Golden profile en purpose onmisbaar voor engagement

Verleidelijk als het allernieuwste is, laten we ons geregeld lekker maken door kunstmatige intelligentie. We vergeten hierdoor te kijken naar de eigen strategie en klant. Pas dan is er een ‘golden profile’ samen te stellen, een basisvereiste om zoiets als machine learning te kunnen benutten. De aanpak resulteert in betere interactie. En voor bijvoorbeeld Opel in meer autoverkopen.

Zeker bij bedrijven die al wat langer bestaan, zie je vaak de historie terug in de datastructuur. De systemen voor bijvoorbeeld CRM en ERP zijn weliswaar succesvol gebruikt, maar de inrichting ervan is nooit gekoppeld aan de bredere bedrijfsstrategie. Dit is vaak een resultante van interne ‘owners’ die los van elkaar met systemen aan de slag zijn gegaan en daarbij een andere doelstelling hebben gehad. Hierdoor ontbreekt een kloppend en bruikbaar dataprofiel. Onduidelijk is bijvoorbeeld waarvoor iemand benaderd mag worden en waarvoor niet. Dit leidt juist nu zich de kansen van kunstmatige intelligentie voordoen tot uitdagingen. Wie bijvoorbeeld een grote stap wil maken met personalisatie of een ander zelflerend model, loopt algauw vast.

Purpose aan basis golden profile

Wat nodig is, is een ‘golden profile’. Een record dat vanuit diverse systemen alle betrouwbare en benodigde data bijeenbrengt. Hoe zo’n profiel eruit moet zien? Het is te gemakkelijk om te zeggen dat het alleen draait om het koppelen van systemen en neerhalen van de interne muren om de silo’s te verwijderen. Het antwoord op deze vraag brengt me terug naar de kern van mijn vorige artikel op Emerce: elk bedrijf zal uit de eigen strategie een ‘purpose’ moeten afleiden – een gezamenlijk doel. Deze purpose of reden van bestaan beïnvloedt namelijk in belangrijke mate welke klant men wil aanspreken. En dus welke profielgegevens nuttig zijn. 

Een golden profile bestaat op zijn minst uit iemands naam, e-mailadres en cookie. De strategie en purpose geven vervolgens richting voor de verdere verfijning. Is een bedrijf actief in de retailsector, dan is waar diegene woont of de gezinssamenstelling mogelijk nodig. Met behulp van een postcode is er dan al doelgerichter te communiceren. In de reisbranche is het weer van groot belang om te weten wat iemands vakantiebestemming is.

Betrokkenheid medewerkers

Het is erg belangrijk om alle afdelingen of stakeholders te betrekken bij de samenstelling van dit profiel. Zo is namelijk gemakkelijker vast te stellen welke gegevens intern al aanwezig zijn en in welke bronnen ze zijn ‘verstopt’. Wie vervolgens nog gegevens mist kan deze via een derde bron inkopen of middels een campagne uitvragen. Nederlanders zijn gecharmeerd van wincampagnes en vertellen zo graag meer over zichzelf.

Hoe goed er intern wordt samengewerkt, beïnvloedt doorgaans hoe complex dit traject is. Zo kunnen afdelings- of productowners in de praktijk elk hun eigen belangen en doelstellingen hebben. De vraag die dan gaat spelen is wie er vervolgens voorrang krijgt om contact op te nemen met de klant. Alle partijen vinden immers dat ze daar recht op hebben. Hun jaarlijkse KPI en afdelingsresultaat is erop afgestemd. Alleen door de customer journey goed uit te tekenen en alle medewerkers hierbij te betrekken, voorkom je dit getouwtrek. De journey met gezamenlijk gestelde KPI’s – zowel kwalitatief als kwantitatief – is vervolgens leidend.

