Vad är personalisering i e-handel och varför är den viktig för återkommande kunder?
Personalisering betyder att du använder det du vet om en kund för att visa något annat än det du visar en främling. Den kunden tittade på vinterjackor förra månaden. Den kunden la i genomsnitt femtio dollar per order. Den kunden bor i ett klimat där hen behöver kläder som tål väder. Varje sådan uppgift gör att du kan anpassa vad du visar.
Återkommande kunder är dina mest värdefulla kunder. De har redan bestämt sig för att de litar tillräckligt på ditt varumärke för att köpa en gång. Att få dem att köpa igen är billigare än att skaffa en ny kund. Varje kontakt med en återkommande kund är ett tillfälle att stärka det förtroendet och göra nästa köp enklare.
Personalisering är viktig för återkommande köp eftersom den visar att kunden har en historia med dig. Ett allmänt mejl som säger "kolla in vår nya kollektion" landar inte på samma sätt som "vi såg att du köpte ekologiskt kaffe förra månaden. Här är tre nya rostningar från ett enda ursprung som vi just har lagt till." Det första är ett utskick till alla. Det andra är ett samtal.
Data stöder det här. Butiker som inför grundläggande personalisering ser att andelen återkommande köp ökar med 20 till 30 procent. Kunderna får mer relevant kommunikation, upptäcker produkter som passar deras intressen och känner att butiken minns dem. Det är inte manipulativt om personaliseringen är ärlig. Det är faktiskt tvärtom: du ger kunderna det de säger att de vill ha. Enligt forskning säger 72 procent av konsumenterna att de bara svarar på personliga meddelanden.
Vilka är de viktigaste metoderna för personalisering och vilka driver återkommande köp?
Alla metoder för personalisering är inte lika effektiva för återkommande kunder. Vissa fungerar på förstagångsbesökare. Vissa fungerar just på personer som du redan känner. Om du förstår vilken metod som passar vilket skede i kundresan bygger du en strategi för personalisering i stället för att bara lägga till slumpmässiga funktioner.
Personliga produktrekommendationer
Att visa kunder produkter utifrån deras surfhistorik och köphistorik är det som driver återkommande köp mest. En kund som köpte vinterkängor ser andra vinterprodukter rekommenderade. En kund som tittade på lätt bagage ser andra reseprodukter lyftas fram. De här rekommendationerna visas på tre ställen: på produktsidor ("kunder som köpte den här köpte också"), i mejl efter köpet och på startsidan när kunden kommer tillbaka.
Rekommendationer fungerar eftersom de lyfter fram produkter som kunden faktiskt är intresserad av men inte hade hittat själv. En återkommande kund kanske besöker din butik för att köpa en enda vara. Produktrekommendationer visar tre andra varor som kunden inte visste att du har. Det höjer det genomsnittliga ordervärdet och uppmuntrar till att bläddra, vilket leder till fler köp.
Rekommendationsmotorer kräver antingen regler som du skriver själv eller AI och maskininlärning. Små butiker kan börja med egna regler: om en kund köper en skrivare, rekommendera kompatibla bläckpatroner. När du växer sköter programvara det automatiskt och lär sig mönster från tusentals kundkontakter.
Surfhistorik och sparade varor
Att komma ihåg vad en kund har tittat på ger kunden en anledning att komma tillbaka. En kund som tittade på fem vinterjackor men inte köpte får en vecka senare ett mejl med just de jackorna och ett meddelande som "vi har sparat de här åt dig." Det påminner om intresset och gör det lättare att ta upp beslutet igen.
Metoden är enkel men effektiv. Den fungerar eftersom den gör jobbet att komma ihåg åt kunden. Kunden behöver inte söka igenom din webbplats igen för att hitta de jackor hen gillade. Du tar kunden direkt till de varor hen funderade på. Konverteringsgraden på de här mejlen är betydligt högre än på vanliga reklammejl, eftersom relevansen redan är given.
Segmenterad e-postmarknadsföring
Att skicka samma mejl till alla kunder garanterar att de flesta ignorerar det. En kund som köper kontorsmaterial är inte intresserad av ett meddelande om nya möbler. En kund som köper lyxvaror är inte intresserad av en rea. Om du delar upp din e-postlista efter produktkategori, köpfrekvens eller värde får kunderna meddelanden som faktiskt rör dem.
