Terug naar blog
Van zoeken naar boeken
Hoe ver (of juist kort) van tevoren je klanten hun vakantie ook boeken: voor elke reiziger bestaat de customer journey uit dezelfde 7 fases. In elk van deze fases doen zich verschillende kansen voor om de journey te personaliseren en daarmee klantervaringen te verbeteren. Denk aan het afstemmen van aanbevelingen op recente zoekopdrachten, inspirerende content op basis van eerdere boekingen of tips voor ancillaries afgestemd op het reisgezelschap. Maar minstens zo belangrijk als het aanpassen van de inhoud van je content is het afstemmen van het moment waarop je met je (potentiële) klanten communiceert.
Benader je klanten wanneer ze nog lang niet toe zijn aan een vakantie, dan ben je niet meer top of mind zodra ze beginnen met oriënteren. Komt informatie te laat, dan is het niet meer relevant of hebben ze de vakantie al bij de concurrent geboekt. Ook kan slechte timing leiden tot irritatie, wat weer zorgt voor een negatief effect op het merkimago of nieuwsbrief afmeldingen.
Kortom, wie klanten vanaf het eerste moment aan zich wil binden zal naast het aanbod en de inhoud van content ook het verzendmoment moeten personaliseren.
Timing personaliseren? Gebruik de data!
Net zoals bij het personaliseren van aanbod en overige communicatie, geldt voor timing ook dat je dit het best doet aan de hand van data. Denk aan historische boekingsdata, recent zoekgedrag op je website en externe factoren als vakantieperiodes of het weer. Uiteraard is het handmatig analyseren van al deze informatie onbegonnen werk, maar met een AI gedreven decisioning engine wordt dit een fluitje van een cent.
Een decisioning engine analyseert data uit verschillende bronnen, eerder gedane boekingen en data van vergelijkbare klanten en gebruikt deze inzichten om zowel content als timing op individueel niveau te personaliseren.
Blijkt uit de data dat een klant zich elk jaar rond dezelfde periode oriënteert naar een vakantie? Dan zorgt het automatisch dat de best passende inspirerende content in deze periode in de inbox belandt. Reserveert een klant altijd een huurauto tijdens de boeking? Dan toont de decisioning engine de beste aanbevelingen voor huurauto’s al tijdens dit proces aan de klant. Door zowel rekening te houden met timing als de voorkeuren van de klant en het type reis bereik je maximale relevantie, wat de kans op conversie vergroot.
Regelt een klant alle extraatjes liever last minute? Dan bewaart de decisioning engine aanbevelingen voor ancillaries voor het moment waarop de kans op conversie het grootst is.
Zet eigen kennis en ervaring slim in
Bij sommige decisioning engines, zoals Inspire, is het bovendien mogelijk om business rules in te stellen die het algoritme meeneemt in haar berekeningen. Een voorbeeld daarvan is het bewust uitstellen van aanbevelingen voor ancillaries. Veel aanbieders weten uit ervaring dat dit de kans op conversie vergroot, aangezien je bij gespreide aankopen gevoelsmatig minder betaalt voor je vakantie dan wanneer je alles in één keer aftikt.
Een ander voorbeeld is het bepalen van de optimale timing van een incentive. Wellicht weet je uit ervaring dat het aanbieden van een korting bij sommige doelgroepen werkt om boekingen te stimuleren, terwijl andere doelgroepen juist gevoeliger zijn voor kortingen op upgrades. Door dergelijke kennis en ervaring te combineren met data realiseer je optimale relevantie voor jouw doelgroepen en maximaliseer je de kans op conversie.
Optimale relevantie voor iedere (potentiële) klant
Natuurlijk heb je als aanbieder ook te maken met klanten zonder een consistent zoek- en vakantiepatroon en nieuwe bezoekers waarvan je geen of nauwelijks data bezit. Dit maakt het voorspellen van behoeften lastiger, maar zeker niet onmogelijk. Om ook deze doelgroepen te voorzien van een relevante journey, gebruikt de decisioning engine data van peers in combinatie met recent vertoond gedrag. Dit zijn namelijk betrouwbare voorspellers voor inhoud én timing.
Reageert een klant toch anders dan voorspeld op content of blijft een boeking uit? Dan stuurt het zelflerende algoritme automatisch bij en past het zowel content als kanaal en verzendmoment aan op basis van nieuwe inzichten.
