✔ Waarom je filter keuzehulp geen match is voor Aiden

Guided selling kent vele vormen en de ene keuzehulp is de andere niet. Maar waar zit dat ‘m in? Om die vraag te beantwoorden leek het ons nuttig om eerst eens te kijken naar de meest voorkomende vorm van guided selling: de filter keuzehulp.

In dit artikel delen we de voor- en nadelen van een filter keuzehulp. Als voorbeeld gebruiken we Coolblue, de 2e grootste e-commerce speler van Nederland, met meer dan € 2,3 miljard omzet in 2021. We nemen hun keuzehulp voor televisies — de grootste categorie van het bedrijf, en een product dat elke consument kent — onder de loep.

Dus we maken het onszelf niet makkelijk: het is een van de grootste e-commercespelers, met vrijwel onbeperkte middelen, het gaat om hun grootste categorie én een bekend product. We verwachten dan ook dat deze keuzehulp perfect werkt.

Hoe werkt het?

Voor elke televisie levert de producent technische data aan de webshop, ook wel productkenmerken genoemd. Deze kenmerken worden als filters getoond op de lister page van elke productcategorie:

Om de klant te helpen ontdekken welke televisies voor hem relevant zijn, biedt Coolblue een filter keuzehulp die de kenmerken in gespreksvorm (vraag-voor-vraag) presenteert:

In het onderstaande voorbeeld krijgen klanten een vraag over de gewenste schermgrootte van hun televisie en kunnen ze kiezen uit drie antwoorden: Klein, Middelgroot en Groot. Elk antwoord wordt  toegelicht met behulp van wat tekstuele en visuele content:

De antwoorden zijn direct gekoppeld aan de beschikbare productkenmerken, wat betekent dat elk gegeven antwoord automatisch het bijbehorende filter op de lister page selecteert. Zodra elke vraag is beantwoord, is het 'productadvies' compleet: de lister page is nu gefilterd en toont alleen nog de televisies die voldoen aan de geselecteerde kenmerken. In dit voorbeeld zijn het er 39:

Kortom, een filter keuzehulp stelt de klant verschillende vragen over de beschikbare productkenmerken, en past ze vervolgens als filters op een lister page toe.

Laten we dit eens nader bekijken. Wat werkt, en wat niet?

Voordeel: het is gemakkelijk

Het stellen van een paar korte vragen is een pragmatische manier om je klanten te helpen het juiste product te vinden. Het levert altijd meer op dan helemaal geen hulp.

Voordeel: het is schaalbaar (*)

Met een filter keuzehulp vertrouw je op je productdata als bron voor hulp aan je klanten. Het grote voordeel is (of zou moeten zijn) dat je productdatabase al bestaat. Je hebt veel geïnvesteerd in het bouwen en verrijken ervan, dus het is zinvol om er goed gebruik van te maken.

In theorie zou het vertrouwen op je productgegevens dus moeten werken en schalen. Als nieuwe producten je winkel binnenkomen, worden de bijbehorende productkenmerken geüpload naar de database. De filter keuzehulp heeft direct toegang tot die kenmerken en kan deze producten meenemen in het productadvies.

Er is echter een belangrijke voorwaarde. Toegang hebben tot volledige, correcte en consistente productdata is een voortdurende zorg voor de meeste retailers. Als je productdata niet perfect is, kan je filter keuzehulp jouw klanten niet goed helpen.

Nadeel: het gaat niet om mensen, maar om producten

Productdata bevat de technische, objectieve kenmerken van een product. Voor televisies zijn dit o.a. het aantal kleuren, de verversingssnelheid, de kleurdiepte, de scherpte, het gewicht en het introductiejaar.

Er is echter één probleem. Als leek zeggen deze (technische) kenmerken je niet zoveel. En de kenmerken van een televisie spreken misschien nog deels tot de verbeelding (want meer is beter, toch?), maar hoe zit het met bijvoorbeeld een strijkbout? Hoeveel gram stoomproductie per minuut heb je nodig om jouw gewenste kledingstukken te strijken? Of, als je op zoek bent naar wandelschoenen, wat is dan eigenlijk het impliciete verschil tussen een afwerking van leer, synthetisch, suède en nubuck?

Je moet een productexpert zijn (of worden) om de technische kenmerken en hun implicaties te begrijpen, voordat je ze kunt afstemmen op jouw behoeften.

Een ander voorbeeld. Wil je een nieuwe koptelefoon kopen, dan zul je moeten kiezen uit kenmerken als 'draadloos' en 'noise-cancelling'. Als niet-expert moet je maar nét weten dat beide kenmerken je tijd in de trein een stuk aangenamer zullen maken.

Productkenmerken vertellen je dus wat een product heeft, is, of kan. Maar niet waarom dit een goed product is voor jou.

Nadeel: het is binair

Een goed productadvies is genuanceerd. Het is meestal een afweging tussen functionaliteiten, esthetiek en budget. Voor de ene klant zullen sommige van die factoren zwaarder wegen dan voor de andere.

Filter keuzehulpen missen nuance. Dat komt omdat productkenmerken binair zijn: ze zijn waar of niet waar. Als een klant op zoek is naar een 'televisie' die 'minder dan € 1.500' kost, 'minimaal 55 inch' is en 'ambilight' heeft, toont een filter keuzehulp alleen de producten die aan deze exacte beschrijving voldoen. Een perfect alternatief dat €1.501 kost verschijnt niet in de resultaten, omdat het niet in de gebruikte filters past.

