Personalisatie in e-commerce betekent dat je aanpast wat een bezoeker ziet op basis van wat je over die persoon weet: land en taal, waar hij vandaan komt, wat hij bekeek en kocht, en wat hij je zelf vertelde. Je ziet het terug in categoriepagina's met een andere volgorde, banners per segment, productaanbevelingen, zoekresultaten per bezoeker en getriggerde e-mails.
Elke vorm van personalisatie heeft twee soorten data nodig. Klantdata zegt wat deze persoon wil, en in de EU heb je toestemming of een andere grondslag nodig om die te gebruiken. Productdata zegt welke producten daarbij passen. De meeste personalisatieprojecten plannen het eerste zorgvuldig en vergeten het tweede: een engine die weet dat iemand brede, waterdichte wandelschoenen zoekt, kan niets als breedte en waterdichtheid niet als attributen zijn ingevuld.
Zeven plekken in je webshop om te personaliseren
Personalisatie is geen losse functie. Dit zijn de plekken waar webshops het toepassen, ongeveer van weinig naar veel data:
- Markt en taal: valuta, taal, leverbelofte en btw-weergave op basis van het land. Weinig risico, veel waarde voor webshops die over de grens verkopen, bijvoorbeeld naar België en Duitsland.
- Verkeersbron: een landingspagina of banner die past bij de advertentie of e-mail waarop de bezoeker klikte.
- Nieuw of terugkerend: een welkomstaanbod bij het eerste bezoek, recent bekeken producten en opgeslagen maten bij terugkerende bezoekers.
- Content per segment: homepagebanners en uitgelichte collecties per segment, zoals vaste klanten, afhakers of zakelijke accounts.
- Productaanbevelingen: vergelijkbare producten, aanvullende producten en persoonlijke suggesties. Soorten, plaatsing en de data erachter lees je in ons artikel over productaanbevelingen.
- Persoonlijke sortering in zoekresultaten en categoriepagina's: resultaten in een volgorde op basis van de voorkeur voor merk, maat of prijs. Een goede zoekfunctie komt eerst; zie onze gids over de zoekfunctie van je webshop.
- Lifecycle-e-mails en berichten: verlaten winkelwagen, weer op voorraad, herhaalaankoop en win-back, getriggerd door gedrag en getimed op aankoopgeschiedenis.
Begin bovenaan. Een webshop die prijzen en taal nog niet heeft gelokaliseerd voor zijn belangrijkste markten, wint daar meer mee dan met één-op-één-aanbevelingen.
Regels, segmenten of één-op-één: drie niveaus van personalisatie
Welk niveau je kunt draaien, hangt af van verkeer, data en budget, niet van ambitie.
Drie niveaus van personalisatie in e-commerce
| Regels | Vaste voorwaarden die je zelf instelt; voorspelbaar, goedkoop en testbaar | De meeste webshopplatforms en apps kunnen dit zonder personalisatie-engine | Komt de bezoeker uit België, toon dan prijzen in EUR met Belgische levertijden; zit er een printer in de winkelwagen, toon dan de passende inkt |
|---|---|---|---|
| Segmenten | Groepen op basis van ordergeschiedenis en gedrag | Segmentfilters zoals de klantsegmentatie van Shopify, waarmee je ook marketingberichten stuurt; e-mailplatforms en CDP's doen hetzelfde op grotere schaal | Nieuwe kopers, topklanten, klanten die dreigen af te haken, klanten die maar in één categorie kopen |
| Eén-op-één | Een model dat per bezoeker producten scoort op basis van eigen gedrag en dat van vergelijkbare bezoekers | Veel sessies en orders om van te leren, een catalogus die te groot is om helemaal door te bladeren, en schone productattributen zodat het model niet hoeft te gokken op basis van titels |
Een bruikbare toets: komen er minder dan een paar honderd mensen per dag op de plek die je wilt personaliseren, dan valt een één-op-één-model vooral terug op bestsellers. Segmenten en regels doen het daar beter.
Klantdata: zero-party, first-party en signalen die toestemming vragen
Personalisatiedata verschilt in betrouwbaarheid en in wat je nodig hebt voordat je het mag gebruiken:
- Zero-party data: wat klanten je bewust vertellen, zoals een maatprofiel, een huidtypequiz, favoriete merken of nieuwsbriefinteresses. Nauwkeurig en makkelijk uit te leggen, maar alleen voor klanten die het invullen.
- First-party transactiedata: orders, retouren en accountgegevens die je hebt omdat de klant bij je kocht. De basis voor segmenten en herhaalaankoopmails.
