De zin en onzin van de Customer Decision Tree (CDT) – Kiezen we echt zo?

Iedereen die zich in de retailwereld bezighoudt met schapinrichting kent ze wel: de zogenaamde Customer Decision Trees. Ook zijn er vergelijkbare concepten onder de noemer Shopper Decision Tree en Consumer Decision Tree. Kortom: keuzebomen zijn populair in retail en staan van oudsher aan de basis van schapinrichting.

De decision tree modellen hebben gemeen dat ze het keuzeproces beschouwen als een stapsgewijs hiërarchisch keuzeproces. Eerst beslis je of je voor het ontbijt pap, corn flakes of crackers wilt (pap!). Vervolgens kies je de graansoort (haver!) en tenslotte het merk (Quaker!). Klinkt logisch – totdat je onderzoekt hoe klanten werkelijk tot keuzes komen in de winkel.

De afgelopen jaren staat de zin en onzin van deze keuzebomen steeds meer ter discussie. Dankzij psychologische en neurowetenschappelijke onderzoeken begrijpen we namelijk steeds beter hoe consumenten werkelijk tot hun keuzes komen. Wat blijkt: er worden nauwelijks stapsgewijze keuzes gemaakt. Het merendeel van onze aankoopbeslissingen komt automatisch en onbewust tot stand komen. De Quaker ligt sneller in het winkelmandje dan dat je pap kunt zeggen. 

Er wordt in strikte zin dus weinig beslist in de winkel, en zeker bij FMCG-producten is de automatische piloot non-stop aan het roer. Wat betekent dit onbewuste koopgedrag voor de customer decision tree en het onderzoek hiernaar? In dit blog ontleden we het antwoord.

Trouwens, laatst gaven we een - gratis - lunch-webinar precies hierover. In dit webinar bespraken Tim en Tom de zin en onzin van Customer Decision Trees en onthulden ze hoe je het keuzeproces van de shopper meetbaar maakt.

Aangezien je dit blog leest, dachten we dat je deze webinar helemaal mooi zal vinden! Terugkijken kan heel simpel via deze link. Ik ben benieuwd wat je ervan vond!

De Customer Decision Tree bestaat niet… maar wacht toch maar even met zagen

Bij Unravel Research verrichten we jaarlijks tientallen eye tracking onderzoeken in retailomgevingen. Hierbij krijgen shoppers een comfortabele eye tracking bril op, waarmee we exact kunnen volgen waar de shopper kijkt, welke informatie verwerkt wordt (en vooral welke informatie überhaupt geen rol speelt) en welke vergelijkingen worden gemaakt in het aankoopproces.

Zelfs de meest doorgewinterde eye tracking onderzoeker kijkt regelmatig met enige verbazing over hoe weinig informatie men feitelijk gebruikt bij het maken van keuzes. De stap tussen kijken en kopen duurt vaak nog geen seconde.

Dit intuïtieve keuzeproces laat zich moeilijk rijmen met een rationeel beslisboommodel waarin de shopper mentaal een vragenlijstje afwerkt om tot een koopbeslissing te komen. Retailers weten dat ook wel: zelfs de meest conservatieve beslisboomfanaat begrijpt na enige zelfreflectie dat klanten niet werkelijk op die manier kiezen.

De beslisboom dient dan ook meer als versimpelde weergave van de meest onderscheidende productkenmerken (bovenin de boom) tot de meer specifieke productkenmerken (onderin de boom). Daarmee biedt de boom houvast in hoe je de segmenten van je schap klantvriendelijk kunt indelen. Is het effectiever om producten te plaatsen in merkblokken (een Milka blok en een Verkade blok) of toch op chocoladesoort (een melk blok en een puur blok). Wanneer je weet welke keuzefactor het meest gebruikt wordt door klanten, dan kun je op het schap slim indelen.

Het brein wil kunnen wegstrepen

Ons brein is lui. In een retailcontext betekent dit dat we met zo min mogelijk loop- en denkwerk een product willen kopen waar we blij van worden. Een ideaal schap stelt ons brein in staat irrelevante segmenten snel weg te strepen.

Wanneer iemand naar het chocolade-schap loopt om een Milka-reep te kopen, dan is het fijn als de producten op merk zijn ingedeeld. Immers, dan kan het brein alles wat niet paars is direct negeren. Wanneer het schap op chocoladesoorten zou zijn ingedeeld, dan zou de shopper aanzienlijk meer meters moeten doorkruizen om de Milka’s te lokaliseren (en dus minder kunnen wegstrepen).

