Klaviyo-e-mails verbeteren met gegevens

Je Klaviyo-account is goed ingesteld. De workflows voor achtergelaten winkelwagentjes draaien. De welkomstserie is actief. De reeks na aankoop wordt geactiveerd. De automatiseringen werken. De statistieken zijn in orde.
Oké. Niet geweldig. Niet baanbrekend. Gewoon oké.
Het probleem ligt niet bij Klaviyo, maar bij de inhoud van de e-mails.
De kloof in productinformatie
Open Klaviyo. Bekijk je e-mail over achtergelaten winkelwagentjes. Welke producten staan daarin?
De achtergelaten artikelen, natuurlijk. Dat is de aanleiding. Maar wat nog meer? Een rijtje met ‘Dit vind je misschien ook leuk’-producten die ofwel bestsellers zijn (die iedereen te zien krijgt) ofwel artikelen die ‘vaak samen worden gekocht’, op basis van simpele regels voor gezamenlijke aankopen.
Kijk nu eens naar je e-mail over het afbreken van het browsen. Welke producten staan erin?
De bekeken producten, plus… dezelfde bestsellers. Dezelfde algemene productaanbevelingen van Klaviyo.
De automatiseringslogica is gepersonaliseerd: De juiste e-mail gaat op het juiste moment naar de juiste persoon. Maar de productinformatie in die e-mails is nauwelijks gepersonaliseerd.
Dit is de kloof waar je omzet in verstopt zit. En het is precies die kloof die Product Intelligence dicht.
Wat Product Intelligence toevoegt aan e-mail
Klaviyo blinkt uit in gedragstriggers en flowlogica. Het weet wanneer het iets moet versturen en naar wie. Wat het mist, is diepgaand productinzicht: Het vermogen om te bepalen wat er getoond moet worden op basis van individueel klantgedrag en gedetailleerde productrelaties.
Het is belangrijk om te begrijpen wat Product Intelligence eigenlijk doet: Het analyseert je productcatalogus (aankoopfrequentie, productkenmerken, relaties tussen categorieën en heraankoopcycli) om koopgedrag te voorspellen en inzicht te krijgen in hoe producten met elkaar in verband staan. In combinatie met het individuele gedrag van klanten zorgt deze kennis op productniveau ervoor dat personalisatie nauwkeuriger en relevanter wordt.
Product Intelligence voegt drie functies toe:
1. Productafstemming op individueel niveau
In plaats van ‘bestsellers’ of ‘vaak samen gekocht’ te tonen, bepaalt Product Intelligence welke specifieke producten het meest relevant zijn voor deze specifieke klant, op basis van zijn of haar volledige gedragsgeschiedenis: Zoekopdrachten, bekeken producten, aankopen en klikpatronen.
Een klant die drie luxe hardloopschoenen heeft bekeken en daarna zijn winkelmandje heeft achtergelaten, zou geen goedkope hardloopschoenen als aanbevelingen moeten zien. Hij zou juist de luxe trailsokken, het hardloopvest en het GPS-horloge moeten zien die perfect bij de schoenen passen die hij bijna had gekocht. De aanbevelingen moeten laten zien waar de klant echt om geeft, niet wat jouw winkel het meest verkoopt.
2. Slimmere aanbevelingen voor nieuwe klanten
Nieuwe klanten vormen een uitdaging voor personalisatie: Zonder gedragsgeschiedenis kiezen de meeste systemen standaard voor algemene bestsellers. Product Intelligence brengt hier verandering in.
Omdat Product Intelligence patronen op productniveau doorziet (welke producten worden meestal samen gekocht, welke categorieën de sterkste cross-sell-verbanden hebben, hoe producten zich groeperen op basis van behoefte en gebruikssituatie), kan het al na een paar eerste interacties relevante aanbevelingen doen. Een nieuwe klant die twee of drie producten bekijkt, geeft Product Intelligence al genoeg informatie om zinvolle aanbevelingen te doen, in plaats van dezelfde bestsellers te laten zien die iedereen al ziet.
Dit betekent dat je welkomstserie en de eerste e-mails na de aanmelding al vanaf de allereerste verzending echt relevante productinformatie kunnen bevatten.
