Stop met het denken in losse online marketing kanalen en start met het optimaliseren en personaliseren van de customer journey. Op een laagdrempelige manier legde Siebren van Bruggen uit hoe u inzichten uit uw klantdata haalt en deze inzichten omzet naar concrete acties voor uw klant over al uw (online) marketing kanalen.

1. Siebren van Bruggen
Team Lead Marketing Intelligence
Hoe u uw data gebruikt om uw klant te leren kennen
Webinar 19 april 2018

2. Agenda
1. Het belang van een centraal klantbeeld
2. Vind uw waardevolle klanten
3. Creëer data-driven persona’s

3. Full colour
afbeelding
plaatsen
s.vanbruggen@ism.nl
linkedin.com/in/siebrenvanbruggen
ISM eCompany
2017 Team Lead Marketing Intelligence
2015 Webanalytics & conversie-optimalisatie consultant
Voorgaande bedrijven
2012 FloraHolland
Opleiding
2016 Msc Marketing Management (Tilburg University)
Siebren van Bruggen
Team Lead Marketing Intelligence

4. Agenda
1. Het belang van een centraal klantbeeld
2. Vind uw waardevolle klanten
3. Creëer data-driven persona’s

5. Agenda
1. Het belang van een centraal klantbeeld
2. Vind uw waardevolle klanten
3. Creëer data-driven persona’s

6. SEO
Display
Social Media
E-mail
AdWords
Conversie-optimalisatie
Webshop
Klanten
Traffic Omzet

7. Verspillen we budget
Iedere bezoeker dezelfde advertenties
Iedere bezoeker dezelfde mailing
Iedere bezoeker dezelfde webshop
Waardevolle klanten = niet-waardevolle klanten
...
Jammer.
Niet klantvriendelijk

8. 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
• Offline aankopen
• Klantenkaart

9. • Transactie-data
• Webshopdata
• Impressies
• Clicks
• Offline aankopen
• Klantenkaart
AdWords /
Facebook
Google
Analytics
Fysieke
winkels
Losse data-bronnen samenvoegen:De oplossing
Transaction IDE-mailadres
• Transactie-data
• Gebruikersprofielen
• Transactie-data
• Verrijkte
gebruikersdata
Mailing
provider
Backend
webshop

10. • Offline aankopen
• Klantenkaart
• Transactie-data
• Webshopdata
Mailing
provider
Google
Analytics
Backend
webshop
Fysieke
winkels
4 losse data-bronnen samengevoegdUitkomst
Transaction IDE-mailadres
• Transactie-data
• Gebruikersprofielen
• Transactie-data
• Verrijkte
gebruikersdata

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

12. • Offline aankopen
• 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....

13. Marketing Intelligence
Het optimaliseren en personaliseren van de customer
journey met behulp van inzichten uit data

14. Agenda
1. Het belang van een centraal klantbeeld
2. Vind uw waardevolle klanten
3. Creëer data-driven persona’s

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

16. Omzet
Klant A
Klant B
€500
€350
Klant C €600
Wie is je belangrijkste klant?
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

17. ANALYSE ACTIVATIEDATA COLLECTIE
◦ Back end transactiedata
◦ Offline transacties
◦ Retouren
CASE
◦ Wie zijn mijn
belangrijkste klanten?
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

18. ANALYSE
◦ Segmenten maken op
basis van
◦ RFM-analyse
◦ CLV-analyse
ACTIVATIEDATA COLLECTIE
◦ Back end transactiedata
◦ Offline transacties
◦ Retouren
CASE
◦ Wie zijn mijn
belangrijkste klanten?
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

19. Recentheid – Frequentie - Monetaire waarde (RFM-analyse)
Klant A
Klant B
€500
€350
Klant C €600
= bestelling
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

20. Omzet
Klant A
Klant B
€500
€350
Klant C
€600
= bestelling Tijd
CLV
€750
€600
€1000
Aankoophistorie
Customer Lifetime
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

21. CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4
• Datamanagement platform
• BI-platform
• Marketing Automation-tool
Periodiek CLV-analyse Realtime
Data-set
o Transacties
o Retouren
>3.000 transacties p/m
<500 transacties p/m

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

23. Input Output
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4
Som CLV waardes = verwachte omzet uit bestaande klanten
o Order nummer
o Bestel datum
o E-mailadres
o Omzet per order
o Order geretourneerd

