H&M đã làm gì để có thể đạt được mục tiêu tăng trưởng hơn 100% trong bối cảnh cạnh tranh khốc liệt tại thị trường Trung Quốc?
Bối cảnh
Tại thị trường Trung Quốc, các đối thủ cạnh tranh của H&M ngày càng đầu tư nhiều ngâ
H&M đã làm gì để có thể đạt được mục tiêu tăng trưởng hơn 100% trong bối cảnh cạnh tranh khốc liệt tại thị trường Trung Quốc?
Bối cảnh
Tại thị trường Trung Quốc, các đối thủ cạnh tranh của H&M ngày càng đầu tư nhiều ngân sách hơn cho các nền tảng thương mại điện tử và tìm cách thu hút người tiêu dùng mới thông qua các hoạt động trên mạng xã hội.
Quá nhiều thương hiệu thời trang cạnh tranh với nhau dẫn đến đây thực sự là một cuộc chiến khốc liệt trong việc tăng tương tác và giữ chân người tiêu dùng.
Bên cạnh đó, người tiêu dùng mục tiêu cũng ưa chuộng các xu hướng mới như sống “xanh”, sống tối giản. Điều này đồng nghĩa với việc họ sẽ mua hàng có tính chọn lọc hơn và chi tiêu ít hơn.
Trong bối cảnh này, H&M cần phải nhanh chóng đưa ra những chiến lược cụ thể để có thể thu hút, duy trì sự quan tâm của giới trẻ sành điệu, đồng thời đảm bảo các mục tiêu tăng trưởng.
Mục tiêu
Strategy
Giống như nhiều thương hiệu thời trang nhanh khác, H&M có một kho dữ liệu người tiêu dùng lớn trên WeChat nhưng chưa được tối ưu hóa. Thêm vào đó WeChat chỉ cho phép gửi 4 tin nhắn đến một khách hàng mỗi ngày. “Tin nhắn” này không phải là quảng cáo của thương hiệu mà chỉ đơn thuần là tin nhắn mọi người hay nhận trên messenger, giống như khách hàng chọn nhận email quảng cáo của các thương hiệu (tương tự cách các khách hàng chọn nhận nội dung trên Facebook Messenger, Line…).
Để đạt được các mục tiêu tăng trưởng, H&M đã triển khai một chuỗi các hoạt động chuyển đổi số trong vòng 3 năm với các giai đoạn sau:
Với chiến dịch Social Stylist, sau khi phân tích các quy trình kinh doanh chủ chốt, H&M đã tạo ra một stylist ảo, với khả năng dự đoán nhu cầu của người mua và đề xuất cho họ những sản phẩm phù hợp. Stylist này hoạt động dựa trên hệ thống dữ liệu đa kênh theo thời gian thực, chuyển đổi insight của từng khách hàng thành các nội dung được cá nhân hóa.
Creative Idea
Đầu tiên thương hiệu tích hợp nền tảng quản lí dữ liệu (data management platform – DMP) vào hệ sinh thái của H&M trên WeChat. Về cơ bản, đây là hoạt động “biến” nền tảng lan truyền nội dung từ thương hiệu (WeChat) thành một công cụ CRM tự động.
Điều này đảm bảo rằng dù hiện tại đã có những thông tin cơ bản về khách hàng, thương hiệu vẫn luôn có một công cụ nhanh nhạy để có thể mở rộng hồ sơ khách hàng.
Hoạt động thực thi
Mobile
Thương hiệu đã xây dựng một hệ thống dữ liệu cho phép phân tích mọi hành vi từ người theo dõi, tạo ra hồ sơ của từng người với các thông tin như khu vực sinh sống, địa điểm thường xuyên mua sắm và các sản phẩm từng mua… Ngoài ra, hệ thống còn theo dõi các tương tác của họ với nhiều loại nội dung đến từ nhiều thương hiệu khác trên WeChat.
