American Apparel : favoriser l'orientation client dans un monde omnicanal

Le directeur du numérique d'American Apparel a discuté de l'avenir du commerce de détail, de l'importance de fournir de la valeur au consommateur et des stratégies pour un monde IoT et omnicanal.

Thoryn Stephens, directeur du numérique, American Apparel, s'exprimait à ClickZ Live Hong Kong où il a prononcé une présentation liminaire sur la façon dont les spécialistes du marketing peuvent générer de la valeur pour le consommateur en utilisant les données et la technologie. Voici comment:

Comment définissons-nous la valeur, comment mesurons-nous la valeur et comment générons-nous de la valeur ?

Stephens a toujours voulu être une rock star. Au lieu de cela, il est devenu un biologiste moléculaire. C'est cette approche scientifique de l'analyse des données qui l'a finalement conduit en 2003 à associer un compte Google Analytics à Ad Words et Salesforce pour sa première incursion dans la compréhension du comportement des consommateurs.

Cela a conduit à son tour à des rôles avec des startups de la Silicon Valley, un diffuseur de télévision et aujourd'hui, en tant que CDO chez American Apparel.

« En tant qu'ancien scientifique, tout ce que je fais est basé sur des mesures », a déclaré Stephens.

Il pense qu'il reçoit plus de financement que tout autre chef de service parce qu'il est capable de montrer comment tout est mesuré. Il pense également qu'une partie de son succès réside dans le fait de posséder sa propre équipe technologique.

Selon Stephens, pour diriger le trafic de l'acquisition à la conversion, les spécialistes du marketing doivent :

• Comprendre l'expérience du consommateur
• Optimiser en testant et en apprenant
• Développer des stratégies de rétention

Les éléments fondamentaux de tout cela sont la technologie et la science des données.

Pour commencer, les organisations doivent comprendre où elles en sont dans la courbe de maturation des données.

Les quatre étapes de la courbe de maturation des données sont :

1. Collecter les bonnes données

2. Reporting sur les données et insights sur la conduite

3. Test d'hypothèse (et développement d'une approche de test et d'apprentissage)

4. Analyse prédictive

Chaque étape de la courbe devient plus complexe, mais augmente simultanément l'impact potentiel sur l'entreprise, plus l'entreprise avance sur la courbe.

États et profils des utilisateurs

Stephens regarde le monde dans trois dimensions principales :

• L'utilisateur inconnu
• L'utilisateur anonyme
• L'utilisateur connu

Chacune de ces dimensions a une valeur. Une fois les utilisateurs identifiés, il s'agit de faire passer le consommateur d'un utilisateur inconnu ou anonyme vers un utilisateur connu.

L'utilisateur inconnu

Pendant son séjour chez Fox Broadcasting, Stephens était responsable de la création de la première stratégie d'optimisation de la science des données de l'entreprise. À l'époque, il travaillait sur la marque Les Simpsons . Il avait plus de 70 millions de likes (utilisateurs inconnus) sur sa page Facebook, mais en comparaison, le CRM était petit (utilisateurs connus).

Le principal défi était de convertir ces utilisateurs inconnus en utilisateurs connus. En utilisant une application Facebook, telle qu'un tirage au sort, Stephens et son équipe ont engagé les utilisateurs et les ont incités à partager une adresse e-mail. Avec une adresse e-mail, l'utilisateur inconnu est devenu connu.

L'utilisateur anonyme

Un utilisateur anonyme est un utilisateur qui peut par exemple être cookie. Il existe un profil de base autour du comportement ou de la géolocalisation, mais on ne sait pas exactement qui ils sont.

En utilisant le reciblage, un spécialiste du marketing peut commencer à adapter le contenu à ces consommateurs et les amener à devenir des utilisateurs connus. Ceci peut être réalisé en les encourageant à :

• s'inscrire à un événement
• Faire un achat
• télécharger une application (avec inscription)

L'utilisateur connu

Une fois qu'un utilisateur devient un utilisateur connu, toutes sortes de données peuvent être extraites de lui.

"En fin de compte, vous pouvez tirer le meilleur parti d'eux non seulement en tant que consommateur, mais maintenant en tant que marque également, car vous adaptez l'expérience à cet utilisateur individuel connu", a déclaré Stephens.

En identifiant les utilisateurs de cette manière, ils peuvent également être mieux ciblés sur tous les canaux.