De enklaste segmenten bygger på köp: skicka ett uppföljningsmejl till kunder som köpt träningskläder och fråga om de vill ha hjälp att välja rätt storlek till nästa köp. Skicka ett annat meddelande till kunder som köpt hudvård och föreslå kompletterande produkter. Segmentera efter geografi om din butik säljer säsongsvaror. Segmentera efter prisnivå om ditt sortiment sträcker sig från billigt till premium.
Segmenterad e-post är en av de enklaste metoderna med hög avkastning, eftersom den kräver mindre teknik. Du behöver bara ordna dina kunddata och ta dig tid att skriva riktade meddelanden i stället för utskick som ska passa alla.
Dynamiskt innehåll på startsidan
I stället för att visa alla besökare samma startsida ändrar du den utifrån vad butiken vet om dem. En återkommande kund ser ett avsnitt som heter "inspirerat av ditt senaste köp" med närliggande produkter. En kund som bläddrade men inte köpte ser produkter som liknar dem hen tittade på. En ny besökare ser dina storsäljare.
Dynamiska startsidor fungerar eftersom de direkt visar kunden relevans. Du låter inte kunden leta genom hela sortimentet för att hitta det som matchar hens intressen. Du serverar det direkt. Det ökar tiden på webbplatsen och gör det lättare att upptäcka produkter.
Sekvenser efter köp och introduktion
Ögonblicket efter ett köp är ett ögonblick med hög uppmärksamhet. Kunden tänker på ditt varumärke och på det hen just köpt. En personlig sekvens efter köpet bekräftar köpet, förklarar hur produkten används, föreslår kompletterande varor och ber om synpunkter. Det är nu du avgör om kunden blir en återkommande köpare eller försvinner för alltid.
En klädbutik skickar nästa dag: "din order har kommit. Så här sköter du tyget." Ett kafé skickar: "dina bönor smakar bäst de närmaste två veckorna. Så här brygger du den perfekta koppen." En verktygsbutik skickar: "här är tillbehör som passar det du just köpte." De här mejlen försöker inte hårdsälja ännu ett köp. De tillför värde till det köp som just skett.
Personliga sekvenser efter köpet ökar andelen återkommande köp med 25 till 40 procent, eftersom de bekräftar köpbeslutet och får kunden att känna att du bryr dig om hen även efter affären.
Kontosidor och kundhistorik
Att visa kunderna deras orderhistorik, sparade varor och inställningar när de loggar in är passiv personalisering som fungerar utan e-post. Kunden kan se sina tidigare köp och beställa samma vara igen med ett klick. Kunden kan se varor hen tittat på och gå tillbaka till dem hen sparat. Kunden kan ändra sina inställningar för att få rekommendationer i de kategorier hen bryr sig om.
Det här fungerar bra för kunder som handlar regelbundet eller köper förbrukningsvaror. Det tar bort besvär ur processen för återkommande köp och visar att kunden är känd, inte en främling.
Hur ser en plan för personalisering i faser ut?
Om du inför allt på en gång överbelastas teamet och resultaten blir dåliga. Med en fasindelad plan kan du börja enkelt, mäta resultat och lägga till komplexitet först när det är rimligt. De flesta butiker får bättre avkastning av att börja smått och bygga ut utifrån vad som fungerar än av att försöka göra allt direkt.
Fas 1: Snabba vinster (månad 1 till 2, minimal investering)
Börja med metoder som kräver data du redan har och minimal teknik: segmenterad e-post och enkla produktrekommendationer. Ställ in segment i din e-postlista efter produktkategori eller köpvärde. Skicka tre riktade sekvenser: välkomstmejl till nya kunder, återvinning av övergivna varukorgar för dem som påbörjat köpet och uppföljning efter köp för köpare.
Lägg till enkla produktrekommendationer på produktsidor med enkla regler: om någon tittar på den här produkten, visa andra produkter i samma kategori. Om någon har köpt den här, rekommendera passande varor. Du behöver ingen AI-motor för det. Det räcker med en regel som "om produkttypen är löparskor, rekommendera skoinlägg och träningsstrumpor."
Tidsåtgång: 20 till 30 timmar för uppsättning (mejlmallar, segmenteringsregler, rekommendationer per kategori). Kostnad: oftast noll om du använder inbyggda funktioner i din plattform eller gratis e-postverktyg. Förväntad avkastning: 10 till 15 procent högre klickfrekvens i mejl och 5 till 10 procent högre genomsnittligt ordervärde på rekommenderade produkter.
