"Als je data naadloos deelt op je platforms, levert dat talloze mogelijkheden op", zegt Gopinath. "Je verstuurt niet alleen e-mails of pushmeldingen, je orkestreert een echte omnichannel ervaring. Een ongelooflijk krachtige ervaring."
Een strategisch basissysteem
In samenwerking met implementatiepartner Bounteous, een adviesbureau voor digitale-transformatieservices, ontwikkelden Gopinath en zijn team een personalisatiestrategie voor CCETH die vier belangrijke stappen omvatte:
- De teamstructuur afstemmen op optimale samenwerking
- Data centraliseren om een duidelijk beeld van klanten te krijgen
- Gebruiksscenario's definiëren als strategisch fundament
- De strategie uitvoeren op basis van de gebruiksscenario's
Gopinath, die een stevige achtergrond in digitale marketing heeft, wist dat het technologieteam er vanaf het begin bij betrokken moest worden. In plaats van een traditionele aanpak waarbij het businessteam ideeën naar het technologieteam stuurt om uit te voeren, bracht hij iedereen samen voor gezamenlijke planning, uitvoering en iteratie tijdens het hele proces. Daarvoor moest wel een systeem worden ontworpen voor intercontinentale samenwerking met teamleden aan de andere kant van de wereld.
De volgende stap was om silo's af te breken door data uit meerdere bronnen te centraliseren. Het team had een manier nodig om e-commercedata van Adobe Commerce – inclusief gedragsacties zoals het toevoegen van artikelen aan een winkelwagentje, back-officedata zoals de bestelhistorie en profieldata – te combineren met informatie uit andere bronnen zoals het ERP en CRM van het bedrijf. Ze gebruikten de Adobe Commerce Data Sharing-extensie om de data naar Experience Platform en Real-Time CDP te sturen. Daar werd de data gestandaardiseerd in uniforme klantprofielen.
"Met de Commerce-integratie kunnen we elk contactmoment met de klant vastleggen", zegt Gopinath. "Zo kunnen we een volledig klantprofiel opbouwen vanaf het moment dat de klant voor het eerst op de website komt."
Nu ze de mogelijkheid hadden om rijke klantprofielen te creëren, gingen Gopinath en zijn team aan de slag om klanttrajecten te personaliseren. Ze rangschikten de mogelijke gebruiksscenario's op basis van klantinteracties, marketinginitiatieven en personalisatietactieken en kwamen zo tot een framework met drie pijlers:
- Gebruiksscenario's om meer omzet te genereren
- Gebruiksscenario's om de interactie en retentie te verhogen
- Gebruiksscenario's om te analyseren wat werkt en te itereren
Een echte omnichannel ervaring
Het team ging eerst aan de slag met een klassiek interactiegebruiksscenario: achtergelaten winkelwagentjes. Vóór de data-integratie duurde het soms wel 48 uur voordat ze wisten of een CCETH-klant klaar was met afrekenen. Omdat de data nu in real-time werd uitgewisseld, konden ze direct gepersonaliseerde e-mailherinneringen sturen naar gebruikers die niet binnen een uur hadden afgerekend. Daardoor stegen de openingspercentages voor e-mails met 36%, de doorklikpercentages met 21% en de conversiepercentages met 8,5%.
Het team communiceerde niet alleen via e-mail, maar stuurde ook herinneringen via pop-upberichten op de website en via pushmeldingen, waaronder een nieuwe WhatsApp-integratie. Met behulp van Journey Optimizer werden de juiste frequentie en communicatiekanalen bepaald op basis van klantgedrag, AI-geneigdheidsscores en andere informatie.
"Journey Optimizer heeft veel kanalen ontsloten", zegt Gopinath. "Daarmee hebben we een echte omnichannel ervaring georkestreerd."
Nu CCETH toegang had tot real-time informatie, kon het bedrijf ook Adobe Customer Journey Analytics inzetten om meer inzicht te krijgen in het bestelgedrag van bottelaars en magazijnen. Het team van Gopinath zag niet alleen direct welke producten bijna op waren, maar kon ook via Journey Optimizer automatisch aangepaste berichten naar bottelaars sturen op basis van postcodes waar ze een stijging van de vraag verwachtten vanwege seizoensgebonden factoren.
Daarnaast maakte het team gebruik van analytics om inzicht te krijgen in aankooptrends en trends te correleren met productaanbevelingen die meer omzet opleverden. "De producten die we aanbevelen moeten worden gestaafd met omzetcijfers, anders is het heel moeilijk om onze activiteiten te verantwoorden", zegt Gopinath. "Dankzij Adobe Customer Journey Analytics konden zakelijke stakeholders gemakkelijk visualiseren waar we mee bezig waren via de dashboards die we hadden gemaakt."
Met behulp van Customer Journey Analytics ontdekte het team ook nieuwe manieren om klanten met een lage aankoopfrequentie weer enthousiast te maken, bijvoorbeeld door een gepersonaliseerde coupon te sturen tijdens de maand waarin de klant jarig is of als reactie op een mogelijk negatieve gebeurtenis, zoals een poging om een verlopen promotiecode te gebruiken. Tegelijkertijd kon het team ook zien welke klanten waarschijnlijk geen aankoop zouden doen, zodat ze hun media-uitgaven efficiënter konden inzetten.
De kracht van personalisatie
Gopinath en zijn internationale topteam creëerden een draaiboek voor personalisatie dat de strategie van Coca-Cola in markten over de hele wereld transformeert. Ze zijn al begonnen met de uitrol naar de Coca-Cola Store in de VS, waar gepersonaliseerde productontdekking met behulp van Adobe Sensei , Adobe's technologie voor AI en machine learning, direct meerwaarde heeft opgeleverd.
Uit de eerste resultaten blijkt dat één-op-één-productaanbevelingen op basis van gedragsacties en affiniteiten van shoppers 117% meer clicks en 36% meer omzet hebben opgeleverd. De winkel realiseerde ook een doorklikpercentage van 17% voor cross-sell-aanbevelingen voor producten die vaak samen worden gekocht. Het conversiepercentage van zoekopdrachten op de website bedroeg 19%, waarbij de gezochte producten doorgaans bij de bovenste drie resultaten zaten.