Gepersonaliseerde marketing een kwestie van data én visie

Iedere klant is uniek en iedere klant wil het liefst als individu benaderd worden, niet als nummer. Maar als een bedrijf heel veel klanten heeft, is het praktisch onmogelijk om iedere klant net zo individueel te behandelen als de lokale groetenboer doet. Gelukkig maken data en techologie het mogelijk om dit met grote aantallen klanten toch te bewerkstelligen. Door verschillende databronnen te koppelen wordt van elke klant een integraal beeld opgebouwd, dat als basis dient voor een gerichte en persoonlijke benadering.

Niet alle verschillen tussen klanten zijn even relevant. In een zakelijke relatie zijn de verschillen die te maken hebben met de producten die je aanbiedt belangrijk. Die gegevens zijn in twee groepen te verdelen: de gegevens die iemand zelf aanlevert en gedragsgegevens.

Gegevens die klanten zelf aanleveren zijn bijvoorbeeld NAW-gegevens, verkoophistorie, contacten met de helpdesk, demografische gegevens of een ingevuld klantenprofiel. In sommige gevallen houdt ook de buitendienst gedetailleerde gegevens van klanten bij. Het probleem in veel organisaties is dat deze gegevens in verschillende systemen worden bewaard. Gemiddeld zijn dat er zes. Dat maakt het moeilijk om de gegevens aan elkaar te koppelen en van elke klant een gedetailleerd profiel te maken.

Het belang van gedrag

Het is belangrijk om te weten wie de klant is, maar weten hoe hij of zij zich gedraagt is zo mogelijk nóg interessanter. Klantprofielen, demografie en zelf opgegeven voorkeuren zeggen veel over de interesses van een prospect of klant. Maar het gedrag laat direct zien wat iemand bezighoudt en daarmee waaraan hij waarde toekent. Bij het opbouwen van klantenprofielen zijn de gedragsgegevens steeds belangrijker. Deze zijn onder meer af te leiden uit surfgedrag: zoekopdrachten, andere bezochte sites en het klikpad op de eigen site. Als enkele voorzorgsmaatregelen worden genomen zijn deze ook onder de verscherpte privacyregels prima te gebruiken om gedragspatronen te ontdekken. Deze patronen kunnen goed helpen bij het voorspellen van toekomstig gedrag en de beslissingen die iemand neemt.

Daarnaast zijn er verschillende kanalen waarlangs bedrijven hun klanten kunnen benaderen: van advertenties in bladen tot sociale media en e-mailmarketing. Het risico is dat door die versnippering sommige groepen matig bereikt worden terwijl andere wellicht wat verzadigd raken. Om goed te doseren is overzicht houden essentieel.

Overzicht krijgen

Een berg gegevens dus, of eigenlijk tal van verschillende bergjes. Met iedere toegevoegde databron, iedere tactiek, elke actie en elk kanaal worden campagnes complexer, zelfs tot op het punt dat ze door de complexiteit voor een gewone marketeer niet meer te overzien zijn. Tijd en budget van marketeers zijn gelimiteerd dus moeten ze hun werk dan maar overlaten aan machines (algoritmes)? De oplossing ligt in de combinatie van mens en machine. Technologie, zoals de software van Ternair, helpt bij het managen en evalueren van de effectiviteit van campagnes. Als de technologie operationele bottlenecks weg kan nemen, kan de marketeer meer aandacht geven aan de dingen die machines niet kunnen: een aansprekende benadering bedenken en formuleren wanneer een campagne als een succes de boeken in kan.

Strategisch inzetten

Daarbij moeten niet de mogelijkheden van de ict het uitganspunt zijn, maar de strategische en operationele doelen van de marketeer(s). Het is dus belangrijk om die vooraf te formuleren. Alleen door de juiste processen in te richten is de bruikbaarheid van die verzamelde data te garanderen. Een centraal klantbeeld wordt niet per definitie waardevoller door het grootste aantal datapunten bij elkaar te brengen, of de meest kanalen. Het wordt waardevoller doordat er meer waarde mee gecreëerd wordt. Het gaat uiteindelijk niet om de grootste set data, of zelfs de grootste set Big Data, maar juist om de unieke inzichten die een effectieve, efficiënte en persoonlijke marktbewerking van de individuele klant mogelijk maken.

De vragen die je bij het opstellen van een datastrategie kunt stellen zijn:

• Wat is de toegevoegde waarde van deze gegevens?
• Zijn ze geschikt om de klant te identificeren?
• Op welke manier voegen deze gegevens waarde toe?
• Wat heeft de klant eraan dat we deze gegevens op deze manier gebruiken?
• Hoe (op welk moment in welk proces) kan ik deze gegevens inzetten?
• Wat zijn de kosten van en wat is de inspanning voor het verzamelen?
• Kan ik ze inzetten op korte termijn en/of lange termijn?
• Waar en wanneer kan ik ze wel of niet gebruiken?

Praktijkvoorbeeld

Een voorbeeld uit de praktijk van een uitgeverij die verschillende bronnen bij elkaar heeft gebracht om gerichter te kunnen communiceren en een hogere conversie te realiseren. De eerste stap was dat de interne databronnen zoals klantprofielen, abonnementen, transacties en nieuwsbrieven werden ontsloten en gekoppeld. Vervolgens is daaraan het klikgedrag van diverse websites toegevoegd.

Dat klikgedrag is vastgelegd met Google Analytics. Daarbij is gebruikgemaakt van speciale trackers uit het e-mail- en campagnemanagementsysteem en van digitale ‘fingerprints’ om het klikgedrag op individueel niveau te kunnen herkennen.

Op deze gecombineerde data kan de uitgeverij vervolgens verschillende doelgroepselecties toepassen binnen customer journeys: wie heeft zich ingeschreven voor een event krijgt na afloop automatisch aanbiedingen voor boeken die verdere verdieping geven; de exacte selectie is afhankelijk van wat diegene eerder heeft aangeschaft. Ook wie uiteindelijk niet is op komen dagen krijgt automatisch opvolging, bijvoorbeeld de vraag of de organisaties iets moet veranderen om hem of haar volgende keer wel te kunnen verwelkomen. Zo zijn er voordelen voor beide partijen: de klant wordt als individu benaderd en de uitgeverij creëert nieuwe verkoopmogelijkheden.

Dit artikel is mede mogelijk gemaakt door 2bMore, partner van inct.

Foto: pexels.com