V A N V E R Z A M E L E N N A A R D O E N
Jeroen van Eck Frank Beke
Wouter van der Heijden Rutger Smit
Marketingstrateeg Data Scientist
Analytics Consultant Data Architect
I N D E Z E
W H I T E P A P E R
› Pagina 3
Groeien in datavolwassenheid gaat over meer dan alleen data
Wat je wil en wat je kan komen samen in een data strategie
› Pagina 8
In 4 stappen naar een relevanter Laat je data voor je werken met
Hoe ga jij het komende jaar de volgende stap zetten om je marketing te verbeteren?
G R O E I E N I N
D A T A V O L W A S S E N H E I D G A A T O V E R M E E R D A N
A L L E E N D A T A
3
Grote kans dat je iets noemt over data en relevantie. Onderzoek onder digital marketeers toont aan dat beter gebruik maken van data om relevanter te kunnen communiceren in de customer journey van de doelgroep een topprioriteit heeft in de verdere ontwikkeling van marketingorganisaties. Hier moeten we dus wat mee!
M É É R D O E N M E T D ATA
Elk bedrijf heeft data. Data maakt alledaagse processen, zoals het plaatsen en verzenden van een bestelling, mogelijk. De uitdaging ligt hem niet in meer data verzamelen, maar juist om data te gebruiken om klantinzicht te genereren waarmee
What are the most desired skills for your digital marketing hires in 2019 - 2020?
Source: Altimeter Digital Marketing Survey. Q3 2019. Base n=500
41%
38%
Data analysis
Marketing automation/software expertise User experience design
Video production and editing Coding/development
Content editing and writing Graphic design
Program/project management Social media listening & publishing SEO/SEM expertise
Paid media/programmatic advertising
36%
31%
29%
29%
28%
28%
26%
8%
6%
Data & klantinzicht is één van de zes pijlers van ons digital marketing maturity model.
Dit model biedt de handvatten om grip te krijgen op de groei in volwassenheid van een marketingorganisatie. Het model is opgebouwd uit vijf volwassenheidsniveaus, waarbij ieder volwassenheidsniveau een andere invulling vraagt op de verschillende pijlers.
D ATA B I N N E N
D I G I TA L M A R K E T I N G M AT U R I T Y
5 Product Kanaal Doelgroep Persoonlijk Prescriptive
H O E
V O L W A S S E N E R , H O E
R E L E V A N T E R
De volwassenheidsniveaus beschrijven in hoeverre je als marketingorganisatie in staat bent om relevant te
communiceren. In de eerste fase (product) proberen organisaties zo relevant mogelijk te communiceren over hun producten, dan wel diensten.
In een fase verder (kanaal) wordt communicatie zo relevant mogelijk gemaakt per kanaal. Vervolgens
ontstaat de behoefte om communicatie relevant af te stemmen op verschillende doelgroepen binnen deze kanalen
(doelgroep) om daarna communicatie nog meer te specificeren naar een persoon (persoonlijk). Uiteindelijk werk je ernaartoe om in te kunnen spelen op toekomstige behoeftes van iedere persoon (prescriptive).
Als het je strategie is om relevanter te communiceren en daarmee je doelgroep
Het model kijkt naar de volgende pijlers:
TEAM
Hoe is het marketing team samengesteld?
ORGANISATIE & PROCES Hoe is het marketing team samengesteld?
MARKETING & TOOLING
Hoe is marketing georganiseerd?
BUDGET & KPI’S
Wat voor systemen worden er gebruikt om marketing relevanter te maken?
DATA & KLANTINZICHT
Hoe wordt data gebruikt om marketing
Groeien in volwassenheid heeft impact op alle pijlers van het maturity model.
Het implementeren van nieuwe tooling vereist ook andere skills, aanpassing van processen en andere KPI’s. Bijvoorbeeld, als je groeit in volwassenheidsniveau van kanaal naar doelgroep, dan ga je gesegmenteerde mailings versturen in plaats van dat iedereen dezelfde mail ontvangt.
Hiervoor heb je iemand nodig om relevante segmenten te kunnen ontdekken (data scientist), maar ook iemand die dat relevante segment
kan ontsluiten naar het e-mailpakket (data engineer). Vervolgens moet je e-mail marketeer goed snappen hoe die segmentatie moet toepassen binnen het e-mailpakket. Daarna moet er een specifieke relevante boodschap gemaakt worden voor dit segment die nog wel aansluit bij andere boodschappen van je merk (content marketeer).
