Personaliserad marknadsföring: Exempel, Strategier, och mer

Personalisering handlar om att skapa en relevant upplevelse för individuella kunder eller mindre målgruppssegment.

Företag som satsar på personalisering och gör det bra, kan snabbt bryta ny mark och bli starka konkurrenter även för de största företagen.

De företag som satsar på att skapa en personaliserad uppevelse kan öka sina intäkter med 5 – 15% och effektivisera sin marknadsbudget med 10 – 30% genom strategier som produktrekommendationer och triggerbaserad personalisering främst via e-post.

Med det sagt är det långt ifrån att bara lägga in produktrekommendationer och sedan se intäkterna öka med 10%.

För att lyckas med personalisering måste du ha en grundläggande förståelse för hur det fungerar, och vad som krävs för att lyckas.

Det första du måste göra är att släppa tanken om 1-till-1-personalisering i stor skala.

För att ge lite perspektiv så har Zalando över 600 personer som jobbar med personalisering och AI. Även om de är i den absoluta framkanten av vad teknologin tillåter så har de en lång väg kvar att gå.

I den här guiden får du lära dig allt du behöver veta för att lyckas med personalisering. Från hur du samlar in rätt data till hur du använder den, och exempel från verkligheten.

Anledningen till att vi skriver denna guide är för att vi är ett mjukvaruföretag som utvecklar tjänster som hjälper varumärkena du känner till att personalisera upplevelsen på hemsidan. Varje år släpper vi även en rapport som vi har döpt till Personaliseringsindex (”PINDEX”), där vi manuellt analyserar, kartlägger och poängsätter Sveriges 200 största e-handlare baserat på hur de använder kunddata för att personalisera upplevelsen för sina kunder. 

Låt oss börja från första början.

Vad innebär personalisering?

Personalisering handlar om att skapa relevanta upplevelser för dina existerande och potentiella kunder.

I grund och botten handlar det om din förmåga att använda data.

Många tror att personalisering endast innebär att nämna någons förnamn, eller att visa produktrekommendationer. 

Men det är mycket mer än så…

Personalisering har funnits sedan tidernas begynnelse, långt innan internet, även om de flesta inte tänker på det. 

Det är först under de senaste 10-15 åren som personalisering har fått sig ett uppsving i den digitala världen, både inom B2B och E-handel.

Det är lättast att se hur den digitala personaliseringen har utvecklats genom att titta på E-handeln.

I fysiska butiker kan ett biträde hjälpa dig att plocka fram kläder eller produkter som passar dina preferenser. I en “verklig” miljö är personalisering enkelt, eftersom du kan stå ansikte mot ansikte med en kund, och anpassa allt från ämnet i er konversation, till de råd och förslag du ger.

E-handeln har vuxit med en rasande fart under de senaste åren, inte minst sedan COVID-19 svepte över världen.

Men, det har alltid funnits en “upplevelseklyfta” mellan den fysiska och digitala shoppingupplevelsen. 

Det har gjort det svårt att handla vissa produkter online eftersom du inte kan klämma och känna på dem utan att först beställa hem produkten. 

Byxor och skor är två exempel på produkter som anses vara svåra att shoppa online.

De e-handlare som ligger längst fram i utvecklingen har löst detta genom att visa exempelvis anpassade storleksguider eller kundrecensioner som nämner storleken. Större e-handlare som Zalando har gått så långt att de anpassar innehållet baserat på dina preferensinställningar i din kundprofil. Med hjälp av preferensinställningarna kan de ge dig förinställda sökfilter, som bara visar skor i din storlek, inom rätt prisintervall, och med rätt material. 

Andra har valt att bygga AR-appar som låter dig testa glasögon, smink eller se hur en möbel ser ut i ditt hem redan innan du köper den.

Tro det eller ej, men personalisering ser annorlunda ut för varje företag. Anledningen är den att 

Något så litet som att kunna visa ett erbjudande enbart för lojala återkommande kunder kan ibland ge bättre resultat än att skicka ut ett mail med personligt rekommenderade produkter.

Anledningen till detta är för att de flesta företag inte anpassar tidpunkten då de väljer att personalisera, utan de utgår från sig själva och tänker ”Om vi kan skicka ut personliga rekommendationer oftare, kommer fler att köpa”. Det är en självuppfyllande profetia som inte alltid är helt sann.

