Productdata – het meest onderschatte deel van een webshop
Het belang van goede productdata is duidelijk:
- Verbeterde klantenervaring.
- Snellere go-to-market. Door eenvoudige integraties met bestaande ERP, PIM, CMS, … kunnen nieuwe producten sneller en efficiënter online verkocht worden via eigen e-commerce en/of marktplaatsen.
- Meer verkoop. Goede data leidt tot betere vindbaarheid, via externe zoekmachines en intern op de shop zelf. Verder zorgt goede data voor meer duidelijkheid, dus meer verkoop.
- Meer up– en cross-selling. Via een goede datastructuur kan je bezoekers relevante producten tonen.
- Minder customer service. Meer duidelijkheid voor de klant betekent minder vragen bij de klantendienst.
- Single source of truth. Ook voor interne medewerkers en sales is het een bron van informatie.
Elke ambitieuze ondernemer begrijpt deze voordelen, maar stelt de belangen niet altijd centraal in de organisatie. Een dataverantwoordelijke kan samen met alle interne medewerkers en de feedback van de klanten zorgen voor een compleet, accuraat en consistent geheel. De data moet leven binnen de organisatie.
We vragen aan elke ondernemer om stil te staan bij de volgende 7 stappen voor hij of zij een webshop laat ontwikkelen. Oók voor B2B-portalen, want een businessgebruiker verdient dezelfde kwaliteit als een consument. Sommige B2B-shops leveren ook data feeds aan hun klanten/retailers, en dan wordt de kwaliteit des te belangrijker.
Stap 1: Verzamel en bereid je productdata voor
Stap 2: Bepaal de databronnen en hoe vaak je daarmee wilt synchroniseren
Stap 3: Classificeer attributen en definieer de datafilters
Stap 4: Schrijf krachtige beschrijvingen om relevant en impactvol te zijn
Stap 5: Bundel samenhorende producten
Stap 6: Denk aan de gewenste webshopfunctionaliteiten en de daarvoor nodige data
Stap 1: Verzamel en bereid je productdata voor
De gegevens zijn meestal afkomstig van verschillende systemen, zoals het ERP, marketingsystemen, een reeds bestaande webshop of een feed van externe leveranciers. Hoe meer databronnen aan bod komen, hoe groter de kans op inconsistente data.
Bedrijven met goed georganiseerd datamanagement hebben een PIM of Product Information Management Systeem. Bekende namen in deze wereld zijn Akeneo, InRiver en ContentServ.
Ondernemingen met een PIM zijn door het proces gegaan van het opschonen en organiseren van de gegevens, wat resulteert in kwalitatievere data.
Licht je data door vanuit verschillende invalshoeken. Een technisch profiel bekijkt het logischerwijze anders dan een marketing-, sales- of logistiek persoon. Indien de data al door klanten gebruikt werd, is het ook nuttig om hun feedback en noden te ondervragen. Het online portaal wordt tenslotte grotendeels voor hen ontwikkeld.
Stap 2: Bepaal de databronnen en hoe vaak je daarmee wilt synchroniseren
Moderne databronnen voorzien allerlei manieren om te connecteren met de buitenwereld. De meest gebruiks- en budgetvriendelijke wijze van integratie is dat de databron een data-export ter beschikking stelt voor de webshop. De frequentie van datasynchronisatie is een balans tussen businessnood, overbelasting en snelheid van het systeem. Een afbeelding of productomschrijving kan bijvoorbeeld eenmaal per nacht worden uitgewisseld, en de voorraad elke minuut of real-time via API. Alles hangt af van de dynamiek van de data, en de impact op de business. Voor een bedrijf met een statische prijzenpolitiek, heeft het geen zin om de data in real time op te halen, omdat dit het budget onnodig vergroot, de website vertraagt, én ook de afhankelijkheid van de technische bridge tussen de webshop en het ERP invoert.
De frequentie van voorraadsynchronisatie hangt ook af van het volume van de offline sales. Hoe meer offline sales, hoe meer risico op voorraadbreuken, en hoe sneller deze in de webshop moeten bekend zijn. Voor een pure onlinespeler is een voorraadsync in feite enkel nuttig om magazijncorrecties te synchroniseren omdat de webshop op zich de voorraad bij elke verkoop in rekening brengt. Een voorraadsync doen voor een pure online speler, met nog onverwerkte orders in het ERP, kan zelfs negatieve gevolgen hebben op de correctheid. Sneller is niet altijd een synoniem voor nauwkeuriger.
Technisch gezien komt het er voor eWings op neer dat we een of meerdere XML’s of CSV’s met een gestructureerde dataset ter beschikking gesteld krijgen met een bepaalde frequentie. We hebben een data mapping-tool die de beschikbare data overbrengt naar Magento-attributen. Voor de meeste projecten is dit geen één-op-één-mapping, maar wordt er met scripts gewerkt om de data om te vormen en/of te combineren.