3. Aanbevelingen die rekening houden met de levenscyclus
Verschillende klanten hebben op verschillende momenten verschillende producten nodig. Product Intelligence begrijpt de productcatalogus op structureel niveau: Wat zijn verbruiksartikelen, welke producten hebben bijbehorende accessoires, en hoe lang duren de gebruikelijke heraankoopcycli? In combinatie met de aankoop- en bladerhistorie van een klant levert dit aanbevelingen op die precies aansluiten bij waar die klant op dat moment staat.
Een nieuwe klant krijgt relevante suggesties om te ontdekken. Een terugkerende klant krijgt uitgebreide informatie binnen zijn favoriete categorieën. Een klant die afhaakt, wordt weer aangetrokken met nieuwe producten die aansluiten bij zijn eerdere voorkeuren.
Product Intelligence past zijn aanbevelingen aan op basis van wat de productgegevens en de klantgeschiedenis samen aangeven, in plaats van alleen op basis van de e-mailreeks waarin de klant zich bevindt.
Praktische verbeteringen voor bestaande Klaviyo-workflows
Je hoeft je flows niet opnieuw op te bouwen. Je moet de productblokken daarin updaten.
| Stroom | Eerst | Na |
|---|---|---|
| Achtergelaten winkelwagentje | Artikelen in je winkelmandje + aanbevelingen voor bestsellers | Artikelen in het winkelmandje + gepersonaliseerde alternatieven (voor het geval de oorspronkelijke keuze niet helemaal goed is) + aanbevolen producten op basis van Product Intelligence |
| Winkelmandje achtergelaten | Bekeken producten + algemene ‘trending now’-producten | Bekeken producten + soortgelijke producten vanuit een andere invalshoek (ander merk, andere prijsklasse, andere stijl) + producten uit aanverwante categorieën op basis van gedragspatronen |
| Na de aankoop | Orderbevestiging + “Klanten kochten ook” op dag 14 | Bestelbevestiging + onderhoudstips (directe meerwaarde) + aanvullende aanbevelingen op het juiste moment (afhankelijk van het producttype) + herinnering om bij te vullen als het om verbruiksartikelen gaat |
| Terugwinnen | “We missen je” + bestseller-overzicht | “Dit is er nieuw sinds je laatste bezoek” + gepersonaliseerde nieuwe artikelen die bij hun voorkeuren passen + prijsverlagingen op producten die ze eerder hebben bekeken |
Het belangrijkste inzicht bij achtergelaten winkelmandjes: een achtergelaten winkelmandje betekent soms eerder „Ik twijfelde over dit product“ dan „Ik ben het vergeten“. Door naast de achtergelaten artikelen alternatieven te tonen, pak je de onzekerheid aan die ervoor zorgde dat het winkelmandje werd achtergelaten.
Het afbreken van het browseproces is een vorm van onderzoek. De klant is aan het verkennen, vergelijken en evalueren. Je e-mail moet dat proces ondersteunen door zijn of haar keuzemogelijkheden uit te breiden met slimme alternatieven.
De timing na de aankoop is belangrijker dan de meeste teams beseffen. Het is te vroeg om hardloopsokken aan te bevelen de dag nadat iemand hardloopschoenen heeft gekocht: Die heeft waarschijnlijk al sokken. Als je ze drie weken later aanbeveelt, wanneer de schoenen al zijn ingelopen en hij klaar is voor zijn volgende hardloopsessie, is dat precies het juiste moment.
E-mails om klanten terug te winnen werken niet als ze de klant dezelfde winkel laten zien die hij of zij heeft verlaten. Met Product Intelligence zorg je ervoor dat de e-mail de nadruk legt op wat echt nieuw is en aansluit bij hun specifieke interesses.
Klaviyo koppelen aan Product Intelligence, en nog een stap verder gaan met Product Agents
Hello Retail kan op twee manieren worden gekoppeld aan Klaviyo, en het is de moeite waard om het verschil te begrijpen.
Voor bestaande workflows (verlaten winkelwagentje, verlaten browsepagina, terugwinnen) werkt de integratie door dynamische productblokken toe te voegen aan je bestaande Klaviyo-sjablonen. Wanneer de e-mail wordt weergegeven, vraagt het productblok de Product Intelligence-engine om het gedragsprofiel van de ontvanger en de context van de e-mail. De engine geeft de meest relevante producten weer voor die specifieke klant op dat specifieke moment. Je bestaande flowlogica blijft intact. Je triggers veranderen niet. Je segmenten hoef je niet opnieuw op te bouwen.