• L'utilisateur inconnu peut être ciblé avec la télévision et la vidéo.
• L'utilisateur anonyme via le reciblage basé sur l'expérience du site avec les publicités.
• L'utilisateur connu avec des applications, des notifications push, des messages intégrés à l'application, des SMS et des e-mails.

"En fin de compte, chacune de ces interactions en dehors des utilisateurs inconnus, je peux suivre et comprendre et finalement optimiser", a déclaré Stephens.

Favoriser l'orientation client grâce à une évaluation au niveau de l'utilisateur

Selon Stephens, l'orientation client se concentre sur les besoins actuels et futurs d'un ensemble sélectionné de clients afin de maximiser la valeur à long terme pour l'entreprise.

Cela se résume à la règle des 80:20, a déclaré Stephens.

« Vous vous concentrez sur les 20 % de clients qui génèrent 80 % de vos revenus en comprenant vraiment qui sont ces utilisateurs», a-t-il déclaré.

Voici une ventilation des différentes formes de valeurs client :

• RCV – valeur client réalisée : la valeur de ce client aujourd'hui.
• RLV – valeur à vie restante : fidéliser ce client dans le futur.
• CLV – valeur à vie du client – ​​c'est la combinaison de RCV et RLV et c'est la valeur de votre consommateur pour une période de temps indéterminée. Combien êtes-vous prêt à payer pour acquérir ce client ? Par exemple, si la valeur à vie d'un client est de 500 $, vous serez peut-être prêt à payer 200 à 300 $ pour l'acquérir.

Étude de cas RCV : startup de la Silicon Valley

Dans un rôle précédent, Stephens a travaillé pour une startup, qui avait levé 40 millions de dollars, comptait 2 millions de followers sur Facebook et 10 millions de membres.

Cependant, le pourcentage de clients était un peu plus petit et le RCV était dans les dizaines et les milliers de dollars négatifs. Stephens s'est demandé comment il était possible d'avoir des clients à valeur négative.

D'après l'analyse des données, son équipe a découvert qu'au niveau des utilisateurs, beaucoup étaient des échanges et des retours en série. Grâce à la métrique RCV spécifique, l'équipe a pu modifier immédiatement les politiques d'expédition et d'échange de l'entreprise, entraînant des économies supplémentaires pour l'entreprise.

Étude de cas sur l'analyse de clustering : Fox Broadcasting

À l'aide d'une méthodologie statistique appelée clustering, Stephens a pu identifier les visiteurs du site Web de Fox qui se ressemblaient tous d'une manière spécifique.

Tout d'abord, il a rassemblé l'équivalent d'un an de données d'analyse Adobe et les a regroupés.

L'équipe recherchait des indicateurs de valeur qui faisaient de l'entreprise (dans ce cas, les consommateurs qui regardent des vidéos) (les accros de la surveillance) une source principale de monétisation.

En utilisant le clustering et un algorithme spécifique appelé algorithme de maximisation de l'excitation (EM), ils ont commencé à voir des modèles de comportement. Quatre grands types d'utilisateurs ont commencé à émerger au sein de l'écosystème.

1. Les accros de la surveillance : personnes ayant des visites fréquentes, revenant sur le site Web et générant le nombre de vues des publicités vidéo. Ce groupe était considéré comme des consommateurs de grande valeur sur la courbe d'évaluation, car ils généraient des dollars publicitaires supplémentaires.

2. Les observateurs occasionnels

3. Le groupe international

4. Le groupe passif

Après s'être concentrée sur les accros de la surveillance, l'équipe a examiné leur récence et leur fréquence.

« Que pourrions-nous apprendre sur leur comportement ? Nous avons pris cette idée, puis avons commencé à tester. L'aperçu a ensuite été utilisé pour tester un petit sous-ensemble d'observateurs occasionnels dans le but de les amener à devenir des accros de la montre.

« On aurait pu s'arrêter là. Mais nous ne l'avons pas fait », a déclaré Stephens.

Les données ont montré que les utilisateurs passifs ne consommaient pas beaucoup de vidéo, mais qu'ils avaient un nombre de visites élevé. L'équipe a découvert qu'après être immédiatement arrivée sur le site Web de Fox, la deuxième page qu'elle a visitée était le calendrier.

« En fait, ils utilisaient fox.com comme un guide télé géant. Cela a renversé la courbe d'évaluation. Cela nous a permis de comprendre le comportement des utilisateurs passifs et comment les tester.

Après avoir créé un segment à chaque fois qu'un utilisateur passif venait sur le site Web, le programme de l'émission préférée de l'utilisateur était placé sur la page d'accueil.