Meer informatie vind je in deze videoreeks van eWings
De XML of CSV kan worden opgehaald via een API (web service), (S)FTP, Dropbox, Onedrive of HTTP(S) locatie. Voor 90% van onze projecten is dit SFTP, aangezien de meeste databronnen dit als kant-en-klare interface hebben ‘ingebakken’ en het de meest kostefficiënte manier is van integreren.
eWings prefereert om tijdens de opbouw van het project dezelfde data-interfaces te gebruiken die ook in de toekomst zullen worden ingezet voor update en creatie van nieuwe producten. Op deze wijze zijn de interfaces goed getest en stabiel, en wijzigt er bij de livegang van het project op interfacevlak in feite niets.
Stap 3: Classificeer attributen en definieer de datafilters
Het is van cruciaal belang dat potentiële klanten de producten op de website vinden. Dat kan via zoekfunctie, categoriepagina, merkenpagina, contentpagina, maar last but not least de filters. Het is evident dat elk product een of meerdere categorieën, een merk en een uitgebreide omschrijving nodig heeft om gevonden te worden. Maar de impact van data op filters wordt zwaar onderschat.
Om een filter te kunnen inzetten moet de data consistent en volledig zijn en soms worden gebundeld. De meeste shops bieden een slechte tot matige filter-kwaliteit. Sommigen doen het goed, maar waarschijnlijk niemand perfect. Laat ons even toelichten wat we bedoelen met perfectie.
Een voorbeeld van onvolledige data: Coolblue is één van de betere van de klas, maar problemen vind je overal. Ze bieden 171 printers aan, en de som van de in oranje omcirkelde filters is niet 171. Dat wil dus zeggen dat de data niet volledig is. Als ik als klant dus “snelheidklasse=uitstekend” selecteer, bestaat de kans dat een uitstekende printer niet tevoorschijn komt. Dit is een probleem, want deze printer zit in het gamma, maar wordt niet gevonden door de klant.
Een voorbeeld van inconsistentie én onvolledige data op het internet zoeken neemt letterlijk 2 minuten. Hieronder nemen we de webshop van Kruidvat als voorbeeld. Als klant heb ik geen boodschap aan een filter in stuk, milliliter én gram in de categorie shampoo. Elke leverancier drukt de data op een andere manier uit, en er is geen data-allignatie voorzien bij de webshopbeheerder.
Om dit te vermijden kan je ervoor zorgen dat de eenheid geen deel is van de data (zoals 60g, 60ml), maar van het attribuut zodat de waarde 60 voldoende is (uitgedruk in eenheid ml als eigenschap van het attribuut). Uiteraard kosten dergelijke dataconversies tijd en energie.
Een voorbeeld van bundeling kan ook op basis van de vorige webshop. Het heeft geen zin om in de filter 59ml en 60ml apart op te nemen als een filter. Een klant zoekt, in deze context, niet naar een fles van exact 59ml. Op 311 producten bevat de filter 48 verschillende maten tussen 59ml en 1800ml. Dit is ongebruiksvriendelijk, en ook niet nuttig voor de klant. Via scripts kunnen we ranges voorzien om zo een kleine, middelgrote en grote fles en filter op te nemen. Drie nuttige waarden in plaats van 48.
Nog een voorbeeld vinden we op de webshop van Fun: een categorie van meer dan 500 producten genaamd ‘rollend materiaal voor kinderen’.
- 14 producten op 500 hebben een waarde voor ‘aantal versnellingen’ en de waarde ‘nul’ wordt zelfs niet opgenomen.
- Een filter vrijloopstand begrijpt niemand
- Er is welgeteld één product dat voldoet aan de filter ergonomische rug=nee
- De filter leeftijdsgroep=kinderen is zelfs lachwekkend
Omdat we ondertussen verslaafd worden aan voorbeeldjes, een allerlaatste om aan te tonen dat bepaalde filters compleet nutteloos zijn. Torfs heeft bijvoorbeeld een filter op “schoenen”, als je in de categorie “hoge schoenen” bent. Ons framework schakelt een filter automatisch uit als alle producten in de view dezelfde waarde hebben.
Je merkt het: zelfs de grote webshops, met grote budgetten op vlak van productmanagement, zijn ook niet perfect.
Zit dit bij al onze klanten goed? Nee.
Bieden wij de tools aan om dit wél goed te doen? Ja!
Nemen klanten daar de tijd voor? Veel te weinig.
De meeste klanten nemen er te weinig tijd voor en vinden het te duur om dit uit te besteden. De verloren inkomsten door conversieverlaging worden zelden in rekening gebracht.