En uiteindelijk moet ook geanalyseerd worden of deze segmentatie
daadwerkelijk relevanter en effectiever is geweest (data-analist).
Het beter gebruik maken van data heeft daarmee niet alleen impact op data skills, maar beïnvloedt ook andere rollen in je marketingteam. Als je wel investeert in de data skills, maar niet in de rest van je team, zal je nooit echt beter gebruik kunnen maken van je data. Bovendien vergt het versturen van gesegmenteerde mailings andere processen, andere tooling, andere
rapportage van KPI’s, andere verdeling van budgetten, specifieke data en een andere manier om je boodschap in lijn te brengen met merkrichtlijnen. Zo zijn alle pijlers met elkaar verbonden. Groei op één pijler moet daarom altijd in balans zijn met de groei op andere pijlers.
G R O E I E N I N
D I G I TA L M A R K E T I N G M AT U R I T Y
7
Als je wel investeert in de data skills, maar niet “
in de rest van je team, zal je nooit echt beter gebruik kunnen maken van je data.
”
Hoe ga je nu aan de slag met de volgende stappen om beter gebruik maken van data om relevanter te kunnen communiceren in de customer journey van de doelgroep?
Breng in kaart waar je staat in je digitale marketing volwassenheid. Bepaal vervolgens op basis van je strategie waar je over bijvoorbeeld een jaar wil staan en wat daarvoor nodig is. De pijlers met de laagste volwassenheid verdienen hierbij als eerste aandacht.
Je wil zoveel mogelijk in balans groeien naar het gewenste volwassenheidsniveau.
A A N D E S L A G M E T J E
V O L W A S S E N H E I D
Hoe ga je in 2021 op een gestructureerde manier met data aan de slag?
W A T J E W I L E N W A T J E K A N , K O M E N S A M E N I N
E E N D A T A S T R A T E G I E
Voor veel bedrijven biedt de pijler data & klantinzicht de grootste kansen op het gebied van marketing. Naast relevantere communicatie helpt data bedrijven echter ook op andere gebieden om betere beslissingen te nemen. Data helpt om je klanten beter te leren kennen en kan vervolgens ook helpen om je dienstverlening te optimaliseren.
Bedrijven hebben de grootste moeite om op een gestructureerde manier met data aan de slag te gaan.
Eerder schreven we al een blog over iets met data doen.
Daarbij benadrukten we het belang van groeien in data volwassenheid. Maar organisaties willen (en kunnen) vaak ook al waarde genereren binnen de huidige mogelijkheden.
Waarde uit data halen begint bij wat je wil. Door dit vervolgens te combineren met wat je kan kom je tot een data strategie. Je data roadmap bevat vervolgens concrete activiteiten waarmee je balans moet houden tussen
direct waarde genereren en stappen zetten in je data volwassenheid.
Om als organisatie waarde uit data te halen is het essentieel dat je begint bij je visie, je marketingstrategie en je doelstellingen. Waar je als organisatie naartoe wil en wat je wil bereiken bepaalt namelijk waaraan data moet bijdragen, en daarmee de manier waarop je data gaat gebruiken.
W A A R D E U I T D ATA H A L E N B E G I N T B I J W AT J E W I L
11
Een datastrategie begint bij waar je als “
organisatie naartoe wilt
Alle organisaties willen graag groeien in omzet en winst. Als het goed is heb je
”
hierbij ook een visie waar deze groei vandaan moet komen en hoe je deze groei gaat bereiken: ga je meer nieuwe klanten aantrekken? Of ga je de bestaande klanten beter behouden? En ga je klanten beter behouden door relevantere communicatie of door een breder assortiment? De keuzes die je als organisatie hierin maakt zijn bepalend voor de focuspunten van je data strategie.
Om te groeien wil je bestaande klanten vaker laten bestellen. In je
marketingstrategie heb je bepaald dat je dit wil doen door “altijd het juiste product aan te bieden”. Met andere woorden, je wil producten aanbieden die beter passen bij de voorkeuren van jouw klanten. Gezien je enorme e-mailbase is dat een belangrijk kanaal, en op dit moment verstuur je nog generieke e-mails naar de hele base. Een van de focuspunten voor je data strategie wordt dan ook data te gebruiken om ‘slimmere’ e-mails te verzenden.
