时装店的忠实顾客会错过网上常规销售人员的关注和认可。您如何使用客户数据在网上商店提供相同的个性化体验？对于 Fanbase.pro 和 Piet Zoomers 来说，答案在于人工智能和电子邮件营销的结合。
时尚连锁店Piet Zoomers在其网上商店和荷兰的 8 家商店中销售 150 个顶级品牌。忠诚度计划已建立了庞大的客户数据库。此外，Piet Zoomers 还通过促销和新闻通讯注册收集了大量电子邮件地址。 Piet Zoomers 营销和传播主管 Susan Delver 表示：“我们希望将这两个文件链接起来，以便我们能够高效地处理它们，并更轻松地对它们进行细分。” “我们带着这个问题去了Fanbase.pro。”
根据 Fanbase.pro 共同所有人 Aljoscha Gielkens 的说法，第一步是查看数据存储在哪里。 “原来是 Copernica，即电子商务平台和收银系统。然后，我们以这样的方式设置软件，以便所有购买行为（包括实体店和网上交易）都集中在一个系统中。这使我们能够确定触发电子邮件的实际转换。以前，店内购买不包含在转换内，但现在可以包括在内。例如，Piet Zoomers 通过电子邮件邀请顾客持卡人到店进行预售。这项投资的收益现已非常清楚。同时，电子邮件营销活动可以更加有效地部署。有准确的回报数字，可以让你更好地监控营销活动，衡量绩效，并将这些知识用于未来的活动。”
何时、多久、多少
客户数据库根据 RFM 模型进行细分：最近一次购买时间、购买频 土耳其 WhatsApp 数据 率和购买金额，换句话说：客户上次购买商品是什么时候，他们多久购买一次以及花费了多少钱？由此，Piet Zoomers 确定了八个群体：顶级客户、大额消费者、常客、新客户、新潜在客户、老忠诚的“消费者”、常客“好久不见”的顾客和重新激活的顾客。 Piet Zoomers 案例的特别之处在于，这家时尚连锁店将其营销预算的很大一部分用于保留客户。 Aljoscha 表示：“你经常会看到时尚零售商主要注重吸引新客户，但一年后数据库中却充满了不活跃的客户。” “在 Piet Zoomers，消费的重点是忠实的购物者。这意味着一个忠诚的、因而活跃的数据库。”
提到的客户群体又可以分为产品类别、品牌偏好、喜爱的商店等。 “有很多可能性，但我们决定慢慢开始，”苏珊说。 “每周我们都会根据对特定产品组和品牌的兴趣进行选择。 Copernica 的分层数据库结构非常适合这一点。符合这些条件的客户将收到相应的新闻通讯。这会带来更高的打开率和良好的转化率，并节省运输成本，从而使回报率更高。这让我们终于意识到以前熟悉的群发电子邮件是无效的。我们已经为数据库营销的下一步做好了准备。”
类似受众
Fanbase.pro 目前使用可用数据通过显示使用历史购买行为的建议来改善网上商店的交叉销售。 “如果某个组合被最低比例的顾客购买了x次，我们就会在网站上显示它。这使得交叉销售增加了 50%，”Aljoscha 说道。 “通过应用相似受众算法，你可以走得更远。它比较顾客的购买行为并对需求做出预测。这样，你就可以非常有针对性地定位目标客户，例如，针对那些对 Hugo Boss 西装感兴趣的客户群体，即使他们之前从未购买过。如果您使用模式行为算法，情况会变得更好。假设某人每个季节都会购买一套 Hugo Boss 西装。在时尚行业，产品具有季节性，因此你无法提供完全相同的西装。但是，您可以建立历史购买和当前范围之间的关系，从而在一对一个性化的电子邮件活动中提供最合适的产品。”
“如果一切顺利的话，夏天过后我们就能做好准备。”苏珊说。 “然后，我们可以根据购买数据设置具有动态内容的电子邮件活动。除了当前的活动外，我们还将发送这些邮件。”