17. märtsil toimunud baltikumiülesel e-kaubanduse konverentsil Baltic E-commerce Forum 2022 esines iProspect Eesti juht Roger Puks ülevaatega tulevikutrendidest e-kaubanduses.
Käesolev artikkel annab lühiülevaate konverentsil kajastatud kolmest põhitrendist, millega turundajad ning e-kauplejad võivad käesoleval aastal arvestada.
2022. aasta on teataval määral unikaalne nii online- kui offline-kaubanduse jaoks. Kui varasemalt on eelmainitud kanaleid nähtud eraldiseisvatena (ning vahest ka konkureerivatena), siis koroonapandeemiast väljumine on endaga kaasa toonud omni-channel lähenemise senisest laiema leviku – mõlema kanali osatähtsus on tarbijate silmis võrdsustunud ning nende klientide eelduseks on võrdväärne kasutajakogemus mõlemas.
Kuigi trende, mis sellise turuarenguga kaasnevad, on hulgaliselt, sai kõnealuse ettekande jooksul keskendutud kolmele näitele.
#1: Hüperpersonaliseerimine
Tänaseks päevaks on erinevate kliendi puutepunktide hulk digimaailmas pidevalt kasvanud, mis on toonud kaasa informatsiooni ülekülluse. Parim viis oma kliendi tähelepanu hoida ja köita on läbi isikupärastatud suhtluse ja kohandatud kasutajakogemuse.
Palju turundajaid ning e-kauplejaid tõlgendab hüperpersonaliseerimist kompleksse tegevusena, kuna valdavalt kasutatakse sellest rääkides keerulisi „moesõnu“ nagu big data ja tehisintellekt, ent kontseptuaalselt on hüperpersonaliseerimine väga lihtsasti hoomatav. Hüperpersonaliseerimine tähendab kõige lihtsamalt öeldes seda, et veebisaidi sisu muutub dünaamiliselt vastavalt erinevatele parameetritele – kasutaja sotsiaaldemograafiline profiil, geograafiline asukoht, käitumuslik ajalugu vm.
Sealjuures ei tähenda hüperisikupärastamine tingimata suuri väljaminekuid ega nõuda piiramatuid ressursse. Primitiivsemal tasemel on hüperpersonaliseerimine lahendatav, kasutades tööriiste, mis on valdaval osal e-kauplejatest juba praeguseks paigaldatud – Google Analytics, Tag Manager ning Optimize.
#2: 1st party data osatähtsus
Andmekaitse ja privaatsus on olnud viimasel ajal üsna laialdaselt arutatud teema. iOS-i privaatsusuuenduste ja kolmandate osapoolte küpsiste kadumise ümber on palju diskuteerimist, kuid seda soodustab osaliselt see, et kasutajad tunnevad rohkem muret oma andmete ja privaatsuse pärast. Antud tendents viib aga kauplejad olukorda, kus kolmanda osapoole andmetega saab turundustegevustes üha vähem arvestada ning olulisemaks muutub oma kliendibaasi ning sealsete andmete olemasolu.
See tähendab, et senisest suurem fookus tuleb asetada ühest küljest oma andmevarude täiendamisele – iga kodulehele saabuv klient on potentsiaalne andmeallikas ning ei tasu peljata kliendile allahindluste ja muude hüvede pakkumist vastutasuna tema kontaktmeili eest. Teisalt tähendab see, et oluliseks muutub ka andmevara rikkalikkus – mida rohkem detaile on turundajatel oma klientide kohta, seda personaliseeritumaks ning efektiivsemaks saab minna suhtlus klientidega.
#3: Andmeanalüüs ja veebianalüütika
Kuigi GDPR on valdava osa kauplejate jaoks muutunud juba standardiks, leidub kohalikul turul veel hulgaliselt e-poode, mis ei vasta GDPR nõuetele. Korrektseid lahendusi rakendavad poehaldurid on avastanud aga uue probleemi – kasutajad pole varmad andma nõusolekut kasutada turundustegevusteks vajalikke kolmanda osapoole küpsiseid. See viib omakorda suurte käärideni absoluutmõõdikutes ning toob kaasa suure kukkumise nii külastuste, külastajate jm mõõdikutes.
Antud probleemi üheks lahenduseks on rakendada paralleelselt Google Analyticsiga tööriistu, mis on oma olemuselt GDPR-iga ühilduvad. Nende tööriistade (nt. Matomo) puhul kuulub kogutud andmestik sajaprotsendiliselt veebihaldurile, andmeid hoiustatakse kliendi enda serveris ning kogu funktsionaalsus toetub esimese osapoole küpsistele – tänu kõikidele neile põhjustele ei vaja Matomo kasutajapoolset nõusolekut töötamiseks.
Kuna valdav osa eelmainitud tööriistadest on olemuslikult Google Analyticsist funktsioonivaesemad ja pinnapealsemad, on mõistlik kasutada neid paralleelselt GA-ga. Selline lähenemine võimaldab hinnata absoluutmõõdikuid adekvaatsemalt läbi Matomo, ent keerulisemaid funktsioone kasutada ning suhtmõõdikuid (konversioonimäär, põrkemäär) vaadelda läbi GA.