Personalisatie kraken in China.

Als 's werelds grootste smartphonemarkt heeft China 1,4 miljard consumenten - met 1.6 miljard smartphone-abonnementen. Chinezen gebruiken hun telefoon om te chatten, eten te bestellen, video's te bekijken, foto's te maken, rekeningen te betalen en vooral om te winkelen.

Deze nieuwe, rijke, verfijnde consumenten verwachten en willen gepersonaliseerde, één-op-één interacties met de merken waar ze de voorkeur aan geven. Maar hoe kan dit niveau van personalisatie worden bereikt in een land met zoveel consumenten? Hoe bouwt u aan het ongrijpbare segment-van-één?

De mogelijkheid om beschikbare data te gebruiken om de juiste aanbieding op het juiste moment aan de juiste klant te leveren, is de heilige graal voor elk merk. De sleutel tot dit soort gepersonaliseerde service is de capaciteit om grote hoeveelheden data tegen lage kosten te verwerven, op te slaan en te verwerken.

China loopt wat dat laatste betreft voorop, maar moet nog beter worden op het gebied van marktsegmentatie. Traditionele segmentaties zijn hier statisch, moeilijk bij te werken en onverenigbaar met consumenten die altijd online zijn.

Neem bijvoorbeeld een typisch voorbeeld uit de FMCG-wereld. In een geval dat we onlangs bekeken, gebruikte een wereldwijd FMCG-bedrijf in China segmentatiedimensies zoals ‘heeft in het buitenland gereisd’, ‘blijft thuis’ of ‘opleidingsniveau’. Hoewel deze segmenten logisch waren voor het bedrijf, waren ze niet schaalbaar; andere mediateams hadden niet dezelfde informatie binnen hun doelgroep. Het gevolg was dat de segmentaties niet gebruikt konden worden en dat basisniveaus van gepersonaliseerde communicatie onmogelijk waren.

Dus wat kunnen merken doen?

Eén oplossing ligt in het creëren van fictieve persona's - op maat gemaakte segmenten op basis van de kenmerken en waarden van verschillende ‘types’ consumenten. Dergelijke persona's zijn zeer specifiek voor elk bedrijf en kunnen zo gevarieerd zijn als ‘logoverslaafde’ in de luxe tot ‘couponklipper’ of ‘mama uit de voorsteden’ in de detailhandel.

Om deze segmenten te ontwikkelen, hoeven merken alleen maar te kijken naar de data die hun consumenten achterlaten. Het proces begint met het groeperen van consumenten op basis van hun klaarblijkelijke gedrag. Supermarkten zouden hun consumenten bijvoorbeeld kunnen segmenteren als ‘Quick shoppers’ (mensen die het belangrijk vinden om producten efficiënt te krijgen en gericht zijn op dagelijkse behoeften), of ‘Bargain Hunters’ (mensen die reageren op promoties en lage prijzen).

Nadat ze op deze manier gegroepeerd zijn, kunnen merken archetypische consumenten identificeren en steekproeven invoeren in AI-engines om ze na verloop van tijd te testen en ervan te leren. Cruciaal is dat de meest effectieve AI-engines ook ‘achterdeurtjes’ bevatten waarmee gebruikers consumenten kunnen herclassificeren en persona's kunnen ontwikkelen als hun gedrag verandert (bijvoorbeeld ‘koopjesjagers’ kunnen ‘snelle shoppers’ worden).

Een ander nuttig segmentatietype is segmentering op basis van levensfase. Levensfase segmentatie categoriseert mensen in segmenten op basis van waar ze zich in hun levenscyclus bevinden; deze benadering vereist over het algemeen een combinatie van socio-demografische en transactie data verzameling.

Een voedingsbedrijf kan bijvoorbeeld een dienst aanbieden om het gewicht van kinderen bij te houden en feedback te geven over hun vooruitgang. In de loop der jaren kan het informatie verzamelen over de leeftijd van de kinderen en de gezinsleden dienovereenkomstig labelen, en vervolgens de gezinnen relevante berichten sturen naarmate de kinderen ouder worden.

Tot slot geeft segmentatie op basis van betrokkenheid aan waar de consument zich in zijn beslissingstraject bevindt. Dit wordt ook wel Awareness-Interest-Purchase of Cold-Warm-Hot genoemd. Veel toonaangevende ecosystemen in China, die samenwerken met spelers die gespecialiseerd zijn in het extraheren van data, volgen consumenten nu tijdens hun reis en kunnen hen specifiek benaderen met steeds persoonlijkere boodschappen.

Om een segment-of-one targeting te bereiken, moeten marketeers dus een top-down benadering combineren die persona's, levensfasen en engagementsegmentaties structureert met een bottom-up benadering die de structuren valideert en nieuwe dimensies (‘tags’) levert om te testen.

De sleutel is om klein te beginnen en het juiste verwachtingsniveau in te stellen: houd de opwinding in het begin laag en richt u op het leveren van positieve zakelijke impact. Dit houdt zeker in dat er een multifunctioneel team moet worden samengesteld dat marketing, verkoop, data en IT combineert en dat weet hoe prioriteiten moeten worden gesteld op basis van de bedrijfsbehoeften.

Als het team er eenmaal is, kunnen marketeers beginnen met testen en leren, de complexiteit geleidelijk verbeteren, de verbetering meten en weten wanneer ze moeten stoppen met experimenteren en opschalen om de resultaten te verzilveren.

China mag dan een voorsprong op de wereld hebben als het gaat om data overvloed en volwassenheid op het gebied van machine learning en AI, maar de meeste bedrijven daar proberen personalisatie nog steeds te kraken. Hoewel er uitgebreide testen en iteraties van leren nodig zijn om het uiteindelijke doel van segment-of-one te bereiken, hebben bedrijven die al aan deze reis begonnen zijn een sterk concurrentievoordeel.