Pakaian Amerika: mendorong sentrisitas pelanggan di dunia omnichannel

Chief digital officer American Apparel membahas masa depan ritel, pentingnya memberikan nilai kepada konsumen, dan strategi untuk dunia IoT dan omnichannel.

Thoryn Stephens, chief digital officer, American Apparel, berbicara di ClickZ Live Hong Kong di mana ia menyampaikan presentasi utama tentang bagaimana pemasar dapat mendorong nilai bagi konsumen menggunakan data dan teknologi. Berikut caranya:

Bagaimana kita mendefinisikan nilai, bagaimana kita mengukur nilai dan bagaimana kita mendorong nilai?

Stephens selalu ingin menjadi bintang rock. Sebaliknya ia menjadi ahli biologi molekuler. Pendekatan ilmiah untuk menganalisis data inilah yang akhirnya membawanya pada tahun 2003 untuk menautkan akun Google Analytics dengan Ad Words dan Salesforce untuk upaya pertamanya dalam memahami perilaku konsumen.

Hal ini pada gilirannya telah menyebabkan peran dengan startup Silicon Valley, penyiar televisi dan hari ini, sebagai CDO di American Apparel.

“Sebagai mantan ilmuwan, semua yang saya lakukan didasarkan pada pengukuran,” kata Stephens.

Dia percaya dia menerima lebih banyak dana daripada kepala departemen lain karena dia mampu menunjukkan bagaimana segala sesuatu diukur. Dia juga percaya bahwa sebagian dari kesuksesannya adalah karena memiliki tim teknologinya sendiri.

Menurut Stephens, untuk mengarahkan lalu lintas dari akuisisi ke konversi, pemasar harus:

• Pahami pengalaman konsumen
• Optimalkan melalui pengujian dan pembelajaran
• Kembangkan strategi retensi

Elemen dasar dari semua ini adalah teknologi dan ilmu data.

Untuk memulai, organisasi perlu memahami di mana mereka berada dalam kurva pematangan data.

Empat langkah dari kurva pematangan data adalah:

1. Mengumpulkan data yang benar

2. Melaporkan data dan mendorong wawasan

3. Pengujian hipotesis (dan mengembangkan pendekatan tes dan belajar)

4. Analisis prediktif

Setiap tahap pada kurva menjadi lebih kompleks, tetapi secara bersamaan meningkatkan potensi dampak bisnis, semakin jauh di sepanjang kurva yang dicapai organisasi.

Status dan profil pengguna

Stephens melihat dunia dalam tiga dimensi utama:

• Pengguna yang tidak dikenal
• Pengguna anonim
• Pengguna yang dikenal

Masing-masing dimensi tersebut memiliki nilai. Setelah pengguna diidentifikasi, tujuannya adalah untuk mengarahkan konsumen dari pengguna yang tidak dikenal atau anonim, ke pengguna yang dikenal.

Pengguna yang tidak dikenal

Selama waktunya di Fox Broadcasting, Stephens bertanggung jawab untuk membangun strategi pengoptimalan ilmu data pertama bisnis tersebut. Saat itu, dia sedang mengerjakan merek The Simpsons . Itu memiliki lebih dari 70 juta suka (pengguna tidak dikenal) di halaman Facebook-nya, tetapi sebagai perbandingan, CRM kecil (pengguna yang dikenal).

Tantangan utamanya adalah mengubah pengguna yang tidak dikenal ini menjadi pengguna yang dikenal. Dengan menggunakan aplikasi Facebook, seperti undian, Stephens dan timnya melibatkan pengguna dan memberi mereka insentif untuk berbagi alamat email. Dengan alamat email, pengguna yang tidak dikenal menjadi yang dikenal.

Pengguna anonim

Pengguna anonim adalah pengguna yang mungkin di-cookie misalnya. Ada profil dasar seputar perilaku atau lokasi geografis, tetapi tidak diketahui secara pasti siapa mereka.

Dengan menggunakan penargetan ulang, pemasar dapat mulai menyesuaikan konten untuk konsumen ini dan mendorong mereka menjadi pengguna yang dikenal. Hal ini dapat dicapai dengan mendorong mereka untuk:

• mendaftar untuk sebuah acara
• melakukan pembelian
• unduh aplikasi (dengan pendaftaran)

Pengguna yang dikenal

Setelah pengguna menjadi pengguna yang dikenal, semua jenis data dapat ditarik pada mereka.

“Pada akhirnya Anda dapat mendorong nilai tertinggi dari mereka tidak hanya sebagai konsumen, tetapi sekarang sebagai merek juga, karena Anda menyesuaikan pengalaman dengan pengguna individu yang dikenal itu,” kata Stephens.