Digital footprint

Bij Opel is goed duidelijk geworden waartoe deze filosofie kan leiden. De case is vorige maand beloond met een marketingprijs. Door samen met de dealers te bepalen welke kant het bedrijf op wilde, wist het automerk een golden profile uit te tekenen dat te gebruiken is voor zogeheten lifecycle campagnes. Op een manier die passend en relevant is, genereert Opel leads die het bedrijf met content aanmoedigt om een proefrit te maken en auto te kopen.

Interessant om te zien is dat de ‘sporen’ die iemand achterlaat – de digitale footprint – goed aantonen in welke fase van de funnel diegene zich bevindt. En hoe ‘engaged’ iemand daadwerkelijk is bij een toekomstige aankoop. Aan het auto-type dat men online bekijkt of configureert én het merk dat men verwacht in te ruilen is bijvoorbeeld af te leiden met wat voor een soort bestuurder Opel te maken heeft. Het aantal bekeken pagina’s, hoe vaak iemand is teruggekeerd of het type downloads vertellen eveneens een hoop. De inzichten verschillen per organisatie. Er is daarom altijd aanvullen onderzoek nodig naar bestaande patronen in de data tussen de eerdere verkopen en doelgroepinformatie. Een gezin met oudere kinderen en een hoger besteedbaar inkomen kiest uiteraard voor een andere product dan een jongere met een eerste baan.

16 procent meer autoverkopen

Voor een grote selectie aan segmenten is content geschreven die daarna door middel van e-mailmarketing onder de aandacht is gebracht. Andere kanalen zijn ingezet voor de retargeting. Als de database goed is ingericht en er een betrouwbaar, golden profile bestaat, zijn er eerste stappen te zetten met machine learning. Vertonen segment A en B exact hetzelfde gedrag, maar gaat die laatste groep niet over tot de verwachte aankoop, dan wordt er een ‘next best alternative’ bepaald om vervolgens de content hierop aan te passen. Met iedere stap wordt de data beter, de content scherper en het resultaat van de marketing groter.

De opzet heeft er bij Opel voor gezorgd dat leads vijf keer vaker doorklikten dan voorheen (CTR). Daarnaast zijn er bijna vijf keer meer profielen geïdentificeerd en zijn er zestien procent meer auto’s verkocht in Nederland. Van een vijfde van alle actieve opt-ins zijn de interesses en een geschatte aankoopdatum vastgesteld. Voor deze geïnteresseerden wordt er voortdurend gekeken hoe de journey verder is te personaliseren.

Bewegen, monitoren en optimaliseren

Elke branche vraagt om een andere aanpak. Kennis over het domein en de trends daarin zijn daarom belangrijk voor het bepalen van de datastrategie. Zo vroeg ons werk voor Het Concertgebouw om een hele andere focus dan de diverse retailbedrijven die wie hiermee hielpen. Of de aanpak vervolgens slaagt, is van twee zaken sterk afhankelijk. Ten eerste: zonder betrouwbare data geen resultaat. Het betekent overigens niet dat wanneer de koppelingen zijn gemaakt en de systemen voor marketing automation zijn ingericht, het werk stopt. Zelfs de komst van een kunstmatig intelligent platform verandert hier niets aan. Als bedrijf kun je niet anders dan blijven bewegen, monitoren en optimaliseren.

De praktijk laat ten tweede goed zien hoe belangrijk het is iedereen betrokken te houden. Om offline en online gedrag met elkaar te kunnen matchen in een golden profile, moeten bijvoorbeeld klanten die bij een dealer een proefrit maken worden herkend. Dat lukt alleen door de belangrijkste partij hierin te betrekken bij het proces. Dit kunnen onder andere retailers, dealers, callcenters of interne productafdelingen zijn. Zo wordt ze duidelijk waarom het bedrijf doet wat het doet. Wie niets vertelt, krijgt immers niemand in beweging.

Mocht je hier verder over willen sparren of geïnspireerd willen raken, neem gerust contact met ons op.

Jeroen de Graaf

Heb je nog vragen of wil je een keer met ons kennismaken? Bel of mail gerust via 020-7073690 of info@ematters.nl

Meer kennis