In 10 stappen klantdata verzamelen & segmenten opzetten

Er zijn veel voorbeelden van digitale vrienden, die er op het internet iets anders uitzien dan in het echte leven. Tegenwoordig communiceren mensen vaak met elkaar zonder dat zij elkaar eigenlijk goed kennen: wie is die persoon aan de andere kant van de lijn? Wanneer ik met klanten spreek over hun ambities binnen de online wereld is één van mijn eerste vragen: “Wat wil je uiteindelijk bereiken?” De antwoorden zijn natuurlijk erg afhankelijk van de klant, maar ze zijn vaak terug te brengen tot één conclusie: ze willen precies weten wie  hun klant is. Hoe kom je daar achter? Door nú te beginnen met data verzamelen.

Mijn stelling is: wanneer je als bedrijf de komende periode online wilt scoren, dan moet je gepersonaliseerde inhoud aanbieden. Wanneer je als bedrijf precies die informatie aanbiedt, waar een online klant naar op zoek is, ontstaat er bij de bezoeker een gevoel van vertrouwen: “Dit bedrijf weet wat ik wil!”. Een vertrouwensband met een potentiële klant is een basis voor een goede relatie. Door gepersonaliseerde inhoud aan te bieden, krijgt een internetbezoeker exact datgene te zien krijgt wat het beste past bij zijn informatiebehoefte. Wanneer bijvoorbeeld een meisje van 16 jaar oud de website van een verzekeringsmaatschappij bezoekt, krijgt zij geen informatie over een pensioenverzekering te zien, maar informatie over een brommerverzekering, want dit sluit beter aan bij haar leeftijd en wensen.

Hoe leer je elkaar online goed kennen?

Segmentatie

De cruciale vraag is: hoe kun je elkaar in de digitale wereld goed leren kennen? Mijn antwoord is eenvoudig: door data te verzamelen. En hoe meer data hoe beter. Goede relevante data verzamelen, is niet moeilijk, maar kost wel veel tijd en daarom kun je er niet vroeg genoeg mee beginnen. Wanneer je over een jaar denkt: “nu wil ik gepersonaliseerde inhoud aanbieden” en je hebt nog geen data, dan ben je te laat. Je hebt namelijk al een snel een jaar nodig om een eerste set data te verzamelen. Als je concurrent haar data al wel heeft, dan heb je een grote achterstand opgelopen die wel eens fataal zou kunnen zijn. Je kunt niet even snel een inhaalslag maken, segmentatie is now or never!

Waar te beginnen? Voor mij als conversiespecialist betekent dit aandacht voor de segmentatie van internetgebruikers, bijvoorbeeld op basis van geografische afkomst, geslacht of leeftijd. Vervolgens kun je op basis van de segmentdata gaan werken aan profieldata op individueel persoonsniveau. Hoe bouw je nu een eerste set segment data op? Eén formulier met 25 invulvelden werkt niet, je moet dit met kleine stapjes tegelijk doen. Stel: ik verkoop auto’s en ik laat een leuk filmpje maken. Vervolgens stel ik het filmpje beschikbaar aan iedereen die het wil zien, in ruil voor een geldig e-mailadres. Een maand later start ik een e-mailcampagne waarbij ik 10 kaartjes voor de autoRAI verloot, waarbij men wel een naam en leeftijd op moet geven, want dan krijgt de winnaar een VIP-behandeling op de autobeurs. Dit is de start van een lange reis met als eindbestemming; een digitaal landschap met inzicht in individueel digitaal gedrag. Hieronder noem ik de belangrijkste 10 stappen, die genomen moeten worden om segmenten goed op te zetten.

10 stappen plan voor het opzetten van segmenten

  1. Maak een gedetailleerde beschrijving van jouw doelgroep(en) Bijvoorbeeld: mensen van 25 jaar met een baan.
  2. Definieer zoveel mogelijk eigenschappen van de doelgroep. Bijvoorbeeld: geslacht, in bezit van computer, mobile device, huis met hypotheek, eigen auto etc.
  3. Selecteer een BIG-database oplossing. Een BIG-database is een speciaal soort database die ontworpen is om veel data te verwerken.
  4. Definieer een segmentdatabasemodel
  5. Installeer en configureer de segmentdatabase
  6. Sla zoveel mogelijk bekende data op. Bijvoorbeeld webdata uit Google Analytics, naam/adres/woonplaats uit een CRM systeem etc.
  7. Definieer een marketingstrategie met als doel de missende data te verzamelen. Campagnes kunnen gebaseerd worden op online surveys, e-mailcampagnes etc.
  8. Sla de campagnedata op in de BIG-database
  9. Analyseer de opgeslagen data en leg verbanden tussen data (correlatie) met als doel data verrijken
  10. Controleer de juistheid en volledigheid van de segmentdata geregeld door in contact te treden met je doelgroep.

