We hebben een data blogserie geschreven over het thema ‘Van verzamelen naar doen’. In deze serie bespreken we hoe je data kunt gebruiken om je klant te kennen en deze kennis toe te passen om relevanter te worden. In het eerste deel van de serie legt Jeroen van Eck je uit hoe je kunt groeien in datavolwassenheid en wat dat voor impact heeft op je gehele marketing organisatie. In het tweede deel neemt Frank Beke je stapsgewijs mee in het opstellen van je data strategie en data roadmap met concrete activiteiten om zowel stappen te zetten in je data volwassenheid als direct waarde te genereren uit jouw data. In het derde deel geeft Wouter van der Heijden een voorbeeld van een concreet uit te voeren stap uit je opgestelde roadmap, zodat je daarna aan de slag kan. In dit laatste deel legt Rutger Smit uit hoe je gelijk al klein kunt beginnen met de data die je nu hebt.
Overzicht blogserie
- Groeien in datavolwassenheid gaat over meer dan alleen data
- Wat je wil en wat je kan komen samen in een data strategie
- In 4 stappen naar een relevanter aanbod voor jouw klant
- Geautomatiseerd conversie verhogen met Automated Data Analysis (ADA)
Laat je data voor je werken met Automatische Data Analyse
Data kun je, zoals reeds aangestipt in de vorige blogs, gebruiken om je klanten beter te leren kennen. Vervolgens kan je deze kennis gebruiken om je dienstverlening te optimaliseren en relevanter te communiceren met je klant. Maar hebben we daar wel de benodigde tooling voor? is de vraag die hier dikwijls op volgt. Veel bedrijven denken dat als je ‘iets’ met data wil, je hier direct nieuwe tooling voor nodig hebt waarmee enorme investeringen gepaard gaan.
Bij De Nieuwe Zaak vinden we dat je klein moet beginnen, snel kleine succesjes moet boeken en daarna moet gaan uitbouwen. Dat betekent dat je moet beginnen met de data en de systemen die je al hebt. In dit deel lees je over hoe je op een efficiënte manier eenmalig je data analyse opzet om vervolgens de inzichten continu te kunnen gebruiken voor relevantere communicatie.
Data over je klanten analyseren
Om snel waarde uit data te halen begin je met wat je wil, bijvoorbeeld relevanter communiceren. Vervolgens kijk je in hoeverre dit mogelijk is binnen wat je kan. Als je relevanter wil communiceren begint dat met je klanten beter leren kennen. Daarvoor kun je de data die je over je klanten hebt analyseren. Er bestaan legio algoritmes die je kunt toepassen om je klanten op te delen in slimme segmenten. Deze segmenten kun je vervolgens gebruiken om relevanter te communiceren.
Handmatig analyseren middels een RFM analyse
Om snel waarde uit data te halen begin je met wat je wil binnen wat je al kan. Juist, dat is soms makkelijker gezegd dan gedaan. Want wat kan ik dan precies? Wat je kan is beginnen met de data die je al hebt! In je e-commerce platform beschik je over alle orders op individueel klantniveau. Deze omzetdata is al voldoende om je klanten te segmenteren. Een RFM analyse helpt je om binnen je huidige mogelijkheden de klantwaarde in kaart te brengen en te benutten. Deze klantwaarde bestaat uit:
- Recency: Hoe recent heeft een klant iets gekocht?
- Frequency: Hoe vaak koopt een klant iets?
- Monetary value: Wat is de waarde van de aankopen?
Binnen je huidige mogelijkheden kan je de eerste analyse vaak al handmatig uitvoeren. Dit levert een lijst op met klantnummers en een score en segment. Heel mooi, maar sec kan je met deze lijst eigenlijk niks: je moet de inzichten over je klant namelijk ergens gaan gebruiken. Dit kan eenvoudig door je communicatie via e-mail relevanter te maken. Als je de resultaten upload naar je email service provider (ESP), kan je vervolgens de verschillende segmenten een andere e-mail sturen. Of je stuurt helemaal geen mail meer, want heeft het wel zin om die groep klanten met een lage score nog een nieuwsbrief te sturen?
Een keer een gesegmenteerde mail sturen is natuurlijk een hele mooie eerste stap. De uitdaging is de actualiteit: wanneer je de analyse handmatig uitgevoerd hebt, is het resultaat alweer achterhaald. Bij een volgende nieuwsbrief moet je opnieuw de ruwe klantdata uit het bronsysteem halen, met de hand de analyse uitvoeren, resultaat controleren en de data uploaden naar je ESP. Alles handmatig, en dus erg veel werk waarbij de kans op een foutje op de loer ligt. Gelukkig is dit proces binnen je huidige mogelijkheden vaak al bijzonder goed te automatiseren. Hier gebruiken we ADA (Automatische Data Analyse) voor.