Wat je wil bepaalt daarmee de focus van je data strategie. De balans tussen wat je direct kunt realiseren en de stappen die moet je zetten in je data volwassenheid hangt vervolgens echter af van wat je kan.
EEN CONCREET VOORBEELD
Als je besloten hebt wat je wil moet je in kaart brengen wat je kan. Met behulp van ons data maturity model kan je de randvoorwaarden om waarde uit data te halen in kaart brengen. Net als voor ons digital marketing maturity model kijkt het model hiervoor naar verschillende pijlers. Voor een volledig overzicht van deze pijlers verwijs ik je graag naar het eerdere blog . Voor nu wil ik graag drie elementen uitlichten die de belangrijkste uitgangspunten voor je data strategie bepalen.
W AT J E K A N B E P A A L T D E U I T G A N G S P U N T E N V O O R J E
D ATA S T R AT E G I E
“
De ene data scientist is de andere niet
”
R E S O U R C E S , F U N C T I E S E N
E X P E R T I S E
Uiteraard hangt wat je kan af van welke data functies er zijn binnen je organisatie, maar nog belangrijker is welke expertise de mensen die deze functies invullen hebben. Bijvoorbeeld, zijn je data analisten alleen bedreven in beschrijvende analyses of beheersen ze ook meer voorspellende analyses? En hoe flexibel is je data scientist in het uitvoeren van analyses in verschillende programma’s (SPSS, LatentGold) of talen (Python, R)? De afgelopen jaren zijn er enorm veel data analisten en data scientists bij gekomen.
De kennis van de ene data scientist kan echter enorm verschillen van de kennis van de andere data scientist.
13 13
A R C H I T E C T U U R - B E S C H I K B A R E D ATA E N ( M A R K E T I N G ) T O O L I N G
Wat je kan hangt in grote mate af van je beschikbare data en (marketing) tooling.
Om waarde uit data te halen is het essentieel om een overzicht van de huidige
architectuur te hebben. Dat wil zeggen, welke data zit in welke systeem en op welke manier kan je die data benaderen? Maar ook: in welke (marketing) tooling wil je de inzichten uit data gaan gebruiken?
Zeker als je data wil gaan gebruiken voor personalisatie moet je scherp hebben welke data op individueel niveau voorhanden is. Vergeet hierbij niet te checken dat je binnen je marketing tooling de juiste unieke identifier hebt. Bijvoorbeeld, als je online gedrag (identifier = cookie ID) wil gebruiken voor gepersonaliseerde mailings (identifier =
emailadres) moet je het gedrag kunnen linken aan het e-mailadres.
O R G A N I S AT I E P R O C E S S E N E N V E R A N T W O O R D E L I J K H E D E N
Ten slotte heeft je organisatie invloed op dat wat je kan met data. Wie is er
verantwoordelijk voor de data (kwaliteit, toestemming, koppelingen, etc.)? Zitten je data analisten, data scientists en data engineers in een dedicated data team of vallen ze binnen een ander team, zoals marketing? Stel dat je een ander team nodig hebt om een koppeling tussen twee systemen te realiseren of een marketing selectie te maken dan heeft dat invloed op hoe je data kunt gebruiken. Daarmee vormen de processen en verantwoordelijkheden een belangrijk uitgangspunt voor je data strategie.
Uiteindelijk worden de uitgangspunten voor je data strategie bepaalt door dat wat je op dit moment kan. Bijvoorbeeld, hoewel je het online browse-gedrag van klanten niet heb gekoppeld aan een e-mailadres heb je alle orders wel gekoppeld. Een van je uitgangspunten is dan dat je voor segmentatie en personalisatie het beste kunt beginnen met marketing selecties op basis van ordergedrag. Als je de uitgangspunten voor je data strategie scherp hebt is de volgende stap om deze te verbinden met dat wat je wil.