Nadat de genoemde stappen doorlopen hebt, bezit je een schat aan informatie over jouw doelgroep en kun je conclusies trekken over hun gedrag en behoefte; dit is een belangrijke input voor je digitale strategie. Gewoon nu beginnen, het is now or never!

Interessant?

Lees dan ook onze andere artikelen over , , , , , , , , , , , .

Reacties

  1. Het lijkt zo’n logische redenering, in dit artikel ook weer: “Wanneer bijvoorbeeld een meisje van 16 jaar oud de website van een verzekeringsmaatschappij bezoekt, krijgt zij geen informatie over een pensioenverzekering te zien, maar informatie over een brommerverzekering, want dit sluit beter aan bij haar leeftijd en wensen.” Toch ligt hier een versimpeling van de werkelijkheid aan ten grondslag die mij in toenemende mate stoort.

    Misschien moet dit meisje voor haar opleiding een werkstuk maken over pensioenen. Misschien is het de dochter van een slecht Nederlands sprekende allochtoon die haar vader helpt iets uit de zoeken over zijn pensioen. Kortom, een mens IS iemand en hij/zij HANDELT op een bepaald moment vanwege een bepaalde drijfveer. Het één is lang niet altijd maatgevend voor het ander.

    Zelf ervaar ik het als storend wanneer ik weken achtervolgd word door ‘gepersonaliseerde’ advertenties die samenhangen met een onderwerp waar ik een éénmalige zoeksessie naar gedaan heb. Alsof mijn profiel nu opeens gedomineerd wordt door dat ene, nota bene tijdelijke aspect.

  2. [quote]
    3.Selecteer een BIG-database oplossing.
    4.Definieer een segmentdatabasemodel
    5.Installeer en configureer de segmentdatabase
    [/quote]

    Lijkt logisch. Uiteraard een ‘Maar’…. BIG-data is leuk maar wat voor oplossing ga je kiezen? Dynamics of iets maken met bv Mongo, of een service gebruiken als Loggly?

    Het is geen “app” die je even download en waar alles magisch uitrolt.

    Om te bepalen welk systeem het meest geschikt is moet je eerst al even blik hebben geworpen op de data welke je gebruikt. RDBMS (zoals mysql) zijn geschikt om makkelijk queries op te doen maar door de schematische structuur zijn ze slecht in het eenvoudig bewaren van complexe data (en mensen -want daar gaat het om- zijn verrekte complex).

    Ik ondersteun het idee dat je data moet gaan verzamelen én gebruiken maar het ‘praktische todo’ lijstje is wel erg simpel.

    Hopelijk binnenkort een écht artikel van LBi over het bouwen van profielen.

  3. Hallo Chris,

    Goed artikel, bedankt voor het delen!

    Data verzamelen is inderdaad een prima eerste stap om mee te beginnen zodat je straks gepersonaliseerd content kunt gaan bieden.

    De echte uitdaging zit hem volgens mij vooral in het realtime combineren van de diverse (online) kanalen en het realtime beschikbaar hebben van deze data zodat je realtime de juiste gepersonaliseerde content kunt bieden.
    Hoe denk jij hierover?

    Rob

    PS: ik heb onlangs nog een artikel hierover geschreven: http://www.iqnomy.com/nl/blog/categorie/site-eigenaren/item/online-multi-channel-integratie-en-big-data-de-volgende-uitdaging-voor-onli/

  4. Interessant artikel. Voor mijn B2C organisatie overweeg ik ook om aan de gang te gaan met uitgebreide Data-analyse / persoonlijke aanbiedingen & content.

    Is er iemand die dit al doet en ervaring heeft met bepaalde software hiervoor? Zijn er programma’s / oplossingen die aan te bevelen zijn of juist niet?

  5. @Jaap
    hangt volledig af van je doelen en het soort website.

    Ik heb o.a. een webshop in hele technische producten. Als ik ga vragen om persoonlijke info als geboortedata haken (potentiele) klanten al af. Het is daarom niet altijd even eenvoudig goede data te verzamelen. Als je meerdere website hebt kan je eventueel data gaan combineren.

    Nu is het mogelijk om op heel veel data te gaan analyseren. Maar begin gewoon simpel (en dat is vaak al een uitdaging op zich):
    Рheb je een geboortedatum: stuur een kortingscode, taart of een andere leuke actie (met een ̩cht goede aanbieding)
    – bezoekt iemand met een android toestel je site ga dan geen ipad app aanbieden (en omgekeerd)
    – voorkom overkill (als iemand 1 keer een product heeft bekeken ga dat product dan niet 100x lopen pushen)

    Het verzamelen (en koppelen) van persoonlijke data heeft nog een aandachtspunt dat niet is benoemd: 1. beveilig je data 2. hou rekening met wetgeving omtrend het gebruik van persoonsgegevens (wat doe je al iemand inzage eist?).