De beslisboom is in dit opzicht nog altijd een behulpzame metafoor van de grote en kleine onderscheidende kenmerken waarop je een schap breinvriendelijk kunt indelen. Maar verlies niet uit het oog dat het slechts een metafoor is, en niet een reflectie van hoe we werkelijk kiezen.

Onderzoek naar de Customer Decision Tree

Dat de customer decision tree niet een bijster goede afspiegeling is van het keuzeproces in ons brein, is dus eigenlijk niet zo’n probleem. Immers, het model biedt alsnog houvast bij de inrichting van een schap. De uitdaging is met name om met onderzoek te ontleden welke keuzefactoren werkelijk een rol spelen in de winkel (en dus ‘hoog in de boom’ horen) en welke van ondergeschikt belang zijn.

---

Gratis Webinar: "De Zin en Onzin van Customer Decision Trees 🧠"

Iedereen die zich in de retailwereld bezighoudt met schapinrichting kent ze wel: de zogenaamde Customer Decision Trees (CDT). Maar past zo’n rationeel beslissingsmodel wel bij de hedendaagse kennis over het onbewuste? Is de houdbaarheidsdatum van de CDT niet allang verstreken?

Tijdens dit webinar leer je:

👉 Waarom de CDT onrealistisch maar toch waardevol is
👉 Hoe we werkelijk kiezen
👉 Hoe je het keuzeproces meetbaar maakt

De 60 minuten durende webinar is nu terug te kijken!

Bekijk de webinar via deze link <

---

 

Het probleem met traditioneel onderzoek naar de customer decision tree

Veel traditionele onderzoeksvormen naar de customer decision tree zijn gebaseerd op het bewust uitvragen naar het keuzeproces, of sorteertaken waarin de respondent clusters van samenhangende producten moet maken.

Al deze methoden hebben te kampen met het probleem dat ze respondenten buitengewoon bewust en rationeel laten nadenken over hun keuzeproces. En dat is nou uitgerekend niet de mindset waarmee we ons in de winkel bevinden.

Het resultaat is dat deze onderzoeksvormen het belang van sommige keuzefactoren onderschatten, bijvoorbeeld wanneer respondenten zich minder merkgevoelig voordoen dan ze in werkelijkheid zijn. Anderzijds kunnen sommige keuzefactoren juist flink overgewaardeerd worden. De respondent zal mogelijk aangeven dat voedingsinformatie, versheid of een biologische oorsprong van groot belang voor ze is, terwijl ze daar in werkelijkheid in de winkel geen seconde bij stilstaan.

De customer decision tree mag dus blijven, maar we hebben andere methoden nodig om ‘m in te kleuren.

Neuromarketing alternatieven voor onderzoek naar de customer decision tree

De enige plek waar je werkelijke keuzeprocessen van de klant kunt meten is de winkel zelf. Dankzij neuromarketing-onderzoek met eye tracking is dat vandaag de dag ook mogelijk.

In een neuro customer decision tree onderzoek verrichten shoppers aankopen in een categorie terwijl een eye tracker hun gehele keuzeproces minutieus vastlegt. Elke fixatie wordt daarbij gelogd. Dit geldt zowel voor specifieke productvergelijking (op smaak, kleur, verpakkingsmateriaal, grootte) en productinformatie (prijs, suikergehalte, etc). Door deze data van meerdere respondenten over elkaar heen te leggen, krijgen we inzicht in twee cruciale dimensies:

• Welke keuzefactoren vroeg en laat in het keuzeproces aan bod komen
• Welke keuzefactoren door veel en weinig shoppers worden gehanteerd

Door dit te plotten in een grid ontstaan er vier kwadranten. De factoren in het kwadrant linksboven zijn verreweg het belangrijkst voor de schapindeling: deze worden door veel shoppers vroeg in het keuzeproces gebruikt. En dit zijn exact de factoren waarop je de grote segmentverschillen in het schap wilt indelen, zodat je het de klant zo gemakkelijk mogelijk maakt.

De factoren in het kwadrant linksboven zijn de primaire schapsegmenten om op in te zetten, oftewel: de factoren die we vroeger als ‘hoog in de decision tree’ betitelden. Tegelijkertijd levert deze neuromarketing-methode een verhelderend beeld op over het werkelijke keuzeproces. Je ziet dat mensen geen rationeel stapsgewijs keuzeproces volgen, maar simpelweg dat veel mensen een klein aantal factoren gebruiken om tot hun keuzeproces te komen.