B2B loopt achter online? Niet als het om Personalized E-commerce gaat!

Ja we weten het, B2B loopt achter op het gebied van online. Of…, misschien toch niet? Afgelopen vrijdag was de expertgroep Personalized E-commerce van ShoppingTomorrow op werkbezoek bij Saint-Gobain Distributie Benelux. Deze expertgroep heeft als doel om Nederlandse bedrijven te helpen het personaliseren van digitale contactmomenten effectief en rendabel te maken. De experts identificeren wat ‘good practices’ zijn, zodat andere bedrijven deze kunnen overnemen. Inmiddels zijn we met de expertgroep aangekomen op het belangrijke aspect “afleiden van waardevolle informatie uit bestaande databronnen”. Belangrijk omdat veel bedrijven al waardevolle informatie verzamelen en moeite hebben deze doelgericht in te zetten. Met name B2B bedrijven weten vaak al heel veel over hun klanten.

B2B loopt achter online? Niet als het om Personalized E-commerce gaat!

Waarom loopt B2B achter op het gebied van online?

Natuurlijk, de gebruikelijke observaties over weinig innovatieve industrieën, traditionele klanten en behoudende medewerkers zijn goeddeels waar. Maar het is ook belangrijk om te begrijpen dat B2B relaties tussen leverancier en klant langdurig van aard zijn en gestoeld zijn op vertrouwen. Leveranciers kennen hun klanten door en door en staan ze pro-actief bij met op maat gesneden advies. Contact is bij voorkeur interactief en persoonlijk en vind plaats via telefoon en email (…. ja, soms ook nog fax…). Online? Prima, maar liever niet dan niet goed. Deze insteek wil benodigde systeemimplementaties soms behoorlijk oprekken qua doorlooptijd. Bovendien, de verwachtingen van de klanten zijn hoog. Het gemak van online is prima, maar wel graag met het vakmanschap en de klantkennis die men gewend is.

Zo is het bruggetje gemaakt naar personalisatie voor B2B online klanten. Want veel meer dan bij B2C, hebben B2B bedrijven enorm informatie over iedere individuele klant. Iedere order die een klant ooit heeft geplaatst is bekend, vrijwel ieder bezoek die een klant aan de site brengt is eveneens bekend, omdat vrijwel altijd ingelogd moet worden om klantspecifieke prijzen of voorraad te zien. Zelfs als een inlog niet altijd noodzakelijk is, kan de relatie gelegd worden met het IP adres omdat er genoeg bezoeken zijn met de combinatie IP adres en inlog. Al deze data kan vrij eenvoudig ingezet worden voor gerichte vormen van personalisatie die waardevol zijn voor de klant, zoals onderstaande case van Saint-Gobain aantoont.

Op werkbezoek bij Saint-Gobain

Saint-Gobain levert in de Benelux met formules als Raab Karcher, Galvano, Blauw.pro, bouw- en installatiematerialen aan aannemers en bouwbedrijven. De strategie van de onderneming is voor klanten de voorkeursleverancier te zijn door waarde toe te voegen via dienstverlening. Online trekt men deze lijn door met diensten als het eenvoudig maken voor aannemers om offertes uit te brengen, hun administratie te doen en zelfs om met hulp van Saint-Gobain de vindbaarheid van hun website te verbeteren. Het is dan ook geen verrassing dat Saint-Gobain personalisatie omarmt om klanten op de webshop een goede gebruikerservaring te bieden. De functionaliteit die als eerste werd geïmplementeerd, geeft bezoekers gepersonaliseerde productsuggesties. Productsuggesties zijn het meest bekend van Amazon, waar bezoekers producten getoond worden met het kopje “Andere bezoekers die dit bekeken, bekeken ook:”. Deze functie is aantrekkelijk voor bedrijven omdat productsuggesties direct verhogend werken op de gemiddelde orderwaarde.

Saint-Gobain ging de uitdaging aan om niet plat suggesties te tonen, maar dat op een manier te doen die waardevol is voor klanten. Er waren drie belangrijke eisen die goed doordacht moesten worden:

  1. Wat zijn goede cross-sell suggesties voor de klus waar de klant op dat moment mee bezig is?
  2. Wat is een waardevolle vorm van personalisatie voor professionele verwerkers?
  3. Hoe geven we zinvolle suggesties voor de producten die weinig verkocht worden, de zogenaamde long tail?