Fas 2: Personalisering efter surfande och konto (månad 3 till 4)
När du ser resultat av den enkla e-postpersonaliseringen lägger du till funktioner som hjälper kunder som återvänder till din butik. Inför kontofunktioner där kunder kan spara varor till senare, se sin orderhistorik och få ett personligt avsnitt på startsidan med produkter som liknar dem de tittat på. Låt kunder välja rekommendationer per kategori, så att de ser förslag som passar de intressen de angett.
Ställ in ett "du tittade på"-mejl som skickas tre dagar efter att någon bläddrat på din webbplats utan att köpa. Visa exakt de produkter kunden tittade på, med ett enkelt meddelande som "vi har sparat de här åt dig." Metoden har en av de högsta konverteringsgraderna av alla mejl, eftersom relevansen redan är given.
Tidsåtgång: 20 till 40 timmar (design av kontosida, mejlmall, uppsättning av spårning av surfhistorik). Kostnad: ofta inkluderat i din e-handelsplattform eller $100 till $300 per månad för ett verktyg för e-post med retargeting. Förväntad avkastning: 15 till 25 procent fler återkommande besök, 10 till 20 procent konvertering på mejl om surfhistorik.
Fas 3: Avancerad logik för rekommendationer (månad 5 till 6)
När den enkla personaliseringen fungerar lägger du till mer sofistikerade produktrekommendationer. I stället för bara "kunder som köpte X köpte också Y" går du över till rekommendationer baserade på frekvens (visa storsäljare i kundens kategori) och rekommendationer av kompletterande produkter (om du köpte en kamera, här är objektiv och batterier som passar kameran). Vissa plattformar använder AI för att lära sig vilka rekommendationer som faktiskt leder till köp i just din butik.
Lägg till dynamiska avsnitt på startsidan som ändras efter kundsegment. Visa återkommande kunder ett avsnitt som "tack för att du kommer tillbaka, här är nyheterna i din favoritkategori." Visa kunder som bläddrade men inte köpte en rekommendation som "gör looken komplett." Visa nya besökare dina storsäljare.
Tidsåtgång: 15 till 30 timmar för konfiguration om du använder inbyggda verktyg, eller över 40 timmar om du inför ett API för rekommendationer. Kostnad: $200 till $1000 per månad för programvara för rekommendationer, eller inbyggt i din plattform. Förväntad avkastning: 8 till 12 procent högre genomsnittligt ordervärde, 20 till 30 procent högre klickfrekvens på rekommenderade produkter på startsidan.
Fas 4: Förutsägande personalisering och avancerad segmentering (månad 7 och framåt)
Gå bara hit när de tidigare faserna ger mätbara intäkter. Inför förutsägande analys som identifierar de kunder som med störst sannolikhet slutar handla och rikta incitament mot dem för att köpa igen. Använd maskininlärning för att avgöra vilka kunder som ska få vilka rekommendationer. Inför dynamiska priser eller exklusiva erbjudanden utifrån kundens livstidsvärde.
De här metoderna kräver mer kunnande och ska bara införas om du har kapacitet i teamet att hantera dem och tillräckligt med kunddata (oftast över 500 återkommande kunder) för att få träffsäkra förutsägelser.
Tidsåtgång: över 40 timmar. Kostnad: $500 till $5000 per månad beroende på hur avancerat det är. Förväntad avkastning: mycket varierande, 10 till 20 procent högre livstidsvärde per kund om det genomförs rätt.
Hur mäter du om personaliseringen fungerar?
Personalisering misslyckas när butiker inför den utan att mäta resultaten. Då lägger du pengar på metoder som inte fungerar. Om du följer rätt mått vet du vad du ska behålla och vad du ska ta bort.
Viktiga mått för framgång med personalisering
Andelen återkommande köp är det viktigaste måttet: hur stor andel av de kunder som köpt en gång kommer tillbaka och köper igen? Jämför det före och efter att du infört personalisering. En ökning på 15 till 25 procent visar att personaliseringen fungerar.
Kundens livstidsvärde visar om återkommande köp ökar orderstorleken och frekvensen. Följ genomsnittlig spendering per kund över tid. Personalisering bör öka det måttet med 10 till 30 procent.
Mått för e-postengagemang (öppningsfrekvens och klickfrekvens) visar om dina segmenterade meddelanden är mer relevanta. Segmenterade mejl bör ha 20 till 50 procent högre klickfrekvens än allmänna utskick. Gör de inte det passar din segmentering inte kundernas intressen.