Wat is ADA?
Data analyses zoals een RFM analyse worden vaak éénmalig ingezet als momentopname. Voor meerdere momenten worden deze vaak handmatig uitgevoerd. Automatische Data Analyse (ADA) automatiseert dit proces en kan regelmatig deze data toevoegen aan een klantprofiel.
Data uit verschillende systemen samenvoegen
‘Ja, maar mijn data staat in verschillende systemen!’ Wanneer je data gefragmenteerd opgeslagen staat, zal je hier eerst een verbeterslag moeten maken. Je moet de data samen laten komen. Bij ADA lossen we dat op door vanuit de verschillende systemen ruwe data te ontsluiten naar een centrale opslaglocatie. Vervolgens wordt de ruwe data automatisch opgeschoond, genormaliseerd en gecombineerd. Deze genormaliseerde data kan vervolgens door één of meerdere algoritmes gehaald worden. Bijvoorbeeld, je kan klanten met behulp van RFM in laten delen in segmenten.
Resultaat van de analyse toepassen
Zoals we al eerder aangaven wil je natuurlijk wel iets doen met het resultaat van de analyse. Veel software schept op dat ze out-of-the-box een waslijst aan systemen kunnen koppelen. In de praktijk zie je toch maar wat vaak dat die standaard koppeling net niet werkt omdat er altijd wel iets is waardoor er toch weer maatwerk nodig is. Bij ADA werkt dat net iets anders.
Er zijn verschillende manieren om de resultaten van een analyse in ADA te gebruiken. Het resultaat kan als CSV bestand worden gedownload. De locatie van het bestand is elke keer wanneer de analyse uitgevoerd gelijk. De meeste software kan vervolgens eenvoudig naar dit bestand laten verwijzen. Bijvoorbeeld, je kan je ESP de resultaten iedere nacht laten ophalen. Naast via een download is de data ook via een API beschikbaar. Dit is vooral voor geautomatiseerde systemen erg handig. Ten slotte kan je de resultaten ook checken via een dashboard. Op die manier weet je zeker dat de RFM correct is uitgevoerd en krijg je in één oogopslag een overzicht van de uitkomsten.
RFM score koppelen aan profielen
De resultaten van ADA zijn dus op verschillende manieren te benaderen. Daardoor is het eenvoudig om de resultaten van een RFM analyse toe te passen binnen je standaard nieuwsbrief. Door de RFM score toe te voegen aan de profielen in je CRM of ESP kun je in het vervolg in je communicatie onderscheid maken tussen je loyale klanten, je potentiële loyale klanten en de ‘toevallige passanten’.
En heb je, geholpen door relevantere communicatie dankzij je RFM analyse, die potentiële loyale klant kunnen converteren naar een echt loyale klant? Dan kan je geautomatiseerd de communicatie via e-mail met de klant aanpassen aan zijn nieuwe status. Door de RFM analyse frequent uit te voeren en beschikbaar te maken binnen je ESP zorg je ervoor dat je communicatie altijd up-to-date blijft.
Je kunt nu al beginnen!
Dus wil je direct beginnen met waarde genereren binnen wat je nu al kan? Als je omzetdata hebt en een ESP hebt ingericht kan je al beginnen. Op die manier kan je naast groeien in volwassenheid ook direct beginnen om waarde genereren met je waarde. Doe je nu nog niks met je data? Wij helpen je graag om de eerste stappen te zetten om relevanter te gaan communiceren. Daarvoor brengen we graag de mogelijkheden in kaart en laten we zien hoe weinig werk het is om voor jou dit proces ook in te richten. Binnen de kortste keren stuur je dan relevantere e-mails naar specifieke RFM segmenten. Neem gerust contact met ons op, dan laten we zien wat de mogelijkheden zijn en kijken we naar jouw specifieke case.
Download de hele blogserie nu
Eerst meer weten over hoe jij je data kunt verzamelen en hier vervolgens mee aan de slag kunt gaan om relevanter voor jouw klant te worden? Download de hele serie als whitepaper dan nu!
Het bericht Laat je data voor je werken met Automatische Data Analyse verscheen eerst op De Nieuwe Zaak.
Lees het originele bericht op www.denieuwezaak.nl