De eerste stappen richting data driven commerce

De marketingwereld is complex geworden. Bedrijven worstelen om te voldoen aan de wensen van de steeds veeleisender wordende consument. Vaak wordt er gezegd: met data los je marketingproblemen op! Maar met welke data? En welke problemen los je eerst op en welke daarna? Dus: hoe zet je de eerste stappen richting een data driven commerce organisatie?

Tekst: Wouter van der Heijden

Data in kaart brengen

Waar bevinden zich jouw data? Als je wilt groeien naar een datagedreven organisatie is dit de meest basale vraag. Want hoe kun je data driven zijn zonder data? Systeembeheerders, IT’ers en ander technische mensen kunnen je helpen bij het in kaart brengen van een lijst met databronnen. Je kunt hierbij denken aan:

• Identiteitsdata (intern)
  Identity data bevatten gegevens over je klanten. Wie ze zijn, waar ze wonen, hoe ze te bereiken, wat hun voorkeuren zijn en hun loyaliteit. Dit type data staat in je datawarehouse of crm.
  
• Orderdata (intern)
  Orderdata bevatten gegevens over de bestellingen die gedaan zijn. De hoeveelheid bestellingen, de aankoopmomenten en natuurlijk de producten die besteld zijn. Dit type data staat in je kassasysteem en commerce-databron.
  
• Interactiedata (intern)
  Interactiedata bevatten gegevens over het gedrag van je potentiële klanten. Wat ze doen op je site, welke sitedoelen ze behalen, et cetera. Dit type data staat in je advertising, e-mail en webanalytics tools, zoals Google Analytics en instrumenten voor conversieoptimalisatie.
  
• Social media data (extern)
  Social media data zijn externe gegevens die je binnenkrijgt over de platformen die je inzet voor jouw organisatie. Wat wordt er gedeeld en wat vinden je potentiële klanten leuk? Dit type data is op te halen uit je Twitter, Facebook en YouTube account. Met een tool zoals SEMRush kun je ook groei en engagement van concurrenten inzien.
  
• Open data (extern)
  Open data zijn gegevens verzameld door een onafhankelijke partij. Deze verschaffen je inzichten over doelgroepen en trends. Dit type data is op te halen via de site van het CBS.
  
• Geodata (extern)
  Geodata zijn locatiegegevens waarmee je je bestaande data verrijkt. Waar bevindt je klant zich? Afhankelijk daarvan kan je specifieke boodschappen sturen die afhankelijk zijn van hun locatie. Dit type data haal je uit de browser van de gebruiker of bijvoorbeeld middels beacons en bluetooth-signalen.
  

Door de databronnen in kaart te hebben en te koppelen, ontstaan datasets die gebruikt worden voor analyses. De analyses geven inzichten die de input vormen voor verbeterde marketingactiviteiten.

Data analyseren en toepassen

Na het in kaart brengen van de data zijn er verschillende analyses die jouw digitale marketingactiviteiten kunnen verbeteren. Het is afhankelijk van de focus van jouw digital commerce activiteiten welke analyse voor jouw organisatie geschikt is. Deze en andere analyses zijn mogelijk:

Basisaanpassingen personalisatie

Identiteitsdata zijn geschikt voor personalisatie op kleine schaal. Hiermee geef je antwoord op vragen als: ‘Hoe geef ik mijn potentiële klanten een betrokken gevoel?’ en ‘Hoe vergemakkelijk ik hun aankoopproces?’. Identity data zet je in om je klant het gevoel van herkenning te geven. Dit doe je door de site en marketinguitingen aan te passen aan de voorkeuren van je klant. Met de voorkeuren van je klant zorg je ervoor dat je relevante uitingen serveert. Een klant met de voorkeur voor hardlopen moet je niet primair voetbalshirts aanbieden, maar juist hardloopkleding. Hierdoor is de kans groot dat deze klant een herhaalbestelling plaatst. Met het geslacht en de leeftijd van iemand pas je de tone of voice van je communicatie aan. Hierdoor voelt iemand zich gerespecteerd.

