Story
Marketing
Klantbeeld

Marketing Analytics: out of the box data verzamelen

Door Jordy de Jong | 2019 M05 16

Dus jij verzamelt al basisgegevens van de klanten van je bedrijf? Lekker bezig! Dan nu verder naar wat volgende stappen: van machine learning tot realtime personalisatie. Klinkt moeilijk? Is het niet! Laten we beginnen.

Dit artikel is een vervolg op onze blog Marketing analytics: waar te beginnen?. Hierin wordt precies uitgelegd hoe je de basic informatie van klanten verzamelt: wat je door applicaties kan laten doen en wat je beter handmatig kan uitvoeren.

Zet je technische bril op

Zet je schrap, want het gaat vanaf nu een stuk technischer worden. We gaan dieper in op allemaal handige tools, maar daar is wel wat voorkennis voor nodig. Kun je wel wat extra hulp bij gebruiken? Geen probleem, je kunt altijd contact met ons opnemen.

Pak wat je hebt en maak het ingenieus

Je weet nu wat je klanten doen op je website en nu kun je een paar dingen doen om extra data te verzamelen: computers laten leren, direct contact met klanten opnemen en/of personalisatie aanbrengen. Eigenlijk allemaal onderdelen die waarschijnlijk deels in je huidige service zit. Maar nu maken we het slimmer!

1. Machine learning

Hoewel het voorwerk groot is, haal je mega veel voordeel uit Machine Learning. Hiervoor zet je het in:

  • Conversion Rate Optimization (CRO): Welke klanten hebben een hoge kans om te converteren en geautomatiseerd de juiste acties ondernemen.
  • Customer Lifetime Value (CLV): Hoeveel ga je waarschijnlijk verdienen aan een potentiële klant en geautomatiseerd passende investering doen in bijvoorbeeld retargeting.
  • Product Management: de Google Vision API kijkt naar de kleuren van je producten en kan zo gelijksoortige producten herkennen.
  • Sentiment: een toon in tekst herkennen is een uitdaging, maar Google Natural Language Processing API kan het aan. Zo kan-ie herkennen of een review positief of negatief is en dit meteen voor je verwerken in de verzamelde data.
  • Social media: je wilt weten hoe je producten worden gebruikt, maar hebt geen zin om hashtags en tweets over jouw spullen te doorzoeken. Niet meer nodig! Dankzij o.a. de Vision en NLP API’s.

2. Klanttevredenheid

Happy wife, happy life: maar dan met klanten. Als mensen contact met je opnemen, over je praten en op je site terechtkomen, kun jij weer fijn data verzamelen.

  • Geautomatiseerde klantenservice: chatbots zijn handig, maar Conversational AI zijn next level. Los problemen van klanten snel op door een computer te laten antwoorden.
  • Vindbaarheid: klanten met een specifiek idee in gedachte, willen dit makkelijk kunnen vinden. Een Product Search API zorgt ervoor dat vergelijkbare producten te vinden zijn door middel van een foto.

3. Realtime personalisatie

Als je toch al veel informatie over je klanten hebt, kun je die net zo goed meteen toepassen bij hun bezoek. Pas informatie toe zodat de kans op conversie nóg groter is (CRO).

  • Datagedreven klantsegmentatie: hiermee worden persona’s niet handgemaakt, maar gebaseerd op data. Deze worden gematcht aan klanten en voor ze gepersonaliseerd.
  • Recommendation engine: de juiste aanbevelingen voor bezoekers, zorgen voor een langere tijd en inspiratie op de site en hopelijk een conversie.
  • Geavanceerde retargeting: spreek geïnteresseerde (nieuwe) klanten aan, met een hoge kans op conversie.
  • Prijs optimalisatie: welke prijs laat je wanneer zien aan wie? Dit kan precies bepaald worden aan de hand van personalisatie.

De puntjes op de i

Als je al deze stappen gaan maken, krijg je vreselijk veel data in huis. Is de klant daarna nog niet blij en tevreden is, dan weten wij het ook niet meer. Dan rest ons nog maar één vraag: ga je het zelf maken of inkopen? Die voor- en nadelen gaan we behandelen in de volgende blog: Marketing Analytics: ga je het zelf maken of kopen?

Jordy de Jong


E: jordy.dejong@incentro.comT: +31614184194
volgende story
Marketing analytics + machine learning = blije klanten
Door Jordy de Jong | 2019 M07 11