24. Gemiddelde CLV: € 294
Gemiddelde CLV: € 37
Aantalklanten
Voorspelde omzet uit bestaande klanten: € 8.536.126,-
Gemiddelde CLV: € 1.159
4.351 klanten
8.381 klanten
27.819 klanten
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4
1/3 omzet 1/3 omzet 1/3 omzet

25. Drie klantsegmenten:
Klantsegment 1: 4.351 klanten met CLV van € 1.159,-
Loyale klant waaraan meer gespendeerd mag worden om
de klant te behouden.
Klantsegment 2: 8.381 klanten met CLV van € 294,-
Potentieel loyale klant waar meer winst uit te behalen is.
Klantsegment 3: 27.819 klanten met CLV van € 37,-
Een klant waarvan wordt verwacht dat die weinig
oplevert.
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

26. ANALYSE
◦ Segmenten maken op
basis van:
◦ RFM-analyse
◦ CLV-analyse
ACTIVATIE
◦ Per segment andere
(online) marketing-
strategieën
DATA COLLECTIE
◦ Back end transactiedata
◦ Offline transacties
◦ Retouren
CASE
◦ Wie zijn mijn
belangrijkste klanten?
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

27. CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4
Drie klantsegmenten:
Klantsegment 1
4.351 klanten met CLV van € 1.159,-
Voorbeelden van activatie
Email: Geen kortingscodes, wel belonen voor loyaliteit
CPC: +25% non-branded, -25% branded
Facebook: Value Based Lookalikes
Customer service: Bij klacht kaartje + bloemetje
Offline: Verrassen met cadeau bij aankoop in winkel

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

30. CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4
Klantsegment 2
8.381 klanten met CLV van € 294,-
Email: Kortingscodes
CPC: +15% non-branded, +15% branded
Facebook: Value Based Lookalikes
Customer service: Bij klacht kaartje sturen
Drie klantsegmenten:
Klantsegment 1
4.351 klanten met CLV van € 1.159,-
Voorbeelden van activatie
Email: Geen kortingscodes, wel belonen voor loyaliteit
CPC: +25% non-branded, -25% branded
Facebook: Value Based Lookalikes
Customer service: Bij klacht kaartje + bloemetje
Offline: Verrassen met cadeau bij aankoop in winkel

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

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

33. Klantsegment 3
27.819 klanten met CLV van € 37,-
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4
Email: Eenmalig een kortingscode
CPC: -15% non-branded, -15% branded
Facebook: Value Based Lookalikes
Customer service: Klacht telefonisch afhandelen
Klantsegment 2
8.381 klanten met CLV van € 294,-
Email: Kortingscodes
CPC: +15% non-branded, +15% branded
Facebook: Value Based Lookalikes
Customer service: Bij klacht kaartje sturen
Drie klantsegmenten:
Klantsegment 1
4.351 klanten met CLV van € 1.159,-
Voorbeelden van activatie
Email: Geen kortingscodes, wel belonen voor loyaliteit
CPC: +25% non-branded, -25% branded
Facebook: Value Based Lookalikes
Customer service: Bij klacht kaartje + bloemetje
Offline: Verrassen met cadeau bij aankoop in winkel

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

35. Klant 1: Milou

36. Klant 1: Milou

37. Klant 1: Milou

38. Klant 1: Milou Klant 2: Maaike

39. Klant 1: Milou Klant 2: Maaike

40. Klant 1: Milou Klant 2: Maaike

41. Agenda
1. Het belang van een centraal klantbeeld
2. Vind uw waardevolle klanten
3. Creëer data-driven persona’s

42. Drie klantsegmenten:
Wie zijn deze klanten? Wat kopen ze?CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4
?
?
?
Klantsegment 1: 4.351 klanten met CLV van € 1.159,-
Loyale klant waaraan meer gespendeerd mag
worden om de klant te behouden
Klantsegment 2: 8.381 klanten met CLV van € 294,-
Potentieel loyale klant waar meer winst uit te
behalen is.
Klantsegment 3: 27.819 klanten met CLV van € 37,-
Een klant waarvan wordt verwacht dat die weinig
oplevert.

43. Facebook
audience
insights
Google
Analytics
Online gedrag Levensstijl
Interesses
Online activiteit
klant1@gmail.com
klant2@gmail.com
klant3@gmail.com
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
klant4351@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?
Waar hebben
ze gekocht?

44. CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4
Kleine dataset
>3.000 transacties p/m<500 transacties p/m
Cluster-analyse voor
data-driven persona
Grote dataset

45. …………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
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
00001
klant1@gmail.com 00002
………….. …………..
………….. …………..
………….. …………..
………….. …………..
………….. …………..
………….. …………..
………….. …………..
………….. …………..
………….. …………..
………….. …………..
………….. …………..

