Het groeiende internetgebruik vraagt om op data gebaseerde stuurinformatie, toe te passen op online-kanalen. Daar is echter een actieve benadering van enterprise intelligence voor nodig, betoogt Dave Schrader van Teradata.
Tekst: Dave Schrader
Onderzoek wijst uit dat 21 procent van de wereldbevolking nu online is. De intensiteit verschilt per continent; 73 procent van de VS, tegenover 5,3 procent van de Afrikanen. In Europa is ongeveer de helft aangesloten (bron: Internetworldstats.com). Het transactievolume groeit in elk kanaal. De mix van gebruikte kanalen verandert, waarbij het web het snelst in aandeel toeneemt.
De meeste organisaties hebben gestandaardiseerde webportals: een voor de klant, een voor partners en een voor interne gebruikers. De uitdaging is om de informatievoorziening zo compleet mogelijk te maken. Daarbij kunnen enterprise datawarehousing (EDW) en business intelligence (BI) - enterprise intelligence - een belangrijke rol spelen. U krijgt inzichten waarmee u elke klant een realtime, customized online-ervaring kunt bieden.
Inzicht in de online-ervaring
EDW staat aan de basis van strategisch inzicht. Rapportages kunnen cruciale informatie leveren: wanneer kopen mensen online? Hoeveel producten kopen ze? Hoeveel mensen komen alleen maar kijken? En hoeveel kopen ook daadwerkelijk? Hoeveel kijkers gaan vervolgens toch naar de gewone winkel om de aanschaf te doen? Door het klikgedrag van bezoekers op te slaan in het EDW kunt u precies zien welke handelingen bezoekers hebben uitgevoerd. Op deze manier kunt u onderzoeken waar klanten het langst blijven 'hangen', omdat er iets interessants valt te lezen/zien over een bepaald product, en waar klanten al snel de moed verliezen en uitloggen. Aan de hand van dergelijk inzicht kunt u uw website optimaal vormgeven.
Voorspel en verbeter
Met behulp van datamining tools kunt u daarnaast voorspellende modellen bouwen van klantsegmenten en hun activiteiten binnen alle verkoopkanalen. Daarmee krijgt u antwoord op vragen als: welk product moet ik op dit moment online aanbieden? Gebaseerd op het aanschafgedrag van de klant tot het moment dat hij weer online ging. Is die klant, op basis van de analyse van zijn browsegewoontes, geneigd om snel te veranderen in zijn koopgedrag? Door online te experimenteren met prijsniveaus kan een analist zich een beeld verschaffen van de prijselasticiteit van online-koopgedrag: welk prijsniveau doet de klant besluiten om online te kopen?
EDW-informatie kunt u gebruiken om op basis van de informatie die bekend is over de gebruikers te voorspellen welke informatie ze op het scherm willen hebben. Op deze manier kunt u real-time volledig op maat gemaakte pagina's generen. Het systeem kan hierbij recente data over de klant (waar bevindt de klant zich, aan de hand van GPS-info of bijvoorbeeld de locatie van een pinautomaat) combineren met de historische context (hebben we deze situatie eerder gezien?) en de middelen die voorhanden zijn om de ervaring van de klant te verbeteren.
Betrek de klant
Een actieve enterprise intelligence-benadering werkt echter alleen als u bij de inrichting de juiste applicatiearchitecten, systeemeigenaren en databasebeheerders betrekt. Met daarboven een change manager die precies voor ogen heeft wat u beoogt met uw investering in een datawarehouse. De databasebeheerder kan de eigenaars van de website opleiden en samenwerken met de architecten in de ontwikkeling van een organisatiebrede, op de klant gerichte visie op het gebruik en hergebruik van informatie. Vergeet niet dat het ook van belang is om in kaart te brengen wat de klant wil. Dit vergt een systematische dialoog met de klant en een gestandaardiseerde manier om de inzichten hieruit op te slaan en open te stellen voor gebruik binnen alle beschikbare verkoopkanalen.
Praktijk: bank voorspelt aanbieding klant
ABN Amro wil de internetervaring van klanten verbeteren en maakt gebruik van op maat gesneden advertising. Voor de marketing staan op elk willekeurig moment 50 verschillende advertenties klaar. Die kan de afdeling stuk voor stuk inzetten als de klant de website bezoekt. De vraag hierbij is: welk aanbod is voor deze klant interessant? Aan de hand van een query uit het systeem van Teradata kiest de bank binnen twee seconden de meest geschikte advertentie. Uitgaande van 175.000 internetsessies per dag levert dat dus 63 miljoen gepersonaliseerde aanbiedingen per jaar op. Het resultaat? Een gemiddelde niet-gerichte bankadvertentie heeft een click-through rate van 0,2 procent; één op de 500 bezoekers is dus geïnteresseerd genoeg om door te klikken naar de aanbieding. ABN Amro behaalt naar eigen zeggen een click-through rate van tussen de 1,1 procent en 5,5 procent. Op deze manier slaagt de bank er dus in meer producten te verkopen. Bijkomend voordeel is dat medewerkers van het callcenter dezelfde inzichten gebruiken.
Dave Schrader is director of Strategy & Active Enterprise Intelligence Marketing bij Teradata.
Dit artikel verscheen eerder in Twinkle 10-2008.
Lees ook even: http://www.twinklemagazine.nl/weblog.aspx?navid=3&id=20232&terms=mining&searchtype=2&fragment=True
Managementinformatie? Je hebt stapels gegevens over hoe vaak de klant jouw webwinkel bezoekt, hoe lang die klant erover doet iets te bestellen en hoeveel tijd de helpdeskmedewerker aan de telefoon hangt. Maar wie heeft er een echt zinvol beeld waarom het eigenlijk zo lang duurde en waar je die klant in het zoek- en bestelproces bent kwijtgeraakt? En nog veel belangrijker; wat moet je doen om die tijd te verkorten en de klant echt beter van dienst te zijn? Je wilt diep in je hart toch eigenlijk weten hoe het echt is gegaan?
We barsten van de managementinformatie uit onze 'data-warehouses'. Lekker 'minen' in je data-warehouse en je hebt weer de strakste BI-statistiekjes en BI-grafiekjes; how to lie with statistics?
Maar er is nieuws: processmining.