En kund som besöker en webbshop för 3e gången under en månad har sannolikt någon produkt i åtanke. Därför kan ett erbjudande upplevas som ”Rätt erbjudande, för rätt person, vid rätt tillfälle” (det blir en självuppfyllande profetia för kunden också).

Men en slumpmässig e-postkampanj är inte nödvändigtvis mer relevant bara för att den innehåller personliga rekommendationer — det är inte säkert att mottagaren är köpsugen vid det tillfället (vilket då också gör att kampanjen upplevs som mindre relevant). 

Varje företag har olika målgrupper med olika beteenden, preferenser och avsikter. För att personalisering ska fungera måste du kunna matcha tillfället med beteendet och avsikten.

Vad krävs för att personalisera?

För att utföra grundläggande personalisering behöver du kunna:

• Samla in rätt data
• Identifiera dina besökare
• Spåra digitalt beteende
• Aktivera data

Grundstenen i personalisering består av data. Om du inte har rätt typ av data så är det nästintill omöjligt, eller väldigt svårt, att utföra någon slags personalisering.

Datan du behöver är nollpartsdata och förstapartsdata.

För att göra det enklare att förstå så kan vi istället kalla det för ”direkt data” och ”indirekt data”.

Direkt data (nollpartsdata)

Direkt data, eller nollpartsdata, är data som en användare medvetet delar med sig i syfte att personalisera sin upplevelse på din sajt eller tjänst.

Till exempel, när du registrerar ett konto på Linkedin får du välja att följa några influencers.

Om du väljer att följa Bill Gates så är det en medveten handling du tar i syfte att se innehåll från honom. Det är ett av de tydligaste och enklaste sätten att låta någon skräddarsy sin upplevelse.

När du registrerar en profil på Zalando kan du välja att följa dina favoritbrands (Replay, Levi’s, Ray-Ban, etc). Även det är en medveten handling du utför, i syfte att se mer kläder från varumärken du gillar.

Indirekt data

Indirekt data, eller förstapartsdata, är handlingar som dina användare inte medvetet delar med sig av. Det är datan som kommer från hur någon använder din sajt eller tjänst. Ett klick för att välja färg. Att lägga in en rabattkod. Att öppna ett nyhetsbrev, att klicka på en länk, eller dela en artikel.

Denna data kan vid en första anblick kännas irrelevant, men genom att klicka på en länk i ett nyhetsbrev visar du intresse, och genom att titta på en produkt visar du en viss köpintention (särskilt om du tittar på samma produkt upprepade gånger).

Tillsammans med uppgifter som e-postadress, namn och annan personinformation skapar all denna data en kundprofil, unik för varje individ.

Så hur går allt till? Låt oss ta det från början och gå igenom det mest grundläggande.

1. Samla in rätt data

Förstapartsdata är all data som dina kunder omedvetet lämnar ifrån sig (klick, sidvisningar, etc) 

Nollpartsdata är all data som dina kunder medvetet lämnar ifrån sig, i syfte att förbättra sin upplevelse (ex. preferensinställningar, följa konton, etc).

Här är några konkreta exempel: 

• Webbaktivitet: Klick, sidvisningar, ifyllda formulär och andra typer av händelser på din webbsida
• CRM-data: Kontaktinformation, samtalsloggar, engagemangspoäng, kundnivå, etc
• Köphistorik: Hur många produkter som tidigare köpts, produktkategorier, returer, etc
• Intressen: Vilka områden personen är mest intresserad av på webbsidan, likes och kommentarer i sociala kanaler
• Preferenser: Herrmode, dammode, särskilda varumärken, klädstorlek, etc.

Det är data som ditt företag förmodligen redan har och samlar in regelbundet via traditionella analystjänster som Google Analytics. 

Men, problemet med traditionella analystjänster är att de samlar in aggregerad data—sammanslagen data visualiserad i exempelvis en graf. 

Aggregerad data är inte att föredra vid personalisering. Även om en graf kan visa dig att 130 personer har lagt någonting i varukorgen under den senaste veckan, så vet du inte vilka som var återkommande kunder eller anonyma besökare. 

För personalisering vill du ha data om varje individ:

Det för oss in på nästa punkt:

2. Identifiera dina besökare

Eftersom aggregerad förstapartsdata inte räcker till måste du samla in data på individnivå, och kunna identifiera personerna som besöker och interagerar med din webbsajt.

