American Apparel: impulsionando a centralização no cliente em um mundo omnicanal

O diretor digital da American Apparel discutiu o futuro do varejo, a importância de entregar valor ao consumidor e as estratégias para um mundo IoT e omnicanal.

Thoryn Stephens, diretor digital da American Apparel, estava falando no ClickZ Live Hong Kong, onde fez uma apresentação sobre como os profissionais de marketing podem agregar valor ao consumidor usando dados e tecnologia. Veja como:

Como definimos valor, como medimos valor e como geramos valor?

Stephens sempre quis ser uma estrela do rock. Em vez disso, ele se tornou um biólogo molecular. Foi essa abordagem científica para analisar dados que o levou, em 2003, a vincular uma conta do Google Analytics ao Ad Words e ao Salesforce para sua primeira incursão na compreensão do comportamento do consumidor.

Isso, por sua vez, levou a cargos em startups do Vale do Silício, uma emissora de televisão e hoje, como CDO na American Apparel.

“Sendo um ex-cientista, tudo o que faço é baseado em medições”, disse Stephens.

Ele acredita que recebe mais financiamento do que qualquer outro chefe de departamento porque é capaz de mostrar como tudo é medido. Ele também acredita que parte de seu sucesso se resume a possuir sua própria equipe de tecnologia.

De acordo com Stephens, para direcionar o tráfego da aquisição à conversão, os profissionais de marketing devem:

• Entenda a experiência do consumidor
• Otimize por meio de teste e aprenda
• Desenvolva estratégias de retenção

Os elementos fundamentais para tudo isso são tecnologia e ciência de dados.

Para começar, as organizações precisam entender onde estão na curva de maturação de dados.

As quatro etapas da curva de maturação de dados são:

1. Coletando os dados certos

2. Gerar relatórios sobre dados e gerar insights

3. Teste de hipóteses (e desenvolvimento de uma abordagem de teste e aprendizagem)

4. Análise preditiva

Cada estágio da curva se torna mais complexo, mas simultaneamente aumenta o impacto potencial sobre os negócios, quanto mais longe a organização alcança.

Perfis e estados do usuário

Stephens olha para o mundo em três dimensões principais:

• O usuário desconhecido
• O usuário anônimo
• O usuário conhecido

Cada uma dessas dimensões tem um valor. Uma vez que os usuários tenham sido identificados, o objetivo é conduzir o consumidor de um usuário desconhecido ou anônimo para um usuário conhecido.

O usuário desconhecido

Durante seu tempo na Fox Broadcasting, Stephens foi responsável por construir a primeira estratégia de otimização de ciência de dados da empresa. Na época, ele estava trabalhando na marca Os Simpsons . Ele tinha mais de 70 milhões de curtidas (usuários desconhecidos) em sua página do Facebook, mas em comparação, o CRM era pequeno (usuários conhecidos).

O principal desafio era converter esses usuários desconhecidos em conhecidos. Ao usar um aplicativo do Facebook, como um sorteio, Stephens e sua equipe engajaram os usuários e os incentivaram a compartilhar um endereço de e-mail. Com um endereço de e-mail, o usuário desconhecido se tornou conhecido.

O usuário anônimo

Um usuário anônimo é um usuário que pode ser cozinhado, por exemplo. Existe um perfil básico de comportamento ou localização geográfica, mas não se sabe exatamente quem são.

Usando o retargeting, um comerciante pode começar a personalizar o conteúdo para esses consumidores e levá-los a se tornarem usuários conhecidos. Isso pode ser alcançado encorajando-os a:

• inscreva-se para um evento
• faça uma compra
• baixar um aplicativo (com registro)

O usuário conhecido

Depois que um usuário se torna um usuário conhecido, todos os tipos de dados podem ser obtidos nele.

“Em última análise, você pode obter o máximo valor deles não apenas como consumidor, mas agora também como marca, porque está adaptando a experiência a esse usuário individual conhecido”, disse Stephens.

Ao identificar os usuários dessa forma, eles também podem ser melhor direcionados aos canais.

