Customer Lifecycle Analytics Pim Wennekes

1. Customer Lifecycle Analytics

2. Pim Wennekes
Managing consultant
Marketing Intelligence & Analytics
1996 2004 2010

3. PROSPECT
SALES
MAINTAIN
GROWAT RISK
RETAIN
LEAVE
CUSTOMER
Met welk aanbod hebben
we de hoogste kans om
potentiele verlaters te
kunnen behouden?
(predictive retention)
Welke klanten hebben een
hoge kans om ons te verlaten?
Hebben die een hoge
klantwaarde?
(churn model)
Customer Lifecycle Analytics
Wat is de juiste boodschap via het
juiste kanaal op het juiste tijdstip?
(recommendation)
Welke leads hebben de
hoogste kans om klant te
worden?
(predictive acquisition)
Cross-sell: aan welke klanten kan
ik het beste extra producten of
services verkopen?
(predictive cross-sell)
Wie zijn mijn klanten? Anders dan
man/vrouw en leeftijd?
(customer clustering)

4. De vier pijlers van succes
Case for change
Business benefits
die je uit analytics
gaat halen die het
verschil maken
Approach
Onze in de praktijk
bewezen aanpak.
Iteratief en borging
met business
Competence
Goede mix van de
juiste mensen die
elkaar versterken en
aanvullen
Data Platform
Goed organiseren
van je data
fundament en inzet
van technologie

5. Roadmap of Cases
BUSINESS
TOEPASSINGEN
FIT / GAP
INVENTARISATIE
ASSETS
BESCHIKBARE
DATA
ROADMAP OF CASES

6. Roadmap of Cases, een voorbeeld
CASES INISGHTS IN
KLANTBEWEGINGEN
CUSTOMER
CLUSTERING
CHURN PREDICTION
MODEL
RECOMMENDER
SYSTEM
BUSINESS RATIONALE Inzicht in kansen en
bedreigingen. Betere inzet
van resources van
marketing & sales
Inzicht in klantgroepen,
Verbeterde response op
cross sell campagnes van
campaign team
Verlenging lifetime
Verlaging kosten retentie
accountmanagement
Relevanter voor klant,
verhoging conversie,
retentie, klantwaarde en
NPS, als KPI’s van CCO
BENODIGDE DATA CRM en transacties. Mail marketing
Device data
Customer Service, NPS,
KNMI, CBS,
Review data, gebruiks data
(IoT)
IMPACT OP
PLATFORM
Op basis van huidig data
warehouse + reporting
tools
Analytics software
Koppeling met mail
Koppelingen met externe
bronnen
Opschaling capaciteit. Van
daily naar real time
COMPETENTIES BI, Data Viz Data Scientist, Business
consultant
Data Engineers

7. Data Platform (inclusief Big Data)
CRM
ERP
FINANCE
DATA
WAREHOUSE
REPORTS
DASHBOARDS
(AD HOC)
ANALYSIS
BIG DATA
PLATFORM
GOOGLE
ANALYTICS
EMAIL
MARKETING
LOGFILES & IOT
ADVANCED
ANALYTICS
SNELLER
VEELZIJDIGER
PRECIEZER

8. Competence & Skills
DOMEIN
KENNIS
DATA
ENGINEERING
STATISTICS
ANALYTICS
DOMEIN
KENNIS
DATA
ENGINEERING
STATISTICS
ANALYTICS

9. Aanpak advanced analytics
Data
preparation
Modelling Evaluation Visualisation
Business understanding + data assessment

10. De Churn Case – business understanding
CONTEXT
TARGET
DEFINITION
IDEEEN
BOX

11. De Churn Case – de ideeënbox
Idee Wie Impact Effort
Acb Hans 5 3
Def Henk 2 1
Ghi Harry 4 1
5 4 3 2 1
1 1 2 2
2 2 3 2
3 2 4 2 2 1
4 1 4 3
5 7
IMPACT
EFFORT

12. De Churn Case – Data Understanding

13. Executing: Inrichten van “de straat”
DATA
PLATFORM
DATA SET
VOOR MODEL
DATA PREPARATION MODELLING EVALUATION VISUALISATION

14. Business deployment – controle groep
VOETBALLER
MET BRIL
VOETBALLER
ZONDER BRIL
ZE LIJKEN BEST WEL
OP ELKAAR

15. Tot slot
 MAAK EEN PLAN VAN BUSINESS CASES EN STEL BIJ WAAR
NODIG
 VERZAMEL DE JUISTE MIX VAN MENSEN, VAST OF TIJDELIJK
 BENUT DE DATA DIE ER AL IS, BREIDT HET DATA PLATFORM
GERICHT UIT.
 BETREK DE BUSINESS IN (BIJNA) ALLE STADIA VAN HET
PROCES
 MAAK FOUTEN EN LEER ER VAN
 VERGEET DE BIJVANGST NIET