- First-party gedragsdata: bekeken pagina's, zoekopdrachten, klikken en winkelwagens. Rijk, maar in de EU meestal verzameld via cookies of vergelijkbare opslag waarvoor je eerst toestemming nodig hebt.
- Contextdata: land, taal, apparaat, verwijzende site en tijdstip. Beschikbaar bij elk bezoek en vaak genoeg voor bruikbare personalisatie op basis van regels.
Ingekochte third-party data voegt voor de meeste webshops weinig toe en legt de juridische lat hoger. Een first-party datastrategie die minder verzamelt maar het goed gebruikt, is de veiligere route.
Profilering, bezwaarrecht en cookietoestemming in Nederland en België
Dit is geen juridisch advies, maar deze regels bepalen wat je personalisatie mag doen voor Europese klanten:
- Personalisatie op basis van gedrag is meestal profilering. De AVG definieert profilering in artikel 4, lid 4 als geautomatiseerde verwerking van persoonsgegevens om persoonlijke aspecten te beoordelen, met uitdrukkelijk persoonlijke voorkeuren, interesses en gedrag erbij. Dat geldt voor de meeste één-op-één-personalisatie.
- Klanten kunnen profilering voor marketing altijd stoppen. Volgens artikel 21, lid 2 en 3 mag iemand bezwaar maken tegen verwerking voor direct marketing, inclusief de profilering die daarbij hoort, en dan mogen de gegevens daar niet meer voor worden gebruikt. Je e-mail- en on-site personalisatie hebben dus een opt-out nodig die de persoon echt uit die modellen haalt.
- Trackingopslag vraagt toestemming. Cookies en vergelijkbare opslag die niet strikt noodzakelijk zijn, vragen vooraf toestemming. In Nederland staat dat in artikel 11.7a van de Telecommunicatiewet. Analytische cookies met geen of geringe gevolgen voor de privacy zijn uitgezonderd, cookies voor personalisatie niet. Leveranciers handhaven dit ook: het EU-toestemmingsbeleid van Google vereist toestemming voor cookies waar de wet dat eist en voor het gebruik van persoonsgegevens om advertenties te personaliseren, voor gebruikers in de EER, het VK en Zwitserland.
- Ontwerp voor de bezoeker zonder toestemming. Een groot deel van je bezoekers weigert tracking. Je webshop moet ook voor hen goed werken, met personalisatie op basis van context en regels die geen profiel nodig heeft.
- Vermijd gevoelige afleidingen. Bouw geen segmenten die gezondheid, geloof of vergelijkbare gevoelige kenmerken onthullen of raden uit aankopen, zoals een zwangerschap of aandoening uit een drogisterijmandje.
Houd per personalisatietoepassing kort bij welke data die gebruikt, op welke grondslag, hoe een klant zich afmeldt en hoe lang je data bewaart. Dat maakt leveranciersbeoordelingen en privacyvragen veel sneller.
Klantvoorkeuren koppelen aan productattributen
Een personalisatie-engine koppelt signalen van de klant aan eigenschappen van producten. Bestaat die eigenschap niet als schoon veld, dan is er niets te koppelen. Zo hangen bekende personalisatie-ideeën af van productdata:
Personalisatie-ideeën en de productvelden erachter
| Maat onthouden (toon mijn maat eerst) | Een maatattribuut met gestandaardiseerde waarden per maatsysteem, ingevuld op elke variant |
|---|---|
| Voorkeur voor een merk | Eén consistente merknaam per product, niet Nike, NIKE en Nike Inc. |
| Voorkeur voor stijl of kleur | Een kleurattribuut met een vaste lijst waarden (navy, niet donkerblauw bij de helft van het assortiment), plus een attribuut voor patroon of stijl |
| Voorkeuren op basis van waarden (vegan, biologisch, gerecycled) | Een attribuut voor materiaal of keurmerk, alleen ingevuld waar het klopt |
| Prijsgevoeligheid | Een actuele prijs en een van-prijs die per markt kloppen |
| Compatibiliteit (inkt voor mijn printer, filters voor mijn stofzuiger) | Een attribuut past-op-model met dezelfde modelnamen bij het accessoire en bij het apparaat |
| Taal en markt | Vertaalde titels, beschrijvingen en attribuutwaarden voor elke taal waarin je personaliseert |
Dezelfde velden voeden je analytics: GA4 kan alleen rapporteren wat segmenten kopen per merk, categorie en variant als die waarden als itemparameters worden meegestuurd, zoals Google beschrijft in de handleiding voor e-commercemetingen. Onze gids over attribuutstandaardisatie laat zien hoe je vrije tekst omzet naar vaste lijsten.
