Van data naar inzicht

De waarde van small data: je gaat het zien als je het doorhebt

De waarde van small data: je gaat het zien als je het doorhebt

Big data is alweer een paar jaar trending topic in de marketingarena. Aangewakkerd door de industrie die er een lekkere boterham aan verdient, zou het de nieuwe kip met het gouden ei zijn. Hun credo: “Met een datawarehouse of ‘data lake’ meer mans”. Maar dat is nog maar zeer de vraag. Want waarom een focus op voornamelijk big (is: third-party) data als je zelf een schat aan small (is: first-party) data in huis hebt? Nog los van het feit dat de GDPR je dwingt jezelf te verantwoorden over het waarom van de opslag van die grote hoeveelheden data en van de kans dat je verdwaalt in de spelonken van je eigen datawarehouse of verzuipt in je eigen data lake. Met je eigen small data kun je al een enorme stap voorwaarts maken in het optimaal bedienen van jouw klanten. 

“Je gaat het pas zien als je het doorhebt.” Die tegeltjeswijsheid was in 1992 van toepassing op een van mijn eerst banen bij het International Logistics Center van IBM. Missie: het optimaal servicen van klanten in de EMEA-markt door goede, tijdige leveringen en informatie. Een missie van zo’n 200 m/v die hun wijsheid uit allerlei verschillende systemen haalden.

“Dat moet toch makkelijker kunnen?”, was mijn gedachte. Dus na werktijd dook ik een aantal weken in databases en tabellen en bouwde ik zelf queries en ontwikkelde ik rapportages. Na 3 maanden was het resultaat een managementinformatiesysteem waarmee we vooral op de afwijkingen konden sturen. Waardevolle management- en sturingsinformatie die een enorme tijdsbesparing opleverde, want iedereen kreeg zijn rapportages keurig iedere morgen in de mailbox. Dat smaakte vanzelfsprekend naar meer.

Desinvestering

Activity-based costing werd het volgende project: het meten van de tijd die je nodig hebt voor individuele activiteiten binnen werkprocessen. ILC had niet lang daarvoor met veel inspanning het contract binnengesleept voor de belevering van een specifiek marktsegment. Een cash cow, zo werd gezegd.

Activity-based costing liet echter zien dat deze activiteiten geen geld opleverden maar juist verlieslijdend waren. Goed voor een daadkrachtige desinvesteringsbeslissing.

Leveringsbetrouwbaarheid

De volgende slag die ik maakte was het in beeld brengen van zowel de inkomende als uitgaand goederenstromen.  Een rapportage die duidelijk maakte dat het met de leveringsbetrouwbaarheid van onze leveranciers armoedig was gesteld.

Dit was aanleiding voor heronderhandeling van de service level agreements met alle leveranciers. Het resultaat: een reductie van onze gemiddelde voorraad met 35 procent, goed voor een structurele besparing van enkele tientallen miljoenen dollars. Een absolute winstpakker in een markt waarin de productintroducties elkaar in hoog tempo opvolgen waardoor eerdere versies snel verouderen, met grote afschrijvingen op voorraden tot gevolg.

Transport

Het laatste voorbeeld uit deze tak van sport. Met een analyse op de gebruikte transportmethoden bij levering van inkooporders toonde ik aan dat er op basis van het volumegewicht wel degelijk een voorkeursmodaliteit is. Boven een bepaalde grens was het goedkoper om orders te laten invliegen in plaats van via zeecontainers te laten verschepen. Het resultaat: een structurele jaarlijkse besparing van miljoenen dollars.

Een bijvangst was dat het aantal spoedinkooporders (o.b.v. geplaatste klantorders), met gerelateerde hoge transportkosten, aanmerkelijk daalde door de invoering van een “de veroorzaker betaalt”-beleid.  

Het bewijs was voor mij wel geleverd dat je door het creëren van inzichten op basis van de small data in je eigen systemen grote slagen kunt maken in concurrentiekracht en rendement. Als dat toepasbaar is in supply chain management, waarom dan niet in marketing?