15
Door dat wat je wil (doelstellingen) te combineren met dat wat je kan (uitgangspunten) kom je
vervolgens tot een data strategie. In deze data strategie staan in de eerste plaats de focuspunten waarmee je het aankomende jaar waarde gaat
genereren. Bijvoorbeeld, je wil het aankomende jaar relevanter gaan communiceren met je klanten (“altijd het juiste product aanbieden”). Aangezien e-mail je belangrijkste kanaal is, orderdata beschikbaar is binnen je ESP en je een data analist in dienst hebt die selecties kan maken wordt een van de focuspunten van je data strategie om ‘slimmer’ te gaan mailen.
Meer specifiek houdt dit in dat je gesegmenteerd en gepersonaliseerd kan gaan mailen.
De focuspunten van je datastrategie kunnen erg uiteenlopen. Bijvoorbeeld, je zou data ook kunnen gebruiken om met slimme analyses je assortiment of je prijsstelling te optimaliseren. Uiteindelijk moet je data strategie maximaal vier tot vijf focuspunten beschrijven waar je het aankomende jaar aan wil gaan werken.
N A A R E E N D ATA S T R AT E G I E M E T
F O C U S P U N T E N
De laatste stap is om een data roadmap voor het aankomende jaar op te stellen waarin je de algemene strategie omzet naar concreet uit te voeren activiteiten. Op die manier kan je de strategie ook direct tot uitvoer brengen. De roadmap bestaat uit concrete use cases die direct bijdragen aan de focuspunten van je datastrategie. In het volgende deel zullen we uitgebreider beschrijven aan welke voorwaarden een use case moet voldoen. In ieder geval moet je helder maken wie er iets met data wil, wat die persoon met data wil en waarom die persoon dat wil.
E E N D ATA R O A D M A P B E V AT C O N C R E E T U I T T E V O E R E N
A C T I V I T E I T E N
17
Hierbij kan wie meer specifiek gaan over een kanaal specialist zoals een e-mailmarketeer, een product owner van een website maar ook over een category manager. Door de ‘wie’ duidelijk te
benoemen, zorg je ervoor dat iedere use case een owner heeft. Op die manier maak je concreet wie er straks wat met de use case gaat doen en maak je iemand ervoor verantwoordelijk dat er waarde gegenereerd gaat worden.
Voor de wat gaat het er vervolgens om dat je concreet maakt wat er gaat gebeuren. Daarbij moet helder zijn welke boodschap (bijvoorbeeld “nieuwe model racefiets”) je naar een specifieke
doelgroep (“racefietsliefhebbers”) via een specifiek kanaal (“e-mail”) op een specifiek moment (“wekelijkse nieuwsbrief”) gaat sturen. Het kan
echter ook gaan over het verkrijgen van een specifiek inzicht (“klantwaarde per productcategorie”) met een specifieke frequentie (“continu”) op een specifieke manier (“dashboard”) die vervolgens gebruikt kan worden.
Het waarom geeft ten slotte aan wat je verwacht te bereiken, bijvoorbeeld een hoger conversiepercentage of een hogere klantwaarde, waarom je dat verwacht te bereiken en hoe het succes gemeten gaat worden.
Het is belangrijk dat de use cases aansluiten bij de focuspunten uit de datastrategie en daarmee de marketingstrategie. Naast de use cases bestaat de data roadmap uit stappen die je moet zetten om je data volwassenheid gedurende het jaar te verhogen.
“
”
Door use cases kan je een data strategie
omzetten naar concreet uit te voeren activiteiten
Heb jij ook zin om in 2021 eindelijk écht iets met data te gaan doen? Door
bovenstaande stappen te volgen kom je tot een datastrategie die direct waarde genereert passend bij je huidige data volwassenheid. Je data roadmap bevat
vervolgens concrete activiteiten waarmee je balans moet houden tussen direct waarde genereren en stappen zetten in je data.
E I N D E L I J K É C H T
A A N D E S L A G M E T D ATA !
19
Hoe bied je op basis van klantwensen relevantere producten en diensten aan?
I N 4 S T A P P E N N A A R E E N R E L E V A N T E R A A N B O D
V O O R J O U W K L A N T
21 Als organisatie heb je bepaald dat om relevanter te communiceren je meer
gebruik wil maken van data (zie het eerste deel). Hiervoor wil je naast groeien in datavolwassenheid ook direct waarde genereren. Dit resulteert in een data roadmap met activiteiten voor de korte en lange termijn (zie het tweede deel). Een veel
voorkomende doelstelling is het verhogen van de klantwaarde op de lange termijn.