    “Persoonlijke aanbiedingen” zijn voor kleinere shops een lastig gegeven. Attent zijn en leuke communicatie is vele malen belangrijker. Een goed ingerichte webshop (maak leuke productcombies en aanbiedingen) en de noodzaak voor ‘persoonlijke aanbiedingen’ daalt als een baksteen.

    BIGdata is een heel naar hype-woord. Leuk voor een groot marketingsbedrijf als LBi maar absoluut zinloos voor een kleine website of shop. Doe gewoon waar je goed in bent en heb aandacht voor je klant, dat werkt al honderden jaren en dat zal ook zo blijven. Daar veranderd ‘big-data’ geen donder aan. ;-)

  6. @Frits: Bedankt voor je reactie.

    Ik denk dat jij met jouw verhaal met name doelt op remarketing. Hoewel diverse organisaties hebben aangetoond dat dit instrument conversie verhogend werkt, deel ik je mening. Ik vind dat je op moet passen dat je een doelgroep niet gaat irriteren.

    Wanneer je bezoekers achtervolgt nadat zij jouw website hebben verlaten (remarketing) treedt er snel irritatie op. Bij segmentatie verzamel je data van verschillende groepen bezoekers met als doel beter bij hun behoeften aan te sluiten. Ik vind dat je bezoekfrequentie aan de segmentdata moet toevoegen, zeker wanneer je met social media gaat werken. Waarom ik dit vind beschrijf ik in mijn volgende artikel.

  7. @Martijn: Met het artikel wilde ik graag het belang van segmentatie onder de aandacht brengen. Ik noemde daar het BIG-data principe omdat ik in de praktijk nog wel eens zie dat organisaties web analyse oplossingen willen inzetten voor het opslaan van segmentatie data en dit lijkt mij een foute keuze. BIG-data is inderdaad een hoofdstuk apart en wordt heel snel erg technisch. Ik denk dat het belangrijk is dat je zelf eigenaar bent van je eigen data en dat je beseft dat het om heel veel data gaat die geen relationele verbanden heeft en dus niet geschikt is voor een “standaard” database of een standaard web analyse oplossing.

    Betreft jouw reactie op Jaap vind ik het iets te kort door de bocht om BIGdata als “naar hype-woord” te bestempelen. BIG-data is een actueel principe; Business Intelligence is toch ook geen hype? Ik ben het wel met je eens dat je als kleine organisatie niet direct gepersonaliseerde content moet gaan aanbieden, je moet hier als organisatie wel aan toe zijn (en ook de budgetten voor hebben). Data verzamelen kan altijd en daar raak je de kern van mijn artikel; segmentatie kun je niet starten op het moment dat je er klaar voor bent omdat je de dataset moet opbouwen en dit kost veel tijd.

  8. @Jaap: het belangrijkste is dat een tool selecteert die snel en direct waardevolle (lees: bruikbare) inzichten kan geven. Zoals Chris al aangaf, heeft dataverzameling en interpretatie tijd nodig, maar je bespaart maanden en veel geld door een tool te selecteren die jouw data op een snelle manier ‘rijk’ kan maken.

    Ik zou je IQNOMY (www.iqonomy.com) van harte kunnen aanbevelen. Zij zijn al jaren bezig met ‘Liquid Internet’ (gepersonaliseerde content) en liggen in mijn ogen op het gebied van snelle waardevertaling van data en de opvolging naar realtime content ver voor op andere aanbieders.

    De gelaagdheid is bij hen erg prettig; je kunt eerst laagdrempelig beginnen met het verzamelen van realtime data (simpel script). Ik weet uit de praktijk dat je alleen daaruit al binnen een aantal dagen schatten aan marketinginfo haalt. Daarna kun je nog groeien naar heftigere analyses, metingen en volledig realtime gepersonaliseerde content enz.

    Belangrijk ander punt: zorg dat je de kritiek van Frits ook tackelt. Amateuristische gepersonaliseerde content is namelijk vreselijk irritant en beperkend (denk aan een loop). Er zijn maar weinig partijen die verder kijken dan een ‘klik’ lang is. Ik weet dat bv IQNOMY juist activiteit uit meerdere externe (bron)platformen meeneemt (denk Google, Facebook, campagnes enz.). Maar hoe dat precies zit kun je ze beter zelf vragen :-)

    Succes!

  9. @Jaap: de URL hierboven moet zijn http://www.iqnomy.com in plaats van iqonomy :-)

  10. @Rob: Ik vind realtime data verzamelen zeker een interessant onderwerp en ik denk dat realtime data met name interessant is bij het beheren van online campagnes. Ik vind de mogelijkheid van realtime analyse en heranalyse (retrospectief) eigenlijk wel veel belangrijker en ik ken maar enkele web analyse oplossingen die deze functionaliteit bieden. Realtime de juiste gepersonaliseerde content aanbieden is een mooie theorie maar in de praktijk blijkt dat de meeste organisaties in Nederland hier nog niet aan toe zijn. Dit heeft niets te maken met de techniek maar met de organisaties zelf.

    Een aardige toepassing is het realtime tonen van heatmaps binnen een online omgeving. Dit zetten wij geregeld in om conversie verbeteringen door te voeren.

  11. Ben erg op zoek naar wat meer onderbouwing van dit artikel met praktisch opgedane ervaring en inzichten. Oprecht, omdat ik merk dat veel partijen hiermee worstelen en ik ook niet altijd hapklare oplossingen zie.

    Er staat “selecteer een BIG data oplossing.” In de comments wordt dit meer als een principe uitgelegd. Maar gegeven verschillende databronnen vraag ik me af wat dan goede BIG data (of BI??) oplossingen zijn. En bij het woord oplossingen denk ik inderdaad aan software en techniek.

    (geavanceerde) segmentaties en personalisatie (al dan niet geautomatiseerd) moet trouwens ook echt bij de businesscase en de maturity van een organisatie passen. Voor elk segment moet immers extra content worden gecreëerd, business rules, aanpassingen in de database, etc. De kosten hiervan moeten wel opwegen tegen de baten (verbetering conversie).

    Tot slot: ik krijg wel een beetje het idee dat ik naar een comment commercial van IQNOMY aan het kijken ben. Ben wel benieuwd hoe/waar Oogt dit heeft toegepast.

  12. @Freek: bedankt voor je bericht. Wanneer er gesproken wordt over BIG-data doel ik op de omgeving waarbinnen data opgeslagen wordt, dit is zeker niet hetzelfde als Business Intelligence (BI).

    De uitdaging bij het opslaan van internet data is dat deze data niet 1-op-1 in een BI-omgeving verwerkt kan worden, dit heeft te maken met de eigenschappen van internet data. Daarnaast is BI niet bedoelt voor het genereren van ad-hoc rapportage, hiervoor zijn speciale web analyse oplossingen ontwikkeld die kunnen communiceren met een BIG-data platform.

    Er zijn veel verschillende BIG-data oplossingen en de meest geschikte oplossing is sterk afhankelijk van een groot aantal factoren. Wanneer je op zoek bent naar een lijst, kun je het beste even “koekelen”.

    Ik ben het met je eens dat het gebruik van segmentatie en personalisatie moet passen bij de maturity van een organisatie. In dit artikel geef ik aan dat het belangrijk is om nu te starten met het verzamelen van data. Wanneer organisaties namelijk over bijvoorbeeld twee jaar wel toe zijn aan het aanbieden van gepersonaliseerde content, kun je niet met terugwerkende kracht twee jaar historische data verzamelen.

  13. Bij stap 6 en stap 7 is het handig om een loyaltyprogramma te noemen als een van de opties om heel veel (hoogwaardige) data over klantgedrag te verzamelen. Dat levert namelijk echt iets op; veel meer dan de genoemde Analytics en campagnes.

  14. Online data en analytics zijn HOT, maar online data alleen is onvoldoende om de klant een relevante ervaring te bieden. Wie heeft er geen hekel aan de “relevante” Google advertenties gebaseerd op surfgedrag? Zoals in het artikel van Rob Boeyink, is de uitdaging juist in de online multi-channel integratie, en voornamelijk de integratie van “traditionele data” en “digitale data”. Het is inderdaad verontrustend om te lezen dat de drempels om dit te realiseren nog steeds te hoog zijn voor bedrijven. Het verschil tussen online winkels en grote B2C bedrijven is bepalend voor je data strategie en inspanningen. De drempels zijn kleiner voor B2C bedrijven zoals verzekeraars of banken die al voldoende data hebben over hun klant. Dit soort bedrijven kunnen ook een ROI op een grotere schaal realiseren, want wat is de waarde van een verlenging van een financieel product afgezet tegen de waarde van een nieuw aankoop op Bol.com? Financiële bedrijven kunnen in de My Omgeving relevante interacties, tips en offertes aan de klant bieden, omdat zij het sufgedrag van de klant met “traditionele data” zoals producten en contacthistorie kunnen koppelen. Maar dit soort bedrijven hebben een andere uitdaging: hoe herken ik de onbekende suspect die op mijn website terechtkomt? Hoe converteer ik deze sneller en goedkoper naar klant? Voor de verschillende soorten uitdagingen van verschillende bedrijven zijn er ook verschillende tools beschikbaar.

Plaats een reactie

Je e-mailadres wordt niet gepubliceerd. Verplichte velden zijn met een * aangegeven.

Verschijnt je reactie niet, dan is deze mogelijk in de spam terechtgekomen. Mail ons dan even!