A DATA-DISCOVERY JOURNEY

Transcriptie

1 A DATA-DISCOVERY JOURNEY Waarom een data- discovery journey Je hebt een hoop data maar wat kun je er mee. Data is voor veel bedrijven nog een erg abstract begrip. Natuurlijk snapt iedereen dat informatie over je resultaten en over de markt waarin je werkt nuttig zijn. Maar is het nuttig genoeg om hierin te investeren of is een simpel overzicht van de financiële resultaten door de boekhouder voldoende? Om het nut van een data-discovery inzichtelijk te maken wil ik jou stap voor stap meenemen op een ontdekkingsreis in de wondere wereld van data. In deze serie wil ik je meenemen op een reis waarbij we van de standaard financiële rapportages gaan naar inzichten in de commerciële activiteiten en het koopgedrag van je klanten, waarbij ik bij iedere stap het nut voor de besluitvorming aangeef In deze reis volg ik een retailer over een periode van ca. 2 jaar met meer dan 3 miljoen klanten. Voor een random selectie van 2500 klanten uit het klantenbestand 1 heb ik in meer detail informatie. Deze retailer, met 582 winkels en meer dan verschillende producten, voert verschillende commerciële acties uit om het gedrag van zijn klanten te beïnvloeden en daarmee een hogere omzet te behalen. Zo hebben ze 30 verschillende direct marketing campagnes gevoerd waarbij ze klanten korting coupons geven op specifieke producten. Daarnaast sturen ze wekelijks reclame waarbij verschillende producten worden aangeprezen. Tot slot kunnen ze in de winkel zelf spelen met de plaatsing van de producten in de schappen. De retailer wil een aantal zaken weten. 1. Wat zijn de resultaten overall, per winkel, per afdeling, per product groep. 2. Welke commerciële acties zijn effectief? 3. Wie zijn de meest waardevolle klanten, waar en wat kopen zij. 4. Welke klanten zijn meer of minder gaan besteden in de loop der tijd, oftewel met welke klanten is de binding sterker geworden. 1 De gegevens zijn gebaseerd op echte gegevens van een retailer maar dusdanig anoniem gemaakt dat niet meer te achterhalen is over wie dit gaat. Dit heeft als voordeel dat ik alle resultaten kan delen zonder daarbij klanten schade te berokkenen.

2 5. wvttk In deze journey gaan we stap voor stap de vragen proberen te beantwoorden die de retailer heeft. Onderweg zullen er nog vele vragen bij komen waar van tevoren nog niet aan gedacht was en gaan we ons misschien realiseren dat niet iedere vraag relevant is voor de retailer. Uiteindelijk gaat het erom dat de data-discovery journey leidt tot een verbetering in de resultaten van de retailer. Ga je mee op reis. 2 The journey part 3 De antwoorden op de eerste 2 vragen van de retailer leverde veel nieuwe vragen op en de behoefte (dit kan ook een beroepsafwijking van mij zijn) om dieper op de materie in te gaan. Omdat ik deze journey echter wil benaderen zoals ik dat zou doen voor iedere klant wil ik eerst de vragen beantwoorden van waaruit ik gestart ben. Dit betekent dat ik in dit deel vanuit het perspectief klant (vraag 3) naar de data ga kijken. Zoals bekend zijn er ca. 3mln klanten die minstens 1 keer in de afgelopen 2 jaar een winkel hebben bezocht en iets gekocht. Van die 3 mln klanten heb ik van 2500 klanten detail informatie, zoals transactiegegevens en demografische gegevens is een goed steekproef om iets te leren over het gedrag van je klanten. (foutmarge ca. 2,5% bij een betrouwbaarheid van 99%). Ter vergelijk, in marktonderzoeken wordt vaak een betrouwbaarheid van 95% gehanteerd en een foutmarge van 5%. Hiermee is meteen het eerste voordeel van dit onderdeel benoemd. Je krijgt namelijk zeer betrouwbaar klantonderzoek, die je kunt vertalen naar de rest van de markt. Goed, terug naar de retailer. Als de retailer zijn omzet wil verhogen zijn er een paar knoppen waar hij aan kan draaien. Hij kan actie ondernemen om de klanten vaker naar de winkel te laten komen of hij kan ervoor zorgen zijn klanten meer gaan besteden in de winkel. Een derde optie is meer klanten aantrekken maar dat laat ik hier buiten beschouwing) Als eerste onderzoek ik wat de bezoekfrequentie is. In figuur 1 zie je dat 42% van de klanten minstens 1 keer per week een winkel bezoeken en daar iets kopen. 70% komt minstens 1 keer in de 2 weken en 90% komt minstens 1 keer per maand. De overige 10% zijn incidentele bezoekers. 2 Iedereen is uitgenodigd om mee te denken in de vragen en antwoorden waarmee we de retailer kunnen helpen.