Om du är bekant med hur ett CRM fungerar, eller om du tidigare jobbat i ett verktyg för nyhetsbrev så känner du redan till konceptet med identifierade kontakter. 

Den stora skillnaden är att en identifierad kontakt i en personaliseringsplattform ger dig möjligheten att rikta budskap på webben, på samma sätt som du kan rikta budskap via e-post

Och det är här en tjänst som Triggerbee kommer in i bilden. 

Målet med varje identifierad kontakt är att skapa en komplett kundprofil som innehåller allt från kontaktinformation till demografisk data, engagemang via e-post och historisk webbaktivitet.

En identifierad kontakt i en personaliseringsplattform ger dig en komplett bild över dina kunder, och förenar data från flera olika källor och enheter.

I Triggerbee ser en komplett kundprofil ut så här:

En kundprofil byggs ofta upp under en längre period över många olika tillfällen, och påbörjas redan innan kontakten i fråga är identifierad.

Identifiering kan ske på många olika sätt även om det vanligaste är via ett ifyllt formulär eller slutfört köp. 

Här är några exempel på hur du kan identifiera dina besökare: 

• Via ifyllda och inskickade formulär*
• Om du slutför ett köp
• När du besöker en sajt från ett e-postutskick
• Via en magisk länk**

* = Ex. kontaktformulär, ansökningsformulär eller något annat formulär där man får lämna ifrån sig personlig information som namn och e-postadress mm.
** = En “magisk länk” är en länk med särskilda UTM-parametrar som kan identifiera en person genom att registrera deras e-postadress automatiskt.

När du kan börja skilja på anonyma och idenfierade besökare har du låst upp möjligheten att göra grundläggande personalisering, som att visa olika budskap för de två målgrupperna. 

Men, även om du har 1 miljon identifierade kontakter så är det bara “tom data” om du inte kan aktivera den.

3. Aktivera din data

När du har börjat identifiera personer och bygga upp deras kundprofiler, kan du äntligen börja aktivera datan du samlat in. 

Vad innebär aktivering av data?

I korthet: Att du använder datan du har för att rikta budskap, personalisera kommunikation, etc. 

Ett konkret exempel är att utesluta alla kunder från att se ett nykundserbjudande, eller att utesluta alla anonyma besökare från att se ett lojalitetserbjudande. 

Många blandar ihop dataaktivering och dataanalys. När du analyserar data så tittar du på historisk data för att dra framtida slutsatser. 

Men, när du aktiverar data så använder du data för att utföra aktiviteter som anpassas och skräddarsys i realtid.

Det vanligaste sätten att aktivera data är att: 

1. Skapa målgrupper
2. Personalisera budskap och erbjudanden
3. Styra annonser och budskap

Ett typexempel på dataaktivering i realtid är övergivna varukorgsmail. För att du ska kunna skicka ett mail till en person som har övergivit sin varukorg så måste du:

1. Veta att personen har lagt någonting i sin varukorg (förstapartsdata)
2. Veta vem personen är, så att rätt mail går till rätt person (identifierad kontakt)
3. Skicka ut mailet med rätt produkt (aktivering av data)

Som du ser i ovan exempel är alla 3 delar nödvändiga för att du ska kunna anpassa din kommunikation. 

Dataaktiveringen är den sista och viktigaste delen för att kunna personalisera. Fram tills dess att du sätter datan i arbete så är det bara “data”.

De 6 nivåerna av personalisering 

Det finns sex olika nivåer av personalisering. Den vanligaste formen är att synka budskap mellan exempelvis annons och landningssida, eller e-postkampanj och produktsida.

Låt oss ta en titt på alla nivåer.

Nivå 1: Synkade budskap

Den första och lägsta nivån som kan räknas till personalisering är synkade budskap mellan olika kanaler och aktiviteter. Ett konkret exempel på detta är att använda samma bild eller copy i en annons och på hemsidan. 

Om en användare klickar på din annons och sedan möts av en annan bild på landningssidan så kan det bidra till att de snabbt drar slutsatsen att de inte klickade på rätt länk. 

Att synkronisera grafiska element och text i både annonser och copy är en best practice inom konverteringsoptimering. 

