Spring naar content

Je hebt geen 360 graden klantbeeld nodig om al impact te maken

In de meest ideale situatie beschik je over een volledig inzicht in de klantreis van het eerste contact met je organisatie tot de meest recente interactie. Je weet bijvoorbeeld waar en welke type klanten op de website komen voor welke onderwerpen. Maar ook waar ze afhaken en of ze één of meerdere servicekanalen bezoeken. Wat ze eerder gekocht hebben, wanneer dat was en wat de monetary value is. Om een dergelijk klantbeeld te krijgen zijn namelijk verschillende databronnen en attributen nodig, zoals je in eerdere artikelen uit deze serie kunt lezen.

Mocht je nog geen volledig 360 graden klantbeeld hebben, dan is de vraag welke data je minimaal nodig hebt voor de doelstelling en toepassing die je voor ogen hebt en of je over de data beschikt die daarvoor nodig is. Het opslaan van websiteverkeer van klanten – in bijvoorbeeld Google Analytics – is bijvoorbeeld voldoende om te ontdekken of de klant online te snel afhaakt en daarna belt naar het callcenter. Een minimale set aan databronnen kan dus al leiden tot nieuwe inzichten – een goede reden om databronnen structureel te integreren en te ontsluiten. Hoe je dit proces van use cases kunt starten en verder doorontwikkelen is eerder in onze serie beschreven.

Uit onderzoek van Forrester blijkt dat toevoegen van realtime gebruiksdata (zoals online visits, inbound calls naar het callcenter) direct tot meer conversie leidt. Om als bedrijf relevant te zijn moet je ook op deze data inzetten en niet enkel historische data gebruiken.

Een Next Best Action-model is de ultieme eindsituatie om impact te maken

En hoe bepaal je dan vanuit die data en inzichten wat je naar klanten moet communiceren? Dat illustreren we met een voorbeeld van een e-mailcampagne gericht op het werven van nieuwe klanten. Door met analytische modellen te voorspellen bij welke klanten de kans groter is dat ze een product afnemen, zie je al snel de conversie stijgen. Dan benader je bijvoorbeeld 20% van de klanten met de hoogste kans. De vraag rijst dan vaak of je niet meer klanten moet benaderen, ondanks dat de kans op verkoop dan kleiner is. Deze discussie ontstaat vooral in organisaties waarbij de marketingafdeling zich meer richt op conversie dan op service. Maar bij veel klanten is een ander type boodschap veel relevanter. Klanten die pagina’s bezoeken over een bepaald type service kun je veel beter benaderen met een boodschap die daaraan verwant is – en niet met een irrelevant productaanbod. Het is dus belangrijk om je producten en diensten aan te laten sluiten op de wens van de klant.

Dit wordt ook wel een Next Best Action (NBA)-model genoemd. Bedrijven die dit toepassen zien vaak over tijd meerdere KPI’s verbeteren. Onze ervaring is dat zo’n verbetertraject niet eenvoudig is en dat een organisatie over de volgende attributen moet beschikken:

  • Analytics: Beschikt het bedrijf over voldoende (senior) data scientists en een goede analytical dataset met de mogelijkheid om statistische modellen op te laten draaien? Zie ook artikel 2 van deze serie.
  • IT: Is er al een Customer Data Platform aanwezig? Is dit een suite, zoals Salesforce, een verzameling van losse applicaties of een Data Warehouse? Wordt er gebruik gemaakt van cloudtechnologie? Hoe complex is het IT-landschap? Zie ook artikel 3 van deze serie.
  • Way of working: De ervaring is dat in organisaties die gewend zijn om multidisciplinair binnen IT en de commerciële afdelingen te werken, eerder resultaat wordt geboekt. Zie ook artikel 4 van deze serie.

Bij het implementeren van een NBA-model moet je rekenen op 6 maanden tot 2 jaar doorlooptijd – afhankelijk van de bedrijfsgrootte en data- en IT-volwassenheid. Onze ervaring is wel dat gedurende het traject al waarde wordt toegevoegd met de eerste use cases en campagnes. Met slimme inzet van cloudtechnologie is het mogelijk om klein te starten tegen lage kosten.

Stel op één plek in de organisatie vast welk aanbod het meest relevant is

We zien nog te vaak dat op meerdere plekken in de organisatie wordt bepaald wat een klant krijgt te zien. De personalisatie op de website is dan anders dan de inhoud van een e-mail die mogelijk op dezelfde dag is verstuurd . En de NBA’s van klantenservicemedewerkers wijken ook af. De klant voelt zich hierdoor niet herkend in zijn behoefte. Dit heeft zeker consequenties voor de gehele klantwaarde.