46. 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

47. 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

48. 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
Google Analytics
Device Source/Medium
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
…………..
Transactiedata
Transaction ID

49. 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
21% AdWords
18% e-mail
8% direct
.....
ONLINE KANALEN
53% mobiel
44% desktop
3% tablet
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:
4.351 klanten met CLV van € 1.159,-
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

50. Klantsegment 2:
8.381 klanten met CLV van € 294,-
.......
.......
.......
ONLINE VS OFFLINE
GESLACHT
LIKES FACEBOOK
.......
PRIJSKLASSE
.......
GEOGRAFIE
.......
ETC.
.......
PRODUCTCATEGORIEEN
.......
ONLINE KANALEN
.......
APPARAATGEBRUIK
.......
MERKEN
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

51. Klantsegment 3:
27.819 klanten met CLV van € 37,-
.......
.......
.......
ONLINE VS OFFLINE
GESLACHT
LIKES FACEBOOK
.......
PRIJSKLASSE
.......
GEOGRAFIE
.......
ETC.
.......
PRODUCTCATEGORIEEN
.......
ONLINE KANALEN
.......
APPARAATGEBRUIK
.......
MERKEN
CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4

52. CASE – COLLECTIE – ANALYSE – ACTIVATIE
1 2 3 4
Data-inzichten over bestaande klanten Inzetten voor targeten van potentiële klanten
Juiste doelgroep, merken, productgroepen, ....
Display
Social Media
AdWords

53. Key take aways
Klantvriendelijker worden en advertentie-budget effectiever inzetten door:

54. Key take aways
Klantvriendelijker worden en advertentie-budget effectiever inzetten door:
1. Minder te focussen op losse traffic-kanalen en meer te kijken naar wat u weet
van uw klant
#Tip: Exporteer uw orders van het afgelopen jaar; sorteer op e-mailadressen
#Tip: Schrijf eens op wat u eigenlijk weet van uw klanten

55. Key take aways
Klantvriendelijker worden en advertentie-budget effectiever inzetten door:
1. Minder te focussen op losse traffic-kanalen en meer te kijken naar wat u weet
van uw klant
2. Uw klanten te segmenteren op basis van Customer Lifetime Value om te
achterhalen wie waardevol zijn
#Tip: Bronnen op internet – business analist - uitbesteden

56. Key take aways
Klantvriendelijker worden en advertentie-budget effectiever inzetten door:
1. Minder te focussen op losse traffic-kanalen en meer te kijken naar wat u weet
van uw klant
2. Uw klanten te segmenteren op basis van Customer Lifetime Value om te
achterhalen wie waardevol zijn
3. Te analyseren wat deze segmenten kenmerkt: datadriven persona’s
#Tip: Begin klein, daarna steeds gedetailleerder

57. Key take aways
Klantvriendelijker worden en advertentie-budget effectiever inzetten door:
1. Minder te focussen op losse traffic-kanalen en meer te kijken naar wat u weet
van uw klant
2. Uw klanten te segmenteren op basis van Customer Lifetime Value om te
achterhalen wie waardevol zijn
3. Te analyseren wat deze segmenten kenmerkt: datadriven persona’s

58. Bedankt voor uw aandacht

59. Siebren van Bruggen
Team Lead Marketing Intelligence
s.vanbruggen@ism.nl
linkedin.com/in/siebrenvanbruggen
Vragen?

60. Evenementen – meld u aan www.ism.nl/evenementen:
[Webinar] Verhoog de conversie met deze tips voor mobiele usability-optimalisatie
Donderdag 3 mei, 14:30 – 15:30
Danny Loeffen, Webanalytics & Conversie-optimalisatie Consultant | ISM eCompany
Masterclass online marketingstrategie
Donderdag 17 mei, 10:30 – 15:15
SEO, SEA, Social & Display, E-mail | ISM eCompany
[Webinar] Hoe zet u linkbuilding succesvol in als online retailer?
Donderdag 24 mei, 14:30 – 15:30
Mark Trieling, SEO Consultant | ISM eCompany
E-commerce Live!
Woensdag 30 mei
Jurjen Jongejan en Sander Berlinksi | ISM eCompany
Digital Marketing Live!
Donderdag 31 mei
Siebren van Bruggen en Danny Loeffen | ISM eCompany

61. Van Nelleweg 1, 3044 BC Rotterdam +31 (0)10 243 60 000 info@ism.nl www.ism.nl