Hoe meer resultaat te halen met minder marketing budget?

Inhoudsopgave

1. Probleem
2. Marktbewerking
3. Oplossing Klantgerichte benadering
4. CRM alleen geen oplossing
5. Kennis over de klant
6. Kennis en klantwaarde
7. Case: toepassing analytische CRM – kennismanagement
8. Klantgroepen
9. Eerste evaluatie
10. Oplossing: Klantgroepen op basis van winstbijdrage
11. Tweede evaluatie
12. Klantpotentie
13. Tenslotte

1. Probleem

Elk jaar opnieuw worden marketing budgetten vastgesteld. En ieder jaar opnieuw worden de budgetten verhoogd. Maar waar is die verhoging dan wel op gebaseerd? Meestal op gebrekkige informatie, want het is moeilijk om de eigen klanten, laat staan de bewegingen in het eigen klantenbestand, goed in kaart te brengen. Dus bij tegenvallende resultaten wordt al snel besloten tot extra acties. Dat kost extra geld, maar levert geen extra rendement.
Tijdens plannings- en budgetteringsrondes wordt door bedrijven invulling gegeven aan de marketingplannen. Er worden meer marketingacties ingepland dan in het vorige budgetjaar. Daarnaast worden er voorspellingen gegenereerd voor grootheden als respons en omzet. Vaak ontbreekt een goede samenhang tussen de marketingacties. Na goedkeuring gaat men aan de slag.
Menig bedrijf benadert zijn markt vanuit het aanbod namelijk het assortiment. Er worden bijvoorbeeld mailingen gemaakt met als extra trigger een sales promotie zoals sweepstake of nuttig cadeau. Oh ja, er moeten dan ook nog adressen komen waar de actie dan uiteindelijk op moet gaan scoren.

Toch ziet menig bedrijf herhaaldelijk de respons en opbrengst van hun acties lager uitvallen dan verwacht. En dat gaat dan weer ten koste van het bedrijfsresultaat. En zoals eerder gezegd, om tegenvallende resultaten op te vangen worden er al heel snel extra acties ingepland. De marketingkosten nemen alleen maar toe en het resultaat wordt er niet beter op! Erger soms, er wordt zwaar bezuinigd op marketing omdat men nu bewezen ziet dat marketing echt een kostenpost is en niets oplevert. Ook door zo’n ingreep wordt het resultaat er niet beter op!

Herkent u de bovenstaande situatie ook? In dit artikel wordt dieper ingegaan op deze probleemstelling. Waar liggen de kansen om de probleemstelling op te lossen. Uiteindelijk kunt u meer resultaat halen met minder marketing budget.

2. Marktbewerking

Marktbewerking vanuit een aanbod, een assortiment en sales promotie is absoluut onvoldoende. In zo'n situatie wordt er vaak alleen maar gestuurd op respons- en opbrengstcijfers. Maar wordt de markt wel daadwerkelijk bewerkt? Hoe ziet die markt er dan uit? Zijn het niet de klanten die de markt vormen? Welke klanten heeft het bedrijf, hoe zien ze eruit en hoe worden ze aangesproken? Veel bedrijven kennen de antwoorden op deze vragen niet! De ontbrekende samenhang in de marketingacties wordt door de klant gevormd. De klant wordt dus onderbelicht. Daarom is de gekozen vorm van marktbewerking nog steeds te vergelijken met het schieten op een mug in het donker. Het is dus geldverslindend en weinig doeltreffend.

3. Oplossing Klantgerichte benadering

Als oplossing voor bovenstaande constateringen wordt er gekozen voor een kanteling. Steeds meer wordt er vanuit de klant geredeneerd. De klant komt op een centrale plaats te staan in de organisatie. Customer-intimacy! Daarom is er de laatste jaren veel geïnvesteerd in middelen en software die menig bedrijf in staat stellen om te werken volgens de Customer Relationship Management principes.