Een centrale plek is dus van belang en kan bestaan uit een Customer Data Platform, een statistisch model of een verzameling van algoritmes en business rules. De marketingafdeling is hier meestal voor verantwoordelijk. De voorwaarde is dat deze afdeling een bedrijfsbrede scope en draagvlak heeft. Je zou hiervoor ook een dedicated team voor kunnen samenstellen, ondersteund door data scientists voor het evalueren en doorrekenen van scenario’s.

Business impact met online personalisatie – 2 voorbeelden

Voorbeeld 1: Centraal klantbeeld gebruiken om op je eigen website te personaliseren
Om een klant online te kunnen herkennen is het al lang niet meer noodzakelijk dat de klant eerst is ingelogd. Met de huidige technologie is het bijvoorbeeld ook mogelijk om in e-mailcampagnes voor je klantendatabase een ‘tag’ mee te sturen. Hiermee kun je de klant in het online domein herkennen. Het is natuurlijk wel belangrijk dat je toestemming hebt om de klant op deze manier online te volgen.

Als je de klant eenmaal kan en mag herkennen, zijn de mogelijkheden voor personalisatie ontelbaar. Stem bijvoorbeeld een deel van de websitecontent die een klant ziet af op de customer journey-fase waar de klant in zit. Als een klant bijvoorbeeld net een aankoop heeft gedaan, wil je met content duidelijk maken dat hij of zij de juiste keuze heeft gemaakt – en eventueel vervolgaankopen stimuleren. Als een klant in de heroverwegingsfase zit, wil je de content juist zo inrichten dat de kans op conversie het hoogst is. Door daarnaast ook nog je klantendatabase op basis van klantwaarde in te richten kun je personalisatie optimaal benutten. Dankzij de online klantherkenning kun je klanten een aanbod voorschotelen, waarvan je weet dat de kans op conversie het hoogst is.

Voorbeeld 2: Centraal klantbeeld gebruiken om te activeren in externe online kanalen
Een centraal klantbeeld is waarschijnlijk een van de krachtigste bronnen om externe mediakanalen mee aan te sturen. Door je centraal klantbeeld te gebruiken samen met externe media, krijg je de mogelijkheid om te analyseren en te sturen op basis van je eigen data. Hierbij wordt het ook gemakkelijker om personalisatie voor klanten gelijk te trekken over verschillende kanalen – iets wat zonder centraal klantbeeld vrijwel onmogelijk is. Het online adverteren aan klanten die het product net gekocht hebben behoort dan tot het verleden.

Audience

Het meest gangbare voorbeeld is het personaliseren van media en creatie op basis van factoren als aankoopgeschiedenis, terugkerend websitebezoek of voorspellende waardes. De meest gebruikte ‘proxy’ om deze data aan te leveren bij media-inkooptools is via een audience-segmentatie – deze maken meestal gebruik van cookies. Gezien cookie- en browsertechnologie vanuit wetgeving onder druk staat, is er ook een opmars te zien in het gebruik van persoonlijke data, zoals email en telefoonnummer, om media-inkoopplatforms aan te sturen. Dit toont wederom de kracht van een centraal klantbeeld voor het aansturen van externe media. Een centraal klantbeeld bestaat namelijk uit meerdere identifiers van de klant (mits de juiste toestemming), die elk makkelijk zijn aan te sluiten op een mediakanaal, zoals search, display/video en social.

Bidding

De data uit een centraal klantbeeld kan naast audience-segmentatie en analytics ook gebruikt worden om bidding-algoritmes te beïnvloeden op search, display/video en social. Zo is het bijvoorbeeld mogelijk om bidding-algoritmes te laten sturen op basis van marge, nieuwe klanten, offline conversies of lifetime value van bestaande klanten. Hierbij gebruik je dus bedrijfsdoelstellingen vanuit het centraal klantbeeld als voedingsbodem voor media-inkoopkanalen. De algoritmes van de media-inkooptools nemen dit signaal per gebruiker mee en kunnen hierdoor veel gerichter optimaliseren.

Connectors

Je kunt de data uit het centrale klantbeeld op verschillende manieren voeden aan externe media-inkooptools. Een veelgebruikte methode om data te verrijken is om de data in de datalayer van de website te plaatsen. De pixels van deze media-inkooptools kunnen op deze manier de data oppakken, wat de marketeer kan gebruiken voor audiences en bidding. Bedrijfs- of privacygevoelige data wordt meestal rechtstreeks in de media-inkooptools geupload of via verschillende API’s.