Een terugkerende trailrunner en de zes velden achter de sortering
Een terugkerende klant van een outdoorwebshop kocht twee paar trailrunschoenen voor heren in maat 44, beide brede pasvorm, beide van hetzelfde merk, en opende twee mails over waterdichte uitrusting. Hij gaf toestemming voor analytische en personalisatiecookies. De webshop wil de categorie Hardloopschoenen voor hem anders sorteren.
Daarvoor heeft de engine deze productvelden nodig:
- Categorie: Hardlopen > Trailrunschoenen, los van Hardloopschoenen voor de weg.
- Doelgroep: Heren, ingevuld op elke schoen.
- Beschikbaarheid per maat: maat 44 op voorraad, gesynchroniseerd met de voorraad.
- Breedte: Normaal of Breed, als vaste lijst.
- Waterdicht: Ja of Nee, niet verstopt in de beschrijving.
- Merk: één consistente waarde.
Ontbreekt de breedte bij 60% van de schoenen, dan kan de engine alleen de 40% met een ingevulde waarde naar boven halen, en zakken brede schoenen zonder waarde onder de normale. Is de beschikbaarheid per maat verouderd, dan promoot hij schoenen die de klant niet kan kopen. De klantdata is uitstekend; het resultaat is middelmatig door de catalogus.
Zes catalogusgaten waardoor personalisatie misgaat
- Nieuwe producten zonder historie. Nieuwe producten hebben geen weergaven of orders, dus modellen op basis van gedrag negeren ze. Alleen attributen en categorieën laten een model ze vanaf dag één naast vergelijkbare producten plaatsen.
- Vrije tekst als waarde. Navy, donkerblauw en marine tellen als drie kleuren, dus een kleurvoorkeur matcht met een derde van de relevante producten.
- Verzamelcategorieën. Producten in Sale of Nieuw binnen zijn niet te koppelen aan een voorkeur voor een categorie.
- Onvertaalde attributen. Een Belgische klant met een voorkeur voor waterdicht matcht met niets als de attribuutwaarden alleen in het Engels bestaan.
- Dubbele producten. Hetzelfde artikel onder twee ID's splitst de gedragsdata, waardoor geen van beide populair genoeg lijkt om aan te bevelen.
- Voorraad en prijs niet synchroon. Persoonlijke blokken vol uitverkochte maten of verouderde prijzen kosten meer vertrouwen dan een algemene bestsellerlijst.
Personalisatie testen met een controlegroep
Voor-en-navergelijkingen misleiden, omdat seizoen, campagnes en voorraad tegelijk veranderen. Houd een controlegroep aan: een willekeurig deel van je bezoekers (vaak rond de 10%) dat de niet-gepersonaliseerde versie krijgt, en vergelijk beide groepen over een aantal weken.
- Omzet per bezoeker: vangt conversieratio en orderwaarde in één getal.
- Conversieratio en gemiddelde orderwaarde: apart, om te zien welke van de twee bewoog.
- Doorklik en add-to-cart op het gepersonaliseerde blok: om te zien of het blok zelf werkt.
- Retourpercentage: personalisatie die de verkeerde maat of het verkeerde model pusht, zie je hier als eerste.
Zorg dat je analytics de groepen uit elkaar kan houden. In onze vergelijking van e-commerce analytics tools lees je welke tools wat meten, en waarom GA4 en je orderaantallen zelden gelijk lopen.
Een personalisatie-engine doorlichten voordat je tekent
Vragen voor een leverancier van personalisatie
De antwoorden op de eerste twee vragen vertellen je hoeveel van het project eigenlijk een productdataproject is.
Je catalogus klaarmaken voor een personalisatie-engine
WISEPIM is geen personalisatie-engine: het toont geen gepersonaliseerde pagina's, sorteert geen zoekresultaten en verstuurt geen getriggerde e-mails. Het werkt aan de kant van de catalogus. WISEPIM vult ontbrekende attributen, categorieën en vertalingen aan met AI, scoort de datakwaliteit per product en zet de opgeschoonde data door naar Shopify, WooCommerce, Magento 2, Lightspeed, CCV Shop en andere webshops, waar je personalisatietool die data leest. Het rapport klantinzichten toont RFM-segmenten uit je ordergeschiedenis, zodat je ziet voor welke segmenten personaliseren loont. Voor de termen die leveranciers gebruiken, zie ons woordenboekitem over de e-commerce personalisatie-engine.