Welke type velden bestaan er? Een vrij invulveld: Het schoolvoorbeeld hiervan is de omschrijving. Technisch gezien hoeft er geen correlatie te bestaan tussen een vrij veld over verschillende producten heen. Op vlak van design en coherentie is het echter wel aangewezen dat er een bepaalde structuur in de data wordt afgesproken, zodat de potentiële klant een transparant overkoepelend geheel aantreft. Een vrij invulveld in een bepaalde eenheid. Een schoolvoorbeeld hiervan is het gewicht. De ondernemer kan intern bepalen dat het gewicht altijd in kg wordt uitgedrukt, en dan is het gewicht een digitaal getal uitgedrukt in die eenheid. Een filterbaar veld dat kan gebruikt worden om producten te groeperen en sneller terug te vinden. Bijvoorbeeld het attribuut ‘kleur’. Om velden te kunnen benoemen van dit type is het van belang dat er datacoherentie is, de data volledig is ingevuld én er is nagedacht over het nut van de filter voor de klant. eWings kan niet coherente data (bv roos, roze, pink) omvormen tot coherente data via de beschibare datamapping-tool en conversiescripts. Als onderneming kan je het ook aan de bron aanpakken, of beslissen er geen filter van te maken. Dit maakt een groot verschil in de te investeren resources, dus we maken daar vooraf goede afspraken over.
Stap 4: Schrijf krachtige beschrijvingen om relevant en impactvol te zijn
Om echt hoogwaardige productinformatie te creëren, moet je team hun marketingvaardigheden gebruiken om boeiende en emotioneel impactvolle productbeschrijvingen te maken die voor elk kanaal en platform werken. Geef je team de ruimte om dit hoogwaardige werk te doen!
Succesvolle merken hebben een consistente en vlotte stijl. Apple geeft de voorkeur aan de minimale aanpak, vertrouwend op schitterende afbeeldingen en een paar perfect gekozen woorden om hun boodschap over te brengen. Andere bedrijven verkopen elk product met een aanlokkelijk kortverhaal. Bedenk hoe je jouw producten aan de wereld wilt presenteren en hoe jouw beschrijvingen dit doel kunnen dienen. Besef dat je niet Apple bent en minstens 300 woorden per product nodig hebt om iets te betekenen in de indexatie voor Google.
Denk ook aan het visuele aspect. Een afbeelding van een GPS om de pols van een jogger, of een sportschoen aan de voet van een trailrunner, geven klanten een duidelijk beeld van het doel van het product en hoe het een deel van hun leven kan worden.
Schrijf strategisch bij het maken van een productbeschrijving. Je moet tijdens het schrijven in het achterhoofd houden dat het doel is om hoog in de zoekresultaten te verschijnen (een praktijk die bekend staat als SEO of zoekmachineoptimalisatie). Kies woorden of woordgroepen waar mensen naar zoeken, en zorg voor beknopte bijbehorende metadata.
eWings kan ook helpen met deze taken, maar overdracht van productkennis is van cruciaal belang. We kunnen ook assisteren in SEO-advies en keywordanalyse, en het nut ervan aantonen met cijfermateriaal.
Stap 5: Bundel samenhorende producten
Om de catalogus voor de klant compacter te maken, en meer overzichtelijkheid en transparantie te creëren, is het van belang producten die bij elkaar horen te bundelen. Een klassiek voorbeeld is een schoen in 10 maten. De attributen (maat, kleur, …) waarop een klant de productselectie kan maken noemen we een product-as.
Een product kan meervoudige assen hebben zoals in dit voorbeeld van onze klant Pantoon. Via de grid op de afbeelding kunnen 36 combinaties worden gekozen. Op het productoverzicht staat slechts één enkele pagina, wat voor een transparante productcatalogus zorgt.
Stap 6: Denk aan de gewenste webshopfunctionaliteiten en de daarvoor nodige data
Bepaalde functionaliteiten hebben onderliggende productattributen nodig om goed te kunnen functioneren, ook al is deze soms niet zichtbaar voor de klant. Een klassiek voorbeeld hiervan is de logistieke data. Om de juiste transportkost aan de klant aan te rekenen is het nodig om via onderliggende data aan te geven of een product in een colli of op een pallet verzonden wordt. Een klant van ons (Cevo) heeft alle producten geclassificeerd in vijf transporttypes. Een winkelmandje kan op die manier verschillende transportinstructies initiëren. Een functionaliteit die enkel kan werken met de correcte onderliggende productdata.
Stap 7: Structureer de complexiteit van de prijzen
In een B2B-omgeving kan prijszetting soms heel complex zijn. We schreven hierover een apart artikel: complexe productprijstoepassingen in Magento 2, met een bijbehorende vragenlijst.
Hoe kunnen wij, als webshopbouwer, de kwaliteit inschatten?
We merken dat de meeste ondernemers de kwaliteit en accuraatheid van hun productdata zelf niet 100% kennen. Zolang alles niet visueel in kaart is gebracht via een webshop komen de dataproblemen niet snel bovendrijven.
Om als eWings beter zicht te krijgen op ons takenpakket in kader van productdata, hebben we de volgende vragen voorbereid.