Dit type binaire gegevens is ook problematisch als je het hebt over voorkeuren in plaats van eisen. Of het nu de kleur van een toestel, het gewicht, of het merk is: het zijn allemaal voorkeuren. Misschien geef je de voorkeur aan een Samsung-televisie, maar ben je toch bereid een ander merk te proberen als dat aan je andere eisen voldoet. Filter keuzehulpen leiden gebruikers door een trechter van harde eisen, waarin geen rekening wordt gehouden met dergelijke zachte voorkeuren. Zelfs in de Coolblue-keuzehulp is er geen manier om opties zoals een soundbar of ambilight te markeren als 'nice to haves' of 'optioneel'.

Ten slotte: als meerdere producten aan een bepaald kenmerk voldoen (b.v. geleverd met een soundbar), maakt een filter keuzehulp geen verder onderscheid tussen de producten. Elk product dat in het advies verschijnt heeft die specifieke mogelijkheid. Waarom kost de ene televisie dan € 1.339 en de andere € 2.569? Vermoedelijk (hopelijk) is er een verschil in de uitvoering van deze functionaliteit. Alleen zijn deze verschillen niet duidelijk voor de klant (immers: de lister page wordt slechts gefilterd, zonder verdere toelichting). De klant zal dus zelf verder moeten onderzoeken hoe de producten zich van elkaar onderscheiden en welk product nou precies bij zijn behoeften past. Dat is geen echt productadvies.

Nadeel: je lost de behoeften van je klanten niet op

Stel je voor: je staat in een winkel. Je weet wel, zo een gebouwd met bakstenen. Je vraagt een verkoopmedewerker om je te helpen bij het vinden van de juiste televisie. Ze stelt je een aantal vragen:

• Waar ga je de televisie voor gebruiken?
• Naar welk formaat televisie ben je op zoek?
• Heb je een voorkeur voor een merk?

"Bedankt", zegt ze nadat je antwoord hebt gegeven. "Geef me een moment en ik laat je zo zien welke tv's precies bij je passen." Na een paar minuten komt ze terug en neemt ze je mee naar het magazijn, waar ze je 75 televisies presenteert. "Deze zijn allemaal perfect voor jou!" Als je vervolgens vraagt welke je moet kiezen zegt ze dat ze de televisies op relevantie heeft gesorteerd, en dat je met behulp van de kenmerken de producten kunt vergelijken om een beslissing te nemen.

Dit klinkt als een lachwekkende interactie, maar is treurig genoeg nog steeds het beste dat 25 jaar e-commerce te bieden heeft. Hier zien we de afronding van Coolblue's filter keuzehulp:

Er zijn maar liefst vijfenzeventig televisies geselecteerd, die ogenschijnlijk allemaal perfect zijn voor het "streamen van films", een "uitstekende beeldkwaliteit" hebben en "groot" zijn (>55 inch). Het prijsverschil tussen de goedkoopste en de duurste is slechts € 28.600 (2144%!). En dit zijn de eerste paar productresultaten:

Hoe helpt dit een potentiële klant? Hoe kunnen klanten een keuze maken tussen deze vier, laat staan de volle vijfenzeventig modellen? Er valt nog een hoop te onderzoeken voordat duidelijk is welk model het beste bij hun behoeften en wensen past.

Wat is het alternatief?

Het gebruik van een filter keuzehulp helpt nauwelijks bij het oplossen van het belangrijkste probleem van je klanten: keuzestress.

Klanten kopen pas zodra ze ervan overtuigd zijn dat een product perfect voor hen zal werken. Daarom moet jouw doel zijn om orde te scheppen in de chaos: verminder de hoeveelheid informatie, snij in het aantal producten en voorkom hiermee angst en keuzestress bij je klanten.

Met alleen een filter keuzehulp ga je dit nooit bereiken.

Dat komt omdat een filter keuzehulp is gebaseerd op de behoeften van een webshop: "We hebben een heleboel gegevens direct beschikbaar, en zolang onze klanten maar de juiste kenmerken selecteren, wijzen we ze in de goede richting wijzen en verkopen we meer.”

Een echte guided selling app zet de behoeften van de klant centraal. Dus:

• Stel je klanten vragen over hun beoogde gebruik en doelen. Dergelijke vragen zijn veel gemakkelijker en leuker om te beantwoorden dan het aanvinken van productkenmerken.
• Bied een genuanceerde ervaring waarbij verschil wordt gemaakt tussen 'must-haves' en 'nice-to-haves' en omzeil daarmee de valkuilen van (binaire) productdatabases.
• Bied advies over welke productkenmerken 'perfect' passen in plaats van gewoon 'goed' (bijv. 5% over budget is niet geweldig, maar waarschijnlijk nog steeds goed).
• Beperk het aantal resultaten en vertel een klant hoe en waarom die producten goed bij hem passen. Als je dit doet, los je de pijn en het probleem van een klant op.

Je verwacht het bovenstaande in een winkel, dus waarom niet in een webshop?

We hebben Aiden gebouwd om te helpen bij het maken van keuzehulpen die leiden tot de beste resultaten - voor de klant én voor de webshop. En het werkt. In onze case studies lees je hoe onze benadering van guided selling resulteert in conversie-toenames tot maar liefst 500%.

‍