Een van de belangrijkste marketingtrends voor 2015 is de overgang van content marketing naar personaliseerde content. Bij contentmarketing ging het om relevante content op het juiste kanaal, tijdstip en doelgroep te brengen. Gepersonaliseerde content gaat verder in op die laatste stap: het afleveren van de juiste content bij de juiste doelgroep (Meekers, 2015). Consumenten raken steeds meer gewend aan deze ontwikkeling. Bol.com geeft suggesties op basis van de producten die zijn bekeken en gekocht en Facebook laat berichten zien die zijn geselecteerd op basis op interesses, likes, reacties en zoekopdrachten van de
gebruiker. Personalized content levert meer pageviews op, bezoekers blijven langer op de website en de bouncerate (aantal sessies waarbij de bezoeker de site verlaat na één pagina te hebben bekeken en verder nergens op klikt) gaat omlaag (Cxense, 2015). Wanneer gepersonaliseerde content op een consequente manier wordt aangeboden, is de kans groot dat de klanten zullen terugkomen voor de content. De website wordt gezien als een
betrouwbare bron die informatie levert die bij de behoefte van de consument past. Er worden steeds meer software tools ontwikkeld voor websites om de content op een eenvoudige manier te personaliseren (Meekers, 2015).
Consumenten verwachten steeds meer een persoonlijke benadering op internet. Zij gebruiken internet om snel iets op te zoeken of een dienst of product te kopen. Zij willen hierbij alleen onderbroken worden door content als dit past bij hun persoonlijke interesses. Persoonlijk segmenteren is een goede manier om de juiste content aan te bieden. Het biedt meer relevantie en gebruikersgemak. Relevante content wordt verkregen uit datagegevens. De content wordt afgestemd op één persoon en zijn voorkeuren. Op het moment dat een consument een website bezoekt, is dat de kans om hem beter te leren kennen. Dit kan gedaan worden door te luisteren en te bekijken wat de klant doet in de online customer
59 journey. De customer journey is de weg die een klant aflegt van zoekopdracht tot
contactmoment of afrekenen van een product.
Een valkuil bij personalized content is het verkeerd omgaan met de gegevens en privacy die is verkregen van klanten. Veel consumenten zijn bang dat er niet goed met hun informatie wordt omgegaan. Het is belangrijk om transparant te zijn over hoe en waarom die data worden verzameld. Er kan op veel verschillen manieren data worden verzameld: door ip- adressen, locatiegegevens en klik-gedrag. Dit kan verkregen worden door cookies,
bezoekers een gebruikersprofiel te laten invullen of consumenten via social media accounts te laten inloggen (Scherpenisse, 2014).
Dataverzameling tools
Om bezoekers niet te veel te vragen door ze formulieren en enquêtes in te laten vullen, kan ervoor gekozen worden om een gebruiker zich te laten identificeren met social media accounts. Dit account is hier geschikt voor, want het is gemakkelijk voor de gebruiker en voor het bedrijf levert het heel veel nuttige informatie op over de voorkeuren van de klant (Voorberg 2014). Gigya is een tool die deze dienst aanbiedt. Het bedrijf heeft van de gemiddelde gebruiker 400 datapunten waarop de content gepersonaliseerd kan worden. De gegevens blijven op de Gigya-server versleuteld en zij hebben maar één deel van de sleutel. Maar de gegevens kunnen wel gebruikt worden als er een selectie moet worden gemaakt in bijvoorbeeld mensen tussen de 30 en 45 jaar oud en kano’s of wandelvakanties als hobby’s hebben. Bedrijven als Nike en Amazon maken gebruik van Gigya om klanten persoonlijke aanbiedingen te sturen. Bij Amazon kreeg de klant bijvoorbeeld 5 pond korting als hij zich via Facebook registreert als klant. Op die manier heeft Amazon veel meer datapunten om aanbiedingen op af te stemmen, dan wanneer een formulier met naam en adres ingevuld moet worden (Smit & Vlaming, 2014). Een ander voorbeeld van een online personaliatietool is Blueconic. Deze tool is een listener die op de webpagina geplaatst kan worden. Een listener achterhaalt bepaalde kenmerken en gedrag van een klant op een website en kan vervolgens deze targetten met gepersonaliseerde content (Voorberg, 2014).
Transparantie
Klanten zullen een merk eerder vertrouwen als het merk open is over hoe de data worden verzameld. Transparantie is heel belangrijk voor een gepersonaliseerde content strategie. Amazon topman Darren Vangroff vertelt: “Een van onze meest essentiële inzichten is dat de conversie significant hoger uitvalt als het ons lukt om de consument uit te leggen hoe een productsuggestie tot stand is gekomen.” Door duidelijk te vertellen wat er met hun informatie gedaan wordt en waarom, worden klanten overtuigd om makkelijker informatie over zichzelf te delen. Vertel letterlijk aan de klant wat zij ervoor terug krijgen als ze data met het bedrijf delen. Als consumenten inzien welk voordeel het oplevert, dan zijn ze bereid om hun persoonlijke data te geven.