Klick- och konverteringsfrekvens på produktrekommendationer visar om dina rekommendationer leder till faktisk försäljning. Följ hur stor andel som klickar på rekommenderade produkter och hur stor andel som köper. Det visar om rekommendationerna är relevanta eller bara skapar brus.
Andelen som avslutar prenumerationen på e-post visar om personaliseringen ökar engagemanget eller känns påträngande. Segmenterade, relevanta mejl bör ha lägre andel avprenumerationer än allmänna utskick. Om andelen ökar är personaliseringen för aggressiv eller inte tillräckligt relevant.
Så sätter du upp uppföljning utan avancerad analys
Om din plattform har analys finns de flesta av de här måtten redan inbyggda. Om inte kan du sätta upp enkel uppföljning: gör ett kalkylblad där du noterar antalet återkommande köp per månad, genomsnittligt ordervärde per återkommande kund och engagemang i e-post. Jämför från månad till månad. En trend över tre månader räcker för att veta om personaliseringen hjälper eller stjälper.
För e-postmått visar de flesta e-postverktyg öppningsfrekvens och klickfrekvens automatiskt. Jämför allmänna mejlkampanjer med segmenterade kampanjer. Om segmenterad e-post har bättre mått är du på rätt väg.
Vilka misstag gör att personalisering slår tillbaka?
Personalisering kan skada mer än den hjälper om den går över från hjälpsam till kuslig, om den är för aggressiv eller om de uppgifter du har om kunderna är felaktiga. Om du förstår de här misstagen slipper du slösa pengar och stöta bort kunder.
Att rikta sig för aggressivt med för lite data
En kund köper en enda vara och får genast fem personliga mejl utifrån det köpet. Det känns aggressivt, inte uppmärksamt. Personalisering kräver tillräckligt med data för att dra rätt slutsatser. Ett köp säger nästan ingenting. Tio köp säger något. Femtio köp säger mycket.
Misstaget är att personalisera med otillräckliga data och verka förmäten. En kund som köpte en blå klänning vill inte nödvändigtvis ha fem klänningar till i blått. Om du visar för många rekommendationer utifrån för lite underlag känns det som att du gör antaganden i stället för att lära dig av mönster.
Att kännas påträngande eller kuslig
Personalisering blir kuslig när den visar kunderna att du vet mer om dem än de väntat sig. Produktrekommendationer utifrån surfhistorik känns naturliga. Produktrekommendationer utifrån platsdata känns påträngande. Personalisering som avslöjar att du följer beteenden som kunden inte visste att du följde skapar misstro.
Gränsen går här: personalisera utifrån uppgifter som kunderna medvetet gett dig eller handlingar de medvetet gjort (köp, surfande, uttryckliga önskemål). Personalisera inte utifrån uppgifter som de inte vet att du samlar in (tangenttryckningar, enhets-ID, plats) eller uppgifter som du drar slutsatser om (ekonomi, antaganden om livsstil) och som går utöver deras handlingar.
Att tolka kunddata fel
En kund köper en present till någon annan och plötsligt tror din butik att kunden har ett nytt intresse. Kunden tittar på löparskor för att lära sig om löpning, inte för att hen är löpare. Kunden sökte på "hur lagar jag trasiga klackar" och nu rekommenderar du verktyg.
Lösningen är inte perfekta data (det får du aldrig). Det är att använda flera signaler i stället för en enda handling och testa om rekommendationerna faktiskt konverterar. Om 90 procent av de kunder som ser en viss rekommendation ignorerar den är slutsatsen fel. Ta bort den rekommendationen och använd en annan signal.
Att personalisera för mycket och förlora möjligheten att upptäcka nytt
Om varje upplevelse är anpassad efter det kunden redan vet att hen gillar upptäcker kunden aldrig nya produkter. En kund som köper samma produktkategori gång på gång fastnar i rekommendationer som bara visar varianter av den kategorin. Det minskar upptäckandet och begränsar tillväxten i genomsnittligt ordervärde.
Balansera personalisering med upptäckande. Rekommendera produkter i närliggande kategorier, inte bara i samma. Visa storsäljare och nyheter även för starkt personaliserade kunder. Låt dem välja bort personalisering om de vill bläddra i hela sortimentet utan påverkan från algoritmer.
