4 tips om klantgedrag beter te voorspellen.

Het voorspellen van klantgedrag in de customer journey is belangrijk. Met een krachtig model kun je nieuwe klanten effectiever werven, groeipotenties beter inschatten en risico’s sneller herkennen. De crux daarin is echter niet het bouwen van het model zelf. Veel relevanter zijn de beschikbaarheid, kwaliteit en toepasbaarheid van de voorspellende (klant)data. Vooral in dit tijdperk van data overload, het bewaken van de ethische grenzen en het voldoen aan alle wettelijke regels vanuit de AVG. In dit blog geven wij 4 tips om klantgedrag beter te kunnen voorspellen. En de mogelijkheid om je aan te melden voor ons gratis webinar modelleren met segmentatie data op 13 april aanstaande.

1. Verdeel de klantreis in etappes en doelen
Het voorspellen van klantgedrag begint met een doel, dat samenhangt met de fase waarin de klant zich bevindt. Bijvoorbeeld het voorspellen van nieuwe klanten die lijken op je  huidige klanten, de zogenaamde look-a-likes. Of het voorspellen van bestaande klanten die een hoge potentie hebben om herhaalaankopen te doen. Of het voorspellen van klanten waarvoor een campagne noodzakelijk is om ze te behouden. Voor elk van deze doelen (werving, ontwikkeling, behoud) geldt dat zowel de behoefte als de beschikbaarheid van de data binnen de organisatie anders is. Door de doelen vooraf goed af te bakenen en te definiëren, kunnen effectiever de juiste datakeuzes worden gemaakt.

2. Wees zeer kritisch: kwaliteit gaat boven kwantiteit
Als doel en behoefte duidelijk zijn, is het cruciaal om de betrouwbaarheid en de toepasbaarheid van de data te beoordelen. De hoeveelheid data is tegenwoordig enorm, maar de kwaliteit is geen gegeven. Wees dus zeer kritisch over de data die je gebruikt, in relatie tot je doel. De afstemming tussen analist en marketeer is daarin zeer belangrijk. In ieder geval ten aanzien van:

• Herkomst
  Zorg dat de data aansluit bij de toepassing. Als je bijvoorbeeld klantpotentie wilt voorspellen voor een campagne via een bepaald kanaal, gebruik dan ook brondata die daar bij aansluit.
• Actualiteit
  Tijden veranderen en dus ook de product-marktcombinaties, de manier waarop je de markt bewerkt en de wijze waarop data wordt vastgelegd. En niet in de laatste plaats, klantgedrag. Maak een zo actueel mogelijke selectie van brondata om dit tijdseffect in je model te minimaliseren.
• Stabiliteit
  Data is in beweging: databronnen wijzigen continu en bij het verwerken van data kom je steeds tot nieuwe inzichten. Voor een model is het echter belangrijk om data te gebruiken die qua opbouw stabiel is, zowel historisch als in de toekomst.

3. Kijk verder dan je eigen data
Als de kwaliteit van de data op orde is, dan zou je een goede basis moeten hebben voor een krachtig model. Echter, in praktijk zien we dat die basis vaak (te) dun is, onder meer om de volgende redenen:

• Je beschikt niet over alle data van elke klant en in elke fase van de customer journey. De data van een bestaande klant is bijvoorbeeld veel rijker dan die van een nieuwe klant;
• De betrouwbaarheid van de data neemt in de loop der tijd af. Bijvoorbeeld door onbekende wijzigingen in de (persoonlijke) situatie van de klant. Of door wijzigingen in de manier waarop de data wordt opgebouwd en beschikbaar is;

• En omdat je veelal maar een beperkt klantbeeld hebt, vanuit data over jouw product of dienst en dat afhankelijk is van bijvoorbeeld de transacties en interacties met jouw klant.

Steeds meer organisaties kijken daarom naar de data buiten hun eigen domein om de klantdata aan te vullen. Er is bijvoorbeeld steeds meer landelijke (open) data beschikbaar over een adres, de woning en de omgeving ervan. Hoewel het (structureel) ontsluiten en toepassen van dergelijke data lastig kan zijn, biedt deze veel mogelijkheden om de voorspelkracht van modellen te verbeteren. Belangrijke redenen daarvoor zijn:

• De data kan worden gekoppeld aan elke klant, zowel prospect, nieuw als bestaand;
• Het betreft andere data die daarmee een rijker beeld geeft van de klant;
• De data is veelal constanter wat betreft betrouwbaarheid en uniformiteit. 

4. Doe de ‘creepy test’: mogen én willen
We zijn ons goed doordrongen van de wettelijke regels vanuit de AVG over hoe we klantdata moeten vastleggen, beheren en toepassen. Rekening houdend met de rechtmatige grondslagen, privacy rechten en verantwoordingsplichten. Maar het toepassen van data is veel meer dan het afvinken van alle regels. Het gaat niet alleen om wat mag, maar ook vooral om wat je wil. Onze branche vereniging DDMA verwoordt dat als de ‘creepy test’. Oftewel, voelt mijn marketing eng aan als ik het moet uitleggen aan de gemiddelde consument? Die vraag moet je jezelf altijd stellen wat betreft het gebruik van data. En als het dan niet goed voelt, doe het dan ook niet. In het verlengde daarvan zijn er bijvoorbeeld verschillende soorten modellen die je kunt bouwen, zoals white box en black box modellen. White box modellen zijn soms iets minder krachtig, maar wel transparanter en beter uit te leggen. Houd daar rekening mee in de keuzes die je maakt. Zowel wat betreft de data die je gebruikt als de toepassingen of implicaties voor de klant.

Er zijn vele keuzes die je moet maken om klantgedrag goed te voorspellen. In dit blog zijn 4 tips gegeven om die keuzes beter te kunnen maken. Wil je meer tips en achtergronden van onze experts, schrijf je dan direct in voor ons gratis webinar op donderdag 13 april:

Direct aanmelden

Over GeoMarktprofiel
Sinds 1985 brengen wij Nederland in kaart met onze landelijke segmentatie data. Hiermee krijgen organisaties meer inzicht in hun klanten en markten, met als doel om betere, data gedreven beslissingen te kunnen nemen. Onze data geeft een actueel en compleet beeld van de leefomgeving, woning en levensstijl van elk adres in Nederland. Door deze te combineren met jouw eigen klantdata, zorgt dit voor:

• 100% verrijking van elke klant met dezelfde (uniforme) voorspellers
• Bouwen en toepassen van modellen op elke prospect, nieuwe en bestaande klant
• Sterkere modellen voor zowel werving, ontwikkeling als behoud van klanten
• Betere inschatting van het doelgroep potentieel van marktgebieden

Onze kant-en-klare segmentatie data wordt periodiek opgebouwd op basis van actuele (open) databronnen, in combinatie met de inzichten uit onze lifestyle marktonderzoeken. U kunt onze data volledig integreren in uw eigen on- en offline omgeving, inclusief periodieke updates.