L'équipe de Stephens est ensuite allée plus loin avec une collecte d'e-mails pour une alerte automatisée.

Étude de cas sur le développement de l'audience : American Apparel

Facebook a été le pionnier des audiences personnalisées il y a plusieurs années. Il permet aux spécialistes du marketing de prendre quatre variables principales : l'e-mail, le numéro de téléphone, une idée d'appareil ou un cookie et de l'intégrer à Facebook et de cibler ces consommateurs à travers un certain nombre de dimensions. Il est désormais également disponible sur d'autres plateformes telles qu'Instagram, Twitter et Google Customer Match.

Dans cet exemple, American Apparel souhaitait améliorer les taux d'abandon de panier. « Grâce à Oracle, nous savons quand quelqu'un fait une annonce dans le panier. Littéralement en quelques secondes s'il rebondit, au lieu de recevoir un e-mail, ils reçoivent une annonce reciblée sur Facebook. Cela peut aller jusqu'à la milliseconde.

Stephens a déclaré que le retour sur ces campagnes de CRM social est 30 fois supérieur au retour sur les dépenses publicitaires.

Dans un autre exemple, American Apparel a utilisé les données pour rechercher des abonnés aux e-mails inactifs, des consommateurs qui n'avaient pas interagi avec le site Web ou ouvert un e-mail pendant un certain temps. Ces campagnes de réengagement ont été diffusées sous forme d'e-mails ou via Facebook, en les ciblant avec des remises.

L'avenir du commerce de détail

À quoi ressemble l'avenir du marketing chez American Apparel ? Stephens se concentre sur un certain nombre de domaines.

Omnicanal

Le marketing omnicanal est à l'intersection du commerce de détail et du numérique. Par exemple, un consommateur marche dans la rue et lorsqu'il passe devant un magasin, il reçoit une notification push qui le conduit dans le magasin pour un achat. Cette attribution omnicanale crédite à la fois les canaux numériques et de vente au détail pour une vente.

IoT et RFID

La RFID est une puce qui peut être intégrée à l'étiquette de chaque vêtement. Chez American Apparel, cette technologie a été déployée dans le monde entier dans 200 magasins et 15 millions d'étiquettes. Il permet à une équipe marketing de suivre et de comprendre les niveaux d'inventaire mondiaux en temps réel.

La prochaine étape consiste à déterminer comment il peut être utilisé pour améliorer l'expérience client et générer des revenus. American Apparel expérimente actuellement avec des appareils mobiles des liens vers des publicités sur un panneau d'affichage ou un arrêt de bus à l'aide de puces NFC. Si le consommateur aime l'annonce, il appuie sur son téléphone pour démarrer une conversation avec un bot de texte. L'utilisateur peut poser des questions sur les couleurs ou les tailles, puis savoir si ce produit personnalisé spécifique est disponible dans un magasin à proximité.

Sur demande avec Postmates

Récemment, American Apparel a lancé une campagne de livraison à la demande avec Postmates aux États-Unis. Les consommateurs pouvaient commander un sweat à capuche et le faire livrer dans les 60 minutes.

« L'adoption par les consommateurs est-elle là ? Pas encore, mais ça y arrive », a déclaré Stephens. Il a souligné la culture « incontournable maintenant » des milléniaux et pense que la livraison à la demande est la voie de l'avenir.

Plats à emporter

Les principaux points à retenir de Stephens sont les suivants :

1. Évaluer la maturation des données organisationnelles

2. Conduire l'entreprise vers des mesures et des métriques centrées sur le client

3. Tester et apprendre - segmenter les utilisateurs à CLV élevé et tester les hypothèses pour déplacer les utilisateurs à faible valeur vers les segments à plus haute valeur

« Testez et apprenez tout. Si vous comprenez vos clients de grande valeur, demandez ce que vous pouvez apprendre à leur sujet, puis testez vos consommateurs de faible et moyenne valeur pour les amener à devenir élevés.

4. Le traitement à la demande est l'avenir du commerce de détail

Petits budgets

Un gros budget n'est pas essentiel pour comprendre les valeurs d'une vie, a déclaré Stephens.

« De nombreux modèles sont disponibles gratuitement. Tant que vous disposez de vos enregistrements transactionnels provenant de votre moteur de commerce électronique ou de votre point de vente, vous disposez de toutes les données dont vous avez besoin. La récence et la fréquence peuvent devenir un peu risquées, mais en général, vous devriez avoir ce dont vous avez besoin – un horodatage et un enregistrement transactionnel.