Vruchtencompôte of ‘appels met appels’

Jaren later, we praten over 2005, werkte ik als accountman/strateeg voor een aantal automerken op Europese schaal. Het was CRM in optima forma. Daarbij ging het niet alleen om de strategie, maar ook om omni-channel productintroducties, merkactivaties en de implementatie van de volledige CRM-infrastructuur.

De spil van die infrastructuur was het customer data platform, één centrale database van waaruit alle activiteiten werden aangestuurd op basis van een 360-gradenklantbeeld. We werkten daarin uiteraard samen in de driehoek van klant, bureau (wijzelf) en mediabureau.

Wat me op een gegeven moment opviel, was dat het mediabureau campagneresultaten rapporteerde die afweken van de data in ons eigen customer data platform. Daarom adviseerde ik het meten van marketingactiviteiten in eigen hand te nemen.

Het was een verademing: nooit meer discussies over wat nu de juiste cijfers zijn, maar weten dat de hele omgeving gebruikmaakt van dezelfde definities. Geen ondefinieerbare vruchtencompôte meer, maar de mogelijkheid om appels met appels te vergelijken. En niet onbelangrijk: we konden targets zetten op individuele kanalenen die doormeten (kanaalattributie), om vervolgens op basis van die inzichten budgetten te heralloceren voor de gedroomde conversie-optimalisatie.

Van inzicht naar relevantie

Een jaar of tien later werkte ik wederom vanuit bureauzijde voor een groot doe-het-zelf-bedrijf. Ik hield me met name bezig met e-mailmarketing, een krachtig medium dat – als je gebruikmaakt van de mogelijkheden én de content afstemt op individuele voorkeuren en gedrag – een substantiële bijdrage kan leveren aan zowel online verkopen als die in de fysieke bouwmarkten.

Ik deed daarom het voorstel de database te analyseren met een koppeling van e-maildata aan de online en offline kassatransacties via een persoonlijke ID. Het bedrijf bleek niet zo geïnteresseerd in de respons van hun klanten op kortingen. Uit eigen nieuwsgierigheid besloten we die onder water toch mee te nemen in de analyse. En wat bleek: liefst 40 procent van de omzet was kortinggedreven. Dat is informatie die je kunt meenemen in de periodieke herevaluatie van je merkpositionering.

Ook leverde het goed inzicht op in combinaties van gekochte producten, het tijdstip en moment in het jaar waarop werd gekocht en bij welke vestiging, zowel offline als online. Met deze input konden we de e-mailcommunicatie relevanter maken voor individuele klanten en daarmee de kans op conversie aanzienlijk verhogen. Het is onmiskenbaar de waarde van small data.

Van glazen bol naar het voorspellen van de toekomst

Net zomin als full-servicebureaus bestaan - in de zin van een in-house one-stop-shop - geldt ook dat een zogenaamde allesomvattende software-oplossing niet je volledige marketingorganisatiebehoefte dekt. Daarom was voor Tommy Hilfiger de keuze voor een technologische best-of-breed strategie met de keuze voor een customer data platform relatief snel gemaakt.

Wat ooit in 2007 begon met het versturen van e-mailnieuwsbrieven, met uiteraard inzichten in open- en klikgedrag en interesses in dit specifieke kanaal, is vanaf 2009 uitgegroeid tot loyaliteitsprogramma Tommy Hilfiger Club, dat continu wordt doorontwikkeld en geoptimaliseerd. Een van de eerste stappen was het toevoegen van aankoopgedrag via de webshops en fysieke winkels. Dat gaf al een mooi beeld van historische kledingvoorkeuren en een basis om in bijvoorbeeld e-mailnieuwsbrieven en bannercampagnes de content dynamisch aan te passen aan de voorkeuren van individuele klanten.

Vanaf dat moment werden er in de loop der tijd nog zo’n 15 databronnen toegevoegd, waarmee de klantprofielen in toenemende mate nauwkeuriger zijn geworden. Denk aan data vanuit de personal shopper-app, klanttevredenheidsonderzoeken en bijvoorbeeld de product recommendation engine - allemaal small data. Dit maakte het mogelijk om het aanbod uit het brede assortiment nóg beter af te stemmen op individuele voorkeuren. Aan de hand van diep inzicht in de sociodemografische kenmerken van het klantenbestand, aankoopgedrag in online en offline kanalen, maar ook aankoopgedrag door de tijd heen, kledingvoorkeuren en interesses in specifieke typen events.

