Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Hoe u data kunt gebruiken om uw klant te leren kennen

Hoe zet u data strategisch in voor succesvolle marketingacties? Daar ging deze sessie over die Siebren van Bruggen van ISM eCompany presenteerde. - www.ism.nl -

  • Login to see the comments

Hoe u data kunt gebruiken om uw klant te leren kennen

  1. 1. Hoe u data kunt gebruiken om uw klant te leren kennen #omnichannel2017 Siebren van Bruggen Team Lead Marketing Intelligence Omnichannel Event | 14 november 2017
  2. 2. SiebrenvanBruggen Team Lead Marketing Intelligence| ISM eCompany s.vanbruggen@ism.nl linkedin.com/in/siebrenvanbruggen ISM eCompany 2017 Team Lead Marketing Intelligence 2015 Webanalytics & conversie-optimalisatie consultant Tilburg University MSc Marketing Management #omnichannel2017
  3. 3. Wij zijn trots om o.a. te werken voor
  4. 4. Agenda 1. Marketing Intelligence 2. Marketing Intelligence proces 3. Waardevolle klanten 4. Data-driven persona’s
  5. 5. 1. Marketing Intelligence 2. Marketing Intelligence proces 3. Waardevolle klanten 4. Data-driven persona’s
  6. 6. Facebook Conversie- optimalisatie SEASEO Email Eén doel: meer bezoekers & meer omzet
  7. 7. Facebook Conversie- optimalisatie SEASEO Email
  8. 8. Verspillen we budget • We tonen iedereen meerdere keren dezelfde advertentie • We tonen iedereen dezelfde content en dezelfde webshop • We behandelen onze waardevolle klanten hetzelfde als niet-waardevolle klanten • ... Jammer. Niet klantvriendelijk
  9. 9. AdWords / Facebook Mailing provider Google Analytics Backend webshop Fysieke winkels Losse databronnenDe oorzaak • Transactie-data • Gebruikersprofielen • Transactie-data • Webshopdata • Impressies • Clicks • Transactie-data • Verrijkte gebruikersdata • Offlineaankopen • Klantenkaart
  10. 10. • Transactie-data • Webshopdata • Impressies • Clicks • Offlineaankopen • Klantenkaart AdWords / Facebook Google Analytics Offline aankopen Losse data-bronnensamenvoegen:De oplossing Transaction IDE-mailadres • Transactie-data • Gebruikersprofielen • Transactie-data • Verrijkte gebruikersdata Mailing provider Backend webshop
  11. 11. • Offlineaankopen • Klantenkaart • Transactie-data • Webshopdata Mailing provider Google Analytics Backend webshop Offline aankopen 4 losse data-bronnensamengevoegddoor emailadres & transaction idUitkomst Transaction IDE-mailadres • Transactie-data • Gebruikersprofielen • Transactie-data • Verrijkte gebruikersdata
  12. 12. • Offlineaankopen • Klantenkaart • Transactie-data • Verrijkte gebruikersdata • Transactie-data • Gebruikersprofielen • Transactie-data • Webshopdata Google Analytics Offline aankopen Eén centraal klantbeeldUitkomst Mailing provider Backend webshop
  13. 13. • Offlineaankopen • Klantenkaart • Transactie-data • Verrijkte gebruikersdata • Transactie-data • Gebuikersprofielen • Transactie-data • Webshopdata Centraal klantbeeld Inzichten - Wanneer heeft de klant iets gekocht? - Hoe vaak heeft de klant iets gekocht? - Welke producten heeft de klant gekocht? - Welke merken koopt de klant? - Is de klant een man of vrouw? - Hoe oud is de klant? - Hoe waardevol is een klant? - Koopt de klant offline? - Etc.... Acties om alle online marketing slimmer te maken: - Persoonlijkere mailings - Gepersonaliseerde webshop - Waardevolle klanten belonen - Advertenties op juiste moment tonen - Etc....
  14. 14. Marketing Intelligence Het optimaliserenen personaliseren van de customer journey met behulp van inzichten uit data
  15. 15. 1. Marketing Intelligence 2. Marketing Intelligence proces 3. Waardevolle klanten 4. Data-driven persona’s
  16. 16. ANALYSE ACTIVATIEDATA COLLECTIECASE Het Marketing Intelligence proces
  17. 17. 1. Marketing Intelligence 2. Marketing Intelligence proces 3. Waardevolle klanten 4. Data-driven persona’s
  18. 18. Waardevolle klanten