Dit krijg je voor elkaar door data te gebruiken om de voorkeuren van je klant beter te leren kennen. Vervolgens kan je deze kennis gebruiken om relevantere producten en diensten aan te bieden en klanten op die manier loyaler te maken. Hoe kan je dit nu het beste doen?
In het vorige deel hebben we de opzet van een use case besproken. Waarschijnlijk kun je veel van deze voorbeelden verzinnen. Het is hierbij verstandig om dit gestructureerd aan te pakken. Hiervoor bepaal je eerst wat jouw doelstelling is en wat de behoefte van je klant is. Dit breng je samen in een toetsbare hypothese en deze ga je vervolgens binnen je huidige mogelijkheden doorvoeren. Hiermee komen we op de volgende 4 stappen:
G E S T R U C T U R E E R D A A N D E S L A G
3. Hypotheses opstellen
4. Data gebruiken 2. Doelgroep
begrijpen 1. Doelstellingen
vastleggen
Zoals ook in het vorige deel van deze serie
beschreven, begin je bij je doelstellingen. Wat wil je als organisatie bereiken? Als het goed is staan deze doelstellingen beschreven in je visie en strategie.
Om focus aan te brengen kies je op basis van de focuspunten in je data strategie een doelstelling waar je specifiek aan wil werken. Bijvoorbeeld, “Ik wil dat meer websitebezoekers een bestelling plaatsen” of
“Ik wil de loyaliteit van mijn klanten vergroten zodat ze vaker terugkomen voor een herhaalbestelling”.
Deze doelstellingen kan je daarna vertalen naar concrete KPI’s. Denk hierbij aan meetbare metrics, zoals: aantal transacties, conversiepercentage of aantal winkelzoekers. Ook ‘zachtere’ KPIs, zoals gelezen inspiratie-content en engagement behoren tot de mogelijkheden. Focus hierbij op metrics die direct zichtbaar waarde genereren. Hiermee kan je makkelijker het succes van je case aantonen.
S TA P 1 : D E
D O E L S T E L L I N G E N
V A S T L E G G E N
23 Relevant zijn voor je doelgroep kan op verschillende manieren. Hierbij is het als eerste essentieel dat je de klanten kent en hun drijfveren begrijpt. Wie zijn ze en waarom kopen ze bij jou? Dit kan gaan over service, prijsstelling of inspiratie. Als tweede is het belangrijk om te bepalen waar je (potentiële) klanten behoefte aan hebben. Willen ze bijvoorbeeld makkelijk kunnen bestellen via hun mobiel of willen ze hulp bij het kiezen van het juiste product? Vervolgens ga je nadenken over waar je klanten gevoelig voor zijn. Denk hierbij aan het continu geven van bevestiging om onzekerheden weg te nemen, de inzet van autoriteit of reviews van anderen (social proof).
Daarna maak je een overzicht van het type klanten (doelgroepen) die je hebt en hoe je voor deze klanten relevant kunt zijn om jouw doelstellingen te halen. Door op deze manier te werken breng je je doelstellingen en je doelgroepen samen. Een voorbeeld:
S TA P 2 : J E D O E L G R O E P B E G R I J P E N
Doel 1: Nieuwsbrief inschrijvingen verhogen
Deze persoon vragen we om een nieuwsbrief inschrijving (met vooraf ingevuld
formulier) nadat hij/zij de aankoop heeft voltooid.
Deze persoon is al ingeschreven voor de nieuwsbrief en tonen we geen nieuwsbrief inschrijving.
Dit vervangen we met reeds gekochte producten.
Doel 2:
Conversiepercentage verhogen
Deze persoon tonen we veel gekochte producten met de hoogste beschikbare review
Deze persoon tonen we het product dat hij/zij vaak koopt met daarbij vergelijkbare producten.
Klant type 1: Snelle koper:
Plaatst bestellingen van lage prijs producten. Wil snel via mobiel kunnen kopen.
Koopt het best beoordeelde product.
Klant type 2: Herhaalkoper:
Gaat voor service en gemak.
Weet wat hij/zij wil kopen.
