Koppeling interesse / kennisbehoefte uit onderzoek Cultuurmarketing aan presentatie Database marketing en doelgroepsegmentatie Opschonen en segmenteren database = analytische DM Verkoopstrategie = strategische DM Personalisatie print = operationele DM Van print naar on-line = operationele DM Optimaliseren rendement = operationele DM Pieter de Rooij pieter@customerbonding.nl Cultuurmarketing, Utrecht 23 januari 2014 Agenda Introductie Interessevelden deelnemers Ontwikkelingen marketing Database marketing: Analytisch Strategisch Operationeel Groeiende aandacht voor klantgerichtheid en loyaliteit Door information overload worden interactie & relevantie (inhoud en timing) belangrijker Achtergrond Pieter de Rooij Focus op CRM / klantgericht ondernemen voor organisaties in vrijetijdsector, m.n. cultureel Verandering rol marketeer klant: klant zit op de drivers seat Onderzoek (proefschrift Universiteit van Tilburg) Onderwijs (NHTV Internationale Hogeschool Breda, Academy for Leisure, www.nhtv.nl) Advies en coaching (Customer Bonding Company, www.customerbonding.nl) o.a. Get Connected CRM traject Bestuur (Platform Klantgericht Ondernemen, www.pvko.nl) Publicaties en presentaties 1
Toename aantal kanalen Dataverzameling Doel: vergroten klantkennis tbv effectieve differentiatie in communicatie en aanbod Relevante vragen: Welke data heb ik? Welke data wil ik hebben? Onderscheid: nice-to-have & must-have Hoe wil ik de relatie met de klant vormgeven? Grootte afdeling? Budget? Hoe ga je de relatie stapsgewijs uitbouwen? Verzameling: Basisgegevens (NAW, e-mail, telefoon, IP-adres, gastnummer) Gedragsgegevens (aantal tickets, websitebezoek, klikgedrag, respons) Profielgegevens (interesses, geboortedatum, communicatievoorkeur) Database marketing Dataverzameling Interne data - Transactiedatabase (aankopen off-line & on-line, lidmaatschap) - Marketing database (mailings) - Klantvoorkeuren (geregistreerd via website) Externe data (bv. Mosaic, Experian, Cendris) Analytische DM: Dataverzameling, -beheer en -analyse Dataverzameling: Beperking klantbeeld door databasestructuur Vaak zijn ICT-systemen niet gekoppeld: aparte silo s Klantgegevens n.a.v. boeking: - online - telefonisch - schriftelijk - kassa Klantgegevens: - mijn account op website - aanmelding nieuwsbrief via de website 2
Dataverzameling: opbouw a.d.h.v. plateaumanagement Data-analyse Databeheer Klantprofiel: Database en marktonderzoek Menselijk Database Gebruikersprofiel profiel Media gebruik Klantprofiel Marktonderzoek Garbage in, garbage out! Identificatie Trans- Actiehistorie Bron: Peelen, 2006 Databeheer Data analyse: pas op met mensen te snel in een hokje te stoppen kwaliteit = ACCU Actueel x Compleet x Correct x Uniek Actueel = huidige werkelijkheid Compleet = volledigheid Correct = geen spelfouten Uniek = iedere relatie komt 1 keer voor in bestand (gebruik relatienummer) 3
Data-analyse vliegtuigmaatschappij (B-to-C) Data-analyse klantwaarde De Goudse Schouwburg Frequente klant: Basis klant: Incidentele klant: Nieuwe klant: Prospect: Inactieve klant: Passieve klant: 4 boekingen of meer vorig jaar (excl. nieuw) 2 3 boekingen vorig jaar (excl. nieuw) 1 boeking vorig jaar (excl. nieuw) laatste 3 maanden, 1 boeking of meer e-mail inschrijving, geen boekingen boeking in laatste 12 24 maanden boekingen > 24 maanden geleden Combinatie van frequency en recency Klantgroepen theaters: een indicatie o.b.v. data-analyse (op basis verkochte tickets in 1 seizoen) Data-analyse migratiepatronen De Goudse Schouwburg kernpubliek 7% - 12% 6> participanten 10% - 15% 3-5 keer passanten 70% - 85% 1-2 keer Indeling klantgroepen DAPZ/LDT Den Haag (op basis van alle adressen in database) Wat is de juiste segmentatie? Klantgroep Criteria Aantal gasten in database (afgerond) A laatste seizoen 5 of meer voorstellingen/concerten, waarvan minimaal 1 keer niet van een huisgezelschap. B laatste seizoen 2 tot 4 voorstellingen/concerten, waarvan minimaal 1 keer niet van een huisgezelschap. C laatste seizoen 1 voorstelling/concert, maar niet bij een huisgezelschap. Percentage 1290 3% 3650 8,5% 12900 29,8% D laatste seizoen niet te gast, maar kocht 25400 58,7% wel 1 of 2 seizoenen daarvoor kaarten, waarvan minimaal 1 keer niet van een huisgezelschap. Totaal 43240 100% Geen eenduidig antwoord Doel: bereiken en beraken gast 100% fit bestaat niet Klantkennis (onderzoek en database) nodig om zelf keuzes te maken Maar. 4
segmenteer jij of laat je het over aan de klant? Gebruik klantgroepen door theaters Stop jij de gast in een hokje of pas je zelf segmentatie toe? Laat klant op de driver s seat zitten De meest directe, toekomstvaste en klantvriendelijke vorm van selectie is die van zelfselectie. Laat mensen zichzelf inschalen. (Geursen, 2006) Zelf segmentatie: gast bepaalt communicatiemiddel, inhoud, frequentie Van ophokplicht naar scharrelweide Rotterdamse Schouwburg Heavy users (5.000 personen): brochure + maandladder Light users (10.000 personen): 4 ansichtkaartenladders Parktheater Eindhoven: drie persona s Passant (Isa): 1 bezoek, boekt tijdens seizoen Cultuurliefhebber (Daphne):2 5 bezoeken, boekt soms vooraf Fan (Willem):6 keer of vaker, boekt vooraf, co-creatief Strategie klantgroep vrienden DM strategie exclusiviteit lotgenoten Nederlands Blazers Ensemble (Russel, 2011) Donatie 1000 euro; 2 bijzondere evenementen; exclusieve club van 99 lotgenoten ; 99 is max, dus wachtlijst niveau s Introdans Arnhem (Paulissen, 2012): Van (I) vriend (15 euro, seizoensoverzicht, digitale nieuwsbrief), naar (II) goede vriend, en (III) royale vriend (100 euro, vriendenrepetitie met 2 introducé s, korting Introdans artikelen, vroege inschrijving workshop, rondleiding theater) Communicatie van waarde: differentiatie naar klantgroep Operationele DM 5
Automatisch bericht als het bijna is uitverkocht Kiest de gast zelf zijn nieuwsbrieven? 6
Vragen? Pieter de Rooij pieter@customerbonding.nl customerbonding.nl nhtv.nl pvko.nl 7