Efficiënter bereik door meer inzicht in klanten

Iedere klant is uniek en vraagt om een andere benadering. Inzicht in de klantbehoeften kan hier een bijdrage aan leveren, want het helpt bij het personaliseren van uitingen. Maar het aanpassen van uw benadering aan de behoeften van elke individuele klant is niet altijd haalbaar. Om toch relevant en doelgericht te kunnen communiceren is het opdelen van klanten in klantsegmenten de oplossing. Middels de juiste segmentatie is het zelfs mogelijk om de best passende medewerker te koppelen aan één specifieke klant, waardoor processen nog meer gestroomlijnd worden en de klant beter geholpen kan worden. Dit geldt ook voor Zelfstroom; verkoper en verhuurder van zonnepanelen.

In deze case licht Zelfstroom toe hoe men processen heeft geoptimaliseerd middels klantsegmentatie en lead matching. Zij vertellen hoe de 14 GeoTypen zijn bepaald en ingezet en hoe het lead matching systeem is geïmplementeerd.

Meer inzicht in klantdata en het realiseren van lead matching

Zelfstroom wil meer inzicht halen uit de aanwezige klantdata, klantgroepen efficiënt bereiken en lead matching kunnen toepassen:

Christ Coolen, Manager eCommerce bij Zelfstroom:
“We hebben informatie nodig om een goed profiel te maken van onze leads en klanten. Zo kunnen we hele specifieke uitingen maken per klantsegment. Bovendien geeft ons dit houvast in het aankoopproces, omdat we onze medewerkers kunnen koppelen aan leads waar zij het beste bij passen”.

De vraagstelling van het bedrijf is tweeledig:

1. Hoe verkrijgen we meer inzicht in de aanwezige klantdata, welke doelgroepen kunnen we definiëren en hoe kunnen deze groepen zo efficiënt mogelijk worden bereikt?
2. Hoe realiseren we lead matching en hoe koppelen we de juiste lead aan de best passende medewerker?

Op basis van de vraagstelling en de wensen van Zelfstroom is gekozen om te starten met het in kaart brengen van de best passende klantsegmenten en daarna de ideeën en mogelijkheden voor lead matching te verkennen.

Klantsegmentatie

Stap 1
Criteria en kenmerken

Gezamenlijk is er een inventarisatie gemaakt van de criteria waar ‘geschikte daken voor zonnepanelen’ aan voldoen. In de landelijk dekkende segmentatie database is gekeken welke adressen hier mogelijk bij aansluiten en welke overeenkomende kenmerken zij dragen met betrekking tot de woning. Het volgende is (onder andere) naar voren gekomen:

• Hoogte WOZ-waarde
• Geen beschermd stadsgezicht
• Geen monument
• Aantal mogelijke zonnepanelen
• Specifiek woningtype
• Dak-geschiktheid

Christ Coolen: “We hadden een samenwerking met een andere partij die niet alles kon leveren wat wij nodig hadden. Omdat GeoMarktprofiel de grootste database beschikbaar had, zijn we overgestapt.

Stap 2
Versturen van de uitingen

Op basis van de inzichten en de overeenkomende woningkenmerken zijn er diverse uitingen verstuurd. Om op een later moment de respons te kunnen meten werd er nauwkeurig bijgehouden welke uiting er werd verstuurd naar welk adres. De respons per uiting is meetbaar gemaakt door te kijken naar het percentage ontvangers die gegevens hebben achtergelaten voor een belafspraak.

Stap 3
Klantsegmentatie

De responsinformatie is gebruikt voor het definiëren van klantgroepen; de klantsegmentatie. Deze klantsegmentatie is extra vormgegeven door een koppeling te maken met de 14 GeoTypen, waarbij de meest aansluitende door Zelfstroom zijn geselecteerd. De geselecteerde GeoTypen worden op een later moment ingezet in het lead matching proces.

Lead matching

Na de klantsegmentatie is er aandacht besteed aan het onderzoeken en in kaart brengen van data innovaties. Er werd een sessie georganiseerd met als doel om nieuwe ideeën te bedenken en deze te rangschikken. Het resultaat: lead matching. In de ideale situatie koppelt Zelfstroom iedere lead aan een medewerker die het beste past. Maar hoe komt deze match tot stand?

Stap 1
De correlatie tussen GeoTypen en medewerkers

Er is gekeken naar de manier waarop binnenkomende leads worden opgevolgd door callcenter medewerkers. Want het koppelen van de juiste medewerker aan een lead kan het aankoopproces aanzienlijk verbeteren. Om deze correlatie te bepalen zijn er 5.000 historische orders geanalyseerd. Hierbij is gekeken welke medewerkers bovengemiddeld scoorden op het afhandelen van leads in relatie tot het bijbehorende GeoType van die leads.

Stap 2
Het ontwikkelen van een systeem dat leads indeelt per GeoType en deze matcht met de juiste medewerker

Zelfstroom heeft een systeem ontwikkeld dat leads per GeoType indeelt. Website bezoekers die via de Zelfstroom website gegevens achterlaten worden automatisch gesegmenteerd onder het meest aansluitende GeoType en vervolgens gematcht met een medewerker die het beste past bij deze lead.

Christ Coolen: “Mijn advies aan andere organisaties die met een soortgelijk plan aan de slag willen, is dat zij zich goed realiseren dat dit idee bedenken 1 ding is, maar het ook daadwerkelijk implementeren een 2e. Het vereist namelijk wel wat interne technische aanpassingen. We hebben nu een systeem waarbij het proces volledig automatisch gaat, maar hier moet eerst een script voor gebouwd worden; aan welke criteria voldoet de lead en aan welke criteria voldoen de verkopers en welke passen bij elkaar? Je moet van tevoren heel goed uitdenken hoe een systeem in de praktijk moet werken. Wij hebben hiervoor intern mensen die hierover meedenken. Heb je die niet, dan kan GeoMarktprofiel hier goed in ondersteunen.”