Gevoelig voor fouten op de site
S TA P 3 : H Y P O T H E S E O P S T E L L E N
Wat gaan we communiceren, met welk doel en hoe toetsen we dat? In de hypothese combineer je het business doel met het doel en dat van de klant. Een goede hypothese;
1. komt voort uit een doelstelling 2. is in de vorm van een stelling 3. is toetsbaar
4. heeft een verklaring in zich gebaseerd op een inzicht of theorie
Een voorbeeld van een hypothese kan zijn:
“Door de producten die passen bij de nieuwste kledingtrends (wijde broeken, hoge tailles en
rimpelkoordjes) uit te lichten zal de millennial minder keuzestress ervaren en eerder overgaan tot bestellen.
Dit is bewezen als er een stijging in conversie%
bestellingen is gerealiseerd.”
Hypotheses vormen de basis van datagedreven personalisatie waarin het onderzoeken van
25
V O O R B E E L D :
D E S TA P P E N U I T G E W E R K T
Als eigenaar van een boekenwebshop heb je als doelstelling het verhogen van de conversie met x%. Je strategie is om huidige klanten vaker boeken te laten bestellen.
• Uit eerder onderzoek blijkt dat een stereotype klant (doelgroep) van thrillers houdt en maandelijks een nieuwe thriller leest.
• Uit onderzoek weten we ook dat deze doelgroep gevoelig is voor de aanbevelingen van thrillerrecensenten.
• Uit klikgedrag blijkt dat hij maandelijks op een thriller uit een bepaalde categorie klikt.
• Uit het koopgedrag (obv data) van alle andere thriller liefhebbers weten we dat mensen die een thriller uit categorie A kopen, ook vaak een thriller uit categorie B kopen.
We kunnen dus relevanter communiceren naar kopers van een boek uit categorie A door ook thrillers uit categorie B aan te bieden welke door thrillerrecensenten een hoge beoordeling hebben gekregen.
Dit leidt tot de volgende hypothese:
“Door op data gebaseerde “gelijke thrillers” aan te prijzen door een thrillerrecensent aan thriller liefhebbers zullen ze eerder overgaan tot een aankoop. Dit toetsen we door een stijging in conversiepercentage van deze doelgroep”.
Om deze hypothese door te voeren en te testen kan je verschillende kanalen
gebruiken, afhankelijk van je volwassenheid. Om relevanter te worden op je website heb je vaak speciale tooling nodig. Heb je die tooling nog niet? Dan kan je vaak al wel direct beginnen met relevanter communiceren via e-mail.
S TA P 4 : D ATA G E B R U I K E N
Op basis van je hypothese ga je
vervolgens concreet invullen hoe je de relevante content aan je klanten gaat tonen. Daarvoor moet je nog twee belangrijke keuzes maken:
1. Welke kanaal ga ik gebruiken?
2. Wat is de trigger voor het tonen van gepersonaliseerde content?
De keuze voor het kanaal is afhankelijk van waar je het liefste wil personaliseren (“wat je wil”) en waar je kan personaliseren (“wat je kan”). De trigger bepaalt
vervolgens wanneer de gepersonaliseerde content wordt getoond: krijgt iedereen een gepersonaliseerde boodschap of gebeurt dat als je klanten bepaalt gedrag laten zien?
Bijvoorbeeld, zodra iemand een product bekijkt op de website zonder te converteren krijgt die persoon einde van de dag een e-mail met
soortgelijke producten. De trigger zorgt ervoor dat helder wordt wanneer een gepersonaliseerde boodschap verstuurd moet worden.
Vervolgens kan je bezig om data te verzamelen en te gebruiken om de voorkeuren van je klant te leren kennen.
Daarna kan je deze kennis gebruiken om je dienstverlening te optimaliseren.
27
H O E W E R K T D I T I N D E P R A K T I J K ?
Zorg ervoor dat je in een centraal klantprofiel begint op te bouwen. Vervolgens kan je die kennis gebruiken om relevanter te communiceren. Als je al personalisatietooling hebt, zoals Datatrics of Blueconic, kan je door personalisatie op je website direct waarde genereren.
Heb je geen tool en is je data niet gekoppeld? Dan moet je eerst stappen zetten in je datavolwassenheid. Als je al stappen hebt gezet dan kan de volgende stap zijn om een Data Management Platform (DMP) of Customer Data Platform (CDP) aan te schaffen om een centraal klantbeeld te creëren. Als je meer mogelijkheden wilt hebben om je kennis toe te passen dan kan het nuttig zijn om personalisatietooling aan te schaffen.