Knelpuntenanalyse en retargeting met webanalytics

Met interactie-data beantwoord je vragen als: ‘Waar komt mijn webverkeer vandaan?’, ‘Welke websiteonderdelen werken het beste?’ en’Welke type gebruiker plaatst bestellingen?’. Door je webanalytics data te analysen, ontdek je knelpunten in het aankoopproces van je websitebezoekers. Zo leer je aan de hand van de betrokkenheid-KPI’s, zoals het bounce-percentage, het aantal bezochte pagina’s en de sessiekwaliteitscore welke interacties niet aansluiten bij de verwachting van de bezoeker. Met deze informatie ga je vervolgens aan de slag met teams voor conversieoptimalisatie en content. Ook gebruik je interactiedata om je marketinginzet te optimaliseren. Wanneer je webshopbezoeker producten in bijvoorbeeld de categorie keukenspullen heeft bezocht, gebruik je deze gegevens om de bezoeker beter te targeten via online advertising of de inhoud van e-mails te verbeteren.

Klanttevredenheid achterhalen met sentimentanalyse

Hoe tevreden zijn je klanten nu echt? Op social media delen consumenten hun échte mening. Dat loopt uiteen van frustratie over een slecht product tot blijdschap over een excellente dienstverlening. Nadat je de reacties van social media hebt opgehaald kun je met behulp van machine learning (natural language processing) achterhalen hoe positief men praat over je merk. Door het sentiment over de tijd te volgen, kun je de effectiviteit van je marketinginspanningen en procesverbeteringen in kaart brengen. Daarmee helpt een sentimentanalyse verbeteringen door te voeren die écht het verschil maken voor je klanten.

Orderwaarde verhogen met market basket analyse

Met je orderdata heb je de mogelijkheid om een zogenoemde market basket analyse uit te voeren. Daarin wordt onderzocht welke producten gezamenlijk gekocht worden. Door deze data met hoge frequentie te gebruiken, zorg je ervoor dat je onsite productaanbod (‘Anderen kochten ook’ of ‘Dit past hier goed bij’), gebaseerd is op up-to-date gegevens. Hierdoor zal je orderwaarde per bestelling stijgen.

Vind je ambassadeurs met Recency, Frequency, Monetary Value (RFM) analyse

Een geavanceerde analyse op orderdata is de RFM-analyse. Deze wordt gebruikt om inzichtelijk te maken hoe recent, hoe vaak en voor welke waarde jouw klanten bij je kopen. De verschillen in aankoopgedrag worden in groepen ondergebracht. Marketingactiviteiten worden vervolgens toegepast op de eigenschappen van de klantgroep. Stel bijvoorbeeld dat een klantgroep regelmatig koopt voor kleine bedragen. Deze groep ga je dan overhalen producten gezamenlijk te kopen, omdat je hiermee je overhead en verzendkosten reduceert. De groep die heel lang geleden voor het laatst iets bij je hebben gekocht ga je heractiveren met een aparte campagneflow. De klantengroep die regelmatig voor grote bedragen bij je koopt ga je weer anders benaderen. Deze ambassadeurs nodig je bijvoorbeeld uit voor een VIP-avond of vraag je om je merk uit te dragen door het weggeven van gratis producten.

De juiste korting geven met een prijselasticiteitanalyse

Korting geven wil je alleen wanneer je hierdoor meer winst genereert. Op basis van je historische productverkoopgegevens bepaal je de prijselasticiteit van je producten. Met een prijselasticiteitanalyse bepaal je welke prijsdalingen het beste hebben gewerkt. Vervolgens pas je je kortingsbeleid hierop aan.

Wouter van der Heijden is consultant op het gebied van conversieoptimalisatie en webanalytics bij De Nieuwe Zaak.

Data Driven Commerce 2019
Samen met De Nieuwe Zaak organiseren Twinkle en MarketingTribune op 14 februari as. Data Driven Commerce 2019, met keynote presentaties van ondere andere Centraal Beheer, Google en Miss Etam.

Lees ook:
* ‘Ik wil iets met data, maar ik weet niet wat’ (27 december 2018)
* Aan de slag met marketing automation (10 december 2018)