Zo verdien ik geld met mijn database!

Inhoudsopgave

Probleemstelling
Klantkennis noodzakelijk
Marketingdatabase
Kosten efficiënte marktbewerking
Hoe kennis vergaren?
Bouw Marketingdatabase
Fasen in kennisontwikkeling
Tenslotte

1. Probleemstelling

Kent uw bedrijf het gedrag van al uw klanten? Waarschijnlijk niet! En dat terwijl er fors in die klanten wordt geïnvesteerd. Immers de marketingafdeling stuurt aan uw klanten veel actiegerichte mailings. Het gevolg is een torenhoge non-respons. De bijdrage in de winst is niet optimaal.

Uw bedrijf kan bovenstaand probleem oplossen door meer te investeren in het vergaren van kennis over de klant. Want met deze kennis kunt u marketing processen gerichter aansturen. Belangrijk hulpmiddel bij het vergaren van kennis over de klant is een marketing database.

2. Klantkennis noodzakelijk

Kennis over de klant en zijn of haar (klant)gedrag is het basisprincipe om geld te verdienen met de marketing database. Door gebruik te maken van klantkennis en het anticiperen op veranderend klantgedrag kunnen klantgerichte acties worden ontwikkeld waarbij de klantwaarde een prominente rol speelt. De effecten zijn dan weldra zichtbaar:

Hogere respons
Lagere non-respons
Meer omzet per klant
Minder retouren
Minder wanbetaling / kredietrisico
Hogere bijdrage in de winst.
Zo verdien je geld met de database.

3. Marketingdatabase

De marketingdatabase is een essentiële schakel in uw bedrijf. De marketing database wordt gebruikt om informatie vast te leggen over het gedrag van uw klanten, maar ook om informatie of klantkennis te ontwikkelen.

Klanten kunnen door middel van een veelheid aan kanalen uw bedrijf benaderen. Zonder dieper in te gaan op deze kanalen noemen we er een aantal:

Mail
Telefonisch contact, zowel inbound als outbound
E-Commerce
E-mail
Direct Respons TV

Het zal een open deur zijn, maar ook u gebruikt diezelfde kanalen om met uw klanten te communiceren. De gebruikte kanalen worden alle in de database opgenomen en kunnen later een rol gaan spelen bij het opstellen van klanttypologieën.

4. Kosten efficiënte marktbewerking

Natuurlijk wil uw bedrijf kostenefficiënt omgaan met klanten. Veel omzet vergaren tegen een geringe marketinginspanning. Maar dat is nog niet voor elk bedrijf weggelegd. Er worden vele pogingen gewaagd om dit doel te bereiken. Meestal ontbreekt de noodzakelijk kennis over de klant en zijn gedrag. Slechts weinig klanten zijn verantwoordelijk voor een groot deel van de omzet en dus de bedrijfswinst. Een groot deel van het klantenbestand levert maar een beetje op, terwijl een substantieel deel van het klantenbestand zelfs verlies oplevert.

In de marktbenadering maken veel homeshoppingbedrijven gebruik van direct mail. Grote aantallen mail worden naar adressen verzonden die worden aangemerkt als klant. Zonder opmerkelijke kennis blijkt deze strategie van klantbenadering niets meer dan schieten met hagel op een mug in het donker. De respons op acties, en daar wordt meestal over gesproken, blijft echter laag, te laag. De non-respons op die acties, en daar hoor je vrijwel niemand over, is torenhoog. Zonder klantkennis is het vrijwel onmogelijk om deze spiraal te doorbreken. Zie ook Hoe meer resultaat te halen met minder marketingbudget?.

5. Hoe kennis vergaren?

Kennis vergaren over de klanten gaat vaak zeer moeizaam op de bestaande operationele database. Deze operationele databases zijn vaak maatwerkproducten die wel een aantal standaardrapportages kunnen produceren maar die verder geen analyse mogelijkheden bevatten. Ook de gebruikte transactiegerichte opslagmethoden stelt ons niet in staat om te spreken van klantniveau, maar eerder van orderniveau.

Een aantal jaren geleden heeft een van onze opdrachtgevers dan ook besloten om een marketing database te bouwen.
Diverse leveranciers zijn langs geweest om hun database systemen aan te prijzen. Grote namen als SAP, Oracle en Siebel hebben de mogelijkheden van hun systemen gepresenteerd. Het eindresultaat was nogal ontluisterend. De aanschaf van een marketing database binnen een CRM-georiënteerde omgeving vergde zeer grote investeringen. Daarbovenop bleek dat praktijkcases nog weinig profijtelijk bleken.

Uiteindelijk heeft dit bedrijf het over een andere boeg gegooid en een ander concept geïmplementeerd, eenvoudig maar uiterst doeltreffend en in de praktijk bewezen. Daarbij zijn de kosten van het concept gering, zeker als je het afzet ten opzichte van de eerder genoemde leveranciers. Het concept wordt als volgt toegepast:

bespreken en inventariseren alle ins en outs van een marketing database, zodat het juiste begrip ontstaat ten aanzien van een marketing database
toepassen van bestaande statistische standaardsoftware (geen maatwerk dus)
aan de slag met de onderstaande filosofie/aanpak

6. Bouw Marketingdatabase

Onderstaand vindt u een bewezen werkwijze om een marketingdatabase te bouwen.

Een vast principe is dat er elke maand een dump (technisch spreken we van een download) moet worden gemaakt uit uw operationele database. Het is niet noodzakelijk dat er voor analyse doeleinden gebruik wordt gemaakt van de meest actuele gegevens. Uiteindelijk worden de analyseresultaten benut op de operationele database van uw bedrijf en daarmee zijn alle gegevens weer bij de tijd.

Vanuit de dump worden er vier tabellen aangemaakt waar verder mee wordt gewerkt. Deze tabellen hebben betrekking op:

Klantgegevens (Socio-demografische gegevens: naam, adres, postcode, woonplaats, samenstelling huishouden, etc)
Aankoopgegevens (responsdatum op actie, besteldatum, bestelde artikelen, besteld bedrag, retourartikelen, retourbedrag, etc.)
Betaalgegevens (betaald bedrag, betaaldatum, betaalachterstanden, etc.)
Communicatiegegevens (wie, wanneer, met welk kanaal, welke actie benaderd)

Op basis van de gegevens in de diverse tabellen wordt de marketing database gebaseerd. Alle gegevens op klant(nummer)niveau worden geconsolideerd. Populair gezegd: het platslaan van de operationele database. In feite heeft u hiermee een ruwe marketing database gecreëerd.

De volgende stap is het ordenen van de ruwe gegevens in een aantal tabellen. Onderscheid allereerst de klantentabel. Hierin moeten alle socio-demografische gegevens, zoals geslacht, geboortedatum, postcode woonplaats, en huisnummer staan. Tevens moeten de kanalen die gebruikt worden en een aantal geaggregeerde gegevens zoals onder andere de laatste orderdatum, aantal orders, totaal besteld bedrag, betaalstatus mee worden genomen.

Verder moeten de promotiebestanden aangemaakt worden.
Een promotiebestand wordt per kalenderjaar opgebouwd uit alle aan de klantgerichte acties (mailingen, telemarketingacties etc.) en de klantreactie hierop (respons, responsdatum, besteld bedrag, retourbedrag).
Na de aanmaak van de promotiebestanden moeten de calculatiebestanden worden gegenereerd. Hierin worden de afgeleide grootheden geplaatst. Deze afgeleide grootheden worden gerelateerd aan het betreffende kalenderjaar zoals het aantal mailingen die aan een klant zijn gericht sinds de laatste bestelling of het in de klant geïnvesteerde reclame budget sinds de laatste bestelling.

7. Fasen in kennisontwikkeling

De marketing database geeft marketeers een instrument in handen om kennis over de klant te vergaren. Er zijn een aantal fasen te onderkennen in het proces van kennisontwikkeling over de klant. Het proces om deze kennis te vergaren is vrij nauwgezet te beschrijven. Het bestaat uit de volgende 7 stappen.

7.1 Doelstellingen

Belangrijk startpunt is dat het management doelstellingen formuleert. Deze doelstellingen dienen uiteraard meetbaar te zijn. Bijvoorbeeld de doelstelling dat er binnen een bepaalde tijdperiode 10% meer bestellers moet worden geactiveerd of dat er binnen 2 kalenderjaren bottom-line 25% meer netto winst moet worden gerealiseerd. Deze meetbare doelstellingen dienen verder te worden geconcretiseerd in de vorm van uitvoerbare plannen binnen de context van de database.

7.2 Beschikbare Gegevens

In deze stap moet worden onderzocht welke gegevens in de database beschikbaar zijn in relatie tot de geconcretiseerde doelstelling. Wat is de kwaliteit van deze gegevens? Is er een data-schoningsoperatie noodzakelijk en hoe moet deze worden uitgevoerd? Ontbreken er gegevens? Op basis van antwoorden op deze vragen kan een uitvoerbaar plan om deze lacune op te vullen worden opgesteld. Ontbrekende gegevens kunnen mogelijk uit de database worden gedestilleerd, anders moeten ze op een andere manier worden verzameld, bijvoorbeeld uit externe bronnen. Verrijking van klantgegevens kost altijd geld. Vraag hierbij is of de noodzakelijke budgetten beschikbaar zijn?

7.3 Analyse techniek

Uitgaande van de geconcretiseerde doelstelling uit stap 1 en de beschikbare gegevens dient een keuze te worden gemaakt omtrent de te gebruiken analysetool c.q. de analysetechniek(en). Van belang is ook de strategie die wordt voorgesteld om de doelstelling te realiseren. Hoewel deze fase essentieel is, leidt dit niet tot een investering want de uitkomsten van de fasen 1 en 2 bepalen al welke technieken bruikbaar zijn.

U wilt de meest optimale selectie op basis van de hoogste respons? De doelvariabele is dan respons en/of non-respons (discreet, antwoorden 1=ja, 0=nee). Belangrijk is dat ook om de non-respons in de analyses te betrekken. In dat geval dienen er scoremodellen te worden geconstrueerd en dan is men aangewezen op (logistische) regressietechnieken.
U wilt de meest optimale selectie op basis van verwachte opbrengst of winstbijdrage? De doelvariabele opbrengst of winst is een continue variabele. De optimale selectie wordt bereikt door het klantenbestand te classificeren. De segmenten moeten hiervoor worden ingedeeld op basis van gerealiseerde opbrengstcijfers, maar er kan ook gebruik worden gemaakt van voorspellende modellen. De verwachte opbrengst wordt met behulp van een regressiemodel, gemaakt op basis van de gegevens in de database, geprognosticeerd.

7.4 Het creatieve dataproces

De doelstelling van creatieve analyse is het zoeken naar ingangen voor het opbouwen van klantenpiramides. Om deze doelstelling te realiseren is zowel kennis van analyse technieken als marketingkennis noodzakelijk. Onder ingangen wordt verstaan het onderkennen van doelgroepen, die op basis van bepaalde kenmerken de potentie hebben in een bepaalde richting.

De volgende kenmerken komen bijvoorbeeld in aanmerking:

creatie van nieuwe variabelen uit reeds bestaande gegevens
classificatie van bijvoorbeeld donatie of omzetgegevens
segmentatie op basis van nieuwe definities
profilering van segmenten
berekenen van de bijdrage op relatieniveau

De opgebouwde klantpiramides zijn een indicatie van de potentie van de huidige klanten van uw organisatie.

In deze fase worden de relevante data verzameld en geselecteerd. Pas daarna worden de data zodanig getransformeerd dat ze geschikt zijn voor de gekozen analyse instrument(en). In deze fase worden niet alleen harde, dus echt meetbare data gebruikt. Ook zachte gegevens, die in eerste instantie minder of bijna niet-meetbaar zijn, worden zodanig getransformeerd dat ze meetbaar geworden zijn. Als voorbeeld kan de indringendheid van een bepaalde groep salespromoties (sweepstakes) worden genomen waarop een groep klanten in het verleden ooit op heeft gereageerd.
Er worden veel platte tellingen en kruistabellen gehanteerd. Dit zijn instrumenten uit de beschrijvende statistiek. Op basis van de uitkomsten worden enerzijds ontbrekende waarnemingen ingeschat waardoor geen verlies aan gegevens of anderzijds vreemde waarnemingen (outliers) worden onderkend.
In deze stap kunnen dus nieuwe gegevens worden aangemaakt. Continue gegevens zoals omzetten of leeftijden kunnen worden gehercodeerd in klassenvariabelen. Allerlei dummy's worden geïntroduceerd (dit zijn de bekende ja/nee gegevens).

De resultaten uit deze fase zijn eventueel basis voor een bestandsverrijking met behulp van externe data en het rationele dataproces. Indien blijkt dat met name welstand een belangrijk criterium is voor de potentie van een relatie, dan kan deze informatie door middel van aankoop bij een externe leverancier worden toegevoegd aan de database. Deze verrijking kan ook van belang zijn voor de verspreiding van huis aan huis magazines.

Deze uiterst belangrijke fase in het totale proces kan en mag nimmer worden overgeslagen. Het feitelijke fundament wordt in deze stap gelegd.

7.5 Het rationele dataproces

De primaire doelstelling in deze fase is het in kaart brengen van de voorspellende factoren. Een secundaire doelstelling is het bouwen van de voorspellende modellen waarmee op elk moment een voorspelling op klantniveau kan worden gemaakt. Hier worden dus profielen c.q. statistische modellen geconstrueerd en gevalideerd die bijdragen aan de oplossing van de gestelde doelen. De specialistische statistische en econometrische technieken worden hierbij toegepast. De oplossingen leveren geldige uitspraken op.
Belangrijk in deze fase is ook dat er zogenaamde robuuste modellen worden gebouwd. Dit zijn modellen die binnen een zekere tijdsperiode toepasbaar zijn. U hoeft dus bijvoorbeeld niet steeds opnieuw een respons scoremodel te ontwikkelen voor elke nieuwe actie.
De verkregen ingangen bij het creatieve analyse proces worden in deze fase verder uitgediept. Door deze bewerkingen worden een aantal kenmerken verkregen. Deze kenmerken bestaan uit twee hoofdgroepen

kenmerken die sturing geven aan acties
meetpunten

Een voorbeeld van actie sturende kenmerken is een mailcode of een belcode. Uw bedrijf moet op grond van historische eigenschappen (bijvoorbeeld bestelgedrag) van uw klanten bepalen, of ze een bepaalde mailing moeten ontvangen of dat ze gebeld moeten worden. Eigenlijk zijn deze kenmerken de basis voor communicatie met een relatie of gestructureerde communicatieprogramma’s met doelgroepen.

Voorbeelden met betrekking tot meetpunten worden gevisualiseerd in de onderstaande opsomming:

bijdrage
retention rate
return on investment
life time value
potentie
migratie

7.6 Toepassingsfase

Deze fase is het gevolg van voorgaande fasen en vergt nauwelijks of geen extra investering. De gevonden oplossing die alle validiteittoetsen kan doorstaan wordt toegepast in uw praktijk. Er worden marketingactiviteiten ontwikkeld op basis van het instrument dat in de voorgaande twee stappen is ontwikkeld. De verkregen klantkennis wordt gebruikt. De ontwikkelde tool en de marketingactiviteiten gaan uw commerciële doelstellingen realiseren tegen een maximaal vooraf bepaalde financiële inspanning.

7.7 Evaluatie

Tenslotte de evaluatiefase. Een noodzakelijke fase, die weinig tijd en investering vergt. Op basis van de opgeleverde tool wordt snel inzicht verkregen in de resultaten. Werkt de geconstrueerde oplossing nu echt wel in de praktijk? Is de doelstelling gerealiseerd? Levert de oplossing de gewenst informatie? Wordt er daadwerkelijk bruikbare kennis over de klant vergaard? Het resultaat van deze fase geeft mogelijk aanleiding om uw doelstelling uit fase 1 aan te scherpen of te herformuleren. Dat is dan het startpunt voor een volgende complete cyclus.

8. Tenslotte

Kort samengevat verdient u geld met uw database door steeds opnieuw te werken met en aan de database. Kennis vergaren over uw klanten is een dynamisch proces. Acties genereren met uw database houdt in dat u diverse cyclische processen in gaat. U maakt uw doelstellingen meetbaar. U vergaart kennis uit uw database over uw klanten. U voert de acties uit en evalueert de resultaten om steeds opnieuw kansen te creëren.

En nu??
Start met het operationaliseren van uw doelstelling!
Verdien dan geld met uw database.

Dit artikel downloaden

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