Dengan mengidentifikasi pengguna dengan cara ini, mereka juga dapat ditargetkan dengan lebih baik di seluruh saluran.

• Pengguna yang tidak dikenal dapat ditargetkan dengan TV dan video.
• Pengguna anonim melalui penargetan ulang berdasarkan pengalaman situs dengan iklan.
• Pengguna yang dikenal dengan aplikasi, pemberitahuan push, pesan dalam aplikasi, SMS, dan email.

“Pada akhirnya, setiap interaksi ini di luar pengguna yang tidak dikenal, saya dapat melacak dan memahami dan akhirnya mengoptimalkan,” kata Stephens.

Mendorong sentrisitas pelanggan melalui penilaian tingkat pengguna

Menurut Stephens, customer centricity berfokus pada kebutuhan saat ini dan masa depan dari sekumpulan pelanggan terpilih untuk memaksimalkan nilai jangka panjang bagi bisnis.

Itu datang ke aturan 80:20, kata Stephens.

“Anda berfokus pada 20% pelanggan yang mendorong 80% pendapatan Anda dengan benar-benar memahami siapa pengguna tersebut,” katanya.

Berikut ini rincian berbagai bentuk nilai pelanggan:

• RCV – menyadari nilai pelanggan: Nilai pelanggan ini hari ini.
• RLV – sisa nilai seumur hidup: Mempertahankan pelanggan ini di masa depan.
• CLV – nilai umur pelanggan – ini adalah kombinasi dari RCV dan RLV dan merupakan nilai konsumen Anda untuk jangka waktu yang tidak ditentukan. Berapa banyak yang bersedia Anda bayar untuk mendapatkan pelanggan ini? Misalnya, jika nilai seumur hidup pelanggan adalah $500, mungkin Anda akan bersedia membayar $200-$300 untuk mendapatkannya.

Studi kasus RCV: Startup Silicon Valley

Dalam peran sebelumnya, Stephens bekerja untuk sebuah startup, yang telah mengumpulkan $40 juta, memiliki 2 juta pengikut Facebook dan 10 juta anggota.

Namun persentase pelanggan sedikit lebih kecil, dan RCV berada di negatif puluhan dan ribuan dolar. Stephens bertanya-tanya bagaimana mungkin memiliki pelanggan dengan nilai negatif.

Dari analisa data, timnya menemukan di level pengguna, banyak yang serial exchange dan returner. Melalui metrik RCV khusus, tim dapat segera mengubah kebijakan pengiriman dan pertukaran perusahaan, mendorong penghematan tambahan pada bisnis.

Studi kasus analisis pengelompokan: Fox Broadcasting

Menggunakan metodologi statistik yang disebut pengelompokan, Stephens mampu mengidentifikasi pengunjung ke situs web Fox yang semuanya serupa dalam serangkaian cara tertentu.

Pertama, dia mengumpulkan data analitik Adobe selama satu tahun dan mengelompokkannya.

Tim mencari metrik nilai yang mendorong bisnis – dalam hal ini konsumen yang menonton video – (watchaholics) sebagai sumber utama monetisasi.

Menggunakan pengelompokan dan algoritma khusus yang disebut algoritma maksimalisasi eksitasi (EM), mereka mulai melihat pola perilaku. Empat jenis pengguna utama mulai muncul di dalam ekosistem.

1. Watchaholic : orang dengan frekuensi kunjungan tinggi, kembali ke situs web dan mendorong penayangan iklan video. Kelompok ini dianggap sebagai konsumen bernilai tinggi pada kurva penilaian karena mereka mendorong dolar iklan tambahan.

2. Pengamat biasa

3. Grup internasional

4. Kelompok pasif

Setelah fokus pada watchaholic, tim melihat keterkinian dan frekuensi mereka.

“Apa yang bisa kita pelajari tentang perilaku mereka? Kami mengambil wawasan itu dan kemudian mulai menguji.” Wawasan itu kemudian digunakan untuk menguji sekelompok kecil pengamat biasa dengan tujuan mendorong mereka menjadi pecandu jam.

“Kita bisa saja berhenti di sana. Tapi kami tidak melakukannya,” kata Stephens.

Data menunjukkan bahwa pengguna pasif tidak banyak mengonsumsi video tetapi memiliki jumlah kunjungan yang tinggi. Tim menemukan bahwa setelah segera datang ke situs Fox, halaman kedua yang mereka kunjungi adalah jadwal.

“Mereka sebenarnya menggunakan fox.com sebagai panduan TV raksasa. Ini membalik kurva penilaian di kepalanya. Itu memungkinkan kami untuk memahami perilaku pengguna pasif dan cara menguji mereka.”

Setelah membuat segmen setiap kali pengguna pasif datang ke situs web, jadwal acara favorit pengguna ditempatkan di beranda.