4. CRM alleen geen oplossing

Met een CRM-toepassing komen we er dus wel. Ja, CRM is in dit proces een echt toverbegrip. Hier wordt geen uitspraak gedaan over de mogelijkheden van allerlei CRM-applicaties of toepassingen die er in de wereld te koop zijn. Het gaat in feite alleen over het managen van klanten. En toch constateren veel organisaties dat het ook na de introductie van CRM niet goed gaat met de marktbewerking. Daarvoor zijn er wel een aantal redenen aan te voeren. De allerbelangrijkste reden is namelijk dat het totale CRM-proces nu eenmaal niet zonder kennis over en kennis van de klant kan bestaan. Een CRM-toepassing staat niet zondermeer garant voor deze kennis.

5. Kennis over de klant

Er zijn vele voorbeelden van kennis toepassing ver voordat het begrip CRM zijn intrede deed. Denk in dit geval aan de postorderbedrijven die separate marketingdatabases construeerden en die daar nog steeds gebruik van maken.

Het succes van analytische CRM, of zullen we het maar weer gewoon databasemarketing noemen, staat of valt met de kwaliteit van bestanden met daarin gegevens van klanten. Maar deze gegevens moeten bedrijven iets leren over de klanten. Gegevens van klanten moeten dus worden getransformeerd tot informatie over, dus kennis over klanten.

De navolgende klantgegevens kunnen worden onderscheiden:

• Socio-demografische gegevens (Naam, adres, postcode, woonplaats, etc)
• Huishoudgegevens (samenstelling huishouden, etc)
• Transactiegegevens (besteldatum, bestelde artikelen, besteld bedrag, retourartikelen, retourbedrag)
• Communicatiegegevens (wie, wanneer, met welk kanaal, welke actie benadert)
• Actiegegevens (responsdatum op actie)

Bij het transformeren van gegevens tot informatie over klanten zijn statistische analyses belangrijke basisvaardigheden. Door middel van statistische analyses kunnen er klantprofielen worden opgesteld, die helpen om verschillende groepen klanten van elkaar te onderscheiden.

6. Kennis en Klantwaarde

Klantwaarde speelt een sleutelrol. Klanten moeten zodanig worden bewerkt dat er een optimum ontstaat in klantwaarde. Dat doet u dus op basis van uw database. Door de juiste kennistoepassing houdt uw klant toch het gevoel dat ze een individuele behandeling krijgen. Deze vorm van one-to-one marketing, klantgerichte marketing, customer-intimacy, gaat vooral op basis van informatie. Kennis over en van de klantwaarde stuurt de relatie tussen klant en bedrijf.

7. Case: toepassing analytische CRM - kennismanagement

Een voorbeeld. Een gespecialiseerd postorderbedrijf bewerkt de markt met een catalogus. Deze catalogus wordt 4 keer per jaar geheel herzien. Niet alleen wordt een deel van het assortiment vervangen maar er vindt ook voortdurende restyling plaats. Elke mailing kost € 2,50. In de database zitten 250.000 klanten. Op basis van het aantal orders dat in de laatste 12 maanden is geplaatst en het moment van de laatste order worden klantgroepen samengesteld. Dus de klanten zijn alleen op basis van orderhistorie bekend. Meer informatie wordt niet gebruikt.

8. Klantgroepen

In onderstaande tabel zien we de verdeling van de klanten over de verschillende klantgroepen. De eerste 3 groepen worden als beste gekwalificeerd en zijn 'vol' gemaild. De overige groepen krijgen minder mailingen.

	Aantal	netto	verkoop	marketing	totale		bijdrage	roi
Klantgroep	klanten	omzet	kosten	kosten	kosten	bijdrage	per klant	marketing
>2orders, laatste <3 mnd	10000	2600000	1742000	100000	1842000	758000	75,8	7,58
>2orders, laatste >3 mnd	25000	3750000	2512500	250000	2762500	987500	39,5	3,95
>1orders, laatste <3 mnd	20000	2700000	1809000	200000	2009000	691000	34,6	3,46
>1orders, laatste >3 mnd	35000	4025000	2696750	340000	3036750	988250	28,2	2,91
=1orders, laatste <3 mnd	5000	250000	167500	25000	192500	57500	11,5	2,30
=1orders, laatste 3-6 mnd	45000	1110000	743700	385000	1128700	-18700	-0,4	-0,05
=1orders, laatste >6 mnd	110000	370000	247900	700000	947900	-577900	-5,3	-0,83
Totaal	250000	14805000	9919350	2000000	11919350	2885650	11,5	1,44

