这看似矛盾：收集尽可能多的数据，以便为客户提供最个性化的服务。然而，借助正确的“大数据”，您可以获得有助于实施在线微个性化（micro-personalisation）的洞察。
数据与分析在全球首席营销官（CMO）的优先事项列表中位居首位。根据Gartner CMO Spend Survey 2019-2020来看，企业在获取客户信息和分析工具方面投入了大量资金。这一切都是为了深入了解客户的需求，并以尽可能个性化的方式满足这些需求。
以最具个性化的产品为例
在网上，很少有产品的购买过程像服装那样重视个性化。这不仅关乎个人风格和品味，还直接关系到身体特征。对许多人来说，时尚是表达独特个性的终极方式。因此，认真对待在线用户体验的时尚零售商被迫在个性化领域成为先驱。
在线时尚商店热衷于数据分析不仅有益，更是必要之举。从时尚商品极高的退货率可以看出，客户的期望与在线供应之间往往并不完全吻合。在服装行业，30%甚至超过50%的退货率并不罕见。
不过，高退货率似乎并未给客户带来困扰。荷兰在线购物者在2018年最常购买（56%）的是服装和体育用品。但这并不意味着高额退货率不会带来相应成本及给顾客造成的额外“麻烦”。客户将越来越难以接受这种额外负担，对个性化且成功购物体验的紧迫感非常高。
正确的信息 = (微)细分
为了实现个性化或微细分，需要一个能够预测客户需求及购买行为的优秀算法。为此，需要深入了解三个数据桶：
→ 产品数据
在时尚领域，这通常指服装或鞋履。这些数据应尽可能详细，从数据类型（如连衣裙、半身裙或鞋子）到具体规格，包括颜色、袖长以及版型（例如宽松或修身）。
→ 消费者数据
收集所有能找到的关于客户偏好的信息。这位客户喜欢紧身牛仔裤吗？或者对某个特定品牌有偏好？还要深入分析数据；如果某人经常选择“加长”款型，这也反映了其体型特征。
→ 交易数据
别忘了纳入购买历史，并据此分析客户购买了什么，以及过去退货了什么。
这三者的结合——数据桶，是真正为客户实现个性化供应的基础要素。一个好的算法需要大量且多样化的数据信号，才能预测人们想要购买和保留的商品。
如果没有组织好且相关的数据可用，在线个性化就根本无法实现。缺乏这类数据是几乎所有行业面临的最大挑战之一，但仍需积极寻找。
此外，若将这些数据与市场、特定行业趋势及其他数据联系起来，一切将变得更加有趣。毕竟，数据越多，就越能识别出模式。
从个性化到创新
人们普遍认为个性化主要给客户带来好处，或者说它只是一个让客户满意并将其绑定在品牌上的“工具”。事实恰恰相反，因为个性化所产生的大数据可以非常成功地用于将自身的产品组合提升到更高水平。
企业应从销售数据中学习，利用这些知识优化流程以提高转化率。数据分析最终有助于真正实现创新、留住客户并创造可持续增长。这适用于所有数据，从个人偏好到市场数据和全球趋势，比如数字原生代整个世代的数字行为。
因此，别忘了利用大数据，通过提供高度个性化的方案来最佳地服务你的客户。
关于作者：Giovanni Cangelli代表True Fit Corporation在荷比卢地区开展业务。True Fit为电商时尚零售商提供的个性化平台帮助在线购物者找到并留住真正适合他们的服装。除了担任代表一职外，Giovanni还在内部领导多个与销售赋能和运营相关的项目。