In samenwerking met SPARQUE is geconcludeerd dat, met de technologie van SPARQUE, deze drie uitdagingen getackeld konden worden met slechts 2 databronnen: orders uit de ERP en productinformatie uit de PIM.

Terwijl de klant producten toevoegt aan de winkelwagen, vraagt de website aan SPARQUE welke producten goed bij de winkelwagen passen, met behulp van de orders uit de ERP. Dit gebeurt real-time, op het moment dat op de website suggesties getoond moeten worden. De producten zijn geordend op de kenmerken die voor professionele verwerkers belangrijk zijn: allereerst of hij er zelf bekend mee is (heeft hij het eerder gekocht), maar ook op zaken als merkvoorkeur (koopt hij het merk vaker dan andere merken). Ook dit aspect wordt real-time berekend, omdat pas op het moment van uitvragen bekend is welke set van producten überhaupt in aanmerking komt om getoond te worden. Tot slot is een mooie manier gevonden om dataschaarste in de long tail te omzeilen: door rekening te houden met producten die lijken op de producten die in de wagen zitten. Dit is een vorm van collaborative filtering en benut de beschikbare informatie in de PIM maximaal.

sfeerafbeelding

In het bovenstaande voorbeeld wordt bij gipsplaat, glasvezelband en hoekprofielen de categorie gipsmortel gesuggereerd. De producten hierbinnen zijn mede geordend op persoonlijke voorkeuren: sommige klanten zien bijvoorbeeld Knauf producten en andere klanten Gyproc producten.

Wat kunnen andere bedrijven leren van deze case?

Allereerst dat beschikbaarheid van data meestal niet een hindernis hoeft te zijn. Bijna iedereen heeft order- en productinformatie ergens opgeslagen. Een andere ‘good practice’ is om stil te staan bij de informatie die aanwezig is in de data. Welke datapunten en relaties daartussen wil je kunnen benutten? Dat helpt ook om bij de technologie keuze duidelijke vereisten te hebben en geen genoegen nemen met vage en soms valse beloften. En door te beginnen met een duidelijke case, blijf je doelgericht en kun je de implementatietijd verkorten tot enkele weken.

Saint-Gobain is evenmin uitgeleerd. De volgende stap zij nu wil nemen is de server logs gebruiken om productsuggesties te verbeteren, aan de hand van wat klanten doen met de getoonde producten. Nemen ze de suggesties over, negeren ze suggesties of bekijken ze alternatieven? Met het nemen van deze laatste stap, heeft het bedrijf doelgericht en pragmatisch de vier stappen doorlopen om personalisatie effectief en rendabel te maken:

  1.  Identificeren van klantwaarde
  2. Afleiden van waardevolle informatie uit bestaande databronnen
  3. Kiezen van passende technologie
  4. Integreren van data uit resultaten voor zelflerendheid.

 

Doel van de expertgroep

SPARQUE is voorzitter van de expertgroep Personalized E-commerce van ShoppingTomorrow. Ons doel is tot een praktische gids te komen voor het nemen van de eerste of de volgende stap bij het personaliseren van klantcontactmomenten. Vanuit SPARQUE zien we dat veel bedrijven wel willen beginnen met personalisatie maar dan het vraagstuk zo groot maken dat ze er niet aan toe komen. Door met concrete zaken te beginnen kan dit probleem worden omzeild.

Deze blog is geschreven door Chi Shing Chang, voorzitter van expertgroep Personalized E-commerce en co-founder van SPARQUE.

Bestand downloaden

Laat je gegevens achter om bestanden te kunnen downloaden. Dit hoeft maar één keer.

Bij het klikken op ‘downloaden’ geef je toestemming dat jouw gegevens worden verstrekt aan de partner/auteur van het document (met wie dit document in samenwerking tot stand is gekomen) en dat je benaderd kunt worden door de partner/auteur, binnen 3 maanden na het downloaden. Meer informatie over hoe ShoppingTomorrow omgaat met je gegevens is te vinden in het privacy statement.