Overslaan en naar hoofdinhoud gaan

Omoda

Data samenvoegen om de klant beter te begrijpen

Image
+109%
Doorklikpercentage
-45%
Kosten per conversie

Omoda is een familiebedrijf met passie voor schoenen sinds 1875. Zoals je je kunt voorstellen, was winkelen aan het begin van de vorige eeuw een andere aangelegenheid dan vandaag de dag. Het draaide toen vooral om de ervaring in de winkel: dat was de enige mogelijkheid om een aankoop te doen. Tegenwoordig verloopt het aankoopavontuur van de meeste consumenten via verschillende kanalen met touchpoints die zowel offline als online zijn. Dit maakt de uitdaging groter om de beoogde doelgroep te bereiken en te verbinden aan een merk, zoals vroeger. Daarom wendde Omoda zich tot Dept om hulp te krijgen bij het verenigen van databronnen, om de hedendaagse consument beter te begrijpen en hun search-marketingstrategie opnieuw uit te vinden voor groei in de toekomst.

Navigeren door het huidige digitale ecosysteem

De schoenenindustrie is zeer competitief en vereist grondige kennis, ervaring en een persoonlijke touch om concurrentie een stap voor te zijn – iets waar Omoda in gespecialiseerd is. Maar het kan zelfs voor een topspeler als Omoda een uitdaging zijn om aan de top te blijven, voornamelijk door de overweldigende hoeveelheid beschikbare data en inzichten waar de concurrentie elkaar mee probeert af te troeven. Het is dus zaak om in het huidige, digitale tijdperk alle beschikbare data slim én gecentraliseerd in te zetten.

Image
Image
Image

SAMENBRENGEN VAN DATABRONNEN OM KLANTBEHOEFTEN BETER TE BEGRIJPEN

Online en offline data samenvoegen

Om een volledig beeld te krijgen van de (potentiële) klanten van het merk, was het belangrijk om te weten wat ze zowel on- als offline doen. Daarom was de eerste stap van het proces om de data van het schoenenimperium te centraliseren en van een ongrijpbaar en gescheiden naar een compleet en schaalbaar consumentenprofiel te gaan. Om dit mogelijk te maken, hebben we Google Cloud Platform gebruikt als het belangrijkste Customer Data Platform (CDP) waar alle databronnen samenkomen. We hebben data uit Google Analytics 360, point of sales-databases en klantgegevens uit het Customer Relationship Management-systeem (CRM) van Omoda gecombineerd. Het platform wordt ook dagelijks ververst om het bedrijf de meest actuele resultaten te bieden. Zo biedt de CDP Omoda een continu-groeiende database met meer dan 10 miljoen consumentenprofielen, die zowel bezoekers als klanten, en hun gedrag online, offline en in termen van rendement, vertegenwoordigen. Hierdoor kan het merk een volledig overzicht van zijn klanten zien in plaats van slechts één onderdeel.

Datagedreven profielen

Onze volgende stap was om de data te verrijken met inzichten die alleen konden worden verzameld met behulp van machine learning-technieken. Daarom hebben we een k-means clustering-algoritme geïmplementeerd dat in staat was om organisch bestaande profielgroepen te vinden. Het k-means clustering-algoritme gaf ons informatie over het optimale aantal groepen van vergelijkbare (potentiële) klanten, waarbij de groepen genoeg van elkaar verschillen en tegelijkertijd voldoende vergelijkbaar zijn om gegroepeerd te kunnen worden. Op basis van de resultaten van het cluster-algoritme hebben we de groepen geanalyseerd door de cijfers en de verschillen in scores voor alle functies te analyseren. Om een simpel voorbeeld te geven, we hebben vastgesteld dat klanten zich online oriënteren en offline kopen, waardoor ze omni-channelshoppers worden.

Deze aanpak resulteerde in het creëren van profielen zoals Loyalists, Omni-channelshoppers, Windowshoppers, Heavy Returning-shoppers en Family-shoppers. Allen met hun eigen gedragspatronen, toegewezen aan elke individuele klant of bezoeker van Omoda aanwezig in de CDP-database. Met de huidige opzet kan Omoda in realtime voor elke individuele bezoeker voorspellen wie het meest geschikt is voor communicatie en targeting binnen de search-campagnes, social advertising en/of nieuwsbrieven. Ook kan de website, indien nodig, worden aangepast aan de bezoeker.

Profielen toepassen op zoekmachinemarketing

Om de profielen te gebruiken voor marketing-communicatiedoeleinden en om de website op een schaalbare manier aan te passen, moesten we nog een bouwsteen toevoegen. Deze bouwsteen bestaat uit een voorspellend TensorFlow-model dat we hebben toegepast op de verrijkte data, met daarin de profielen per klant en hun gedrag. We hebben het model geleerd om een profiel te voorspellen op basis van nieuwe input. Omdat deze voorspellingen beschikbaar zijn op CDP, kunnen zowel SEA- als CRO-specialisten bij Omoda beginnen met het aanpassen van marketinguitingen en websites op basis van een datagestuurd 360-profiel.

Omdat er een overzicht is van het aanbod en het rendement van Omoda via de CDP, is bovendien besloten om de search-campagnes volledig feed-based te maken. Dit betekent dat alle zoekwoorden en advertenties dynamisch worden gemaakt en onderbroken worden op basis van het huidige Omoda-aanbod. Als gevolg hiervan zijn de advertenties actueler en relevanter geworden, waardoor de CTR met meer dan 25% is gestegen (gemiddeld 16% op zoekadvertenties) en de CPC met meer dan 25% is gedaald ten opzichte van dezelfde periode vorig jaar.

Persoonlijker, slimmer en centraler

Ons team verenigde alle databronnen, waardoor offline winkelgedrag kon worden gekoppeld aan online gedrag op de website. Door datacentralisatie via de CDP kent Omoda haar klanten nu beter dan ooit tevoren. Door het campagnebeheer te automatiseren, heeft het merk meer controle over hun advertentie-investeringen en kunnen ze de prestaties sneller verbeteren. Ze zijn nu in staat om op een meer gepersonaliseerde manier tegemoet te komen aan de behoeften van de consument en hun merkboodschap hierop aan te passen.

Image

Deze mensen weten alles van dit project