Nivå 2: Attributbaserad personalisering

“Attribut” är en term som i stora drag betyder användarinformation. Attributbaserad personalisering betyder att du använder enskilda eller flera uppgifter om dina kontakter för att antingen skräddarsy budskap eller skapa särskilda målgrupssegment. 

Om du skriver “Hej {{firstname}}” i dina mail så är det en form av attributbaserad personalisering. 

Detta är vanligast inom e-postmarknadsföring, men det går även att utföra på webbsajter. På Triggerbee.com använder vi en enklare form av attributbaserad personalisering när någon bokar en demo. 

När någon skriver in sin e-postadress på startsidan, så delar vi upp e-postadressen i 3 delar: URL, domän och e-postadress. Detta gör att vi kan hämta loggan från deras sajt, och autofylla en del av formuläret för att minska friktionen.

Nivå 3: Rekommendationer (innehåll eller produkter)

Produktrekommendationer är den tredje nivån av personalisering. Genom att använda besökarens surfbeteende (besökta sidor, tid spenderad i en kategori, etc) kan du visa produkter som liknar eller kompletterar det som besökaren verkar mest intresserad av. 

Både produkt- och innehållsrekommendationer är väldigt populära idag, men det är sällan resultatet lever upp helt till förväntningarna. 

Enligt en undersökning från Adobe (2020) så kan man se att majoriteten (~64%) av konsumenter inte förlitar sig på produktrekommendationer för att hitta nya produkter.

Med det sagt, och med den varningen i bakhuvudet kan det ändå vara värt att implementera. Produktrekommendationer är en viktig pusselbit i arbetet mot att leverera en bra kundupplevelse. 

Och att leverera en bra kundupplevelse handlar om att möta och överstiga förväntningar.

Nivå 4: Triggerbaserad personalisering

Personalisering baserat på olika typer av triggers är en av de mest kraftfulla strategierna som finns. 

De flesta företag tänker i säsonger och kampanjer, men dina budskap kommer att bli mycket mer slagkraftiga och relevanta om du tänker i triggers istället. 

”När kommer budskap X vara mest värdefullt för vår målgrupp?”

Det finns två typer av triggers: 

• Aktivitetstriggers – En specifik aktivitet som utförs av en användare på en webbsajt. Det kan vara allt från ett klick på en knapp till ett inskickat formulär eller slutfört köp. Denna aktivitet definieras av dig, och utgör starten för nästa händelse. Nästa händelse kan exempelvis vara ett mail, eller en yta som dyker upp på startsidan, som inte fanns där tidigare.  
• Händelsetriggers – En händelsetrigger handlar om att se triggern ur ett större perspektiv. Istället för att tänka: ”När ska vi visa X för våra användare” så bör du tänka ”Vad behöver hända i våra användares liv för att detta budskap ska vara relevant och värdefullt”. Ett exempel på en händelsetrigger är byte av jobb, eller flytt till ny bostad. 

Nivå 5: Segmentstyrd personalisering

Segmentstyrd personalisering innebär att du väljer ut mindre grupper (segment) ur din målgrupp, baserat på olika attribut, triggers eller beteenden, och riktar ett specifikt budskap till dem. 

I Triggerbee kan du skapa målgrupper från din webbtrafik som du sedan kan rikta budskap mot, ungefär som när man sätter upp en facebookannons.

För att kunna personalisera mot segment måste du kunna skapa målgrupper ur din webbtrafik och styra budskap mot dessa målgrupper. k baserat på identitet, aktivitet och använda enheter. 

Segmentstyrd personalisering är en otroligt kraftfull taktik för att nå ut till olika personas eller kunder som befinner sig i olika delar av kundresan. Det är särskilt effektivt att börja med eftersom du ofta kan komma igång med data du redan har. 

Nivå 6: Avsiktsbaserad personalisering

Den sista och mest avancerade personaliseringen är baserad på användarens avsikt. Precis som Google visar sökresultat baserat på vad de tror att du vill hitta, så är grunden i avsiktsbaserad personalisering det du tror att användaren vill se beroende på när, hur och var de besöker din webbsajt.  

Tänk dig följande scenario: 

Ett modeföretag har både fysiska butiker och en webbshop. De bestämmer sig för att analysera alla returer som skett under året, i ett försök att optimera den digitala shoppingupplevelsen (och minska antalet returer som sker). 