Tim Stephens kemudian mengambil langkah lebih jauh dengan pengumpulan email untuk peringatan otomatis.

Studi kasus pengembangan audiens: Pakaian Amerika

Facebook memelopori audiens khusus beberapa tahun yang lalu. Ini memungkinkan pemasar untuk mengambil empat variabel utama: email, nomor telepon, ide perangkat atau cookie dan memasukkannya ke Facebook dan menargetkan konsumen tersebut melalui sejumlah dimensi. Sekarang juga tersedia di platform lain seperti Instagram, Twitter, dan Google's Customer Match.

Dalam contoh ini, Pakaian Amerika ingin meningkatkan tingkat pengabaian keranjang. “Melalui Oracle, kami tahu kapan seseorang memasang iklan ke keranjang. Secara harfiah dalam hitungan detik jika terpental, alih-alih mendapatkan email, mereka mendapatkan iklan yang ditargetkan ulang di Facebook. Itu bisa turun ke milidetik. ”

Stephens mengatakan pengembalian dari kampanye CRM sosial ini adalah 30 kali lipat dari laba atas belanja iklan.

Dalam contoh lain, Pakaian Amerika menggunakan data untuk mencari pelanggan email yang tidak aktif – konsumen yang tidak berinteraksi dengan situs web atau membuka email selama periode waktu tertentu. Kampanye re-engagement ini didistribusikan sebagai email atau melalui Facebook, menargetkan mereka dengan diskon.

Masa depan ritel

Seperti apa masa depan pemasaran di American Apparel? Stephens berfokus pada sejumlah bidang.

Multisaluran

Pemasaran omnichannel adalah persimpangan ritel dan digital. Misalnya, seorang konsumen sedang berjalan di jalan dan saat mereka berjalan melewati toko, mereka menerima pemberitahuan push yang mengarahkan mereka ke toko untuk melakukan pembelian. Atribusi omnichannel ini mengkredit saluran digital dan ritel untuk penjualan.

IoT dan RFID

RFID adalah chip yang dapat disematkan di tag setiap pakaian. Di American Apparel, teknologi ini telah diterapkan secara global di 200 toko dan 15 juta tag. Ini memungkinkan tim pemasaran untuk mengikuti dan memahami tingkat inventaris waktu nyata global.

Langkah selanjutnya adalah menetapkan bagaimana hal itu dapat digunakan untuk meningkatkan pengalaman konsumen dan mendorong pendapatan. American Apparel saat ini sedang bereksperimen dengan perangkat seluler yang menautkan ke iklan di papan reklame atau halte bus menggunakan chip NFC. Jika konsumen menyukai iklan tersebut, mereka mengetuk ponsel mereka untuk memulai percakapan bot teks. Pengguna dapat mengajukan pertanyaan tentang warna atau ukuran dan kemudian mencari tahu apakah produk khusus tersebut tersedia di toko terdekat.

Sesuai permintaan dengan Postmates

Baru-baru ini, American Apparel menjalankan kampanye pengiriman berdasarkan permintaan dengan Postmates di Amerika Serikat. Konsumen dapat memesan hoodie dan mengirimkannya dalam waktu 60 menit.

“Apakah adopsi konsumen ada? Belum tetapi sudah sampai di sana, ”kata Stephens. Dia menyoroti budaya milenium yang "harus dimiliki sekarang" dan percaya pada pengiriman permintaan adalah cara masa depan.

Takeaways

Takeaways utama Stephens adalah sebagai berikut:

1. Evaluasi pematangan data organisasi

2. Dorong bisnis menuju pengukuran dan metrik yang berpusat pada pelanggan

3. Uji dan pelajari – segmentasikan pengguna CLV tinggi dan uji hipotesis untuk memindahkan pengguna bernilai rendah ke segmen bernilai lebih tinggi

“Uji dan pelajari semuanya. Jika Anda memahami pelanggan bernilai tinggi Anda, tanyakan apa yang dapat Anda pelajari tentang mereka, dan kemudian uji konsumen bernilai rendah dan menengah Anda untuk mendorong mereka menjadi tinggi.”

4. Pemenuhan permintaan adalah masa depan ritel

Anggaran kecil

Anggaran besar tidak penting untuk memahami nilai seumur hidup, kata Stephens.

“Banyak model yang tersedia secara gratis. Selama Anda memiliki catatan transaksi yang keluar dari mesin e-niaga, atau tempat penjualan, Anda memiliki semua data yang Anda butuhkan. Keterkinian dan frekuensi mungkin sedikit tidak pasti, tetapi umumnya Anda harus memiliki apa yang Anda butuhkan – cap waktu dan catatan transaksi.”