Focum
Focum
het antwoord op uw vraag
focum-02n-1280x615
focum-03n-1280x615

“Focum weet hoe belangrijk klantinformatie is voor mijn bedrijf”

"Door Focum is de klantacceptatie binnen mijn bedrijf geoptimaliseerd"

"Focum helpt ons om de juiste klanten te vinden"

"Ondersteuning in de gehele order to cash cyclus"

"Minder onbetaalde facturen, dankzij Focum"

"Maximaal rendement uit uw klantrelatie"

07 november 2016   |  

Predictive analytics: de toekomst van uw organisatie

Als data ergens geschikt voor is, dan is het wel om toekomstige gebeurtenissen te voorspellen. Met predictive analytics krijgt u inzicht in toekomstig klantgedrag. Denk bijvoorbeeld aan de hoeveelheid producten die gekocht gaat worden, hoe een doelgroep reageert op een marketingactie of hoe lang iemand klant bij u blijft. Waardevolle informatie voor uw organisatie dus.

De voorspellende kracht van look-a-likes

Klanten lijken op elkaar. Als u weet welk gedrag klanten in het verleden hebben vertoond, is de kans groot dat nieuwe klanten die op hen lijken, look-a-likes, hetzelfde gedrag zullen vertonen. Dat is precies het principe achter predictive analytics. U gebruikt klantgedrag uit het verleden om gedrag van andere vergelijkbare klanten in de toekomst te voorspellen. Met predictive analytics krijgt u het antwoord op vragen zoals:

  • Met welke aanbieding krijgt u de hoogste respons van een specifieke doelgroep?
  • Welke klanten zeggen hun abonnement op of komen niet meer bij u terug (churn)?
  • Welke klanten zullen hun rekeningen gaan betalen?

Overeenkomsten tussen klanten kunnen heel eenvoudig zijn. Vrouwen kopen bijvoorbeeld vaker een jurk dan mannen. Het wordt echter ingewikkelder en waardevoller als u meer variabelen meeneemt, zoals aankoophistorie, hobby’s of inkomen. Als u bijvoorbeeld weet dat klanten die eerder product x gekocht hebben in 60% van de gevallen product y kopen, kunt u daarop inspelen.

De kans dat iemand reageert

Een bekende vorm van predictive analytics is de responseanalyse. Hierbij onderzoekt u marketingacties die u in het verleden heeft uitgevoerd en kijkt u welke variabelen bijdragen aan de respons. U deelt eenvoudigweg het aantal behaalde respondenten door het aantal verstuurde uitingen. Vervolgens kijkt u welk onderscheid te maken is, bijvoorbeeld de manier van aanschrijven. Reageert een bepaalde groep beter op e-mails of op papieren mailings?

Kijk ook naar de aankoopgeschiedenis. Misschien komt u tot de conclusie dat personen die eerder een boek hebben gekocht, beter converteren op uw aanbieding voor een televisie dan personen die eerder kleding hebben gekocht. Met deze informatie kunt u in toekomstige marketingcampagnes uw acties afstemmen op wat look-a-likes in het verleden tot conversie heeft gebracht.

Voorspel welke klanten weglopen

Een ander goed voorbeeld van predictive analytics is de mogelijkheid om te voorspellen welke klanten u gaan verlaten, de churnkans. Door de historische gegevens van klanten die snel weg zijn gegaan te analyseren, kunt u voorspellen welke kenmerken bepalend zijn voor een hoge churnkans. De klanten met een hoge churnkans kunt u vervolgens benaderen met een speciale actie of attentie. Zo is de kans dat ze weggaan kleiner.

Hoe pakt u predictive analytics aan?

De basis van predictive analytics is data. In eerste instantie is het dus zaak om uw data op orde te krijgen; de datakwaliteit moet goed zijn. Er mogen geen dubbele records tussen de gegevens staan of foutieve informatie. Bovendien heeft u voldoende informatie nodig. Als u bijvoorbeeld het verschil in respons tussen bepaalde doelgroepen wilt onderzoeken, heeft u wel verklarende variabelen nodig. U kunt uw data hiervoor aanvullen, onder andere met CBS-gegevens of data van een externe partij, zoals Focum.

Geef vervolgens aandacht aan uw onderzoeksopzet. Welke groepen gaat u met elkaar vergelijken? Stel dat u een e-mailing verstuurd heeft naar twee verschillende groepen klanten: kopers van product x en kopers van product y. U heeft bovendien twee verschillende e-mails gestuurd. Eén met de boodschap “Tweede artikel halve prijs” en de ander met “25% korting”. In dit geval zijn er vier verschillende groepen die u met elkaar gaat vergelijken.

Vervolgens gaat u aan de slag met analyseren. Idealiter doet u dit met softwarepakketten speciaal voor statistische analyses. Daar kunt u vele variabelen in meenemen en uitgebreide analyses en modellen mee opstellen. Met de juiste analyses kunt u bepalen welke verschillen significant zijn en een voorspeller voor toekomstig klantgedrag.

Relevant zijn voor de klant

Predictive analytics geeft belangrijke informatie voor de toekomst. U kunt uw marketingacties efficiënter maken en huidige klanten langer behouden. Zo kunt u beter sturen op wie, wat, wanneer en hoe. Daarmee maakt u uw aanbod relevanter voor de klant.

Wilt u extra ondersteuning bij het toepassen predictive analytics? Neem dan contact op met Focum.

Jeroen Boutkam - Business Consultant bij Focum

Tags: Klantinzicht

aanmelden nieuwsbrief

Blijf op de hoogte van ons laatste nieuws!

Aanmelden