Primaire doelgroepen in de praktijk, een gids voor beginners

Het is tijd om alles wat je hebt geleerd uit eerdere artikelen in de hub te combineren en je primaire kader voor op doelgroepen gebaseerde personalisatie in de praktijk te brengen. Zo kun je regelmatig waardevolle inzichten verzamelen en deze gebruiken om je inspanningen op de langere termijn vorm te geven.

Deze gids dient als een samenvatting van de twee belangrijkste typen op doelgroep gebaseerde tests en schetst vervolgens een stapsgewijs proces voor beginners om een paar eerste personalisatiecampagnes uit te voeren. Deze beginnen met A/B-testvariaties ten opzichte van een controlegroep om te zien welke het beste presteert voor al je primaire doelgroepen. De bevindingen hiervan dienen als startpunt voor verdere optimalisatie van de digitale ervaring voor elk segment.

Inzicht krijgen in je primaire doelgroepen en waardevolle inzichten opleveren voor doorlopend personalisatiesucces kan worden bereikt door het uitvoeren van twee verschillende soorten experimenten, die voor het beste resultaat in tandem moeten worden gebruikt.

Dat zijn:

Productaanbevelingen zijn een van de eenvoudigste vormen van personalisatie en een campagnetype dat moet worden gezien als een vast onderdeel van de website. Ze maken gebruik van datainzichten, realtime context en geaggregeerde aankooptrends om inhoud of producten op maat te presenteren.

Een reeks globale, contextuele en gepersonaliseerde productaanbevelingsstrategieën kan gedurende de funnel worden gebruikt om de totale tijd tot aankoop voor een bezoeker te verkorten. Bijvoorbeeld op de homepage om productontdekking te versnellen en de navigatie van de site te verbeteren. Of verder naar beneden op productdetailpagina's (PDP's) en in de winkelmand om cross-selling te bevorderen en conversies te stimuleren zonder dat gebruikers de pagina hoeven te verlaten tijdens momenten met een hoge intentie (wat doorgaans de gebieden zijn die het meeste gegenereerde omzet opleveren).

Alles, van de ingezette aanbevelingsstrategieën tot de look-and-feel van de widget (inclusief eventuele berichten) tot aan de locatie op de site of pagina, moet niet alleen worden getest, maar ook regelmatig worden geoptimaliseerd voor de beste resultaten per primaire doelgroep.

Een website staat vol met inhoudelijke elementen zoals afbeeldingen, teksten, calls-to-action (CTA's), promotiemodules en meer die doorgaans statisch van aard zijn, maar klaar zijn voor personalisatie op basis van de samenstelling van een bepaalde primaire doelgroep.

Voorbeelden van contentcampagnes zijn onder andere het aanpassen van de hero-banners op de startpagina, het personaliseren van de sitenavigatie (op desktop en mobiel), het tonen van tijdelijke promoties, het opnemen van socialproofberichten op PDP's of op andere locaties, en zelfs het aanen van teksten voor inactieve browsertabbladen.

De mogelijkheden zijn eindeloos als het gaat om de verschillende webcomponenten die beschikbaar zijn om te testen. Teams moeten echter altijd impact, inspanning en schaal in gedachten houden bij het prioriteren van ideeën.

Hieronder vind je een gestroomlijnd proces dat je helpt bij het vaststellen van je primaire doelgroepen en het inzetten hiervan om je eerste personalisatiecampagnes te starten en te analyseren: één test voor productaanbevelingen en één inhoudstest:

1. Maak een set van primaire doelgroepen

2. Voer een A/B-test uit voor productaanbevelingen

3. Voer een content-A/B-test uit

4. Analyseer testresultaten voor elk van je primaire doelgroepen

5. Lanceer nieuwe tests op basis van je hypothesen

Laten we beginnen.

Aanbevolen lectuur: Een set primaire doelgroepen kiezen.

Je primaire doelgroepen zijn de fundamentele segmenten die ten grondslag liggen aan je personalisatiestrategie. Ze vereenvoudigen je personalisatieprogramma zonder dat dit ten koste gaat van de effectiviteit. Het toepassen hiervan zou het opschalen van je inspanningen makkelijker moeten maken.

Omdat deze segmenten tijdloos en duurzaam moeten zijn – zelfs als je bedrijf zich ontwikkelt – is het cruciaal om weloverwogen te werk te gaan en de tijd te nemen om deze kerngroepen zorgvuldig te identificeren.