Voordeel van deze tooling is dat er veel zaken geautomatiseerd zijn. Door het
automatiseren met machine learning kun je aanbevelingen op grote schaal toepassen, bijvoorbeeld op ‘anderen kochten ook’ pagina’s. Door automatisering in te zetten communiceer je op grotere schaal, ben je altijd up-to-date en ben je effectiever aan het werk.
Als je bovenstaande 4 stappen volgt dan maak je op een gestructureerde manier concreet hoe je direct waarde kunt genereren uit data. Naast use cases die direct waarde genereren moet je roadmap ook stappen bevatten die je helpen om verder te komen in je volwassenheid. Op die manier kan je ook in de toekomst datagedreven blijven werken.
Klein beginnen met de data die je nu hebt
L A A T D A T A V O O R J E W E R K E N M E T A U T O M A T E D D A T A
A N A L Y S I S
29 Data kun je, zoals reeds aangestipt in de vorige blogs, gebruiken om je klanten beter te leren kennen.
Vervolgens kan je deze kennis gebruiken om je dienstverlening te optimaliseren en relevanter te communiceren met je klant. Maar hebben we daar wel de benodigde tooling voor? is de vraag die hier dikwijls op volgt. Veel bedrijven denken dat als je
‘iets’ met data wil, je hier direct nieuwe tooling voor nodig hebt waarmee enorme investeringen gepaard gaan.
Bij De Nieuwe Zaak vinden we dat je klein moet beginnen, snel kleine succesjes moet boeken en daarna moet gaan uitbouwen. Dat betekent dat je moet beginnen met de data en de systemen die je al hebt. In dit deel lees je over hoe je op een efficiënte manier eenmalig je data analyse opzet om vervolgens de inzichten continu te kunnen gebruiken voor
relevantere communicatie.
D ATA O V E R J E K L A N T E N A N A LY S E R E N
Om snel waarde uit data te halen begin je met wat je wil, bijvoorbeeld relevanter communiceren. Vervolgens kijk je in hoeverre dit mogelijk is binnen wat je kan. Als je relevanter wil communiceren begint dat met je klanten beter leren kennen.
Daarvoor kun je de data die je over je klanten hebt analyseren. Er bestaan legio algoritmes die je kunt toepassen om je klanten op te delen in slimme segmenten. Deze segmenten kun je vervolgens gebruiken om relevanter te communiceren.
31
H A N D M AT I G A N A LY S E R E N M I D D E L S E E N R F M A N A LY S E
Om snel waarde uit data te halen begin je met wat je wil binnen wat je al kan. Juist, dat is soms makkelijker gezegd dan gedaan. Want wat kan ik dan precies? Wat je kan is beginnen met de data die je al hebt! In je e-commerce platform beschik je over alle orders op individueel klantniveau. Deze omzetdata is al voldoende om je klanten te segmenteren. Een RFM analyse helpt je om binnen je huidige mogelijkheden de klantwaarde in kaart te brengen en te benutten. Deze klantwaarde bestaat uit:
• Recency: Hoe recent heeft een klant iets gekocht?
• Frequency: Hoe vaak koopt een klant iets?
• Monetary value: Wat is de waarde van de aankopen?
Binnen je huidige mogelijkheden kan je de eerste analyse vaak al handmatig
uitvoeren. Dit levert een lijst op met klantnummers en een score en segment. Heel mooi, maar sec kan je met deze lijst eigenlijk niks: je moet de inzichten over je klant namelijk ergens gaan gebruiken. Dit kan eenvoudig door je communicatie via e-mail relevanter te maken. Als je de resultaten upload naar je email service provider (ESP), kan je vervolgens de verschillende segmenten een andere e-mail sturen. Of je stuurt helemaal geen mail meer, want heeft het wel zin om die groep klanten met een lage score nog een nieuwsbrief te sturen?
