Transcript Marketing Intelligence voor beginners

Marketing Intelligence voor beginners
Workshop door Sara Oomen (EMC Cultuuronderzoeken) en Jildiz Heddes (zelfstandig data-analist)
Congres Podiumkunsten 2014
WAT
Marketing Intelligence is het stelselmatig verzamelen van data, omzetten in bruikbaar inzicht ter
ondersteuning van strategische en operationele marketing- en verkoopvraagstukken.
Klantinzicht staat centraal in klantgericht ondernemen.
WAAROM
Klantgericht ondernemen = klantrelaties optimaliseren (CRM)
Relevantie voor klant
Klantbeleving
Klantwaarde
Conversie voor organisatie
Resultaat
Is de klantrelatie voor jouw organisatie van belang?
Concurreer je op basis van een innovatief product (jouw organisatie loopt voorop) - >
Klantrelatie is niet belangrijk
Concurreer je op basis van efficiëntie (betrouwbaarheid, scherpe prijzen) -> Klantrelatie is
niet belangrijk
Concurreer je op basis van de beste afstemming op de wensen van de klant - > Klantrelatie
is wel belangrijk
Is de klantrelatie niet belangrijk? Dan heeft MI een meer bescheiden rol.
HOE
Hoe kun je klantrelaties optimaliseren?
• Waarde van de relatie verhogen (cross-sell, targeting)
• Aantal relaties verhogen (targeting)
• Duur relaties verhogen (retentie, cross-sell)
Data terugkoppelen
Voorbeelden van targeting:
Het benaderen van klanten met een
hoge verwachte klantwaarde die nog
geen kaarten hebben gekocht in de
voorverkoop
Het benaderen van klanten met een
hoge verwachte respons voor
donateurschap
Vraag /Doel
Evaluatie
Analyse
Toepassing
Creatie
Creatie, toepassing en evaluatie: door marketeers en klantcontactmedewerkers. We focussen hier
op Vraag, Analyse en Data terugkoppelen.
©Sara Oomen en Jildiz Heddes, 27 mei 2014
INTELLIGENTIE
VRAAG/DOEL
Welke vragen heb jij voordat je aan creatie kan beginnen?
Aan wie verdien ik?
Wie kost mij geld?
Welke klanten kan ik het beste benaderen?
Hoe zien die klanten eruit?
Welke gegevens van mijn klanten mis ik?
Wie reageert?
Wie heeft (nog) niet besteld voor komend seizoen?
Wie beëindigt zijn relatie met mij?
Hoe komt dit?
Hoe kan ik gewenst gedrag veroorzaken?
ANALYSE
Eerst moet je gegevens verzamelen en samenbrengen in een DATABASE (bruggen slaan!)
Wat zijn de bronnen voor het verzamelen van gegevens:
• Interne bronnen (operationeel)
• Externe bronnen (onderzoek, huishoudsegmentatie: Cendris, Experian, Wegener enz)
Huishoudsegmentatie: Mosaic Huishouden van Experian
Interne bronnen zijn:
• Data van transacties (sales)
• Kosten (finance) (welke kosten zijn terug te brengen tot welke klant(groep)?)
• Klanttevredenheid (doorlopend onderzoek)
• Campagneresultaten (marketing)
Wat voor typen analyse kun je (laten) uitvoeren?
- Voorspellend/beschrijvend: database-analyse
- Verklarend/exploratief: marktonderzoek
©Sara Oomen en Jildiz Heddes, 27 mei 2014
Welke stappen neem je in database-analyse?
1. Verantwoordelijke voor data-kwaliteit aanwijzen (wie heeft er belang bij, wie heeft er
bevoegdheid?)
2. Data bewerken
• Preparatie: opschonen (bijvoorbeeld klanten ontdubbelen, maar ook geannuleerde kaarten
of voorstellingen eruit halen)
• Maken van afgeleiden en classificaties (bijvoorbeeld prijscategorie, dagdeel waarop een
activiteit plaatsvindt afleiden van het tijdstip)
• Missing values: negeren of imputeren (sommige missende gegevens kun je afleiden,
anderen (zoals geboortedatum) blijven onbekend)
3. Wat voor methoden & technieken voor analyse zijn er?
Historie (beschrijvend)
• Tellingen
• Kruistabel
• Correlatie
• Clusteranalyse
• Factoranalyse
• Geografische analyse
• Profielanalyse (met interne of externe data)
• Segmentatie (differentiatie)
•
•
•
Toekomst (voorspellend)
Regressie-analyse
Beslisboom
Neuraal netwerk
Geografische analyse: waar
komen kaartkopers vandaan
©Sara Oomen en Jildiz Heddes, 27 mei 2014
Meer over segmentatie
Wat zijn voor jou relevante variabelen voor segmentatie? (vb kanaalvoorkeur, klantduur,
leeftijd, levensfase, woont wel of niet in de stad, klantwaarde, tevredenheid, klachten,
interesses).
Criteria voor segmentatie: haalbaar en toepasbaar, intern homogeen en extern heterogeen.
Trend: van ‘je bent wat je zegt dat je bent’ (interessant) naar ‘je bent wat je doet’ (betrouwbaarder)
Segmentatie bij Stadsschouwburg Amsterdam
LOYALITEIT:
RETOUR-SEGMENT (afgelopen 60 maanden)
NIEUW
TERUGKEER
RECENT
TROUW
EX
vstl bezocht in afgelopen 12 maanden
vstl bezocht <12 mnd en >24 mnd
vstl bezocht in afgelopen 24 maanden
vstl bezocht in afgelopen 36 maanden
geen vstl bezocht in de afgelopen 12 mnd
BEZOEKFREQUENTIE:
JAAR-SEGMENT (afgelopen 12 maanden)
INCIDENTEEL
FREQUENT
VAAK
1 vstl bezocht in afgelopen 12 mnd
2 of 3 vstl bezocht in afgelopen 12 mnd
4 of meer vstl bezocht in afgelopen 12 mnd
©Sara Oomen en Jildiz Heddes, 27 mei 2014
1-op-1 marketing (voorbeelden)
Event Driven Marketing inrichten (op basis van analyse veranderingen bij klant)
©Sara Oomen en Jildiz Heddes, 27 mei 2014
Servicemail van SSBA (een voorbeeld van dataverrijking)
IKEA (een voorbeeld van dataverrijking)
©Sara Oomen en Jildiz Heddes, 27 mei 2014
Tot slot: enige valkuilen…
-
-
Een belangrijke voorwaarde voor MI is het opbouwen van historie: vermijd het weggooien van
‘oude’ data.
In database-kringen wordt vaak het principe ‘Garbage in, garbage out’ genoemd. Ofwel, zorg
dat je datakwaliteit op orde is, anders komt er nooit iets zinvols uit een analyse. Maak iemand
verantwoordelijk voor de datakwaliteit.
Als je segmenten maakt of je klanten anderszins classificeert, denk goed na voordat je zulke
‘labels’ naar klanten toe communiceert.
Voor data-analyse geldt: 80% van de tijd gaat vaak naar het opschonen van de data en
databewerking, waardoor er nog maar weinig tijd over blijft voor het verkrijgen van inzicht.
Zorg dat er tijd wordt ingeruimd voor analyse. En zonder goede rapportage ziet niemand de
waarde van analyse.
Contact
Jildiz Heddes
[email protected]
06 5243 9108
Sara Oomen
EMC Cultuuronderzoeken
[email protected]
06 2956 1384
©Sara Oomen en Jildiz Heddes, 27 mei 2014