9. Eerste evaluatie

Aan het einde van het campagnejaar wordt de balans opgemaakt. De winstbijdrage wordt bepaald. Gemiddeld over de database wordt een winstbijdrage per klant van € 11,50 gerealiseerd. Maar als we bovenstaande tabel bestuderen, dan blijken er toch 155.000 klanten te zijn waarop verlies is geleden. Van deze verliesgevende groepen is de netto omzet te laag maar veel belangrijker en meer stuurbaar vanuit het postorderbedrijf: "er is te veel marketing geld in deze klanten gepompt".

Nu hebben de meeste organisaties wel een oplossing voor verliesgevende groepen. De niet actieve klanten worden met een goedkopere mailing bestookt in de hoop dat dit nog iets oplevert. Het resultaat van een dergelijke actie leidt mogelijk wel tot meer actieve klanten, maar het totaal resultaat blijft negatief. Men is er totaal niets mee opgeschoten. Het budget is vergroot maar het resultaat duidelijk niet.

10. Oplossing: Klantgroepen op basis van winstbijdrage

De oplossing zit in het definiëren van klantgroepen op basis van de bijdrage die men reeds heeft geleverd. Om de bijdrage te kunnen berekenen moet men in de database ook alle kosten die aan klanten kunnen worden toegerekend opnemen. Dat gebeurt op dit moment nog vrijwel nergens.
In onderstaande tabel is het klantenbestand ingedeeld op basis van de berekende bijdrage (aan het begin van het campagnejaar).

	Aantal	netto	verkoop	marketing	totale		bijdrage	roi
Klantgroep	klanten	omzet	kosten	kosten	kosten	bijdrage	per klant	marketing
bijdrage >100	9500	5512451	3693342	95000	3788342	1724109	181,5	18,15
bijdrage >50 en <100	25000	4631073	3102819	250000	3352819	1278254	51,1	5,11
bijdrage >25 en <50	33500	2514675	1684832	292500	1977332	537343	16,0	1,84
bijdrage >0 en <25	42000	1257000	842190	399000	1241190	15810	0,4	0,04
bijdrage <=0	140000	889801	596167	963500	1559667	-669866	-4,8	-0,70
Totaal	250000	14805000	9919350	2000000	11919350	2885650	11,5	1,44

11. Tweede evaluatie

Bijna 14% van de klanten (de twee beste klantgroepen) realiseren een bijdrage aan de winst van 3 miljoen euro. De alom bekende 80-20 regel gaat hier meer dan op! Helaas zien we ook een negatieve zijde. Aan het begin van het campagnejaar zijn er ook 140.000 klanten die alleen maar verlies hebben opgeleverd. Ook deze groep wordt in de campagne gemaild. Hoewel de bemailing op deze groep niet 100% is, levert dat ook alleen maar verlies op. Natuurlijk wordt er op deze groep omzet gescoord en zijn er een aantal actieve klanten geworven, maar toch drukt hier een onevenredig grote schuld op.

Had het mailen op verlieslatende klantgroepen kunnen worden voorkomen? Ja. Dat kan indien men gebruik maakt van kennis over de klant. Dat vereist allereerst een goede gegevensbron: de marketingdatabase. Daarnaast kunnen met statistische technieken, datamining, allerlei kenmerken worden bepaald die voorspellend zijn voor de potentie van klanten. De klantkennis wordt dan daadwerkelijk gebruikt.

