-

Meer klanten behouden met datagedreven klantsegmentatie

Als gevolg van de coronamaatregelen is het aantal nieuwe klanten bij veel webwinkels enorm gegroeid. Sinds de pandemie zijn de online uitgaven van Nederlandse consumenten (exclusief voedsel) met 56% toegenomen ten opzichte van dezelfde periode vorig jaar, melden verschillende media. Nu de coronamaatregelen versoepeld zijn, wordt het belangrijk deze nieuwe klanten te behouden. Hoe zorg je ervoor dat deze nieuwe klanten bij je blijven shoppen?

Al in 2001 schreef Bain & Company in een onderzoek dat vijf procent meer klantbehoud een winstverhoging geeft van 25% tot 95%. Tevens zijn er onderzoeken die aantonen dat het verkrijgen van een nieuwe klant tot wel 25 keer duurder is dan het behouden van je bestaande klanten. Slim gebruik van data vergroot de mogelijkheden en kansen om bestaande klanten te behouden. Desondanks zet 53% van de organisaties data niet in als een middel om omzet en winst te laten groeien, blijkt uit een publicatie van Harvard Business Review uit 2019.

Veranderend gedrag

Hoe kun je inspelen op steeds veranderend klantgedrag en -behoefte? Hierin kunnen de beschikbare data binnen een organisatie een belangrijke rol spelen; vanuit recent klantgedrag in combinatie met eerder vastgelegde klantdata kan met algoritmes een gedetailleerd profiel per klant opgesteld worden. Vervolgens kunnen klantsegmenten worden geïdentificeerd (datagedreven klantsegmenten): groepen van klanten met overeenkomstige klantkenmerken. Deze klantsegmentatie biedt de mogelijkheid om bestaande klanten een relevante en gepersonaliseerde ervaring te bieden, wat de kans vergroot op klantbehoud. Kortom, door slim om te gaan met klantdata en datagedreven klantsegmentatie toe te passen, ben je beter in staat om klanten aan je te binden en herhaalaankopen te stimuleren.

Herhaalaankopen stimuleren dankzij gepersonaliseerde klantervaringen

Om ervoor te zorgen dat nieuwe klanten vaker bij je terugkomen, zijn er drie elementen van belang:

  • data en technologie
  • datagedreven klantsegmentatie
  • marketingactivatie
Data en technologie

De basis voor personalisatie is een solide data- en technologie infrastructuur. Data die opgeslagen zijn in verschillende platformen en databases dienen te worden gevalideerd en samengevoegd op een centrale plek, zoals een data lake of een Consumer Data Platform (CDP). Deze data bevatten zeer veel waardevolle informatie over je klanten: hun gedrag, interesses, demografische kenmerken, wat ze hebben gekocht en of ze de berichten die je aan ze verstuurt lezen. Net zo relevant zijn de data die je vertellen wat je klanten juist níet hebben gekocht of waar ze níet in geïnteresseerd zijn. Voorbeelden hiervan zijn je klanten die nooit in het weekend hun email openen of nooit doordeweeks online een bestelling plaatsen. Deze informatie is net zo belangrijk voor het bepalen van een relevante boodschap of een relevant marketingkanaal voor iedere individuele klant.

Log level data

Als er geen centrale database of data platform beschikbaar is, dan kun je ruwe of log level data uit één van je marketing platformen gebruiken. Bijvoorbeeld uit je email– of e-commerce platform. Vaak zit hier al voldoende data in om kenmerken en gedrag van je individuele klanten te herkennen en voorspellingen te doen. Om te voorkómen dat je klanten een inconsistente klantervaring via meerdere kanalen hebben, is het aan te raden om marketingtactieken te ontwikkelen die op één kanaal toepasbaar kunnen zijn, zoals het voorspellen van het beste contactmoment. Uiteraard kun je alleen aan de slag met data van klanten die daarvoor toestemming hebben gegeven.