• O usuário desconhecido pode ser visado com TV e vídeo.
• O usuário anônimo por meio de retargeting com base na experiência do site com anúncios.
• O usuário conhecido com aplicativos, notificações push, mensagens no aplicativo, SMS e e-mail.

“No final das contas, cada uma dessas interações fora dos usuários desconhecidos, posso rastrear e entender e, por fim, otimizar”, disse Stephens.

Impulsionar a centralização no cliente por meio da avaliação no nível do usuário

De acordo com Stephens, a centralização no cliente se concentra nas necessidades atuais e futuras de um seleto conjunto de clientes para maximizar o valor de longo prazo para o negócio.

Tudo se resume à regra 80:20, disse Stephens.

“Você está se concentrando em 20% dos clientes que geram 80% de sua receita ao realmente entender quem são esses usuários”, disse ele.

Aqui está uma análise das diferentes formas de valores do cliente:

• RCV - valor realizado do cliente: o valor deste cliente hoje.
• RLV - valor vitalício restante: retenção deste cliente no futuro.
• CLV - valor de vida do cliente - é a combinação de RCV e RLV e é o valor do seu consumidor por um período de tempo indeterminado. Quanto você está disposto a pagar para adquirir esse cliente? Por exemplo, se o valor vitalício de um cliente for $ 500, talvez você esteja preparado para pagar $ 200- $ 300 para adquiri-los.

Estudo de caso RCV: startup do Vale do Silício

Em uma função anterior, Stephens trabalhou para uma startup, que arrecadou $ 40 milhões, tinha 2 milhões de seguidores no Facebook e 10 milhões de membros.

No entanto, a porcentagem de clientes era um pouco menor, e o RCV estava nas dezenas e milhares de dólares negativos. Stephens se perguntou como era possível ter clientes de valor negativo.

Analisando os dados, sua equipe descobriu que, em nível de usuário, muitos eram trocas e devoluções em série. Por meio da métrica RCV específica, a equipe foi capaz de alterar imediatamente as políticas de remessa e trocas da empresa, gerando economia adicional para o negócio.

Estudo de caso de análise de agrupamento: Fox Broadcasting

Usando uma metodologia estatística chamada clustering, Stephens foi capaz de identificar os visitantes do site da Fox que eram todos parecidos em um conjunto específico de maneiras.

Primeiro, ele reuniu os dados analíticos da Adobe para um ano e os agrupou.

A equipe estava procurando por métricas de valor que direcionassem o negócio - neste caso, consumidores assistindo a vídeos - (viciados em consumo) uma fonte primária de monetização.

Usando clustering e um algoritmo específico chamado algoritmo de maximização de excitação (EM), eles começaram a ver padrões de comportamento. Quatro tipos principais de usuários começaram a surgir no ecossistema.

1. Os watchaholics : pessoas com visitas de alta frequência, voltando ao site e impulsionando as visualizações do anúncio em vídeo. Este grupo foi considerado consumidores de alto valor na curva de avaliação porque estavam gerando dólares adicionais de publicidade.

2. Os observadores casuais

3. O grupo internacional

4. O grupo passivo

Depois de focar nos watchaholics, a equipe analisou seu tempo para retorno e frequência.

“O que podemos aprender sobre o comportamento deles? Pegamos esse insight e então começamos os testes ”. O insight foi então usado para testar um pequeno subconjunto de observadores casuais com o objetivo de levá-los a se tornarem watchaholics.

“Nós poderíamos ter parado por aí. Mas não fizemos isso ”, disse Stephens.

Os dados mostraram que os usuários passivos não consumiram muito vídeo, mas tiveram uma alta contagem de visitas. A equipe descobriu que, depois de acessar o site da Fox imediatamente, a segunda página que visitou foi a programação.

“Na verdade, eles estavam usando o fox.com como um guia de TV gigante. Isso inverteu a curva de avaliação. Isso nos permitiu entender o comportamento dos usuários passivos e como testá-los. ”

Depois de criar um segmento cada vez que um usuário passivo acessava o site, a programação do programa favorito do usuário era colocada na página inicial.