Houdt het in eerste instantie gewoon eens simpel. De klantindeling in tabel 1 op basis van recency en frequency vergelijken we met de klantindeling van tabel 2 op basis van winstbijdrage. De cijfers staan in onderstaande tabel.

	bijdrage >100	bijdrage >50 en <100	bijdrage >25 en <50	bijdrage >0 en <25	bijdrage <=0	Totaal
>2orders, laatste <3 mnd	5500	2500	1000	800	200	10000
>2orders, laatste >3 mnd	1750	7500	4500	9350	1900	25000
>1orders, laatste <3 mnd	750	3000	6500	4850	4900	20000
>1orders, laatste >3 mnd	1150	6500	7850	7000	12500	35000
=1orders, laatste <3 mnd	250	600	1250	2400	500	5000
=1orders, laatste 3-6 mnd	75	2625	7200	5100	30000	45000
=1orders, laatste >6 mnd	25	2275	5200	12500	90000	110000
Totaal	9500	25000	33500	42000	140000	250000

 12. Klantpotentie

Het is nu zaak om de winstgevende en verlieslatende klanten vroegtijdig te onderkennen. We vinden de oplossing door toepassing van analytische CRM, namelijk door het bouwen van een potentiemodel. Dit potentiemodel is een voorspelmodel. Op basis van klantgegevens tot een bepaald moment in casu het feitelijke beslismoment zeg 1 januari 2003, wordt de winstbijdrage potentie voorspeld. Er ontstaan dan potentiegroepen.

Potentie

bijdrage >100

bijdrage >50 en <100

bijdrage >25 en <50

bijdrage >0 en <25

bijdrage <=0

 

						Totaal
bijdrage >100	7100	1150	550	450	250	9500
bijdrage >50 en <100	2825	16500	3750	1500	425	25000
bijdrage >25 en <50	2175	5900	17025	7550	850	33500
bijdrage >0 en <25	800	2375	4550	21875	12400	42000
bijdrage <=0	275	1725	8550	30450	99000	140000
Totaal	13175	27650	34425	61825	112925	250000

In de rijen staan de werkelijke aantallen klanten met een gerealiseerde bijdrage. In de kolommen staan de aantallen waarbij de verwachting is dat ze een bijdragepotentie hebben. Feitelijk voldoen 7.100 van de 9.500 top-klanten ook in potentie tot die groep. 2.400 klanten hebben een lagere potentie. Dit betekent dat er meer gedifferentieerd moet worden in het mailaanbod. Deze slechtere groepen kunnen qua potentie de huidige marketinginspanning niet verdragen. Te veel leidt onherroepelijk tot verlies. En dat willen we toch niet?

Aan de andere kant liggen er ook kansen. In eerste instantie hebben we op basis van gerealiseerde winstbijdrage gezien dat er 140.000 klanten zijn die verlies opleveren. Nu door toepassing van het potentie-principe komen we tot de conclusie dat 90.000 klanten echt de allerslechtste groep vormen. Niet meer mailen dus met het huidige dure mailpiece. Wellicht dat een goedkopere reactiveringsmailing nog mogelijkheden biedt. Maar bedenk dat dit wellicht een verliesgevende actie is met als enige doel het opnieuw genereren van actieve klanten. Beschouw dat proces dan als werving.

13. Tenslotte

Samengevat biedt de toepassing van analytische CRM, al is het zeer eenvoudig van aard, goede mogelijkheden om meer resultaat te halen met minder marketing budget. De volgende mogelijkheden kunnen worden onderscheiden:

• Pas gedifferentieerd mailen toe, minder bij goede groepen met een slechte potentie en heralloceer dit budget door meer te mailen bij slechtere groepen met goede potentie.
• Potentie modellen geven vooraf perfect inzicht in hoeveel marketing inspanning bepaalde groepen kunnen verdragen. De zogenaamde what-if berekeningen kunnen eenvoudig worden gemaakt.
• De analyse resultaten zijn simpel en eenvoudig te doorgronden.
• Durf afscheid te nemen van verliesgevende klanten waarvan uit analyses blijkt dat het nooit meer iets wordt. Durf dan ook deze adressen te verhuren. Ze leveren dan nog en netto bijdrage op aan het bedrijfsresultaat door verhuur.

Dit artikel downloaden

In de rubriek
 ' Analytische CRM ' 
vindt u meer artikelen over dit onderwerp.