Verdeling per uur: Inzichten in de aankooptijd

Het online koopgedrag is de afgelopen jaren flink veranderd, onder invloed van nieuwe technologie en veranderend consumentengedrag.
Het koopgedrag gedurende de dag wordt beïnvloed door allerlei factoren, zoals persoonlijke routines, spontane gebeurtenissen en werkschema’s, om er maar een paar te noemen. ’s Ochtends bijvoorbeeld, als het tijd is voor dat eerste kopje verse koffie, merken klanten misschien dat hun koffiebonen bijna op zijn en zullen ze waarschijnlijk een nieuwe bestelling plaatsen bij hun favoriete webshop. Op dezelfde manier zie je ’s avonds, als er meer tijd is om te ontspannen en rond te kijken, vaak een hogere verkoop van kleding of elektronica.

Door deze verschillen in koopgedrag gedurende de dag te begrijpen, kunnen Ecommerce-platforms hun strategieën, timing en marketinginspanningen afstemmen op de voorkeuren en stemmingen van consumenten op verschillende momenten. Het implementeren van efficiënte strategieën brengt echter uitdagingen met zich mee, omdat er een delicate balans moet worden gevonden tussen het gebruik van data, de privacy van klanten en de gebruikerservaring. Terwijl klanten op maat gemaakte aanbevelingen en ervaringen vragen, is het een lastige afweging om enorme hoeveelheden data te verzamelen en te analyseren zonder de privacyrechten van individuen te schenden.
Dankzij de mogelijkheden van Product Intelligence kunnen we vanuit een productperspectief inzicht krijgen in het koopgedrag gedurende de dag. Door enorme hoeveelheden productgegevens te analyseren, krijgen we inzicht in de uurverdeling van de omzet per productcategorie, los van het gedrag van de gebruikers.
Verbeter de gepersonaliseerde winkelervaring door inzicht te krijgen in de uurverdeling van de omzet
Het uiteindelijke doel van gepersonaliseerd winkelen is om een naadloze en op maat gemaakte winkelervaring te creëren, waardoor een diepere band tussen klanten en merken ontstaat en de algehele tevredenheid en loyaliteit worden versterkt. Product Intelligence geeft bedrijven inzichten die de basis vormen voor personalisatietools zoals e-mailmarketing, advertenties op sociale media of dynamische banners op de website. Als je bijvoorbeeld weet dat klanten ’s ochtends eerder geneigd zijn om koffiebonen te kopen, kun je social media-advertenties zo inplannen dat ze verschijnen terwijl ze ’s ochtends door hun feed scrollen. Succesvolle conversies hangen vaak af van het op het juiste moment aanbieden van het juiste product aan klanten, waardoor de acquisitiekosten dalen en de marges stijgen.

Een andere manier om de mogelijkheden van Product Intelligence in deze context te gebruiken, is door ook inzichten te verkrijgen in koopgedragspatronen gedurende de week. Zo kunnen we bijvoorbeeld zien of klanten vaker koffie kopen op maandag, of juist in het weekend. Dankzij de flexibiliteit van deze API-oplossing kunnen bedrijven waardevolle inzichten gebruiken en combineren om hun doelgroepstrategieën op de meest geschikte manier te verfijnen.

Waarin verschilt deze methode van andere bestaande methoden?
Ecommercebedrijven gebruiken van oudsher gebruikersinzichten om meer te weten te komen over het koopgedrag van hun klanten. Sommige analyses laten zien wanneer gebruikers meestal bepaalde productpagina’s bezoeken of een aankoop doen.
Deze gegevensstromen brengen echter ook uitdagingen met zich mee. Wat als er bijvoorbeeld net een nieuw product aan de winkel is toegevoegd en er nog geen historische gegevens zijn? Of wat als gebruikers cookies weigeren?
We lossen dit op door vergelijkbare producten te groeperen en algemene identificatiecodes te maken die niet afhankelijk zijn van gegevens van individuele winkels. We noemen dit productclusters.
Lees meer over hoe clusters werken
Laten we het eens nader bekijken aan de hand van een voorbeeld
Stel, we zijn een online cosmeticawinkel met een breed assortiment aan producten. Vroeger zagen we ’s avonds meestal een algemene stijging in de verkoop, wat te verklaren is doordat kopers dan meer tijd hebben om online te shoppen. Maar om echt een gepersonaliseerde ervaring te bieden, kijken we nu naar trends voor individuele producten en gebruiken we die info om onze strategieën aan te passen. De grafieken hieronder laten zien hoe de verkoop per uur over de dag verdeeld is voor drie verschillende productcategorieën.


Tandflos
Uit de grafiek blijkt dat gebruikers meestal ’s avonds tandflos kopen, wat zou kunnen samenvallen met het flossen na het eten. Winkeliers kunnen deze gegevens gebruiken om rond diezelfde tijd advertenties op sociale media te plaatsen, zodat ze hun doelgroep beter kunnen bereiken.
Scheerschuim
Een ander voorbeeld laat een tegenovergestelde verkoopverdeling zien. Scheerschuim wordt vooral ’s ochtends gekocht, rond 7 uur, zoals je in de grafiek kunt zien. Bedrijven kunnen deze informatie gebruiken om dit scheerschuim bijvoorbeeld in hun ochtend-e-mailcampagnes op te nemen.




Mascara
Dit derde voorbeeld van een verkoopverdeling voor een mascara laat zien dat er de hele dag door veel wordt verkocht, maar met een piek om 19.00 uur. Op dat moment hebben klanten meer tijd om online te shoppen en rond te kijken. We kunnen deze kennis gebruiken om dynamische banners op de website efficiënter te maken door ’s avonds een mascara te laten zien.
Deze drie voorbeelden laten perfect zien hoe er zelfs binnen dezelfde productcategorie verschillende koopgewoonten bestaan, waar bedrijven hun voordeel mee kunnen doen. Bouwbedrijven kunnen nu al toegang krijgen tot het systeem via een eenvoudig te integreren API.
Ga voor meer informatie naar de documentatie voor ontwikkelaars
verrijk hier je kennis
Lees meer over Product Intelligence

Betere kortingsverdeling: Haal het maximale uit je winst door je producten goed te kennen
Dankzij de kracht van data-analyse krijgen bedrijven inzicht in hoe kortingen over verschillende productsoorten zijn verdeeld. Detailhandelaren kunnen hier veel baat bij hebben: Ze besparen tijd bij het analyseren en kunnen campagnes automatiseren.
- Ecaterina Capatina
- productinformatie
- 30 augustus 2023

Ontdek belangrijke inzichten in terugkerende producten
Terugkerende producten zijn, simpel gezegd, artikelen die klanten binnen een bepaalde periode meer dan eens kopen. Weet wanneer je je klanten even moet aanspreken en ze producten moet aanbieden die ze misschien opnieuw zouden kopen.
- Ecaterina Capatina
- productinformatie
- 24 augustus 2023

Bereik je klanten op het juiste moment van de dag met ‘Hourly Distribution’
Dankzij de mogelijkheden van Product Intelligence kunnen we vanuit een productperspectief inzicht krijgen in het koopgedrag gedurende de dag.
- Ecaterina Capatina
- productinformatie
- 24 augustus 2023