3 Figuur 1: Bezoek frequentie De retailer kan nu een paar zaken doen. Allereerst kan hij proberen om van de incidentele bezoeker een regelmatige bezoeker te maken. Blijkbaar komt de incidentele bezoeker niet voor zijn gebruikelijke boodschappen naar de retailer maar doet hij dat ergens anders. Omdat het hier om ruim klanten gaat kan dit een best interessante omzet stijging tot gevolg hebben. Bij de regelmatige bezoekers zal de winst van meer bezoek wat minder groot zijn. Blijkbaar is de retailer al de vaste plek om boodschappen te doen. Het wordt dan interessanter om de klant te verleiden om meer te kopen tijdens een bezoek. In deel 2 van de journey was al opgevallen dat de retailer een campagne voert (type A) waarbij het probeert om de klanten vaker naar de winkel te krijgen. Deze campagne was gericht op iedere klant. Ik had nog niet onderzocht of dit ook daadwerkelijk tot een blijvende verandering in gedrag heeft geleid maar aan de hand van de bezoekfrequentie zou je kunnen stellen dat dit vooral effect zou moeten hebben op de incidentele bezoeker. De retailer heeft dus veel kosten gemaakt en veel korting weggegeven om gedrag te veranderen bij een klein deel van haar klanten.

4 Combineren we de gemiddelde besteding met de bezoek frequentie (figuur 2) dan zien we dat de frequentie van het bezoek niet bepalend is voor de hoogte van de besteding per bezoek. Dit is opvallend als een klant slechts 1 keer per maand boodschappen doet zou je verwachten dat hij gemiddeld meer uitgeeft dan iemand die iedere week komt. Alleen bij een besteding van euro zijn er relatief meer maandelijkse shoppers. Figuur 2: Besteding en bezoek frequentie Misschien dat we dan iets meer kunnen zeggen over de waarde van de klant met betrekking tot zijn bestedingspatroon (figuur 3)? Hier blijkt wel een duidelijk verband te zijn. Hoe hoger de gemiddelde besteding per bezoek hoe hoger de waarde van de klant. Dit hangt uiteraard samen met de frequentie van het bezoek.--> Hoge besteding maal hoge frequentie is hoge klantwaarde. Volledigheidshalve heb ik dit nog in figuur 4 toegevoegd. Hierin is duidelijk te zien dat de top klanten een hoge bezoekfrequentie hebben.

5 Figuur 3: Besteding & Waardesegment Figuur 4: Frequentie en Waarde

6 De retailer zou aan de hand van deze informatie kunnen proberen om klanten met een lage besteding meer te laten uitgeven per bezoek. Aangezien dit geen effect lijkt te hebben op de bezoekfrequentie zou een stijging in de besteding meteen resulteren in een omzetstijging. Campagne type B en C (zie deel 2 van de journey) lijken hier meer geschikt voor. De vraag is dan wel of deze acties gericht zijn op de juiste klanten (lage besteding en hoge frequentie) voor een maximaal effect. Hier kom ik in een volgende keer op terug. Om de acties zo effectief mogelijk in te zetten is er nog aanvullende informatie nodig. We weten nu dat top klanten een hoge frequentie en een hoog bestedingspatroon hebben. Een volgende stap is dan om een profiel op te bouwen aan de hand van demografische kenmerken en productafname. Conclusie Naarmate we verder komen in de data-discovery komen er steeds meer vragen maar ook steeds meer inzichten waar de retailer zijn voordeel uit kan halen. Zo kan de Retailer zijn type A campagne gerichter en effectiever inzetten door de juiste klanten te benaderen en niet meer domweg iedereen. Ga je deze inzichten in de tijd uitzetten dan zou je als directie van de retailer willen zien dat de marketing en verkoop acties direct impact hebben op ofwel de bezoekfrequentie ofwel de gemiddelde waarde van een bezoek. Deze zijn namelijk bepalend voor de omzetgroei.