Category

NEWS

FSG en POM Amsterdam introduceren het kleurrijke Nederlandse modemerk POM in Duitsland

Berlijn – FSG kondigt met trots haar partnerschap met het Nederlandse modemerk POM Amsterdam aan. FSG en POM Amsterdam hebben grote plannen om de online business van POM in Duitsland te laten groeien.

POM Amsterdam is opgericht door Liesbeth & Violet Lotgering, twee zussen uit Nederland die in 2011 zijn begonnen met het ontwerpen van kleurrijke sjaals. Sindsdien hebben ze modieuze, kleurrijke jurken, blouses, rokken en pakken aan hun collectie toegevoegd, altijd met contrasterende kleuren en krachtige prints.

‘Duitsland lijkt qua cultuur en waarden sterk op Nederland. We kijken ernaar uit om onze kleurrijke kleding aan de Duitse consument voor te stellen’, zegt POM’s Managing Director Matthijs Bijl. We zijn erg benieuwd welke artikelen uit onze kleurrijke collectie geschikt zijn voor Duitse vrouwen en hopen dat we snel artikelen aan de collectie kunnen toevoegen die specifiek voor Duitse vrouwen zijn gemaakt.

FSG’s Aydan Bahadir (links) en Radboud Langenhorst in gesprek met het POM Amsterdam team.

‘Ik denk dat we het er allemaal over eens zijn dat Duitsland altijd behoefte heeft aan meer kleurrijke en opvallende mode, dus welkom aan boord POM Amsterdam! Ik kijk echt uit naar onze samenwerking en het succesvol laten groeien van dit originele merk op de Duitse markt´, zegt Radboud Langenhorst, FSG’s CEO.

Hoe gepersonaliseerde gegevens je kunnen helpen om te investeren in de juiste kanalen

Laten we het eens hebben over harcore nerdy stuff, speciaal voor de lezers die graag interessante artikelen lezen van meer dan 3 minuten, in plaats van kijken naar grappige GIF’s.

Samen met onze super coole data analytics partner Haensel AMS hebben we de afgelopen twee jaar ons eigen data- en dashboardsysteem voor onze klanten opgezet. Hiervoor maken we gebruik van een dashboard tool die alle online databronnen omvat en gebaseerd is op een op maat gemaakt attributiemodel, dat Haensel AMS heeft ontwikkeld.

Een attributiemodel: wat is dat eigenlijk?

Een attributiemodel is de regel, of set van regels, die bepaalt hoeveel credits voor online verkoop en conversies kan worden toegewezen aan touchpoints in conversiepaden. Het Last Interaction model in Google Analytics wijst bijvoorbeeld 100% van de credits toe aan de laatste touchpoints (laatste klik) die onmiddellijk aan de verkoop of conversie voorafgaan.

En om daar nog iets aan toe te voegen: deze regels zijn vooraf gedefinieerd en gestandaardiseerd om ervoor te zorgen dat het one-size-fits-all is. Voor de meeste merken lijkt dit vrij goed te werken, toch? Nou, nee dus.

Waarom wij geen fan zijn van Google’s Last Interaction model

Het Last Interaction Model van Google is verre van ideaal. En wel hierom:

  • De meeste Europese merken waarmee we werken zijn zeer bekend in hun thuisland, maar (nog) niet op de Duitse markt. De Duitse markt is sterk concurrerend. Merken geven hier doorgaans veel meer mediabudget uit dan in de meeste andere EU-landen. Dit betekent dat je het grootste deel van je kostbare budget gemakkelijk kunt verbranden zonder dat dit enige invloed heeft op de verkopen.
  • Tegenwoordig moeten de meeste e-commerce managers spaghetti zien te maken van zoveel kanalen, databronnen en zelfs verschillende attributiemodellen dat snel reageren en makkelijk managen gewoonweg niet mogelijk.
  • En dit is vooral het geval omdat Google en Facebook, als grootste spelers, verschillende attributiemodellen gebruiken, waardoor het extra moeilijk is om gegevens of resultaten met elkaar te vergelijken.
  • En ten slotte stellen wij dat er geen gestandaardiseerde manier is om een verkoop of conversie toe te wijzen om de eenvoudige reden dat wanneer je bijvoorbeeld een zakje hondenvoer koopt (en wij toevallig hondenvoer verkopen) de klantreis anders is dan wanneer je een matras van € 500,- wilt kopen (en wij toevallig ook matrassen verkopen).

