Door Richard van Hoorn
Retail data-analist bij New Brand Activators
Mag een volwassen man dit voorjaar genieten van een Radler? En mag een jonge vrouw een smakelijke trappist proeven? Volgens traditionele reclamemakers niet. Zij adverteren het lichte bier in vrouwenbladen en promoten zwaar bier rondom voetbalwedstrijden. Zo hebben we het geleerd op de marketingcursus. Segmenteren naar doelgroepen volgens inzichten uit marktonderzoek en onderbuikgevoel. Dat was toen goed, maar kan nu beter. Met gebruik van de kassadata, het webbezoek, social media en e-mailverkeer.
Data verraadt individuele voorkeuren. Veel nauwkeuriger dan brainstormsessies met reclamemakers of rapporten van marktonderzoekers. Met retaildatamining zijn aannames en vragenlijsten niet langer nodig. Uit kassadata blijkt wat iemand koopt, in welke volgorde en in welke combinaties. Uit webdata blijken persoonlijke voorkeuren. Aangevuld met externe data ontstaat een profiel van de klant. Een volledig klantbeeld dat met retaildatamining omgezet wordt in winkelomzet.
Hoe werkt dit in de praktijk? Stel dat een retailer een hogere respons op marketingacties wil bereiken door de communicatie af te stemmen op vijf segmenten, ook wel clusters genoemd. Niet langer iedereen dezelfde e-mail of folder sturen. Hoe wijs je nu iedere individuele consument toe aan een cluster? Een data-analist brengt alle individuele klantdata terug tot één enkele vector. Een formule waarin alle persoonlijke voorkeuren opgesloten zijn. Om vervolgens met wat hogere wiskunde alle klanten met vergelijkbaar gedrag bij elkaar te plaatsen in een van de vijf clusters. Datamining door middel van de clusteranalyse levert clusters met onderling maximaal onderscheid. Elk cluster ontvangt het passend aanbod met een hogere verwachte respons in vergelijking met hetzelfde aanbod voor iedereen.
Focus op mensen
De populaire clusteranalyse zorgt ervoor dat de oudere Radler-drinker wordt ingedeeld bij de jonge vrouwen, tenminste wat biervoorkeuren betreft. Zo ontstaan groepen ingedeeld naar koopgedrag en persoonlijke kenmerken. De spider chart toont het profiel van de gemiddelde consument in ieder cluster. Daarmee wordt het profiel per cluster bepaald. Dit inzicht wordt vertaald naar persoonlijk gedrag, persoonlijke voorkeuren en aanspreekvormen per cluster. Inzichten uit data-analyse vertalen naar mensen gebeurt via profielaannames. Een fictief persoon wordt gedetailleerd beschreven. Zo ontstaan persona’s, die ieder persoonlijk aangesproken worden.
Klik hier om de afbeelding op ware grootte te bekijken.
Onderzoek, interviews en validatietests zijn nodig om te controleren of de persona’s en de manier van aanspreken juist zijn. Een specialist op dit terrein is Jan van der Spoel van de Persona Academy. Hij gebruikt inzichten van clusteranalyses om via spider charts en profielaannames persona’s in te vullen. Een geleidelijk proces waarbij steeds gezocht wordt naar aanvullende data en de aannames steeds getoetst worden. Inzicht in menselijk gedrag, zoals nu bekend worden uit neuromarketing, helpen om persona’s goed in te kleuren.
Voorbij het onderbuikgevoel
Natuurlijk gebruikt ieder retailmarketingteam dagelijkse winkelervaring bij het ontwikkelen van marketingacties. Deze ervaring komt van pas bij het invullen van de persona’s. “Alleen als een breed team begrijpt waarom klanten doen wat ze doen kan het marketingteam op een juiste manier reagerenâ€, zo stelt Van der Spoel. De clusteranalyse in combinatie met het vormen van persona’s is een fact-basedmethode om respons op e-mails, folders en banners te verhogen. Data-analyse, neuromarketing en creativiteit gaan hand in hand. Zo wordt de jonge vrouw als liefhebber van smakelijke trappist in een cluster geplaatst met andere liefhebbers. En aangesproken met het aanbod dat ze waardeert. Met smakelijk bier en lekkere hapjes die vaak in combinatie gekocht worden.
Richard van Hoorn gaat in een reeks blogs in op de toepassingen van datamining binnen retail. Meer weten? Volg de gratis workshop ‘Met data meer kopers’.
Reacties 0