Các dữ liệu này giúp thương hiệu tạo ra những loại nội dung mới cho từng nhóm người tiêu dùng khác nhau, nội dung này được cá nhân hóa đển mức họ khó có thể bỏ qua: dự đoán những sản phẩm, thông tin phù hợp với nhu cầu của khách hàng, đề xuất các sản phẩm phù hợp dựa theo tình hình thời tiết…
Chẳng hạn, hệ thống biết rằng Lily là một tín đồ thời trang thực sự, dựa vào hành vi đăng kí sự kiện ra mắt bộ sưu tập kết hợp giữa H&M x KENZO. Do đó, trong tương lai, hệ thống sẽ gửi thông báo cho Lily về những bộ sưu tập độc quyền mới và cơ hội tham dự các buổi ra mắt bộ sưu tập.
H&M Mobile
Social
Từ hệ thống dữ liệu có sẵn, thương hiệu bắt đầu phân loại nhóm khách hàng dựa trên cách họ mở tài khoản, ở cửa hàng nào hoặc trên kênh nào. Sau đó thương hiệu bắt đầu thử nghiệm gửi tin nhắn qua WeChat đến những người đã tương tác với các loại nội dung nhất định.
Điều này đặc biệt quan trọng đối với thương hiệu thời trang, vì các sản phẩm khác nhau rõ ràng thu hút những đối tượng khách hàng khác nhau. Khi đó, Messenger của H&M đóng vai trò như một trợ lý phong cách cá nhân cho hàng triệu người tiêu dùng ở Trung Quốc.
Các tin nhắn gửi đi được triển khai với 3 mức độ cá nhân hóa:
Nhờ vào việc tích hợp hệ thống dữ liệu vào trang thương hiệu trên WeChat, H&M đã thành công trong việc duy trì kết nối giữa người tiêu dùng và thương hiệu.
Bằng các tin nhắn đề xuất liên quan trực tiếp đến nhu cầu của người tiêu dùng, H&M đã khơi gợi sự hứng thú của cộng đồng, góp phần giúp chiến dịch lan truyền rộng rãi hơn.
Consumer Promotion
Với ứng dụng chia sẻ ảnh và các gợi ý từ chatbot WeChat, người dùng được khích lệ chia sẻ phong cách của mình với cộng đồng. Các dữ liệu từ việc người dùng tương tác với nhau trên cộng đồng này sẽ được dùng để đề xuất các sản phẩm, xu hướng thời trang tương ứng.
Nhờ vậy, H&M có thể xây dựng hệ thống dữ liệu trung tâm đầy đủ, tạo ra các trải nghiệm đa kênh toàn diện từ online đến offline.
Càng tương tác nhiều, người tiêu dùng càng tích lũy nhiều điểm thưởng. Từ đó, thương hiệu dễ dàng chuyển đổi những tương tác này thành doanh thu.
Ứng dụng Stylist Community
Video Case-study
Case-study tổng hợp chiến dịch.
H&M Case-study
Kết quả
Nhờ vào việc tối ưu hóa kho dữ liệu người dùng trên WeChat, H&M đã thành công trong việc tăng số lượng người theo dõi thương hiệu lên đến 400% – một con số vô cùng ấn tượng, theo đó, nhận diện thương hiệu cũng như tình cảm của người tiêu dùng với thương hiệu cũng tăng đáng kể. Nhờ vậy, H&M đã trở thành thương hiệu thời trang được yêu thích nhất, vượt qua cả Nike và Uniqlo trên WeChat.
Brands Vietnam là Cộng đồng Marketing và Xây dựng Thương hiệu toàn diện tại Việt Nam, với những sản phẩm và dịch vụ có kết nối chặt chẽ với nhau để phục vụ cho nhu cầu đa dạng của marketers nói chung, người làm kinh doanh nói riêng.
Lầu 3, tòa nhà Viet Solutions, số 125/11 Nguyễn Cửu Vân, phường 17, quận Bình Thạnh, TP. Hồ Chí Minh.
© 2012 – 2022 Brands Vietnam.
Bản quyền thuộc về Công ty TNHH WEBRAND, giấy phép ĐKKD số 0311614186 do Sở KH&ĐT cấp ngày 10/03/2012.
Giấy phép MXH số 194/GP-BTTTT ký ngày 21/05/2019.
H&M đã làm gì để có thể đạt được mục tiêu tăng trưởng hơn 100% trong bối cảnh cạnh tranh khốc liệt tại thị trường Trung Quốc?
Bối cảnh
Tại thị trường Trung Quốc, các đối thủ cạnh tranh của H&M ngày càng đầu tư nhiều ngâ