hi fan clic, els portarem a una landing amb tota la informació, avantatges, descomptes en marques, mostres gratuïtes, codis exclusius i un formulari per registrar-se. Si no es registren en 72 h, els enviarem un email recordatori.
4. Resultat
Finalment, hem aconseguit que molts dels usuaris que estàvem a punt de perdre s’hagin registrat com a membres del club del nostre eCommerce i s’hagin convertit en clients fidelitzats. Gràcies a aquesta segmentació basada en el Data First i en l’anàlisi del model RFM de Connectif, hem creat un funnel complet amb una estratègia personalitzada i única per a aquest segment d’usuaris.
Amb l’ús del Data First i de Connectif com a eina de marketing automation, treballem amb les dades pròpies dels nostres clients i no depenem de la inversió en altres plataformes per arribar a la nostra audiència.
