-

In vier stappen naar een relevanter aanbod voor je klant

Een veel voorkomende doelstelling voor bedrijven is het verhogen van de klantwaarde. 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. Hoe kan je dit nu het beste doen? In deze blogpost neem ik je in vier stappen mee in hoe je tot een concrete toepassing komt. Hierdoor blijft het niet alleen bij het verzamelen van data, maar ook het daadwerkelijk inzetten van deze data om relevanter voor je klant te zijn.

Gestructureerd aan de slag

In de vorige blogpost hebben we een voorbeeld gegeven van een user story. Waarschijnlijk kun je veel van deze voorbeelden verzinnen. Het is hierbij verstandig om dit gestructureerd aan te pakken. Hiervoor bepaal je eerst wat je 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 vier stappen:

Stap 1. De doelstellingen vastleggen: Wat wil je bereiken en waar wil je heen?

Zoals ook in het vorige blog 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 vervolgens 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. 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.

Stap 2. Je doelgroep begrijpen: Wie zijn je klanten en wat is hun behoefte?

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 je? 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 je doelstellingen te halen. Door op deze manier te werken breng je je doelstellingen en je doelgroepen samen. Zie het voorbeeld hieronder voor zo’n uitgewerkt overzicht.

Stap 3. Hypothese opstellen: 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:

  • Komt voort uit een doelstelling
  • Is in de vorm van een stelling
  • Is toetsbaar
  • 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 aannames centraal staat en besluiten worden genomen op basis van data.”

Voorbeeld: De stappen uitgewerkt

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 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”.

Stap 4. Data gebruiken: Hoe ziet de aanpassing eruit en gebruik je je data om te leren?

Vervolgens ga je de uiting, gebaseerd op je hypothese, uitwerken en tonen aan je potentiële klanten. Dit doe je door nieuwe content te tonen of content aan te passen die aansluit bij de doelgroep en je doelstellingen.

Verzamel en gebruik de data die je voorhanden hebt om de voorkeuren van je klant te leren kennen en deze kennis toe te passen. Door je eerste hypothese uit te werken en toe te passen, en vervolgens te toetsen, leer je direct hoe je het de volgende keer nóg beter kunt doen.

Hoe doe je dit?

Je creëert direct waarde als je de mogelijkheid hebt om te personaliseren, bijvoorbeeld met een een personalisatie tool zoals Datatrics of Blueconic. Door met een tool een centraal klantprofiel op te bouwen leer je je klant kennen en kun je een relevanter aanbod doen.

Heb je geen tool en is je data niet gekoppeld? Dan moet je eerst stappen zetten in je datavolwassenheid. Dit kan door een Data Management Platform/Customer Data Platform of personalisatie tool aan te schaffen. Het voordeel hiervan is dat het heel veel handwerk scheelt. 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.

Middels de gestructureerde aanpak in vier stappen genereer je directe waarde uit je verzamelde data. Vergeet daarnaast niet te werken aan de lange termijn stappen uit de roadmap, zodat je ook in de toekomst datagedreven kan blijven werken.

Over de auteur: Wouter van der Heijden is digital analytics consultant bij De Nieuwe Zaak.

Op de hoogte blijven van het laatste nieuws binnen je vakgebied? Volg Emerce dan ook op social: LinkedIn, Twitter en Facebook.

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond