Mønstret i kundernes købsadfærd
Data er en forudsætning for gode beslutninger. Også, og måske især i B2C e-commerce, hvor vi reelt ikke kender kunden.
Og dem, der kender mig, ved nok også, at jeg grundlæggende er datadrevet. Mest fordi tal for mig har en evne til at fortælle historier, som mavefornemmelser ofte overser.
Når vi i CURABIS udvikler webshops på Business Central, er rapportering derfor ikke noget, der kommer til sidst. Det er en integreret del af løsningen. Vi har bygget værktøjer, som giver overblik, skaber sammenhæng og gør det muligt at arbejde strategisk med webshoppen, baseret på faktiske mønstre i forretningen.
I denne artikel ser jeg nærmere på et af de områder, hvor data ofte bliver undervurderet: tidspunktet for salget. For selvom mange beslutninger om kampagner og marketing træffes ud fra erfaring og intuition, viser data igen og igen, at virkeligheden ofte ser anderledes ud.
Det overraskende ved tidspunktet for salget
Når man har arbejdet med mange forskellige webshops over tid og haft adgang til deres datagrundlag, begynder der at tegne sig mønstre. Ikke to webshops er ens, men adfærden bag tallene gentager sig oftere, end man umiddelbart tror.
En af de observationer, der igen og igen overrasker, er tidspunktet for salget. Mange forventer, at hovedparten af omsætningen skabes om aftenen. Alligevel viser data fra rigtig mange webshops, at en væsentlig del af salget finder sted i løbet af arbejdsdagen. Det var også noget, der personligt overraskede mig første gang, jeg så tallene sort på hvidt.
Når man først begynder at se på webshop-data på tværs, bliver det tydeligt, at primetime ikke handler om fornemmelser eller vaner. Det handler om faktiske mønstre i kundernes adfærd. Og de mønstre kan måles.
I vores rapportering opdeler vi dagen i tidslommer og ser på, hvornår omsætningen reelt bliver skabt. Ikke hvornår der er flest besøg, men hvornår der bliver handlet. Det giver et langt stærkere beslutningsgrundlag for marketing og kampagner, end mange webshops arbejder med i dag.
Et øjebliksbillede af reel kundeadfærd
Grafen viser fordelingen af omsætning på tidspunkter i løbet af dagen for én konkret måned i et live kundemiljø. Hver ordre placeres i en tidslomme ud fra kundens ordretidspunkt (ordre-tidsstempel).
Ordretidspunkterne segmenteres i faste time-buckets, som tilsammen giver et overblik over, hvornår kunderne handler i den pågældende periode.
Visualiseringen her er et praktisk eksempel der stammer fra et live kundemiljø. Det viser, hvordan omsætningen har fordelt sig på tidspunkter i én konkret måned. Med andre ord et øjebliksbillede af kundernes faktiske adfærd og dermed hverken en model, eller en prognose.
Det er også vigtigt at understrege, at primetime ikke er en fast størrelse. Den kan og vil ændre sig. Både over tid og afhængigt af kontekst. Sæson, ferieperioder, kampagner og kundesegmenter spiller alle en rolle. En webshop kan have ét mønster i vintermånederne og et andet hen over sommeren, hvor hverdagen ser anderledes ud for mange kunder. Kundesegmentet kan også spille en afgørende rolle.
Netop derfor giver det mening at arbejde med primetime som et dynamisk begreb. Ikke noget, man definerer én gang, men noget man følger, sammenligner og justerer efter. Når man kan se, hvordan adfærden flytter sig fra måned til måned, bliver det muligt at tilpasse sin marketing og sine aktiviteter, i takt med at kunderne ændrer vaner.
Når timing skifter fra tidspunkt til asset
Når man begynder at arbejde bevidst med primetime, sker der ofte et skifte i måden, man planlægger sin marketing på. Fokus flytter sig fra hvornår vi plejer at gøre noget til hvornår det faktisk giver effekt.
I mange webshops er marketingindsatsen koncentreret omkring bestemte tidspunkter, fordi “det plejer at virke”. Nyhedsbreve sendes om aftenen. Kampagner starter sidst på dagen. Paid ads skrues op, når arbejdsdagen er slut. Men når man holder det op mod data, viser det sig ofte, at kunderne allerede har været købsaktive i flere timer.
Det betyder ikke, at aftenen er irrelevant. Det betyder, at marketing sjældent bør tænkes i ét enkelt tidspunkt. Når primetime er synlig i data, bliver det muligt at arbejde mere nuanceret og sofistikeret med timing. At starte kampagner tidligere. At teste forskellige udsendelsestidspunkter. Og at prioritere budget og opmærksomhed dér, hvor kunderne allerede er i gang.
Når det største tal ikke fortæller hele historien
Rapporten identificerer primetime ud fra den tidslomme, der står for den største andel af omsætningen. Det er en logisk og konsistent måde at pege på et fokusområde på. Men det er ikke altid den absolute sandhed.
I praksis ser vi ofte, at to tidslommer ligger meget tæt på hinanden. For eksempel formiddag og aften, hvor forskellen i omsætningsandel kan være få procentpoint. I de tilfælde kan primetime i realiteten være delt, selvom rapporten nødvendigvis må vælge én.
Det er her, det bliver vigtigt at gå et lag dybere. Ikke for at modsige tallene, men for at forstå dem. Når to tidsrum performer næsten lige godt, giver det sjældent mening at ignorere det ene til fordel for det andet. Tværtimod kan det pege på, at kundernes købsadfærd fordeler sig over flere naturlige pauser i løbet af dagen.
Data kræver fortolkning og observation
Det er også derfor, vi ser rapporteringen som et beslutningsværktøj og rapporten som et arbejdsredskab. Tallene peger i en retning, men de skal læses i kontekst. Først når man kan observere, at formiddag og aften begge performer, kan man bruge indsigt aktivt i sin marketing og planlægning.
Den reelle værdi opstår ved at bruge data som afsæt for kvalificerede valg.
Primetime giver indsigt til marketing
I CURABIS Business Central Webshop leverer vi primetime som en del af rapporteringspakken. Vi ser primetime som et aktivt beslutningsgrundlag. Det er op til webshoppen at anvende indsigten, teste den i praksis og justere løbende.
Når primetime bruges aktivt, ser vi typisk, at marketingindsatsen bliver mere fokuseret. Kampagner planlægges mere bevidst og ofte med en tydelig sæsonvinkel. Nyhedsbreve times, så de rammer perioder med dokumenteret købsadfærd. Og annoncebudgetter fordeles, så indsatsen lægges der, hvor sandsynligheden for konvertering er størst.
Jeg har gennem tiden set webshops, der ved relativt enkle justeringer i timing har opnået markante forbedringer i konverteringsraten. Set som et resultat af bedre sammenhæng mellem kundeadfærd og marketing. I nogle tilfælde i størrelsesordenen 20–50 %. Og når konverteringsraten stiger, gør omsætningen det som regel også.
Pointen er næppe, at primetime alene skaber vækst. Pointen er, at når timing bliver datadrevet, holder marketing op med at være en våd finger i luften. Og det er ofte dér, den største effekt opstår.