Att personalisera utan tillstånd eller öppenhet
Kunder oroar sig för sitt privatliv, och dataregler som GDPR och CCPA kräver samtycke innan du samlar in data om beteende. Om du personaliserar utan att göra det tydligt hur du gör, eller utan att ge kunderna kontroll, skapar du risker för både juridik och rykte.
Bästa praxis: var öppen med vilka data du samlar in och hur du använder dem. Lägg till inställningar där kunderna styr hur mycket personalisering de får. Om någon väljer bort rekommendationer ska du respektera det valet, även om det ger lägre konvertering. Förtroende och regelefterlevnad är viktigare än ett extra köp.
Hur passar personalisering in i din strategi för återkommande kunder?
Personalisering är ett sätt att öka återkommande köp, men den räcker inte ensam. En kund som får ett personligt mejl men har en dålig uppackningsupplevelse eller aldrig får sin order kommer inte tillbaka. En kund som får perfekta rekommendationer men tycker att köpprocessen är krånglig överger sitt andra köp.
Personalisering fungerar bäst tillsammans med utmärkt kundservice, en bra produkt, pålitlig frakt och tydlig kommunikation. Inför personalisering när grunderna är på plats. Lägg den sedan ovanpå för att konvertera kunder som redan är intresserade men behöver en påminnelse om att du minns dem och förstår vad de behöver.
Om du vill ha sammanhanget kring hela konverteringsprocessen kan du läsa vad konverteringsoptimering är och varför det är viktigt. För en översikt över alla förbättringsmetoder som samverkar kan du läsa köppsykologi: så formar konsumentbeteende din butik.
Så använder du WEMASY för personalisering
WEMASY:s e-handelssystem har funktioner för personalisering där du kan segmentera kunder efter köphistorik och surfbeteende, skicka riktade mejl utifrån kundsegment, visa personliga produktrekommendationer i din butik och följa vilka metoder för personalisering som driver återkommande köp. Du kan ställa in personliga avsnitt på startsidan och mejlsekvenser utan att skriva kod eller installera verktyg från andra. Plattformen kopplas till dina kunddata, så att personaliseringen blir bättre automatiskt när du lär dig mer om varje kund.
Se vad som ingår i WEMASY:s priser och funktioner.
Vanliga frågor
Vad kostar verktyg för personalisering?
Grundläggande funktioner för personalisering finns ofta inbyggda i din e-handelsplattform utan extra kostnad. Programvara för rekommendationer börjar på $100 till $300 per månad. Avancerad AI-driven personalisering kostar $500 till $5000 per månad. Du kan börja med gratis inbyggda funktioner, testa om personalisering ökar antalet återkommande köp och bara uppgradera till betalverktyg om måtten motiverar investeringen.
Är personalisering lagligt enligt GDPR och CCPA?
Ja, men med villkor. Du måste samla in data med tydligt samtycke. Du måste ge kunderna tillgång till de uppgifter du har om dem och möjlighet att radera dem. Du måste vara öppen med hur du använder uppgifterna. CCPA kräver särskilt att du talar om för kunderna att de har rätt att välja bort försäljning av data och personalisering. Ställ in kontroller för integritet, respektera önskemål om att välja bort och du kan personalisera lagligt.
Hur lång tid tar det att se avkastning på personalisering?
Enkel personalisering som segmenterad e-post kan visa resultat på 30 till 60 dagar. Mer komplex personalisering tar 90 till 180 dagar, eftersom den kräver tillräckligt med kunddata för att hitta mönster. Börja smått, mät resultaten efter två månader och bygg bara ut om du ser mätbara ökningar i återkommande köp eller genomsnittligt ordervärde.
Ska jag personalisera för nya kunder eller återkommande kunder?
Personalisering ger högst avkastning på återkommande kunder, eftersom du redan vet något om dem. Att personalisera för helt nya besökare är mindre effektivt, eftersom du saknar data. Börja med att personalisera för dina återkommande kunder och befintliga prenumeranter på e-post. Lägg till personalisering för nya besökare först när upplevelsen för återkommande kunder fungerar bra.
Kan för mycket personalisering skada min verksamhet?
Ja. För mycket personalisering kan kännas påträngande, begränsa upptäckandet av produkter och ge mejltrötthet om kunderna får för många riktade meddelanden. Testa stegvis. Om öppningsfrekvensen eller klickfrekvensen sjunker när du ökar personaliseringen har du gått för långt. Dra tillbaka och hitta den balans där personalisering känns hjälpsam, inte överväldigande.