VERSTAND VAN DATA. GEVOEL VOOR MARKETING. ON- & OFFLINE DATA & SCIENCE

Transcriptie

1 VERSTAND VAN DATA. GEVOEL VOOR MARKETING. ON- & OFFLINE DATA & SCIENCE

2 RELEVANTIE IN MARKETING Customer value Starting Identification prospects Easy entry Proposition and incentives Cost per lead Multichannel Sales funnel Continuous lead program Building Get to know Informative Confirm right choice Help in usage Offer service Stimulate usage Initiate Loyalty (lock-in) Get feedback Gather profilingdata (enrichment) Growing Feel good program Additional products and services Offer extra privileges Loyalty program Maintaining Trust, satisfaction, lock in, alternatives RFM, NPS Savings-, Privilege-, Sales promotion programs Saving Recovery Churn (active, Churn reason reactive) Reactivation Realtime motivation recovery Argumentation Stopping reason Win back offer Argumentation Right moment per reason Incentives, ROI Potential customer value: retention? Incentives, ROI Prospect Welcome Development Retention Win back

3 MARKETINGDATABASE Klantregistraties Referentie data (Data Quality) Profiling Data Transacties (incl. historie) Online Product data, shop data, customer service Campaigns Offline Coupons kassa Newsletter, DM / / TLM / App-gebruik Customer service... Campaign evaluations Customer intelligence Business reports

4 OFFLINE PROFIEL Offline profiel huishouden Ø Huishouden (postcode+huisnr+naam) Ø 100% dekking NL Ø 600 variabelen (sociodemo / lifestyle / psych / woning / auto / events / etc.) Ø Koppelbaar aan CRM Maar wat is zijn/haar actuele interesse?

5 WEB ANALYTICS

6 MAAR, WIE IS DE ONLINE BEZOEKER?

7 RELEVANT COMMUNICEREN? Beperkt inzicht Website % niet herkend Offline Data onbenut 0-25% Herkend 0-25% Herkend anoniem 50% Anoniem

8 ONLINE PROFIEL Online gedrag Ø bids per dag Ø Moment, locatie, device, site Ø unieke users Ø 91% herkenning Ø 236 interessegroepen Ø 2nd party data (opt-out) Ø Realtime profiling + targeting anonieme bezoekers

9 BARCELONA 15/05/ (the day after) News Sport Auto's Autosport/F Maart April 9 mei 16 mei

10 PROFIEL REALTIME BRUIKBAAR 120% 100% 80% 19% 17% 36% 42% 60% Vrouw Man 40% 81% 83% 64% 58% 20% 0% Maart April 9 mei 16 mei Leeftijd: 73% = jaar Alle Leeftijden

11 TARGETING OLDTIMERS Klassiek: click op oldtimer à retargeting

12 PROFIEL OLDTIMERS

13 BETERE ONLINE TARGETING Klassiek: click op oldtimer à retargeting Profilering bezoekers Oldtimers à modaal / gezinnen / platteland / Noorden (Re)targeting aangepast obv profiel Resultaat: meer visits Oldtimers

14 Online gedrag INTEGRATIE ON- & OFFLINE Ø bids per dag Ø Moment, locatie, device, site Ø unieke users Ø 91% herkenning Ø 236 interessegroepen Ø 2nd party data (opt-out) Ø Realtime profiling + targeting anonieme bezoekers Cookie-2-Home connector Ø 1st party data (opt-in) Ø Realtime profiling Ø Crossmediale audiences Offline profiel huishouden Ø Huishouden (postcode+huisnr+naam) Ø 100% dekking NL Ø 600 variabelen (sociodemo / lifestyle / psych / woning / auto / events / etc.) Ø Koppelbaar aan CRM

15 TARGETING OBV VOLLEDIG KLANTBEELD online gedrag herkenning huishouden offline profiel CRM klantkenmerken targeting Ø Minder waste Ø Hoger bereik Ø Meer relevantie Ø Realtime & on time Ø Crosschannel Ø Hogere conversie Data Propositie

16 OFFLINE PROFIEL à ONLINE TARGETING Doelgroep à Leaserijders Overstap analyse automotive db: 28% ZZP-ers! Campagne aangepast: ZZP-ers ipv Leaserijders + Direct Mail in mediaplan Resultaat: conversie verdubbeld naar 1,8%

17 CONVERSIE ATTRIBUTIE OFFLINE SALES online gedrag herkenning huishouden offline profiel CRM klantkenmerken store sale conversie attributie offline sales

18 CASE RETAILER X click banner > clicks interesses offline conversie: 4,7% klantenkaart - (nog) hogere welstand - (nog) hogere opleiding - jongere kinderen online conversie: 4,4 % direct / single device 9,1 % direct / cross device Ø conversie attributie Ø crosschannel aansturing Ø differentiëren uitingen Ø per product categorie / type klant etc. - huiselijke families - grotere gezinnen - rijtjeshuizen - bedrijf/praktijkwoning Dag Online Offline 0 31,5% 17,7% 1 9,0% 14,0% 2 5,6% 8,2% 3 4,3% 4,9% 4 3,3% 5,1% 5 3,0% 5,3% >6 43,3% 44,8% Totaal 100,0% 100,0%

19 COLLABORATIVE FILTERING OFFLINE Klant-gebaseerd Share of categories Eerder gekocht Relevante suggesties Share of wallet

20 KLANT/PRODUCT PREFERENTIE Klant-gebaseerd Product-gebaseerd +

21 RECOMMENDER klanten preferenties klantprofielen productprofielen y producten x Low ranking Matrix Factorization + Alternating Least Squares!"# $ % &' ( &' * & +, ' - + / $ *& - + $, ' - &,' & '

22 RESULTAAT RECOMMENDER Berekende conversie verbetering: 42% 3.23% 2.33% Dubbele conversie 2.13% 1.96% 1.74% 1.67% 1.62% 1.47% Beter product aanbieden 1.38% 1.09% 3% 2% 1% conversie per groep Beste 10% 10-20% 20-30% 30-40% 40-50% 50-60% 60-70% 70-80% 80-90% Slechtste 10% 0%

23 RETURN ON DATA Klantbeeld is (eindelijk!) volledig Anonieme webbezoeker heeft een gezicht Audiences nu ook crossmediaal Geïntegreerde data levert hoger rendement (minder waste/hogere conversie)

24 DANK U Robert Feltzer, Managing Partner rfeltzer@edm.nl +31(0) VERSTAND VAN DATA. GEVOEL VOOR MARKETING.