营销与客户体验 Insights Traffic Analytics

实体零售商如何实现个性化服务

2024年3月4日 · Ashton Kirsten · 8 预计阅读时间

male store associate looking at a desktop computer in a clothing store

随着零售业持续转型,逐渐演变为一个竞争更加激烈、由数字化驱动且以客户为中心的环境,零售商面临着管理海量接触点的挑战。尽管每一项举措都具有价值,但其累积效应可能导致成本高昂且令人困惑——需要考虑的因素、渠道和微趋势实在太多。这可能导致对零售行业格局的理解变得模糊不清。在我们与 CX Digital 合作发布的电子书中,我们深入剖析了这些痛点,并提供了切实可行的解决方案和数据驱动的洞察。本文将重点介绍其中关于个性化研究的部分内容——个性化是现代零售商日益关注的领域。

精通数字技术的零售商早已开始运用个性化技术。尽管各种统计数据都表明,如今的顾客期待个性化服务,但这一概念本身并非新鲜事物。不过,个性化通过增强顾客参与度从而提升顾客终身价值的方式,却是一种新趋势。

阅读完整电子书:《增长新议程:精通数字技术的零售商必须遵循的 5 项要务》


将个性化带入线下

一提到能够提供高度个性化服务的品牌,我们往往会想到数字领域的例子,比如 Netflix、Apple Music 或 Spotify 等热门流媒体服务。这些公司能够分析海量客户数据以及用户对内容的反馈,这正是它们的优势所在。这些超个性化的数据有助于提升品牌的能力,使其能够根据用户的每次重复播放、跳过、点赞或添加到播放列表等行为,不断优化推荐内容。

虽然大多数零售商可能无法像这些流媒体巨头那样充分获取用户/购物者数据,但这并不意味着他们不能借鉴这些公司应用机器学习的方式,从而从注意力经济转型到价值经济。正如 Spotify 机器学习负责人托尼·杰巴拉(Tony Jebara)所言:“这确实是一个令人振奋的下一个前沿领域——机器学习不再仅仅局限于点击量和点击诱饵,而是着眼于长远发展。”尽管各家企业的业务模式差异巨大,但这些“数字优先”的企业仍值得借鉴——特别是在利用数据和机器学习为实体店提供最佳客户体验方面。 

个性化服务的下一阶段已超越了单纯向消费者提供相关推荐的范畴。其目标是通过推荐具有相似品味特征的其他消费者已采纳的关联商品,从而拓宽消费者的选择范围,并鼓励他们探索新产品。例如,与其仅仅为顾客最近购买的上衣推荐一条配套的瑜伽裤,这一级别的个性化服务还可能推荐一款冥想应用,以此引导顾客进一步探索瑜伽练习。在此过程中,数据整合至关重要,因为零售商需要综合分析各类数据集,才能提供有意义的相关推荐并建立品牌忠诚度。

精通数字技术的零售商可以通过几种方式来实现这一点。最显而易见的方式或许是通过数据共享,例如在某流媒体服务平台上投放广告,该平台会收集大量关于共同目标市场的数据。 


Spotify 广告工作室

Spotify 为广告开发者提供了多种自助工具,使他们能够创建、录制和分享音频及视频广告。这种广告模式与其他模式的不同之处在于,它将广告设计与用户所处的场景相结合,从而打造出与场景相关的广告方案。例如,如果广告被放置在能引发听众特定情绪的播放列表之间,它就能利用这些情绪来积极影响听众的行为。

例如,必胜客曾开展了一项“音频优先”营销活动,旨在让在 Spotify 上收听节目的披萨爱好者时刻将外卖服务放在心上。这家快餐品牌针对其核心受众群体进行了精准投放,包括 Z 世代、家庭用户,以及对游戏、电视剧或体育感兴趣的人群。他们识别出诸如比赛日和晚餐时间等“与披萨相关的场景”,并利用这些时机投放能勾起食欲的广告,同时又不打断听众日常生活的节奏。 

零售商从中得到的启示是:时机至关重要。向购物者推送个性化内容的效果,完全取决于“何时”和“何地”。像这些线上巨头一样,零售商可以利用门店数据,在最关键的时刻(例如进店或结账时)推送符合情境的广告,从而延长顾客在店内的停留时间,并最终提高平均交易额(ATV)。 


Sephora 处的个性化设置 

在完成一份简单的在线问卷并追踪会员的购买行为后,Sephora 的“Beauty Insider”会员计划旨在通过提供个性化推荐、免费美容服务、新产品优先体验、专属活动邀请等,为会员打造个性化的体验。

这家具有前瞻性的美妆巨头在内部跨平台共享客户数据,无论客户偏好哪种渠道,都能为其提供无缝的体验。Sephora 的“Beauty Insider”会员计划拥有超过 2500 万名会员,据称占该公司销售额的约 80%。

阅读更多:5 个零售忠诚度计划的最佳实践案例


店内分析如何推动个性化服务

此外,将门店分析数据与其他渠道行为(如在线浏览时间和数字购买路径)相结合的解决方案,能够揭示关于购物者的关键洞察。例如,自然语言处理技术可应用于文本或语音数据,帮助零售商更好地理解消费者与企业互动过程中产生的情绪波动。这为识别和创建前瞻性的个性化路径提供了肥沃的土壤,从而与客户建立深度互动。

即使不考虑电子商务,仅凭门店数据也能挖掘出巨大的个性化潜力。店内顾客动线分析能准确显示顾客停留时间最长的区域、与陈列设施互动最频繁的区域,并完整呈现消费者在店内的整个购物旅程。这使零售商能够针对性地进行优化以提升转化率,并测试新的店铺布局或视觉陈列创新,例如部署零售媒体网络(RMN)。 

必须注意的是,积极参与的消费者对精明的零售商将抱有越来越高的期望,因此提供一流的购物体验比以往任何时候都更为重要。  

阅读更多:零售业转型:三大传统品牌如何在当今时代保持竞争力

关于作者

Ashton Kirsten 头像

Ashton Kirsten, Global Brand Manager, RetailNext

Ashton leads global marketing at RetailNext, having progressed from Marketing Communications Coordinator to Global Brand Manager before stepping into her current role. Her background spans content strategy and creative direction across South Africa's media and marketing landscape. Ashton holds a Master of Arts in English Literature from Rhodes University, earned cum laude, along with Honours in English Language and Literature from the University of Pretoria.

阅读更多来自 Ashton Kirsten

想亲眼看看 RETAILNEXT 的实际应用吗?

请与我们的团队联系。我们将向您详细展示 RetailNext 能为您的业务带来哪些具体成效。

预约初步咨询电话