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.<\/p>\n
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.<\/p>\n
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 \u2018heeft in het buitenland gereisd\u2019, \u2018blijft thuis\u2019 of \u2018opleidingsniveau\u2019. 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.<\/p>\n
Dus wat kunnen merken doen?<\/p>\n<\/div>
Start segmentatie met persona's<\/h2><\/div>E\u00e9n oplossing ligt in het cre\u00ebren van fictieve persona's - op maat gemaakte segmenten op basis van de kenmerken en waarden van verschillende \u2018types\u2019 consumenten. Dergelijke persona's zijn zeer specifiek voor elk bedrijf en kunnen zo gevarieerd zijn als \u2018logoverslaafde\u2019 in de luxe tot \u2018couponklipper\u2019 of \u2018mama uit de voorsteden\u2019 in de detailhandel.<\/p>\n
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 \u2018Quick shoppers\u2019 (mensen die het belangrijk vinden om producten effici\u00ebnt te krijgen en gericht zijn op dagelijkse behoeften), of \u2018Bargain Hunters\u2019 (mensen die reageren op promoties en lage prijzen).<\/p>\n
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 \u2018achterdeurtjes\u2019 bevatten waarmee gebruikers consumenten kunnen herclassificeren en persona's kunnen ontwikkelen als hun gedrag verandert (bijvoorbeeld \u2018koopjesjagers\u2019 kunnen \u2018snelle shoppers\u2019 worden).<\/p>\n<\/div>