Product Agents zijn anders. In plaats van bestaande processen verrijken, ze introduceren een fundamenteel ander model: autonome actoren die zelf bepalen wanneer ze iets versturen.
Bij een standaard Klaviyo-flow bepaal je zelf de trigger en het tijdstip. Met Product Agents houdt de agent continu product- en klantsignalen in de gaten en beslist hij wanneer het de moeite waard is om een bericht te sturen, zonder dat je zelf een schema hoeft in te stellen. Dit is vooral handig in situaties waarin het echt onzeker is wat het juiste moment is:
- Herinnering voor bijbestelling: wordt verstuurd als een klant waarschijnlijk bijna door iets heen is dat hij eerder heeft gekocht, op basis van verwacht herhalingsgedrag in plaats van een vaste termijn
- Aanbevolen extra’s: deze worden na een aankoop verstuurd als uit de productgegevens blijkt dat accessoires of aanvullende producten relevant zouden kunnen zijn, op het moment dat de kans het grootst is dat ze aanslaan
- Alternatieve suggesties: deze worden verstuurd als een klant baat zou kunnen hebben bij het bekijken van vergelijkbare opties op basis van zijn aankoop- of surfgedrag
- Prijsdalingsmeldingen: laat klanten weten wanneer producten die ze hebben bekeken of gekocht, of die lijken op producten waarin ze geïnteresseerd zijn, in prijs dalen
Product Agents-processen lopen via een speciale Klaviyo-workflow (los van je bestaande automatiseringen) die wordt geactiveerd door Hello Retail-gebeurtenissen. Je hoeft het maar één keer in te stellen; daarna draaien de processen vanzelf.

Het gaat hier niet om het vervangen van je flows. Het gaat erom een extra laag van outreach toe te voegen die je flows niet kunnen genereren, omdat standaard flowlogica niet kan weten wanneer het juiste moment is.
Voor winkels die op zoek zijn naar meldingen bij prijsdalingen en herinneringen voor het aanvullen van voorraad, bieden Product Agents geheel nieuwe soorten triggers die de standaardfunctionaliteit van Klaviyo niet biedt.
De verbetering meten
Het mooie van het verbeteren van de inhoud van e-mails terwijl je de structuur van de tekst hetzelfde houdt, is dat je de resultaten makkelijk kunt meten.
Doe een A/B-test met de productblokken. Stuur 50% van elke flow met de bestaande productaanbevelingen en 50% met aanbevelingen op basis van Product Intelligence. Vergelijk:
- Omzet per e-mail
- Doorklikpercentage op productaanbevelingen
- Percentage ‘Toevoegen aan winkelwagen’ via klikken in e-mails
- Gemiddelde bestelwaarde van aankopen die via e-mail zijn gegenereerd
De verlooplogica, het verzendtijdstip en de doelgroep zijn in beide varianten hetzelfde. Het enige wat verschilt, is de productinhoud. Zo kun je de impact duidelijk isoleren.
Voor een kader om de bredere impact van personalisatie te meten, bekijk je onze gids over het meten van de ROI van personalisatie.
Belangrijkste punten
- Wat bij de meeste Klaviyo-programma’s ontbreekt, is niet de logica van de flow. Het zijn de productbeschrijvingen in de e-mails, die vaak bestaan uit algemene bestsellers in plaats van gepersonaliseerde aanbevelingen
- Product Intelligence analyseert productcatalogusgegevens om koopgedrag te voorspellen; in combinatie met klantgedrag levert dit betere aanbevelingen op, ook voor nieuwe klanten met weinig gedragsgeschiedenis
- Je hoeft de flows niet opnieuw op te bouwen. Upgrade de productblokken daarin en test het effect via een A/B-test
- Product Agents gaan nog een stap verder: Autonome agents die zelf bepalen wanneer ze een bericht versturen, via hun eigen speciale Klaviyo-flow, en die zorgen voor het aanvullen van voorraad, extra’s, alternatieven en prijsverlagingen
- De meting is duidelijk: Dezelfde instroom, hetzelfde publiek, andere productinhoud. Vergelijk de omzet per e-mail.