När de tittar på datan upptäcker de att byxor är den produkt som returneras mest. Så de installerar Hotjar för att se hur deras besökare på webben beter sig när de ska handla byxor.

De upptäcker att 50-60% av alla besökare tittar på storleksguiden för byxorna. Men, eftersom byxor returneras mest kommer de fram till att storleksguiden kanske inte fungerar särskilt bra.

Så istället för att göra om storleksguiden med fler mått och mer information, så implementerar de tre andra strategier: 

1. När en besökare har spenderat mer än 10 sekunder på att titta på storleksguiden visar de ett budskap som säger “Vill du prova byxorna i butik istället? Skriv in din mail så skickar vi adressen till din närmsta butik”. 

2. När en person har köpt ett par byxor online så skickar de ut en enkät efter 4 dagar som frågar “Hur var byxornas passform”?
   
   Enkäten har tre alternativ:
   “1) Som förväntat, 2) Tightare än förväntat, 3) Större än förväntat”.
   
   Varje svar kopplas till respektive byxa och det svaret som har flest svar visas som en trygghetsknapp på varje sida för att hjälpa besökaren ta rätt beslut.
3. De skapar möjligheten att registrera en profil där kunder kan skriva in mått och storlek. Denna information används för att automatiskt filtrera produkterna för respektive kund. 

Med hjälp av dessa tre strategier kan de skapa en anpassad upplevelse baserat på hur varje person vill handla, och anpassa erbjudandet till avsikten.

Hur används personalisering? Exempel från verkligheten

Här är några verkliga exempel som visar hur personalisering används:

• Visa olika frakt, leverans- och betalningsalternativ beroende på var du befinner dig
• Filtrera och visa vissa kundrecensioner innan andra
• Filtrera sökresultat 
• Omorganisera produktkataloger
• Rekommendera nya eller liknande produkter/innehåll
• Komma ihåg inloggningsinformation
• För att anpassa kommunikationsfrekvens
• Anpassa erbjudanden utefter kundstatus (kund, inte kund, återkommande kund, etc)
• Anpassa kommunikation och budskap

Som du ser är personalisering mycket mer än bara “hej {förnamn}”. Det handlar om möjligheten att kunna anpassa varje kundinteraktion till varje individuell kund.

Här är några verkliga exempel på hur E-handlare använder personalisering:

Sephora

Sephora har en oslagbar digital upplevelse. De har en app som låter dig testa smink och  hudvårdsprodukter med AR. Detta hjälper kunderna att testa produkterna innan de köpt dem.

På webbsajten kan du även fylla i en “Skönhetsprofil”, efter du har registrerat ett konto, som du kan använda för att filtrera recensioner och bilder från andra kunder med samma utseende som du (hudton, ögonfärg, hårfärg, hudtyp, etc).

Zalando

Zalando har ett team på över 600 personer som arbetar med personalisering. Och de använder bland annat informationen du lägger in i din kundprofil för att automatiskt filtrera produktkatalogen åt dig, men även för att visa produktrekommendationer på olika sätt. 

Dels välkomnas du med förnamn när du loggar in i appen…

De rekommenderar produkter baserat på tidigare köp…

Och de visar outfitinspiration baserat på vilka produkter du tittat på

Och allt detta möjliggörs genom att du fyller i din profil när du registrerar dig.

Sammanfattning

Teknologin för personalisering är idag tillgänglig för alla som vill ta sig an utmaningen. Men som med allt annat handlar framgång om mer än bara att köpa in ett verktyg.

För vissa kan det innebära en organisationsförändring (som ofta är till det bättre), och att försöka extrahera resultat från mindre pilotprojekt som på sikt byggs ihop.

Fördelarna överväger nackdelarna, men med nya teknologier följer självklart nya utmaningar. Här nedan har vi rekommenderat några artiklar som går igenom de vanligaste utmaningarna och deras lösningar, samt ger tips och tricks på hur du kan komma igång.

Men det viktigaste av allt?

Att börja någonstans. De flesta företag har redan all data de behöver för att börja personalisera på en liten skala, och som med allt stort börjar även personalisering ofta smått.

Intresserad av att komma igång? Boka en demo av Triggerbee eller kontakta oss om du har några funderingar 🙂

FAQ