In-store analytics: verbeter de winkelervaring dankzij het klantinzicht

Facebook
Twitter
LinkedIn

Winkels die vandaag geen gebruik maken van de nieuwe technologieën en de informatie die ze verstrekken, lopen een groot risico – namelijk dat ze door de concurrentie worden ingehaald. Met in-store analytics kunnen managers nagaan wat de consument in de winkel doet en, vooral, wat hen over de streep trekt om te kopen.

In-store analytics: de principes

Oorsprong van het concept

Dat winkels op het terrein enquêtes voeren, is niet nieuw. Zo kunnen ze immers meer te weten komen over het gedrag van de consumenten en de factoren die hen over de streep trekken om te kopen. Eigenlijk waren die enquêtes de voorloper van in-store analytics. Heel wat merken zijn echter tot de bevinding gekomen dat die enquêtes alleen niet volstonden, omdat de stalen niet altijd representatief en de antwoorden slechts benaderend waren.

Meting van het verkeer op de winkelvloer

De winkels zijn dus heel snel andere elementen beginnen meten, zoals het verkeer op de winkelvloer. Als de manager weet op welk moment van de dag de toestroom van klanten het hoogst is, kan hij intelligente beslissingen nemen op het vlak van de human resources en meer of minder personeel inschakelen naargelang van het in-store verkeer. Zo kan hij niet alleen zijn kosten terugschroeven, maar ook een serviceniveau bieden dat aangepast is aan de vraag.

Wanneer de klant het naar zijn zin heeft in de winkel (inlichtingen, wachttijd,…), is de kans immers groter dat hij een product koopt, meteen en ook in de toekomst. Parallel hiermee is het ook essentieel om het conversiepercentage in de winkel te monitoren; de drukste momenten in de winkel stemmen niet noodzakelijk overeen met de momenten waarop de conversie het hoogst is.

Web Analytics en in-store analytics

Merken stellen steeds vaker een onlineversie van hun winkel voor. In het geval van een e-commercesite kan men makkelijk het gedrag en het verkoopvolume meten. Gaat het enkel om een showcase website of een reclamecampagne, dan blijft het meten van de daaruit resulterende verkoop moeilijk (net als bij een tv- of radiospot). De nieuwe uitdaging voor de retailsector bestaat erin het verband te kunnen leggen tussen online- en offlineverkoop, en wel voor twee redenen:<0}

  • Het reële belang van het web voor de verkoop in de winkel aantonen (en dus meer middelen vrijmaken voor onlinecampagnes). Dat is perfect mogelijk: enerzijds kunnen klanten in de meeste winkels een klantenkaart scannen en anderzijds moeten ze zich op een website vaak aanmelden. Indien in beide gevallen eenzelfde login wordt gebruikt (bij het aanmelden online en het scannen offline), wordt het mogelijk de gegevens te kruisen en te weten of een onlinebezoeker in de fysieke winkel iets heeft gekocht.
  • De informatie over het gedrag in de winkel naar de online-ervaring Het lijkt minder vanzelfsprekend, maar meer weten over het koopgedrag in de winkel kan het mogelijk maken een website volledig te personaliseren.

Grootdistributiemerken bieden bijna altijd een e-commercesite waarop men online kan winkelen en zijn artikelen in de fysieke winkel kan afhalen. Nadeel: men moet een hele poos online doorbrengen (op z’n minst bij de eerste bestelling). Wat als het merk een basiswinkelmand of gepersonaliseerde producten zou kunnen voorstellen, op basis van het koopgedrag van de klant in de supermarkt?

In-store analytics: de beacons

In heel wat fysieke winkels is gratis wifi aanwezig. Als de wifi op een telefoon geactiveerd is, gaat die om de paar seconden zoeken of er nieuwe netwerken beschikbaar zijn. De telefoon gaat dus zijn unieke ID-nummer (MAC address) met alle beschikbare apparaten delen. Resultaat: naarmate een consument zich in een winkel verplaatst, fungeert elke wifi-antenne als een baken om de telefoon te lokaliseren, ook al maakt de consument geen verbinding met het netwerk. Dit heet het ‘beacon’-systeem.

Ook al deelt de smartphone geen persoonlijke gegevens over zijn eigenaar, toch kan men een totaalbeeld krijgen van wat de klanten doen wanneer ze in de winkel vertoeven. Hoeveel tijd brengen ze in een bepaalde afdeling door? Hoeveel klanten bevinden zich op elke verdieping? Na hoeveel tijd komen ze naar de winkel terug?

Zoals gezegd worden geen persoonsgegevens vrijgegeven omdat men geen MAC address aan een specifieke klant kan koppelen. Wanneer de klant de verbinding met het wifinetwerk tot stand brengt, wordt hem vaak gevraagd om zich te registreren. Op dat moment wordt het mogelijk de ID van de smartphone via het registratieproces aan de verzamelde gegevens te koppelen, zoals een naam, een e-mailadres, een telefoonnummer. Er zijn ook merken die een mobiele app bieden waarmee de gebruikers realtime kortingsbonnen en promoties kunnen ontvangen.

In-store analytics en persoonsgegevens

Zelfs al gaat het maar om een ID, toch kan de invoering van een dergelijke  monitoring opdringerig lijken. Men moet dus voorzichtig te werk gaan bij de invoering van in-store analytics methodes omdat ze een contraproductief effect zouden kunnen hebben als de gebruiker zich bespioneerd voelt.

De nieuwe GDPR-verordening (met betrekking tot de bescherming van de persoonsgegevens) staat momenteel in het middelpunt van de belangstelling; het is dus belangrijk informatie in te winnen bij experts over het type van gegevens dat men in het kader van in-store analytics mag verzamelen.

Tot slot moet die gegevensverzameling beide partijen ten goede komen. Wanneer een consument ermee instemt zijn gegevens met een winkel te delen, verwacht hij uiteraard een tegenprestatie. In ruil moet hij dus van een getrouwheidsprogramma, speciale promoties, kortingsbonnen of events kunnen genieten.

Bent u ervan overtuigd dat de gedragsanalyse van uw klanten u kan helpen hun aankooptraject te verbeteren? Maak dan kennis met onze web analytics-oplossingen!