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 -

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. 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. Wij zijn trots om o.a. te werken voor

4. Agenda
1. Marketing Intelligence
2. Marketing Intelligence proces
3. Waardevolle klanten
4. Data-driven persona’s

5. 1. Marketing Intelligence
2. Marketing Intelligence proces
3. Waardevolle klanten
4. Data-driven persona’s

6. Facebook Conversie-
optimalisatie
SEASEO Email
Eén doel: meer bezoekers & meer omzet

7. Facebook Conversie-
optimalisatie
SEASEO Email

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. 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. • 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. • 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. • Offlineaankopen
• Klantenkaart
• Transactie-data
• Verrijkte
gebruikersdata
• Transactie-data
• Gebruikersprofielen
• Transactie-data
• Webshopdata
Google
Analytics
Offline
aankopen
Eén centraal klantbeeldUitkomst
Mailing
provider
Backend
webshop

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. Marketing Intelligence
Het optimaliserenen personaliseren van de customer
journey met behulp van inzichten uit data

15. 1. Marketing Intelligence
2. Marketing Intelligence proces
3. Waardevolle klanten
4. Data-driven persona’s

16. ANALYSE ACTIVATIEDATA COLLECTIECASE
Het Marketing Intelligence proces

17. 1. Marketing Intelligence
2. Marketing Intelligence proces
3. Waardevolle klanten
4. Data-driven persona’s

18. Waardevolle klanten

19. ANALYSE ACTIVATIEDATA COLLECTIECASE
◦ Wie zijn mijn belangrijkste
klanten?
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

20. Omzet
Klant A
Klant B
€400
€350
Klant C €450
Wie is je belangrijksteklant?
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

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. tijd
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

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. 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. 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. Input Output
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

27. Kleine groep
klanten
Verwachting:
veel omzet
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

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. Voorbeeld: personalisatiein de praktijk
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

30. Klant 1: Milou

31. Klant 1: Milou

32. Klant 1: Milou

33. Klant 1: Milou Klant 2: Maaike

34. Klant 1: Milou Klant 2: Maaike

35. Klant 1: Milou Klant 2: Maaike

36. 1. Marketing Intelligence
2. Marketing Intelligence proces
3. Waardevolle klanten
4. Data-driven persona’s

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. 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. 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. 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. 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. 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. 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. 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. 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. CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4
Data-inzichtenover bestaande klanten Inzettenvoor targetenvanpotentiële klanten
Juiste doelgroep, merken, productgroepen, ....

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. Contact details
info@ism.nl
www.ism.nl
Followus
Twitter.com/ismecompany
Linkedin.com/company/ism-ecompany
#omnichannel2017