Opt-out
60 mobiel zonder naar de gebruiksvoorwaarden te kijken. Maar een grote, vaak oudere groep gebruikers blijft sceptisch tegenover het delen van informatie en het weggeven van hun privacy op internet. Personalisatie is nog vrij nieuw en niet bekend bij de massa. Daarom is een opt-out functie belangrijk. De opt-out functie zorgt ervoor dat een klant geen
gepersonaliseerde content krijgt op de website. Door de klanten te laten kiezen voor de gepersonaliseerde of niet gepersonaliseerde content worden alle klanten tevreden gehouden. Consumenten die nog moeten wennen aan gepersonaliseerde content kunnen later overstappen en hoeven niet te worden uitgesloten (Scherpenisse, 2014).
Case
Een succesverhaal van personalized content is de case van BNN-VARA. Deze zender heeft veel programma’s met allemaal een eigen publiek. Spuiten en slikken van BNN trekt een ander publiek aan dan Vroege Vogels van de VARA. Om meer online bezoekers te krijgen voor de verschillende programma’s is er gekozen voor een personalized contentstrategie. De omroep heeft hierbij gebruik gemaakt van een datagerichte tactiek. Zodat de juiste content, op het juiste moment en via het juiste kanaal werd aangeboden. Ze maakte hierbij gebruik van drie analytische tools.
- Bubblegraph; laat met een bubbelgrafiek in één overzicht zien op welke tijden content wordt uitgezonden en op welke tijd het publiek content zoekt.
- Content Life Indicator; laat per programma zien wat de houdbaarheidstijd van een bericht is. Het geeft bijvoorbeeld aan hoe lang (in uren) een tweet, foto, share of video de doelgroep bereikt.
- Channel Value Indicator; laat per programma zien welke kanalen het meest relevant zijn. Bijvoorbeeld hoeveel % van de doelgroep gebruikt Facebook.
Met behulp van deze tools werd duidelijk dat het moment waarop VARA content plaatste, niet overeen kwam met het tijdstip waarop kijkers content zochten. Ook werd de content niet op het juiste kanaal ingezet. Een voorbeeld hiervan is dat met Bubblegraph naar voren kwam dat wanneer Pauw & Witteman actief content plaatste op Twitter, dit tijdstip niet overeen kwam met het moment dat kijkers actief waren en op zoek gingen naar informatie. Zie afbeelding 10. BNN-VARA wijzigde haar strategie en ging content uitzenden op de momenten dat daar volgens Bubblegraph behoefte aan was, rekening houdend met de levensduur van het bericht. Pauw & Witteman zendt nu content tijdens en net na de uitzending, want dan zijn de meeste fans online op Twitter (Kelder, 2014).
61 Afbeelding 10: Pauw en Witteman vergrootte hun online bereik met 20%.
Bron: Kelder, (2014).
Om de content online nog beter af te stemmen op de gebruiker is BNN-VARA gaan experimenteren met gepersonaliseerde content. De omroep ontwikkelde met behulp van Blueconic en Gigya een soort Tinder content, een grote ‘aanbevelingsmachine’. Op basis van die informatie krijgt de omroep inzicht in wie de doelgroep is, welke content, kanalen en momenten relevant zijn en hoe de bezoeker het beste bereikt kan worden. De bezoeker krijgt vervolgens op basis van ingestelde segmenten of klikpatronen, de content te zien die het beste past bij zijn of haar behoeften. Dit alles om vooral de customer journey van de bezoeker te verrijken en alleen de content te bieden die het beste bij de voorkeuren van de gebruiker past.
De omroep kwam aan de data van de doelgroep door eerlijk en open te zijn over dit experiment. Via Facebook data verzamelen was erg effectief en er werden berichten geplaatst zoals deze:
62 Afbeelding 11: VARA legt helder en eerlijk uit waarom ze data nodig hebben van gebruikers Bron: Kelder, (2014).
De nieuwe strategie van BNN-VARA is een succes. Het online bereik van programma’s werd groter, het aantal unieke bezoekers ging omhoog en het Twitter- en Facebookverkeer steeg. Hoofd digitaal van BNN-VARA Rutger Verhoeven geeft aan dat zijn belangrijkste les was om maar gewoon te proberen en niet bang zijn om te falen. Het is een uitdaging om eraan te beginnen, maar het kan heel veel opleveren voor je bereik en pageviews (Kelder, 2014).