Hun selectie moet beginnen met het kiezen van een primaire website-KPI om op te optimaliseren op basis van je branche en bedrijfsbehoefte. Beoordeel vervolgens je datainzichten om patronen te ontdekken die verband houden met het voltooien van het KPI-evenement, en gebruik deze als segmentatieprincipe om een ​​set doelgroepen op te splitsen in 2-4 verschillende groepen. Deze groepen moeten 100% van je siteverkeer omvatten, waarbij elke groep minstens 10% dekt. 

Het doel van dit proces is om een gestandaardiseerde, universele lens vast te stellen om je gebruikersbestand en de resultaten van je tests te bekijken. Met een fundamenteel begrip van je doelgroep kun je beginnen met experimenteren om je kennis te vergroten. Je past nieuwe inzichten toe op toekomstige tests die zich richten op je primaire KPI voor elke doelgroep, waardoor de klantervaring verder wordt verbeterd.

Verplichte kost: Aan de slag met het testen van productaanbevelingen en personalisatie.

Voordat je je eerste tests lanceert, moet je ervoor zorgen dat ze aan deze vier voorwaarden voldoen. Dit zijn drie tests die dat doen!

Een geweldige manier om vertrouwd te raken met het implementeren en analyseren van een fundamentele personalisatietactiek, is door een aanbevelingswidget toe te voegen aan je PDP's en twee verschillende algoritmes te testen tegen een controlegroep om de resultaten te vergelijken.

Het is belangrijk om te onthouden dat geen enkele strategie geschikt is voor alle bezoekers, aangezien sommigen je site direct kunnen bezoeken en meerdere keren per week rondkijken, terwijl anderen voor het eerst komen via een zoekmachineopdracht. Een sterke productaanbevelingsengine beoordeelt de beschikbare gegevensinzichten voor een specifieke bezoeker en zet de meest geschikte strategie in op basis van contextuele aanwijzingen (huidige pagina, verwijzende URL, enz.), uitgaventrends en meer om actie te stimuleren. 

Tijd om onze test uit te voeren. Dit omvat:

1. Twee algoritmes kiezen om tegen elkaar te testen (evenals een controlegroep)

2. Hoewel de winnaars sterk kunnen variëren per merk, gebruikersbasis en doelgroep, zijn “Similarity” en “Viewed Together” enkele elementaire beginnende algoritmen om uit te proberen op de PDP.

3. Laat de campagne minstens twee weken lopen om statistische significantie te bereiken. Verdeel het verkeer gelijk over elke variant en de controlegroep en hanteer een drempelwaarde van 80% voor de 'Probability to Be Best' (P2BB) 

4. De A/B-testresultaten analyseren voor elk segment om te zien welke doelgroep welk algoritme verkiest voor gebruik in toekomstige aanbevelingstests

Wanneer je toekomstige aanbevelingstests uitvoert voor elk segment binnen je primaire doelgroepen, houd dan rekening met het paginatype en de fase van het klanttraject. Als je segmentatieprincipe bijvoorbeeld aankoopintentie is (gemeten aan de hand van paginaweergaven), is het logisch dat bezoekers met minder gegevensinzichten (lage intentie) generieke rankingaanbevelingen krijgen zoals "Meest populair". Terwijl terugkerende gebruikers met meer gegevensinzichten over paginaweergaven contextueel gedreven productaanbevelingen zouden moeten krijgen.

Je kunt meer te weten komen over technieken, strategieën en best practices in deze gids over productaanbevelingen.

Social proof messaging kost weinig moeite om te implementeren, maar kan een enorm effect hebben op KPI's. Daarom raden we dit aan als eerste contenttest.

Het concept van social proof zelf heeft te maken met de invloed van groepsdenken. Positieve klantbeoordelingen en -ratings wekken bijvoorbeeld een gevoel van vertrouwen op bij aankoopbeslissingen. Het benadrukken van de productvraag bevestigt de eigen gedachte van de bezoeker om het ook te kopen, en het tonen van de resterende voorraad van een bepaald product kan urgentie creëren.

Tijd om onze test uit te voeren. Dit omvat:

1. Een kwantitatieve factor kiezen om de contenttest voor social proof te triggeren
   • Dit helpt om het verhaal te vertellen over de waargenomen waarde van een bepaald product op een specifiek moment, zoals het aantal recente aankopen, paginaweergaven of zelfs de resterende voorraad 
   • Het aantal paginaweergaven of aankopen voor een bepaald product is gemakkelijk te begrijpen voor sitebezoekers en eenvoudig toe te passen, dus laten we daar beginnen     
2. Een drempel bepalen voor je kwantitatieve factor die de socialproofcampagne activeert
   • Dit zou iets moeten betekenen voor een consument, aangezien één enkele productweergave of aankoop op een bepaalde dag waarschijnlijk geen indruk zal achterlaten 
   • De drempel moet voldoende producten en datainzichten opleveren om een conclusie te kunnen trekken — een enkel product met 10.000 productweergaven levert extreem beperkte resultaten op 
3. Een periode selecteren voor je drempelwaarde
   • Wat heeft het meeste zin voor je bedrijf, producten en potentiële kopers: een dag, week of maand? 
   • We raden aan te beginnen met ronde getallen zoals 200 weergaven per dag of 1.000 weergaven per week 
4. Laat de campagne ten minste twee weken lopen om statistische significantie te bereiken, en volg dezelfde regels als bij de productaanbevelingstest om de beste variant te meten
5. De resultaten voor elk segment analyseren om de impact van de socialproof-content op conversies te bekijken (we gebruiken aankopen per gebruiker)