Datagedreven klantsegmentatie

Marketingteams gebruiken data steeds vaker als input voor hun marketingstrategieën. Door vervolgens artificial intelligence (AI) toe te passen wordt een compleet beeld en begrip van je klant gecreëerd. Datagedreven klantsegmentaties ten behoeve van gepersonaliseerde marketingcampagnes worden opgebouwd door een combinatie van advanced analytics en machine learning toe te passen. Het stelt je in staat om patronen in historisch klantgedrag te herkennen, behoeftes te ontdekken en op basis van al deze informatie een rijk klantprofiel op te bouwen. Vervolgens voorspellen algoritmes welke klant (wie) welk product of type product (wat) op welke dag en moment van de dag (wanneer) met een grote waarschijnlijkheid gaat kopen. Ook kan er voorspeld worden welke kenmerken of drijfveren van invloed zijn op het aankoopproces van je klant; zoals gevoeligheid voor kortingen, seizoensinvloeden, het wel of niet doorklikken in een email of het volledig uitkijken van een marketingvideo. Datagedreven klantsegmentatie kan ook niet eerder bekend klantgedrag en -behoeftes identificeren. De verkregen inzichten worden gebruikt om (geautomatiseerd) selecties te maken, zodat je bestaande klanten met relevante gepersonaliseerde marketingcampagnes overtuigd worden om bij je webshop of merk te blijven kopen, wat je organisatie een competitief voordeel geeft.

AI-powered marketing

Op dit moment wordt AI-powered marketing vaak ingezet voor één kanaal of één platform. Dit resulteert echter in geïsoleerde klantervaringen die tot irritatie bij je klanten kunnen leiden. Klantdata afkomstig uit meerdere bronnen leiden tot een meer compleet klantbeeld. Voorspelmodellen worden vervolgens ingezet ten behoeve van een relevante gepersonaliseerde klantervaring over meerdere marketingkanalen.

Activatie van klantsegmenten met een hoge kans op herhaalaankoop

De laatste stap is om de klantsegmenten, waarbij de kans groot is dat ze een herhaalaankoop gaan plaatsen, te benaderen via één of meerdere relevante marketingkanalen. Klanten met overeenkomstig gedrag en kenmerken worden gegroepeerd in klantsegmenten, welke beschikbaar worden gemaakt voor marketingkanalen zoals email, app, programmatic of SMS. Elk klantsegment linkt, afhankelijk van het type kanaal, aan een dynamische template, wat ervoor kan zorgen dat voor ieder klantsegment een relevante onderwerpregel, contentblok, uiting en/ of aangeraden product getoond kan worden. Het voortdurend verwerken van nieuw gegenereerde campagnedata, zoals views (impressies), kliks en aankopen, in de bovengenoemde voorspellende algoritmes verbetert de relevantie en daarmee de uiteindelijke resultaten.

Complex

Datagedreven klantsegmentatie lijkt misschien complex, kostenintensief en toekomstmuziek. Echter, de opkomst van onafhankelijke AI-powered marketingoplossingen maken het tegenwoordig juist toegankelijk. De voordelen van dergelijke tools zijn groot. Door het bereiken van je bestaande klant met een relevante boodschap en aanbieding op het juiste moment en via het juiste kanaal, kunnen verkopen met de helft toenemen tegen lagere marketingkosten, blijkt uit onderzoek van Boston Consulting Group naar de volwassenheid binnen digitale marketing in opdracht van Google. Organisaties zouden daarom, naast het investeren in het werven van nieuwe klanten, meer marketingbudget en tijd moeten investeren in het behouden van bestaande klanten. Daar zit de winst. Juist als er veel nieuwe klanten bij zijn gekomen door bijvoorbeeld de coronacrisis, levert het verhogen van klantwaarde met behulp van datagedreven klantsegmentatie extra veel op.

Over de auteur: Maarten Paul Hillenga is mede-oprichter van HUMAI.

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond