In 7 stappen naar effectieve data strategie

effectiveprofiles fashion, Geen categorie, retail, Standard

Klanteninzichten ontstaan niet zomaar, bedrijven moeten zich inzetten voor een proces-, technologie- en gedragsverandering.

In dit artikel wordt een zevenstappen plan voor het gebruik van gegevens uitgepakt om nieuwe publieksinzichten te ontdekken die zowel de klantenwervings- en retentiestrategie als de heroriëntatie op de klantensegmenten die het meest geschikt zijn om te worden geconverteerd voor een bedrijf.

Elk bedrijf is toegewijd aan groei, maar een van de grootste ironische zaken in de moderne economie is dat de routekaart naar groei over het algemeen voorkomt uit de first-party data die een bedrijf verzamelt, maar dat deze vaak ontoegankelijk is als gevolg van silo’s of legacy-technologie.

Een grote klantervaring kan alleen worden geleverd als de data de manier waarop de marketinginspanningen worden opgebouwd, voedt.

Alle organisaties zijn zich hier natuurlijk volledig van bewust. Zonder een effectieve data- en technologiestrategie blijft de werkelijke waarde van de informatie waar een bedrijf op zit echter onaangeboord.

Data geeft de antwoorden op de vraag waar de groei te vinden is die alle bedrijven wanhopig zoeken.

Om een winnende datastrategie op te zetten, zijn er zeven stappen om een virtueuze cirkel van klantinzichten te creëren.

Beoordeel

De eerste stap in het verfijnen van een datastrategie is de vraag waar een organisatie zich op dit moment bevindt. Het huidige niveau van volwassenheid kan worden vastgesteld aan de hand van wat de onderneming daadwerkelijk met de gegevens kan doen.

Een volwassen organisatie zal in staat zijn om geavanceerde klantinzichten te verkrijgen en daarop in te spelen, afkomstig van meerdere eerste, tweede en derde partijen, zowel online als offline. Ze zullen ook een end-to-end strategie hebben voor het combineren van CRM, hun adtech en martech strategie plus ofwel een DMP (Data Management Platform) of CDP (Customer Data Platform) om media en messaging dynamisch af te stemmen op een gesegmenteerd publiek.

Omgekeerd zal een minder volwassen organisatie waarschijnlijk moeite hebben om betekenisvolle publieksinzichten te genereren. Er zullen meerdere databronnen betrokken zijn die niet met elkaar praten of er zal een aanzienlijk gat zitten in de gegevens die worden verzameld (vaak het geval als er geen directe propositie voor de consument is), wat betekent dat de segmentatie van de klant niet verfijnd is en dat de doelgroep te veel afhankelijk is van de gegevens van derden.

In een post GDPR-wereld in Europa, waarin gegevens van derde partijen binnenkort verdwijnen, en met een steeds meer aanspreekbaar medialandschap, is het van cruciaal belang dat alle merken nadenken over hoe ze hun eigen datagestuurde klantsegmenten kunnen bezitten, opbouwen en activeren.

Plan

Als een bedrijf eenmaal heeft vastgesteld waar het zich bevindt wat betreft de volwassenheid van de gegevens, kan het plannen maken om zijn mogelijkheden te verbeteren.

Dit houdt in dat er een aantal fundamentele vragen moeten worden gesteld over hetgeen moet worden bereikt, hoe goed het bedrijf zijn klanten op dit moment kent en welk niveau van begrip het wil bereiken.

Er zullen vragen rijzen rond welke databronnen het bedrijf wil werken. Is de eerste partij genoeg? Zitten er hiaten in de gegevens? Zijn er eerste- en tweede-partij-databronnen nodig? Zou het combineren van offline en online data waardevol zijn?

Welk(e) platform(en) zijn nodig om deze databronnen vast te leggen, op te slaan, te beheren, te analyseren en om te zetten in inzichten en activeringssegmenten? Het antwoord hangt af van de mate waarin de business zich wil verdiepen in het bouwen van klantmodellen en het uitbreiden van haar doelgroepsegmenten door het identificeren van ‘look-a-like’ klanten.

Wil de organisatie nog een stap verder gaan, zodat ze beter kan voorspellen welke klanten en prospects het meest waarschijnlijk zullen converteren of een hogere levensduurwaarde zullen hebben?

Cruciale vragen in dit stadium zijn onder meer hoe men vooruit kan komen op een privacy conforme manier en welke governance intern vereist is.

Vastleggen

De gegevens zijn toegankelijk in een grote verscheidenheid aan eerste, tweede en derde partijen. De mix zal afhangen van de hoeveelheid gegevens die het merk rechtstreeks bij de consument kan verzamelen en van de hoeveelheid die via de partners wordt binnengebracht.

Hoe vaak de gegevens bijgewerkt en ververst worden is in dit stadium van belang, net als welke gegevens nodig zijn om de juiste output voor inzicht of meting te genereren.

Het is dan ook van essentieel belang dat wanneer er gegevens van derden aan boord zijn, de PII-elementen (persoonlijk identificeerbare informatie) worden verwijderd en dat de gegevens worden geanonimiseerd.

Gegevens van de eerste partij die essentieel zijn om een gedetailleerd beeld van de klant op te bouwen, zijn onder meer transactiegegevens, klantenkaarten, demografische gegevens en enquêtes. Deze kunnen ook aankomen in de vorm van gegevens van derden en worden gecombineerd met externe gegevensbronnen, zoals het weer en de locatie.

De sleutel is duidelijk te zijn waar elk type data het meest bruikbaar voor is. Transactiegegevens zijn wellicht het meest geschikt om toe te wijzen, loyaliteits-informatie kan worden gebruikt om de prestaties van individuele winkels te beoordelen en enquêtes leveren een bijdrage aan de brand health van het merk.

Customer Lifetime Value-rapport

Verbeter

Zeer weinig organisaties zullen alle gegevens hebben die ze nodig hebben om klanten goed genoeg te begrijpen om zeer gedefinieerde doelgroepsegmenten op te bouwen. De sleutel is dus het creëren van strategieën om meer first-party data aan boord te krijgen en deze te verrijken met second- en third party bronnen.

Veel FMCG-merken, die over het algemeen geen directe relatie met de consument hebben, zijn bezig met het ontwikkelen van digitale producten zoals loyaliteitsprogramma’s of apps met nuttige content om meer first-party data te verzamelen.

Als voorbeeld van het verrijken met second party- en third party-data kunnen de gedragsinzichten die een bedrijf heeft van on-site klantactiviteiten worden gecombineerd met online en offline aankoopgegevens en vervolgens worden verrijkt met demografie en lifestyle-signalen van externe bronnen.

In deze fase is het opschonen van data van cruciaal belang. Gegevens zijn alleen waardevol als ze u helpen om uw klanten beter te begrijpen of om meer zinvolle targeting of engagement mogelijk te maken.

Beheer

Verbeterde gegevens tellen weinig tot ze goed georganiseerd en beheerd zijn. De eerste stap is om de informatie te uniformeren en te centraliseren om een enkel beeld van de klant te krijgen.

Een goed beheer van gegevens stelt een bedrijf in staat om zijn klantenbestand te segmenteren en neigingsmodellen op te bouwen. Cruciaal is dat het beheer van gegevens op de juiste manier een organisatie in staat stelt om onderdrukkingsmodellen toe te passen om de groepen te identificeren die waarschijnlijk niet zullen worden geconverteerd. Dit is net zo belangrijk en wordt toch vaak over het hoofd gezien, waardoor het budget kan worden gericht op prime prospects en het besparen van fondsen door het minimaliseren van verspilling ten opzichte van groepen die een lagere neiging hebben om te kopen.

Activeer

Het organiseren van uw gegevens zoals hierboven beschreven, het bouwen van “adresseerbare” klantsegmenten en voorkeursmodellen plaatst een bedrijf in een geweldige positie om campagnes te activeren. In dit stadium is het cruciaal om na te denken over hoe de gegevens helpen om de juiste boodschap, de juiste plaats en het juiste moment in harmonie te brengen. Dit betekent in wezen dat de gegevens worden gebruikt om berichten te personaliseren over kanalen, apparaten, locaties, enz.

Campagnes kunnen vervolgens worden geoptimaliseerd door te begrijpen wie zich met het merk heeft beziggehouden op welke apparaten en kanalen en hoe recent die interacties waren en waar. Hierdoor wordt duidelijk welke prospects en klanten de kans krijgen om te converteren en of ze gericht moeten worden geconverteerd, misschien om een bericht dat op een desktop wordt afgeleverd via een mobiele telefoon om te zetten in een bericht waar een consument mogelijk beter in staat is om te converteren.

personalisatie

Leer

Effectieve datastrategieën houden nooit op, dus er moet een constante stroom van nieuwe inzichten komen in het 360-gradenoverzicht van elke klant. Prospectinformatie in een CDP moet daarom altijd actueel zijn, zoals de vraag of er een aankoop is gedaan, wat het gekochte product en de gekochte dienst was, op welke locatie (als het in de winkel ligt) en voor welke waarde.

Dit kan vervolgens leiden tot een verandering in welk klantsegment die prospect of klant nu het beste past, waardoor ze misschien verschuiven van een prospect naar een persoon die over een jaar een upgrade overweegt. Kritisch genoeg kan deze data-footprint ook informatie opleveren over hoe bestaande klanten het beste kunnen worden benaderd om churn te voorkomen, waarbij in essentie de media worden getransformeerd tot CRM.

Elke engagement dat wordt waargenomen voor een bepaalde boodschap kan worden gebruikt om succes toe te schrijven aan die campagne, zodat marketeers kunnen vaststellen welke tactiek het beste werkt met de verschillende klantsegmenten. Met deze structuur wordt het heel eenvoudig om experimenten uit te voeren en “controle”- versus ” exposed”-groepen te testen om te beoordelen waar echte incrementele inkomsten worden gecreëerd.

Dit helpt enorm bij de toekomstige optimalisatie, waardoor merken kunnen vaststellen via welk medium en op welk apparaat elk segment zich bezighoudt met zijn inhoud. Elk type klant kan geïnteresseerd zijn in specifieke content, en daarmee wordt duidelijk waar de toekomstige campagnes zich op moeten richten en hoe een dynamische berichtgeving kan worden opgebouwd die aansluit bij de media.

In combinatie met multi-touch attributiemodellering kunnen rijke inzichten worden gegenereerd die een merk in staat stellen om marketingactiviteiten te plannen met een hoge mate van vertrouwen in de ROI die zal worden gegenereerd.

Samengevat

Samengevat kunnen gegevensgestuurde strategieën transformatieve resultaten opleveren voor merken door de middelen te finetunen die worden ingezet om klanten te werven, te behouden of terug te winnen. Wanneer de juiste gegevens worden vastgelegd, verbeterd en “activeringsklaar” zijn, wordt zowel de effectiviteit als de efficiëntie van de activiteit verbeterd.

Kritisch genoeg maken de juiste processen, systemen en governance het mogelijk dat ontwikkelde merken dit model gebruiken voor het leveren van een zinvolle klantervaring, niet alleen op het gebied van reclame, maar ook op het gebied van loyaliteit, zowel ter plaatse als in de winkel.

Bron: Econsultancy
https://econsultancy.com/seven-steps-to-an-effective-data-strategy-and-a-virtuous-circle-of-insight/