Artikel
Geschreven door Lisanne Barnaart
Posted on 01-05-2015

Voorspel toekomstig gedrag met predictive marketing analytics

245 keer gelezen
Als u de term ‘predictive marketing analytics’ vrij vertaalt, weet u direct waarover het gaat: ‘voorspellende marketinganalyses’. In de basis komt het erop neer dat u feiten uit het verleden analyseert en gebruikt voor de toekomst. En als u weet wat u klant gaat doen, of waar hij gevoelig voor is, kunt u uw marketing- en verkoopstrategie hierop aanpassen. Nu we steeds meer gegevens van personen en bedrijven kunnen bijhouden en vastleggen, is het veel beter mogelijk om verbanden te ontdekken. Voor marketeers van nu liggen veel kansen klaar om hun omzet en groei te verbeteren. Maar welke? 
 

Analyseer koopintenties met predictive analytics

Een goed voorbeeld van toegepaste predictive analytics is onderscheiden van zogenaamde MQL’s (Marketing Qualified Lead) en SQL’s (Sales Qualified Lead) in marketing automation tools.

Het is bijvoorbeeld aannemelijk dat bezoekers die een business case bij u downloaden en klikken op uw tarievenpagina, waarschijnlijk in het stadium zijn beland dat zij iets bij u willen kopen (SQL). Sales zou deze warme lead dus snel moeten opvolgen en niet alleen moeten nurturen met relevante content.

 

En andersom is het zonde van de tijd om verkopers te laten praten met een MQL die een keer een eBook bij u download, maar een half jaar geen enkele 'engagement' laat zien. Dit kan zelfs conversie-verlagend werken. Door punten aan bepaalde pagina's of acties te verbinden, speelt u grotendeels automatisch in op de behoeften. 

Markting automation is dus een bekend voorbeeld van hoe u door data te analyseren, beter kunt voorspellen in welke fase een potentiële klant zich bevindt en wat voor acties u moet ondernemen.

Maar het gaat nog verder: op basis van data-analyses kunt u binnen een paar interacties met een online bezoeker achterhalen in wat voor ‘profiel’ iemand past. Of de persoon bijvoorbeeld gevoelig is voor aanbiedingen of juist meer op zoek is naar kwaliteit-producten. 

En dat is precies het doel van predictive marketing analytics: beter weten wat de klantbehoeften zijn, zodat u efficiënter kunt werken door hen op het juiste moment passende aanbiedingen op maat te doen.
 

Verschillende categorieën in gedragsanalyses

Het is voor marketeers nog best een lastig terrein. Want hoe weet je nu welke data je moet gebruiken? Er is immers sprake van een explosie aan data. Waar moet je beginnen? En wat voor soort ‘onderbuikgevoelens’ of hypotheses kun je onderzoeken?  
 
AgilOne is een Amerikaans bedrijf dat tools ontwikkelt voor het maken van marketing gerelateerde voorspellingen. Zij delen predictive marketing analytics in drie categorieën, waarmee zij in mijn ogen een perfect beeld geven van de mogelijkheden:
 
  • Clustering (segmenteren). U kunt klantgroepen samenstellen op basis van hun gedrag. Dat kan zijn aankoopgedrag, maar bijvoorbeeld ook voorkeur voor merken en bedrijven. U weet wat de interesses van deze klanten zijn, in welke fase van het koopproces ze zich bevinden en via welke kanalen ze graag kopen. Door deze gelijkgestemde klanten in groepen in te delen, kunt u heel gericht via persoonlijke boodschappen communiceren. Dat kan geheel geautomatiseerd, bijvoorbeeld met ‘marketing automation’ tools.
     

  • Propensity (voorspellen). Op basis van het gedrag van bestaande klanten kunt u voorspellen wat nieuwe klanten gaan doen. Zo kunt u in de B2B markt bijvoorbeeld ontdekken dat een bepaalde branche sneller bij u weggaat dan een andere branche. En dat grote bedrijven veel meer klachten hebben dan kleinere. U kunt hiermee de lifecycle van huidige en toekomstige klanten inschatten en daarop uw marketingactiviteiten aanpassen. Daarnaast kunt u passend reageren op aankoopgedrag. Door bijvoorbeeld het klikken op bepaalde links te volgen, kunt u voorspellen of nieuwe klanten direct kopen of bijvoorbeeld korting willen om over de streep te worden getrokken. Hetzelfde geldt voor terugkerende klanten. Zo geeft u alleen korting aan klanten die het ‘nodig’ hebben.
     

  • Collaborative filtering (aanraden). Als u iets koopt bij Amazon.com krijgt u steevast aanraders voor producten die u ‘misschien ook aanspreken’. Stuk voor stuk tips die u moeten overhalen om meer te kopen dan u van plan was. Hoewel altijd de discussie blijft of dit ethisch verantwoord is of niet, in de praktijk blijkt dit zeer conversie-verhogend. Ook dit is een vorm van predictive marketing analytics, omdat op basis van eeder gedrag blijkt dat ‘uw profiel’ matcht met het profiel van andere kopers. 
    Dat gericht kan zijn op up-sell, cross-sell of next-sell. Bij up-sell probeert u meer van hetzelfde product te verkopen (‘Koop nu geen 500 gram maar 1.000 gram koffiebonen en u krijgt 10% korting’). Bij cross-sell probeert u een bijbehorend product te verkopen (‘Koop ook servetten bij dit tafelkleed en bespaar 10 euro’). En bij next-sell biedt u als het ware een after sales service. U kunt bijvoorbeeld na twee weken een bericht sturen met een suggestie voor een aanvullend product (‘Bent u al klaar met uw terrashout? Koop dan nu onze barbecue die in de aanbieding is’).
     

Was marketing vroeger vooral afgaan op gevoel, tegenwoordig wordt het steeds meer een wetenschap die zich baseert op feiten en gegevens. 

Minder kosten, meer kansen 

Kennis maakt macht. Was marketing vroeger vooral afgaan op gevoel, tegenwoordig wordt het steeds meer een wetenschap die zich baseert op feiten en gegevens. We kunnen ook steeds meer gegevens verzamelen. Welke webpagina´s consumenten bezoeken en wat ze in webshops kopen. Hoe actief ze op social media zijn en wat ze allemaal liken. Door deze gegevens te bundelen, krijgt u steeds meer inzicht in (potentiële) klanten. Hoe gerichter uw marketing vervolgens is, hoe minder deze kost en hoe meer deze opbrengt. U hoeft immers geen dure advertentiecampagnes in te kopen, waarmee u met hagel schiet. 
 
Met predictive marketing analytics kunt u de juiste boodschap op het juiste moment tot de juiste persoon richten. Efficiënt - en dus kostentechnisch interessant. U kunt hierin zelfs een stap verder gaan. Want als u zó goed weet wat potentiële klanten willen, waarom past u er uw productontwikkeling dan niet op aan? In de ultieme situatie zorgt u ervoor dat u voor ieder klantsegment op het juiste moment altijd het perfect passende product heeft. 
 

Meer weten data driven marketing onderwepen?


Meer weten over dit onderwerp? Lees dan ook:
 

Ga direct naar download center