  19. 19. ANALYSE ACTIVATIEDATA COLLECTIECASE ◦ Wie zijn mijn belangrijkste klanten? CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  20. 20. Omzet Klant A Klant B €400 €350 Klant C €450 Wie is je belangrijksteklant? CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  21. 21. ANALYSE ACTIVATIEDATA COLLECTIE ◦ Back end transactiedata ◦ Offlinetransacties ◦ Retouren ◦ Kosten/Marges CASE ◦ Wie zijn mijn belangrijkste klanten? CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  22. 22. tijd CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  23. 23. ANALYSE ◦ Segmenten maken op basis van ◦ RFM-analyse ◦ CLV-analyse ACTIVATIEDATA COLLECTIE ◦ Back end transactiedata ◦ Offlinetransacties ◦ Retouren ◦ Kosten/Marges CASE ◦ Wie zijn mijn belangrijkste klanten? CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  24. 24. Recentheid – Frequentie - Monetaire waarde(RFM-analyse) Klant A Klant B €400 €350 Klant C €450 = bestelling CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  25. 25. Omzet Klant A Klant B €400 €350 Klant C €450 = bestelling Tijd CLV €750 €450 €1000 Aankoophistorie CustomerLifetime CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  26. 26. Input Output CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  27. 27. Kleine groep klanten Verwachting: veel omzet CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  28. 28. Drieklantsegmenten: Klantsegment 1: 2.500 klantenmet CLV van€ 500,- Loyale klant waaraan meer gespendeerd mag worden om de klant te behouden Klantsegment 2: 5.000 klantenmet CLV van€ 250,- Potentieel loyale klant waar meer winst uit te behalen is. Klantsegment 3: 10.000 klantenmet CLV van€ 50,- Een klant waarvan wordt verwacht dat die weinig oplevert. Toepassing CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4 Email: Geen kortingscodes CPC: +25% non-branded, -25% branded Facebook: Gebruik segment voor de Value Based Lookalikes Customer service: Bijklacht kaartje + bloemetje bezorgen Offline: Verrassen met cadeau bij aankoop in winkel Email: Kortingscodes CPC: +15% non-branded, +15% branded Facebook: Gebruik segment voor de Value Based Lookalikes Customer service: Bijklacht kaartje sturen Email: Eenmaligeen kortingscode CPC: -15% non-branded, -15% branded Facebook: Gebruik segment voor de Value Based Lookalikes Customer service: Klachtaanhoren
  29. 29. Voorbeeld: personalisatiein de praktijk CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  30. 30. Klant 1: Milou
  31. 31. Klant 1: Milou
  32. 32. Klant 1: Milou
  33. 33. Klant 1: Milou Klant 2: Maaike
  34. 34. Klant 1: Milou Klant 2: Maaike
  35. 35. Klant 1: Milou Klant 2: Maaike
  36. 36. 1. Marketing Intelligence 2. Marketing Intelligence proces 3. Waardevolle klanten 4. Data-driven persona’s
  37. 37. Drieklantsegmenten: Wie zijndeze klanten? Wat kopenze?CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4 Klantsegment 1: 2.500 klantenmet CLV van€ 500,- Loyale klant waaraan meer gespendeerd mag worden om de klant te behouden Klantsegment 2: 5.000 klantenmet CLV van€ 250,- Potentieel loyale klant waar meer winst uit te behalen is. Klantsegment 3: 10.000 klantenmet CLV van€ 50,- Een klant waarvan wordt verwacht dat die weinig oplevert. ? ? ?
  38. 38. klant1@gmail.com klant2@gmail.com klant3@gmail.com ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. klant2500@gmail.com KlantenkaartTransactiedata CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4 1 1 1 1 1 1 1 1 1 1 1 1 1 Segment Wat hebben ze gekocht? Facebook audience insights Waarhebben ze gekocht? Levensstijl Interesses Online activiteit