Dus wat hebben we gedaan?

Voor elk van de merken waarvoor we werken, zijn we begonnen met het verzamelen van veel (GDPR-proof!) website event data. Dit zijn de belangrijkste variabelen die we bijhouden, wegen en waarderen:

  • De tijd tussen de contactpunten van de klant. Bijvoorbeeld een bezoeker die op een Google-zoekadvertentie klikt die leidt tot een bezoek aan de webshop. Twee dagen later bezoekt dezelfde persoon dezelfde webwinkel via een e-mailcampagne.
  • Het type en het aantal acties op de specifieke webshop tijdens een bezoek. Hierbij kunt je denken aan het aantal bekeken pagina’s, of de potentiële klant zich heeft geabonneerd op een nieuwsbrief, of hij/zij op een product heeft geklikt en naar het winkelmandje is gegaan, etc.

Bovendien hebben we de trafficgegevens van de website verder verrijkt met informatie van platforms zoals Google Analytics, Google Ads, Facebook, ERP’s, enz. Deze gegevensbronnen van derden zijn geïntegreerd met API-verbindingen en automatische dagelijkse/uurlijkse downloads.

We gaan het geheime Coca Cola-recept van ons model natuurlijk niet prijsgeven, maar wat we wel kunnen zeggen is dat we nu eindelijk kunnen zien welke kanalen werkelijk een rol spelen in de drie interactiefasen (Initializer, Holder, Closer) voor jouw merk en op welk moment in de customer journey ze dat doen (We houden er rekening mee dat de meeste merken verschillende seizoenen hebben, productlanceringen, shopping events, etc.).

Bovendien zijn we erin geslaagd om bezoekers te lokaliseren die zowel hun mobiele als andere apparaten gebruiken in hetzelfde klanttraject, wat betekent dat we vrij nauwkeurige gegevens hebben waar we echt op kunnen vertrouwen.

Waarom is dit zo interessant?

We zien bijvoorbeeld in onze portfolio dat het voor een gemiddelde klant tot wel 28 dagen duurt om een product te kopen. In dit tijdsbestek bezoeken ze de website tot 10 keer en vertonen ze bij elk bezoek verschillende soorten gedrag. En met deze informatie kun je een heleboel doen!

Dit is wat onze head of BI Juan erover zegt:

  • We zijn nu in staat om het leeuwendeel van ons kostbare mediabudget vooraf te plannen, soms wel drie weken voordat er een groot moment komt voor het merk. Bijvoorbeeld de lancering van een nieuwe collectie of een grote verkoopcampagne. We kunnen een groot deel van het mediabudget toewijzen aan kanalen die normaal gesproken ondergewaardeerd worden door het last-click model. Ja, dat voelt als risky business, maar de cijfers vertellen het verhaal. Het hoognodige bewijs voor “AIDA” of “Touch-Tell-Sell” benaderingen kan dan gemakkelijk voelen als het verbranden van geld op het verkeerde moment.
  • We kunnen gedrag betrouwbaarder voorspellen en zogenaamde bottom-up prognoses opstellen (beginnend op kanaalniveau). Dit betekent dat we minder risico hoeven te nemen met hogere mediabudgetten in de loop van de tijd.
  • We hebben inzicht in moeilijk te meten kanalen zoals influencer marketing, joint cooperations of zelfs PR.
  • We kunnen al deze input van verschillende databronnen (onze eigen website tracking, GA, Facebook, influencers, affiliates, content partners, etc.) verzamelen en visualiseren in één dashboard (op dit moment gebruiken we PowerBI en Tableau voor verschillende klanten). Dit betekent dat elke stakeholder – van de CEO tot een specifieke marketingspecialist – gebruik kan maken van hetzelfde dashboard, dezelfde data kan bekijken en appels met appels kan vergelijken.

What’s next?

Volgens onze Managing Director Radboud Langenhorst gaat het om het voortdurend verbeteren van de datakwaliteit en het begrijpen hoe we het beste met deze data kunnen werken voor onze klanten. Met deze tool zijn we in staat om veel verschillende stakeholders bij de e-commerce te betrekken en hen de werkelijke kansen en mogelijkheden te laten zien.

Benieuwd hoe dit werkt? Neem dan gerust contact met ons op.