Dat maakte het mogelijk verschillende soorten campagnes te ontwikkelen, afgestemd op specifiek en actueel gedrag van individuele klanten, zoals een ‘on-boarding-programma’ of een churn- of win-back-campagne. En in het loyaliteitsprogramma werden klanten op basis van aankoopgedag en engagement beloond met speciale acties, VIP-pre-sales en uitnodigingen voor bijzondere events. Deze stap leverde een prachtig resultaat op: ruim 4 miljoen actieve Tommy Hilfiger Club-leden die gemiddeld bijna 50 procent meer uitgeven dan degene die geen lid zijn. Tel uit je winst.

Recent zijn zelflerende, gedragsvoorspellende modellen op basis van artificial intelligence geïmplementeerd, die op dagelijkse basis event-driven campagnes en doorlopende communicatieprogramma’s voeden. En die leveren interessante inzichten op. Het geeft helder inzicht in de klantwaarde (customer lifetime value), zodat Tommy Hilfiger-klanten nog meer het gevoel kan geven dat ze bijzonder zijn, in de kans dat leads overgaan tot aankoop, dat iemand een herhaalaankoop doet binnen een specifieke tijdshorizon en in de kans dat een order wordt geretourneerd.

Dit laatste inzicht kun je praktisch toepassen, bijvoorbeeld door klanten die geregeld orders terugsturen bij een volgende order wél verzend- of retourkosten te laten betalen. Met vier onderscheidende persona’s die uit de data zijn gedestilleerd en inzicht in productaffiniteit, dus de voorkeur voor specifieke kleding of assortimenten, kan Tommy Hilfiger besparen op marketingkosten, terwijl het individuele klanten nog beter bedient met voor hen relevante kleding, aanbiedingen en uitnodigingen.

Zo is een kijk in de toekomst ontstaan, waarmee de communicatie naar individuele klanten in toenemende mate relevant wordt. Het koppelen van gedrag vanuit de recent gelanceerde app, wederom small data, is een volgende stap in de evolutie van Tommy Hilfiger als love brand. En natuurlijk wordt ook de toegevoegde waarde van third-party data onderkend: met data die het DMP gaat leveren, worden klantprofielen nog betekenisvoller. Daarmee vormen ze de basis om look-a-like audiences van de meest loyale klanten te targeten. In andere woorden: om het online-advertisingbudget zo doelmatig mogelijk in te zetten.  

Shift to first gear         

Ondanks de bovenmatige belangstelling van veel merken en organisaties voor de trending thema’s big data en DMP’s, wil ik een lans breken voor het verleggen van de focus naar small data. Niet alleen omdat je eigen data betrouwbaarder zijn, maar vooral ook vanwege de waardevolle inzichten die deze kunnen opleveren als je relevante data vanuit verschillende bronnen samenvoegt.

Voeg de daad bij het woord en “shift to first gear”. Met een focus op small data zet je waardevolle stappen in het creëren van merkvoorkeur bij bestaande en uiteindelijk ook nieuwe klanten. En resultaten zullen dan niet achterblijven. Da’s een belofte.

De waarde van small data: je gaat het zien als je het doorhebt.

Interessante content? Bekijk hier alle artikelen in de special Van data naar inzicht

Credits afbeelding: Pxhere, licentie: CC0 (Publiek domein)

Delen

0
2


Er zijn 0 reacties op dit artikel

Plaats zelf een reactie

Log in zodat je (in het vervolg) nóg sneller kunt reageren

Vul jouw naam in.
Vul jouw e-mailadres in. Vul een geldig e-mailadres in.
Vul jouw reactie in.

Herhaal de tekens die je ziet in de afbeelding hieronder


Let op: je reactie blijft voor altijd staan. We verwijderen deze dus later niet als je op zoek bent naar een nieuwe werkgever (of schoonmoeder). Reacties die beledigend zijn of zelfpromotioneel daarentegen, verwijderen we maar al te graag. Door te reageren ga je akkoord met onze voorwaarden.