  39. 39. 00001 klant1@gmail.com 00002 ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. Transactiedata Segment Transaction ID klant1@gmail.com1 1 1 1 1 1 1 1 1 1 1 1 1 CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  40. 40. klant1@gmail.com 00001 klant1@gmail.com 00002 ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. klant1@gmail.com 00001 klant1@gmail.com 00001 klant1@gmail.com 00002 klant1@gmail.com 00002 ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. Segment 1 1 1 1 1 1 1 1 1 1 1 1 1 Broek Jurk Shirt Shirt ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. Merk A Merk B Merk A Merk B ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. €15.00 €39.95 €15.00 €19.95 ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4 Transactiedata Transaction ID
  41. 41. Segment 1 1 1 1 1 1 1 1 1 1 1 1 1 Broek Jurk Shirt Shirt ………….. ………….. Merk A Merk B Merk A Merk B ………….. ………….. €15.00 €39.95 €15.00 €19.95 ………….. ………….. klant1@gmail.com 00001 klant1@gmail.com 00001 klant1@gmail.com 00002 klant1@gmail.com 00002 ………….. ………….. ………….. ………….. klant2@gmail.com 00003 klant2@gmail.com 00003 klant2@gmail.com 00004 klant2@gmail.com 00004 klant2@gmail.com 00004 klant3@gmail.com 00005 klant3@gmail.com 00006 Shirt Shirt Schoenen Jurk Shirt Shirt Shirt Merk A Merk B Merk C Merk B Merk C Merk A Merk B €15.00 €19.95 €59.95 €49.95 €15.00 €15.00 €19.95 CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4 Transactiedata Transaction ID
  42. 42. Segment 1 1 1 1 1 1 1 1 1 1 1 1 1 Broek Jurk Shirt Shirt ………….. ………….. Merk A Merk B Merk A Merk B ………….. ………….. €15.00 €39.95 €15.00 €19.95 ………….. ………….. klant1@gmail.com 00001 klant1@gmail.com 00001 klant1@gmail.com 00002 klant1@gmail.com 00002 ………….. ………….. ………….. ………….. klant2@gmail.com 00003 klant2@gmail.com 00003 klant2@gmail.com 00004 klant2@gmail.com 00004 klant2@gmail.com 00004 klant3@gmail.com 00005 klant3@gmail.com 00006 Shirt Shirt Schoenen Jurk Shirt Shirt Shirt Merk A Merk B Merk C Merk B Merk C Merk A Merk B €15.00 €19.95 €59.95 €49.95 €15.00 €15.00 €19.95 CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4 Klantenkaart Online Online Rotterdam Rotterdam Online Online Online Online Online Amsterdam Amsterdam Facebookaudience insights Levenstijl Interesses Online activiteit ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. ………….. Transactiedata Transaction ID
  43. 43. 79% vrouw 21% man 57% Shirts 24% Jurken ..... 77% Online 23% Offline Huishoudbeurs vanHaren Preston Palace Miss Etam – Zeeman - Primark TLC – RTL 4 Samantha & Michael Robijn PRODUCTCATEGORIEEN ONLINE VS OFFLINE GESLACHT LIKES FACEBOOK 20 comments 30 posts liked 2 posts shared 25 ads clicked ACTIVITEIT ONLINE 53% mobiel + desktop 44% mobile only 3% desktop only APPARAATGEBRUIK 37% merk A 33% merk B .... MERKEN 67% Midden segment 26% Laag segment 7% Hoog segment PRIJSKLASSE 53% Zuid-Holland 38% Noord-Holland .... GEOGRAFIE ....... ETC. Klantsegment 1: 2.500 klantenmetCLV van€ 500,- CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  44. 44. Klantsegment 2: 5.000 klantenmetCLV van€ 250,- ....... ....... ....... ONLINE VS OFFLINE GESLACHT LIKES FACEBOOK ....... PRIJSKLASSE ....... GEOGRAFIE ....... ETC. ....... PRODUCTCATEGORIEEN ....... ACTIVITEIT ONLINE ....... APPARAATGEBRUIK ....... MERKEN CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  45. 45. Klantsegment 3: 10.000 klantenmetCLV van€ 50,- ....... ....... ....... ONLINE VS OFFLINE GESLACHT LIKES FACEBOOK ....... PRIJSKLASSE ....... GEOGRAFIE ....... ETC. ....... PRODUCTCATEGORIEEN ....... ACTIVITEIT ONLINE ....... APPARAATGEBRUIK ....... MERKEN CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4
  46. 46. CASE – COLLECTIE – ANALYSE – ACTIVATIE 1 2 3 4 Data-inzichtenover bestaande klanten Inzettenvoor targetenvanpotentiële klanten Juiste doelgroep, merken, productgroepen, ....
  47. 47. Key take aways Klantvriendelijker worden en budget effectiever inzetten door: 1. Uw data bij elkaar te brengen voor een centraal klantbeeld 2. Uw klanten te segmenteren op basis van CLV om te achterhalen wie waardevol zijn 3. Te analyseren wat deze segmenten kenmerkt: datadriven persona’s
  48. 48. Contact details info@ism.nl www.ism.nl Followus Twitter.com/ismecompany Linkedin.com/company/ism-ecompany #omnichannel2017

×