تضع العلامة التجارية لمستحضرات التجميل الرقمية العملاء في قلب تجربة التسوق الخاصة بها، حيث تحقق متوسط إيرادات أعلى بنسبة 4.2٪ لكل مستخدم وعائد استثمار 8.5 مرة من التخصيص.
تضع العلامة التجارية لمستحضرات التجميل الرقمية العملاء في قلب تجربة التسوق الخاصة بها، حيث تحقق متوسط إيرادات أعلى بنسبة 4.2٪ لكل مستخدم وعائد استثمار 8.5 مرة من التخصيص.
تأسست في عام 2004، e.l.f. تم إطلاق مستحضرات التجميل بمهمة بسيطة لإنشاء منتجات عالية الجودة بسعر يسهل الوصول إليه. لم تكن elf واحدة من أقدم العلامات التجارية للجمال الرقمي فحسب، بل كانت أيضًا واحدة من أوائل الشركات التي تبنت نموذجًا مباشرًا للمستهلك.
من أجل الحفاظ على نموذج أعمالها، يضع خط مستحضرات التجميل عملائه في صميم جميع قرارات المنتجات والتسويق. لذلك عندما يكون E.l.f. سعى الفريق إلى ضمان حصول كل متسوق على تجارب مصممة خصيصًا لنظام الجمال الفريد الخاص به، ودخل الفريق في شراكة مع Dynamic Yield لمساعدتهم على تحقيق ذلك.
بعد الاستفادة من تكامل الطرف الأول في Experience OS والتوصيات وقدرات التخصيص، e.l.f. شهدت زيادة بنسبة 4.2% في متوسط الإيرادات لكل مستخدم وزيادة بنسبة 17.6% في مشاركة العملاء.
كما حققت التوصيات المخصصة عائدًا بنسبة 8.5٪ على الاستثمار في فترة قصيرة، مما يعني أن التكتيكات أدت إلى مكاسب مباشرة في الإيرادات كانت أكبر بثماني مرات من النفقات المتعلقة بمنصة التخصيص.
e.l.f. تُباع المنتجات لدى تجار التجزئة الكبار بما في ذلك Target و Walmart و Ulta. بدافع مضاعفة الحضور الرقمي لـ e.l.f.، شرع فريق التجارة الإلكترونية في إنشاء تجربة تسوق أفضل عبر الإنترنت وطلب حلاً يمكن أن يساعد في:
قبل الدمج مع Dynamic Yield، e.l.f. استخدمت Custora by Amperity، وهو برنامج لتحليل العملاء قائم على السحابة للمساعدة في تحديد شرائح الجمهور الثاقبة. ومع ذلك، أراد الفريق الاستفادة من قطاعات Custora بشكل أكبر لاتخاذ إجراءات فورية على الموقع وتخصيص التجارب. إن القدرة على استيعاب بيانات الطرف الأول من Custora في Dynamic Yield Experience OS منذ اليوم الأول، ضمنت أن بائع التجزئة لمستحضرات التجميل يمكنه إنشاء حملات مستهدفة للغاية بسرعة دون فقدان البيانات التاريخية الغنية للطرف الأول، وتحقيق وقت فوري للقيمة من خلال استثماره في التخصيص.
أمثلة لجماهير الطرف الأول من Custora التي تم دمجها في Experience OS:
e.l.f. اختارت تجاوز مدمني العناية بالبشرة والمكياج من خلال إنشاء مجموعات عملاء متخصصة واستهدافها. أنشأت E.l.f ما يقرب من 75 شريحة من العملاء في فترة زمنية قصيرة، مثل المشترين المتكررين والأشخاص الذين يزورون موقع الويب بشكل متكرر ولكنهم لم يكملوا عملية الشراء.
e.l.f. يستهدف الشرائح بناءً على الاحتياجات ويستخدم الاستهداف التنبئي لمطابقة الشرائح مع الاختلافات.
تعد معرفة PDPs جزءًا قيمًا من مرحلة اكتشاف المنتج، على سبيل المثال. اختارت هذه المساحة لتحسين توصيات منتجاتها. أراد الفريق تقديم المنتجات الأكثر صلة بـ PDPs لتحسين الاكتشاف والمشاركة. لقد قرروا إجراء مقارنة بين Dynamic Yield وحل نقطة التوصية الحالي الخاص به. قدم كل بائع استراتيجية «المشاهدة معًا» في قسم «قد تحب» في elf، مع تقسيم 50/50 بين المورّدين.
بعد الوصول إلى أهمية إحصائية بنسبة 95٪ في أسبوعين فقط، أثبت Dynamic Yield أنه المحرك الأقوى، مما أدى إلى زيادة كبيرة في معدل النقر على المنتجات الموصى بها (+ 23.2٪) وارتفاع متوسط الإيرادات لكل مستخدم (+ 4.2%) مقارنة بالبائع الآخر.
مع العقارات المحدودة، e.l.f. أرادت أن تلقى قائمة الهاتف المحمول الخاصة بها صدى لدى كل متسوق. للقيام بذلك بشكل فعال، قرر الفريق تخصيص القائمة بناءً على سجل التصفح، مما يسمح للعملاء بالعثور على المنتجات الأنسب لاحتياجاتهم بسرعة.
تم عرض فئات عالية المستوى للزوار الجدد بينما تعرض الزوار العائدون لفئات فرعية من الفئة الرئيسية التي أبدوا اهتمامًا بها سابقًا.
على سبيل المثال، إذا تصفح أحد المتسوقين فئة «العناية بالبشرة»، فسيتضمن شريط القوائم «منظف» و «أقنعة الوجه» و «العلاجات».
باستخدام إمكانات تحديد التقارب الفريدة والمطابقة لـ Dynamic Yield مع تحسينات القائمة هذه، e.l.f. شهدت زيادة بنسبة 17.6٪ في معدل النقر إلى الظهور، مما دفع الزوار إلى التعمق في كتالوج منتجاتها.
لطالما كان عملاء e.l.f مؤثرين في العلامة التجارية للجمال. ومع ذلك، لا يزال لدى الفريق فرصة كبيرة لفهم احتياجات المتسوقين وتفضيلاتهم بشكل أفضل طوال رحلة العميل.
بعد نشر Dynamic Yield، تمكنت elf من الاستفادة حقًا من الجماهير الناقدة التي تتفاعل مع العلامة التجارية لضمان حصول كل محبي مستحضرات التجميل على التجارب الأكثر صلة. ومن خلال التنفيذ الاستراتيجي للعديد من حملات تخصيص الويب لسطح المكتب والجوال، شهدت زيادة مشاركة الموقع وزيادة الإيرادات.