Bij het personaliseren van de customer journey speelt segmentatie en predictive modelling / machine learning een grote rol. Aan de hand van een aantal cases laten we zien hoe je voorspelmodellen praktisch inzet en welk resultaat dit heeft.

2. Customer journey personalisatie
met voorspelmodellen

3. Hyperpersonalisatie WTF?

4. Michiel van Gaalen
Insights Director Oxyma

5. +
people
+

6. The Basics. When
Rotterdam, Amsterdam, Breda and Dubai

7. Process
Creative
Insights
Technology Value

8. We work for 50+ leading (inter)national companies

9. Hyperpersonalisatie
Hyperrelevantie

10. Hyper-relevantie
Know me
Understand me
Enrich my experience

11. Relevance / customer centricity 
Levelofpersonalization
None
Basic
“Hi Michiel”
Segment based
“Free winter checkup
because you are so
valueable to us”
Prediction based
“Hey Michiel, we miss you,
please come by for a free
navigation update and I’ll
show you our new models”
Cognition based
“You mentioned you like
winter sports, shouldn’t you
go for a 4x4?”
Customer centricity
tipping point

12. Relevance / customer centricity 
Levelofpersonalization
None
Basic
“Hi Michiel”
Segment based
“Free winter checkup
because you are so
valueable to us”
Prediction based
“Hey Michiel, we miss you,
please come by for a free
navigation update and I’ll
show you our new models”
Cognition based
“You mentioned you like
winter sports, shouldn’t you
go for a 4x4?”

13. Challenge: verhogen impact end of term campagne
Resultaat: hogere open- & clickrate e-mail, +configuraties
Oplossing: Segmentatie in combinatie met next best model voorspelling
End of term

14. Relevance / customer centricity 
Levelofpersonalization
None
Basic
“Hi Michiel”
Segment based
“Free winter checkup
because you are so valuable
to us”
Prediction based
“Hey Michiel, we miss you,
please come by for a free
navigation update and I’ll
show you our new models”
Cognition based
“You mentioned you like
winter sports, shouldn’t you
go for a 4x4?”

15. Hoe leren wij?
Evolutie Cultuur
Ervaring Computers

16. Predictive model / machine learning?
HappyUnhappy

17. Model
Opzegpagina bezoek
Prijsniveau HBO
#bingewatchscore
Bingewatchscore x 0,3 +
Prijsniveau HBO x 0,2 +
Opzegpagina bezoek x 0,7
Opzegkans:
75%

18. Maar ook …
Opzegpagina bezoek
Prijsniveau HBO
#bingewatchscore
Neuraal netwerk
Opzegkans:
75%
…
…
…

19. Shape preference
Challenge: toetsen of insight uit data de effectiviteit van campagnes kan verhogen
Resultaat: tot 800% stijging sales
Oplossing: Voorspelmodel met voorkeurscategorie van persoon als resultaat

20. Collaborative filtering

21. We predict your customers most likely needs and actions
10%
15%
3%
5%
15% 10%
20%
8%
12%
Propensity to buy
Challenge: verhogen effectiviteit sales & campagneeffectiviteit landen
Resultaat: verhoogde e-mail KPI’s, toename effectiviteit sales
Oplossing: voorspelmodel producten met beste acceptatiekans

22. Next best activity marketing
Next best activity

23. Omzet
En het werkt!
Bron: Onderzoek onder IBM retail klanten 2013-2016
Engagement
Ordergrootte
Repeat visits
+9-12% +21%
3X 20%
Impact van product recommendations voor retailers

24. The Basics. When
Loyalty segmentation, Buy
till you die, Redemption
prediction, expected sales,
expected share of wallet
Speech to text, facial
recognition, optimal path
analysis, in-app
optimization, in-app
purchase recommendations.
Real time product
recommendations,
attribution modelling, yield
optimization, retail revenue
prediction
Sentiment analysis, topic
extraction, optimal time of
day, gender recognition, age
classification
Churn, Next best offer &
activities, next best model,
exit prediction, CLV
segmentation maintenance
prediction, etc.
En heel veel andere toepassingen

25. Machine learning vs Artificial
intelligence

26. Van Ai naar machine learning (en terug)
Artificial
Intelligence
Machine
Learning
Deep
Learning
‘50 ‘60 ‘70 ‘80 ‘90 ‘00
2020?

27. Starten met hyperrelevante modellen
Business DrivenInsights DrivenJourney Driven

28. Starten met hyperrelevante modellen
Data driven marketing teams
• Wisselwerking business, insights & creativiteit
• Analist levert insights als brandstof voor optimalisatie &
innovatie
• Agile(ish) werken – eigen verantwoordelijkheid,
kortcyclisch, backlog
• Structurele rol/aanwezigheid analist in marketing team
• Reporting automatiseren + zelfredzaamheid

29. Relevance / customer centricity 
Levelofpersonalization
None
Basic
“Hi Michiel”
Segment based
“Free winter checkup
because you are so valuable
to us”
Prediction based
“Hey Michiel, we miss you,
please come by for a free
navigation update and I’ll
show you our new models”
Cognition based
“You mentioned you like
winter sports, shouldn’t you
go for a 4x4?”

31. Laat me de klanten zien die op dit moment
lopende orders hebben inclusief status en
het bedrag
VS

32. (Hyper)persoonlijk?

33. Conversational interfaces
Ask me a question?

34. Conversatie + context = persoonlijk

35. Platform
Agents
Personal assistent
voor afspraken Klantenservice
Weer

36. Oxyma emotional lights
“Alexa, emotional lights….”
“Rotterdam is nice this time of year”
“I really hate hyperpersonalisation”
“It’s fun to work at Oxyma”
“Hurry up, we want to see the next speaker”

37. Tips om zelf hyper-relevant te blijven
Vorm voor jezelf een beeld van de toekomst
Kennis van data en techniek
Word BFF met de data scientists en analisten >
wisselwerking
Kijk buiten je eigen silo, denk groter en denk
vanuit de klant

38. Next best actions:
1. Stel een vraag
2. Shake hands bij borrel
3. Inschrijven nieuwsbrief www.oxyma.nl
4. Twitter @vongaalen
5. Mailen michiel.van.gaalen@oxyma.nl
6. Bellen 06-43057941

39. Amazon Echo mood & light