A equipe de Stephens deu um passo adiante com uma coleta de e-mail para um alerta automático.

Estudo de caso de desenvolvimento de público: American Apparel

O Facebook foi o pioneiro em públicos-alvo personalizados há alguns anos. Ele permite que os profissionais de marketing pegem quatro variáveis ​​principais: e-mail, número de telefone, uma ideia de dispositivo ou um cookie e os alimente no Facebook e direcione esses consumidores por meio de uma série de dimensões. Agora também está disponível em outras plataformas, como Instagram, Twitter e Customer Match do Google.

Neste exemplo, a American Apparel queria melhorar as taxas de abandono do carrinho. “Por meio da Oracle, sabemos quando alguém faz um anúncio no carrinho. Literalmente, em segundos, se for devolvido, em vez de receber um e-mail, eles recebem um anúncio redirecionado no Facebook. Pode ser até o milissegundo. ”

Stephens disse que o retorno sobre essas campanhas de CRM social é 30 vezes o retorno sobre os gastos com publicidade.

Em outro exemplo, a American Apparel usou os dados para procurar assinantes de e-mail inativos - consumidores que não interagiram com o site ou não abriram um e-mail durante um período de tempo. Essas campanhas de reengajamento foram distribuídas por e-mail ou via Facebook, direcionando-os com descontos.

O futuro do varejo

Qual é o futuro do marketing da American Apparel? Stephens está focado em várias áreas.

Omnichannel

O marketing omnichannel é a intersecção do varejo com o digital. Por exemplo, um consumidor está andando na rua e, ao passar por uma loja, recebe uma notificação push que o leva até a loja para fazer uma compra. Essa atribuição omnicanal credita a venda tanto os canais digitais quanto os de varejo.

IoT e RFID

RFID é um chip que pode ser embutido na etiqueta de cada peça de roupa. Na American Apparel, essa tecnologia foi implantada globalmente em 200 lojas e 15 milhões de etiquetas. Ele permite que uma equipe de marketing acompanhe e entenda os níveis globais de estoque em tempo real.

A próxima etapa é estabelecer como ele pode ser usado para melhorar a experiência do consumidor e gerar receita. A American Apparel está atualmente experimentando dispositivos móveis com links para anúncios em um outdoor ou ponto de ônibus usando chips NFC. Se o consumidor gosta do anúncio, ele toca seu telefone para iniciar uma conversa de bot de texto. O usuário pode fazer perguntas sobre cores ou tamanhos e, em seguida, descobrir se aquele produto personalizado específico está disponível em uma loja próxima.

Sob demanda com Postmates

Recentemente, a American Apparel fez uma campanha de entrega sob demanda com a Postmates nos Estados Unidos. Os consumidores podem pedir um moletom e recebê-lo em 60 minutos.

“A adoção do consumidor está lá? Ainda não, mas está chegando lá ”, disse Stephens. Ele destacou a cultura “deve ter agora” da geração do milênio e acredita que a entrega sob demanda é o caminho do futuro.

Aprendizado

As principais lições de Stephens são as seguintes:

1. Avalie a maturação dos dados organizacionais

2. Direcione os negócios para medições e métricas centradas no cliente

3. Teste e aprenda - segmente usuários de alto CLV e teste hipóteses para mover usuários de menor valor para segmentos de maior valor

“Teste e aprenda tudo. Se você entende seus clientes de alto valor, pergunte o que você pode aprender sobre eles e, em seguida, teste seus consumidores de baixo e médio valor para levá-los a se tornarem altos. ”

4. O atendimento sob demanda é o futuro do varejo

Pequenos orçamentos

Um grande orçamento não é essencial para entender os valores vitalícios, disse Stephens.

“Muitos modelos estão disponíveis gratuitamente. Contanto que você tenha seus registros de transações saindo de seu mecanismo de comércio eletrônico ou ponto de venda, terá todos os dados de que precisa. O tempo para retorno e a frequência podem ficar um pouco confusos, mas geralmente você deve ter o que precisa - um carimbo de data / hora e um registro transacional. ”