Een keer een gesegmenteerde mail sturen is natuurlijk een hele mooie eerste stap. De uitdaging is de actualiteit: wanneer je de analyse handmatig uitgevoerd hebt, is het resultaat alweer achterhaald. Bij een volgende nieuwsbrief moet je opnieuw de ruwe klantdata uit het bronsysteem halen, met de hand de analyse uitvoeren, resultaat controleren en de data uploaden naar je ESP. Alles handmatig, en dus erg veel werk waarbij de kans op een foutje op de loer ligt. Gelukkig is dit proces binnen je huidige mogelijkheden vaak al bijzonder goed te automatiseren. Hier gebruiken we ADA (Automatische Data Analyse) voor.
33
D ATA U I T V E R S C H I L L E N D E S Y S T E M E N S A M E N V O E G E N
‘Ja, maar mijn data staat in verschillende systemen!’ Wanneer je data gefragmenteerd opgeslagen staat, zal je hier eerst een verbeterslag moeten maken. Je moet de data samen laten komen.
Bij ADA lossen we dat op door vanuit de verschillende systemen ruwe data te ontsluiten naar een centrale opslaglocatie. Vervolgens wordt de ruwe data
automatisch opgeschoond, genormaliseerd en gecombineerd. Deze genormaliseerde data kan vervolgens door één of meerdere algoritmes gehaald worden. Bijvoorbeeld, je kan klanten met behulp van RFM in laten delen in segmenten.
R E S U L TA AT V A N D E A N A LY S E T O E P A S S E N
Zoals we al eerder aangaven wil je natuurlijk wel iets doen met het resultaat van de analyse. Veel software schept op dat ze out-of-the-box een waslijst aan systemen kunnen koppelen. In de praktijk zie je toch maar wat vaak dat die standaard koppeling net niet werkt omdat er altijd wel iets is waardoor er toch weer maatwerk nodig is. Bij ADA werkt dat net iets anders.
Er zijn verschillende manieren om de resultaten van een analyse in ADA te gebruiken. Het resultaat kan als CSV bestand worden gedownload. De locatie van het bestand is elke keer wanneer de analyse uitgevoerd gelijk. De meeste software kan vervolgens eenvoudig naar dit bestand laten verwijzen. Bijvoorbeeld, je kan je ESP de resultaten iedere nacht laten ophalen. Naast via een download is de data ook via een API beschikbaar. Dit is vooral voor geautomatiseerde systemen erg handig. Ten slotte kan je de resultaten ook checken via een dashboard. Op die manier weet je zeker dat de RFM
R F M S C O R E K O P P E L E N A A N P R O F I E L E N
De resultaten van ADA zijn dus op verschillende manieren te benaderen. Daardoor is het eenvoudig om de resultaten van een RFM analyse toe te passen binnen je nieuwsbrief. Door de RFM score toe te voegen aan de profielen in je CRM of ESP kun je in het vervolg in je communicatie onderscheid maken tussen je loyale klanten, je potentiële loyale klanten en de ‘toevallige passanten’.
En heb je, geholpen door relevantere communicatie dankzij je RFM analyse, die potentiële loyale klant kunnen converteren naar een echt loyale klant? Dan kan je geautomatiseerd de communicatie via e-mail met de klant aanpassen aan zijn nieuwe status. Door de RFM analyse frequent uit te voeren en beschikbaar te maken binnen je ESP zorg je ervoor dat je communicatie altijd up-to-date blijft.
35
J E K U N T N U A L B E G I N N E N !
Dus wil je direct beginnen met waarde genereren binnen wat je nu al kan? Als je omzetdata en een ESP hebt ingericht kan je al beginnen. Op die manier kan je naast groeien in volwassenheid ook direct beginnen om waarde genereren met je waarde.
Doe je nu nog niks met je data? Wij helpen je graag om de eerste stappen te zetten om relevanter te gaan communiceren.
© 2018 De Nieuwe Zaak
De Nieuwe Zaak is digital commerce specialist sinds 2005 en is inmiddels uitgegroeid tot één van de meest gerenommeerde en succesvolle digital commerce bureaus van Nederland. Met 90 experts helpen wij retailers, groothandels en brands met het oplossen van vraagstukken op het gebied van strategie, creatie, techniek en marketing. Onze specialisten werken in multidisciplinaire teams, met een sterke focus op het behalen van online rendement en met 100% focus op resultaat.
Verder praten met ons over data?
Neem gerust contact met ons op via onze website: denieuwezaak.nl of bel: 038 - 423 01 63.