Het voordeel van API’s is dat het gehele proces is geautomatiseerd, waardoor audiences en conversie-algoritmes de juiste en meest recente data hebben. Op deze manier ontstaat er een feedbackloop die een veilig bedrijfsproces waarborgt. Het automatiseren en aansturen van de API’s kan volledig door IT-afdelingen of agile teams, zoals DataOps-teams, worden uitgevoerd, zoals in het vierde artikel uit deze serie is beschreven. Zo werken marketeers en IT’ers samen om data- en software-oplossingen te ontwikkelen en te onderhouden. Met cloud-technologie is technisch beheer niet of nauwelijks nodig. Vaak worden nog wel externe engineers ingehuurd als de specialistische kennis niet in huis is.

Stappenplan naar use cases met business impact

1) Identificeer de belangrijkste klantreizen op basis van business value. Doe dit fact-based. Bij een telecomaanbieder werd bijvoorbeeld gekozen om de klantreis ‘Verhuizen’ te optimaliseren, omdat klanten op dat moment zich vaak opnieuw oriënteren op een nieuwe internetverbinding. Hier heb je vaak support nodig van analisten, data-analisten of data scientists.

2) Vorm een multidisciplinair team rondom deze klantreis en ga aan de slag. Verzamel data en creëer inzichten in samenwerking met data scientists of database marketeers.

3) Start met pilots. Test, fail & optimize! Schaal bij succes verder op naar maximale potentie in aantal klanten en kanalen. Besteed voldoende aandacht aan welke KPI’s worden gemeten tijdens de pilot en maak hiervoor dashboards.

Vaak is het nodig om bij succes bepaalde investeringen te doen in data-ontsluiting, technologie en resources. Eerder opgedane inzichten gebruik je in je business case om aan te tonen wat de investering oplevert als je gaat opschalen.

Wat kunnen we hieruit concluderen?

Ieder bedrijf heeft uiteraard zijn eigen doelstellingen en maakt zijn eigen keuzes. We kunnen wel enkele tips geven die kunnen helpen bij het maken van business impact met data en een centraal klantbeeld:

  1. Start bij je visie en strategie. Zorg hierbij voor een sponsor in de boardroom.
  2. Neem als uitgangspunt de belangrijkste customer journey op basis van de strategie van het bedrijf.
  3. Gebruik de unieke eigenschappen van de soorten data. Realtime data geeft de huidige intentie aan wat zeer sterk is. Gedragsdata uit verleden biedt voeding voor segmentatie en bij voorspelmodellen. Wacht niet tot je ‘alles’ hebt, want je kunt met het combineren van een deel de bronnen al veel bereiken.
  4. Start and fail fast; dat horen we veel maar het is wel echt belangrijk; het is niet erg als je verkeerde dingen meet. Het gaat erom dat je snel kunt evalueren en aanpassen.
  5. Zorg natuurlijk dat je jouw manier van dataverzameling en -verwerking afstemt op de AVG. Wees transparant over het gebruik, geef controle aan de klant waardoor deze je vertrouwt.

Data, maak er iets moois van!

Dit is het vijfde en laatste artikel in de vijfdelige serie over het realiseren van een centraal klantbeeld, geschreven door de DDMA Commissie Data, Decisions & Engagement.

Deel 1: Zo realiseer je een centraal klantbeeld als fundament voor klantgericht communiceren

Deel 2: De optimale inrichting van data voor een centraal klantbeeld

Deel 3: De ideale technologie-infrastructuur voor een centraal klantbeeld

Deel 4: Zo richt je je organisatiestructuur in voor het succesvol personaliseren via een centraal klantbeeld

Deel 5: Zo realiseer je business impact vanuit een centraal klantbeeld

Extra: Verslag Digital Talk november 2020: Personalisatie via een centraal klantbeeld

Jan Hendrik Fleury

Commercial Director en Voorzitter Commissie DDE

Gijs van Eysden

Head of Data & Measurement | Google

Fred van Westerop

Sales directeur bij Blend360

Mark van der Vlies

Head of Marketing Data & Analytics bij ABN AMRO Private Banking

Ook interessant

Lees meer
Data, Decisions & Engagement |

Google verbetert first party datagebruik in advertenties met confidential matching

Google heeft aangekondigd dat adverteerders hun eigen first party data met meer vertrouwen kunnen gebruiken in Google Ads. Dit wordt mogelijk gemaakt door de techniek van confidential matching, ondersteund door…
Lees meer
Artificial Intelligence |

Shall we not talk about AI for once? Likely your data set is not ready for it. Just not yet.

Did you happen to see the Netflix documentary about Fyre, the once in a lifetime luxury music festival in the Bahamas? In case you missed it, the overhyped festival, a…
Lees meer
Cookies |

‘Cookieless World’: mogelijk niet zo cookieless?

Maandag 22 juli maakte het team van Chrome het besluit bekend om (voor nu) third-party cookies toch te behouden. Hiermee herroept Google zijn eerdere beslissing om deze cookies standaard uit…