Net als bij de productaanbevelingscampagne moet je toekomstige socialproof-messaging gericht zijn op de motivaties en intenties van je primaire doelgroepen. De messaging van de inhoudstest en de kwantitatieve informatie die je toont (zoals verkochte producten of bekeken pagina's) verschilt per doelgroep. Nieuwe gebruikers met weinig bekende intentie moeten bijvoorbeeld productbeoordelingen van tevreden klanten te zien krijgen om interesse op te wekken, terwijl een terugkerende gebruiker met een hoge intentie misschien maar een klein duwtje in de rug nodig heeft om te converteren en meldingen over een lage voorraad te zien moet krijgen die aanzetten tot urgentie en aankoopacties.

Je wilt de resultaten voor al je primaire doelgroepen analyseren om te zien hoe de content voor elk segment heeft gepresteerd. Dit maakt het een stuk makkelijker om snel te optimaliseren nadat je waardevolle data-inzichten hebt ontdekt.

Nadat je je eerste campagnes hebt gelanceerd, analyseer je de resultaten vanuit het perspectief van je primaire doelgroepen om de winnende variant voor elk segment te bepalen.

Stel jezelf de vraag:

• Welke variant presteerde beter op basis van de primaire metriek?

• Als het resultaat negatief was of een daling liet zien, hadden de plaatsing, de inhoud, de call-to-action/het ontbreken daarvan of een ander element dan een factor kunnen zijn? 

• Waarom zou een variant wel (of niet) hebben aangeslagen bij de primaire doelgroep op basis van wat je al over hen weet?

• Welke boodschap zou beter kunnen aanslaan bij de primaire doelgroepen?

• Wat kun je hierna testen om meer duidelijkheid te krijgen over elke doelgroep?

Gebruik deze overwegingen om een doelgroepinzicht te versterken en de hypothese te onderbouwen die je in je volgende experimenten op de proef stelt. 

Zodra je inzicht hebt uit de eerste campagnes voor elk doelgroepsegment, heb je een verbeterde basislijn voor het starten van toekomstige tests.

Stel bijvoorbeeld dat je merkt dat gebruikers met een lage intentie (een van je primaire doelgroepen) de voorkeur gaven aan vergelijkbare producten in de PDP-aanbevelingen. Dit resultaat kan je doen vermoeden dat ze meer geïnteresseerd zijn in een specifieke productstijl dan in wat er samen mee is bekeken. Een logische volgende stap is het verfijnen van je gebruik van het vergelijkbaarheidsalgoritme voor het doelgroepsegment met een lage intentie binnen de PDP-productaanbevelingenwidget.

En zo begint het ideeënproces voor de campagne opnieuw, waarbij nieuwe inzichten worden toegepast als tweede iteraties van je aanbevelingen en inhoudstests — dit keer voor al je primaire doelgroepen.

Er zijn meerdere tactieken en strategieën binnen beide kerntypes van op doelgroepen gebaseerde personalisatietests, naast PDP-aanbevelingen en social proof. Wanneer je een nieuwe benadert, pas je eenvoudig dezelfde stapsgewijze aanpak toe:

1. Kies de personalisatiecampagne

2. Formuleer een hypothese om te testen voor je hele doelgroep

3. Voer een A/B-test uit met een controlegroep en twee variaties

4. Laat de test (minstens) twee weken draaien om statistische significantie te bereiken, waarbij het verkeer gelijkelijk wordt verdeeld over elke variatie en de controlegroep voordat je een drempelwaarde van 80% aanhoudt voor het meten van de 'Probability to Be Best' (P2BB)

5. Analyseer de resultaten door de ogen van al je primaire doelgroepen

6. Institutionaliseer en verzamel de inzichten uit elke test

Personalisatie is nooit echt klaar, want je kunt altijd meer leren over je doelgroep. Door het playbook hierboven te implementeren, kun je beginnen aan dit lonende proces, waardoor je niet alleen hun klantervaring verbetert, maar ook continu je resultaten optimaliseert.